商业与技术洞察公司Gartner最新发布的2025年Gartner人工智能技术成熟度曲线显示,AI智能体和AI就绪型数据是当前发展最快的两项技术。这两项技术在今年受到高度关注,伴随着大胆预测和预期性承诺来到期望膨胀期。
Gartner技术成熟度曲线用图形表示技术和应用发展的成熟度、市场采用情况,以及其与解决现实业务难题和抓住新机遇的相关性。Gartner的技术成熟度曲线方法可以提供技术或应用发展走向的视图,使企业能够基于可靠的洞察,根据具体的业务目标来管理技术或应用部署。
Gartner高级研究总监Haritha Khandabattu表示:“由于今年的AI投资依然强劲,企业更加重视使用AI实现运营可扩展性和实时智能。这使企业将核心关注点从生成式AI逐步转向AI就绪型数据、AI智能体等支持可持续AI交付的基础性支撑技术。”
在Gartner预计将在未来五年内实现主流采用的人工智能(AI)创新中,多模态AI与AI信任、风险和安全管理(TRiSM)已成为期望膨胀期阶段最重要的两项技术(见图1),将共同支持更加强大、更具创新性和更负责任的AI应用,深入改变企业机构的运营方式。
图1:2025年人工智能技术成熟度曲线
来源:Gartner(2025年8月)
Khandabattu表示:"虽然AI拥有巨大的业务价值潜力,但无法自发实现这一价值。成功需要依靠与业务紧密结合的试点项目、具有前瞻性的基础设施基准化分析,以及AI团队与业务团队创造切实业务价值的默契。”
AI智能体
AI智能体是自主或半自主的软件实体,使用AI技术在数字或物理环境中进行感知、做出决策、采取行动并实现目标。通过运用大语言模型等人工智能实践及技术,企业机构正在开发并部署AI智能体,以完成复杂的任务。
“为了充分发挥AI智能体的优势,企业需要确定最相关的业务场景和用例。但由于不存在完全相同的AI智能体和使用情况,这项工作的难度很大。”Khandabattu表示,“虽然AI智能体将不断变强,但依旧无法适用于所有情况,因此主要还是要根据当前情况的具体要求使用。”
AI就绪型数据
AI就绪型数据可以针对AI应用优化数据集,从而提高数据集的准确性和效率。就绪是指数据能够被证明适用于特定AI用例。AI就绪型数据的内涵取决于具体的情境,因AI用例和AI技术而异,必须对其采取新的数据管理方法。
Gartner认为,所有在AI领域投入大量资金的企业机构都需要不断发展自身的数据管理实践和能力,并将这些实践和能力扩展到AI领域,以满足当前和未来的业务需求、确保信任、规避风险和合规问题、保护知识产权,并减少偏见和幻觉。
多模态AI
多模态AI模型同时使用图像、视频、音频和文本等不同类型的数据进行训练。由于整合并分析了多种不同的数据源,此类模型能够比仅使用一种类型数据的模型更好地理解复杂情况,有助于用户理解世界,并为AI应用开辟新途径。
Gartner研究表明,多模态AI将在未来五年成为各行业提升所有应用和软件产品功能的核心技术。
AI信任、风险和安全管理
AI信任、风险和安全管理(TRiSM)在保证AI伦理与安全部署方面发挥着关键作用。它由四个技术能力层构成,这些技术层支持所有AI用例的企业策略,确保AI得到妥善治理,并且值得信赖、公平、可靠、安全,能够保护隐私和数据。
Khandabattu表示:“AI带来了新型信任、风险与安全管理挑战,依靠传统管控已难以应对。企业机构必须评估并实施多层级AI TRiSM技术,以持续支持和执行与所有在用AI实体相关的策略。”
好文章,需要你的鼓励
美国网络安全和基础设施安全局指示联邦机构修补影响思科ASA 5500-X系列防火墙设备的两个零日漏洞CVE-2025-20362和CVE-2025-20333。这些漏洞可绕过VPN身份验证并获取root访问权限,已被黑客积极利用。攻击与国家支持的ArcaneDoor黑客活动有关,黑客通过漏洞安装bootkit恶意软件并操控只读存储器实现持久化。思科已发布补丁,CISA要求机构清点易受攻击系统并在今日前完成修补。
康考迪亚大学研究团队通过对比混合量子-经典神经网络与传统模型在三个基准数据集上的表现,发现量子增强模型在准确率、训练速度和资源效率方面均显著优于传统方法。研究显示混合模型的优势随数据集复杂度提升而增强,在CIFAR100上准确率提升9.44%,训练速度提升5-12倍,且参数更少。该成果为实用化量子增强人工智能铺平道路。
TimeWave是一款功能全面的计时器应用,超越了苹果自带时钟应用的功能。它支持创建流式计时器,让用户可以设置连续的任务计时,帮助专注工作。应用采用简洁的黑白设计,融入了Liquid Glass元素。内置冥想、番茄工作法、20-20-20护眼等多种计时模式,支持实时活动显示和Siri快捷指令。免费版提供基础功能,高级版需付费订阅。
沙特KAUST大学团队开发了专门针对阿拉伯语的AI模型家族"Hala",通过创新的"翻译再调优"技术路线,将高质量英语指令数据转化为450万规模的阿拉伯语语料库,训练出350M到9B参数的多个模型。在阿拉伯语专项测试中,Hala在同规模模型中表现最佳,证明了语言专门化策略的有效性,为阿拉伯语AI发展和其他语言的专门化模型提供了可复制的技术方案。