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
CoreWeave发布AI对象存储服务,采用本地对象传输加速器(LOTA)技术,可在全球范围内高速传输对象数据,无出口费用或请求交易分层费用。该技术通过智能代理在每个GPU节点上加速数据传输,提供高达每GPU 7 GBps的吞吐量,可扩展至数十万个GPU。服务采用三层自动定价模式,为客户的AI工作负载降低超过75%的存储成本。
IDEA研究院等机构联合开发了ToG-3智能推理系统,通过多智能体协作和双重进化机制,让AI能像人类专家团队一样动态思考和学习。该系统在复杂推理任务上表现优异,能用较小模型达到卓越性能,为AI技术的普及应用开辟了新路径,在教育、医疗、商业决策等领域具有广阔应用前景。
谷歌DeepMind与核聚变初创公司CFS合作,运用先进AI模型帮助管理和改进即将发布的Sparc反应堆。DeepMind开发了名为Torax的专用软件来模拟等离子体,结合强化学习等AI技术寻找最佳核聚变控制方式。核聚变被视为清洁能源的圣杯,可提供几乎无限的零碳排放能源。谷歌已投资CFS并承诺购买其200兆瓦电力。
上海人工智能实验室提出SPARK框架,创新性地让AI模型在学习推理的同时学会自我评判,通过回收训练数据建立策略与奖励的协同进化机制。实验显示,该方法在数学推理、奖励评判和通用能力上分别提升9.7%、12.1%和1.5%,且训练成本仅为传统方法的一半,展现出强大的泛化能力和自我反思能力。