技术趋势2026

随着技术创新与应用速度的不断加快，五大趋势揭示了成功的企业如何从技术试验阶段迈向实际价值创造阶段。 目录执行摘要创新的复合效应0204物理AI：探索AI和机器人的融合09未雨绸缪：为数字员工做好准备21积极反思：优化AI基础设施策略33脱胎换骨：重构一个AI原生技术组织43走出困境：使用AI进行网络防御53拨开迷雾：AI进阶过程中值得追踪的技术趋势62 执行摘要 物理AI：探索AI与机器人的融合 去年的《技术趋势》报告预测，AI将如同电力一般，成为一种基础要素，无缝融入各类产品和服务之中。今年这份《技术趋势》报告（第17版年度报告）印证了这一假设。如今，企业技术的各个领域都受到AI的影响，对智能运营的需求影响着从计算硬件到实体机器人技术等方方面面的决策。去年，企业的重点在于开展概念验证项目和探索技术的潜在可能，而今年则完全聚焦于技术的规模化应用。各行各业的企业都在将AI驱动的流程投入实际运营。原因很简单：企业领导者已经意识到，要实现差异化竞争优势，关键在于运用AI推动自动化、创新和业务增速提升。 物理AI正推动机器人技术发生变革，使其从预先编程的机器转变为能够在复杂环境中自主感知、学习和运行的自适应系统。这些能力已在工业机器人、自动驾驶汽车、无人机以及其他各类系统中得到应用。目前，该领域面临着培训缺口、安全隐患和网络安全风险等挑战，但成本的下降正推动其应用范围从智能仓储和供应链运营向更广泛的主流领域拓展。人形机器人将成为下一个前沿领域，预计到2035年，工作场所的人形机器人数量将达到200万台。未来，生物混合机器人和量子机器人技术也可能成为新的发展方向。 创新的复合效应 未雨绸缪：为数字员工做好准备 技术领导者正面临从AI试验阶段向可衡量价值创造阶段的关键转变。如今，创新呈现出指数级的复合增长态势：生成式AI仅用两个月就吸引了约1亿用户，而电话达到5000万用户则用了50年。这种增长形成了一个不断加速的飞轮效应――技术、数据、投资和基础设施方面的进步相互促进，共同加速发展。传统的基础设施和循序渐进的改进流程已难以跟上这一速度。要取得成功，仅依靠先进技术是不够的，企业必须重新设计业务流程，而非仅仅对现有流程进行自动化改造；要将投资与业务成果紧密关联，并快速执行相关举措。 尽管人们最初对智能体AI充满热情，但许多企业在应用智能体后，尚未实现显著的业务变革。这是因为大多数企业只是对现有流程进行自动化处理，而没有从根本上重新设计业务运营模式。在接受调查的企业中，仅有11%已将智能体系统投入实际生产应用，面临的挑战包括遗留系统整合难题、数据架构限制以及治理框架不完善等。领先企业正在采取以智能体为核心的流程重构方式，利用新兴协议实现多智能体协同调度，并将智能体视为需要专门管理框架的硅基劳动力。这其中涵盖以智能体为代表的数字员工入职管理、绩效跟踪以及成本管控等方面。未来，智能体的自主程度将逐步提升，人机混合劳动力模式将成为主流，同时企业还将利用智能体生成的数据实现持续学习，这些变化将彻底改变企业的运营和竞争方式。 走出困境：使用AI进行网络防御 积极反思：优化AI基础设施策略 随着AI从试验阶段迈向实际生产应用，企业在基础设施建设方面面临着难题。尽管成本大幅下降，但由于使用量激增，企业在AI方面的总体支出仍在急剧增加。许多企业正面临一个临界点：对于大规模使用量而言，云服务的成本已高得难以承受，部分企业每月的云服务账单金额高达数千万美元。领先企业正在采用战略性的混合架构：将云服务用于处理可变工作量，本地部署用于稳定的生产任务，边缘计算则用于低延迟需求的应用场景。这种架构可能需要专门构建的AI数据中心，配备针对图形处理器（GPU）优化的硬件、先进的网络系统以及专门的冷却设备。未来面临的挑战包括员工技能重塑、利用AI智能体管理基础设施，以及推动可持续计算创新（如采用可再生能源供电的数据中心，甚至可能出现轨道数据中心）。 AI在网络安全领域引发了一个悖论：推动业务创新的技术能力，同时也带来了新的安全风险。企业面临着来自影子AI部署（未经授权的AI应用）、对抗性攻击以及AI系统固有漏洞等方面的威胁，这些威胁涉及数据、模型、应用程序和基础设施四个领域。企业可以调整现有的安全措施，通过健全的访问控制、模型隔离和安全的部署架构，应对AI特有的安全风险。与此同时，AI也为解决其自身带来的安全漏洞提供了强大的新能力。领先企业正以防御为目的运用AI技术，例如利用AI智能体开展红队测试、进行对抗性训练，以及以机器速度实现自动化威胁检测。未来的挑战将包括AI与实体基础设施融合带来的风险、自主网络战，以及量子计算和太空安全威胁等。要在这一领域取得成功，企业必须从AI项目启动之初就将安全理念融入其中，将安全视为推动创新的助力，而非制约创新的因素。 脱胎换骨：重构一个AI原生技术组织 拨开迷雾：AI进阶过程中值得追踪的技术趋势 AI正在从根本上重构技术组织，其影响远超简单的自动化改造。64%的企业正在增加AI领域的投资，AI相关的技术预算也在不断上升，企业的工作重点正从基础设施维护转向战略引领。领先企业将AI计划与可衡量的业务成果相结合，设计具备灵活性的模块化架构，并围绕人机协作重新制定人才战略。新的职业角色不断涌现，如AI协作设计师、边缘AI工程师和提示工程师等。同时，首席信息官（CIO）的角色也在转变，从技术战略制定者逐渐成为AI推广者和协调者。未来的技术组织将具备智能体架构、以产品为导向的精简团队、人机混合劳动力模式、自适应治理机制以及面向生态系统的创新模式。要取得成功，企业必须勇于持续变革，大胆重新规划业务运营模式，而非局限于渐进式的微小改进。 《技术趋势》报告深入探讨了五种正在重塑企业运营方式的技术发展趋势，但在任何时期，影响企业的趋势都远不止这五种。另有八个相关的“信号”同样值得关注，包括基础AI模型是否可能进入发展平台期、合成数据对模型的影响、神经形态计算的发展、边缘AI的新兴应用场景、AI可穿戴设备的增长、生物识别认证的发展机遇、AI智能体对隐私的影响，以及生成式引擎优化技术的兴起。这些信号中，有些可能会发展成为具有主导性的技术力量，有些则可能逐渐淡出人们的视野。但所有这些信号都反映出一个共同的核心现实：技术变革的速度已发生根本性转变，那些能够及早识别这些趋势模式的企业，将有更充足的时间进行调整和适应。 创新的复合效应 随着技术创新和采用的加速，五个趋势揭示了成功的组织是如何从试验阶段迈向实际价值创造阶段 Kelly Raskovich 然而，用户的快速增长只是表面现象。创新正呈现出复合增长的态势，各种推动创新的力量并非简单叠加，而是相互作用、产生倍增效应。可以将其比作一个飞轮：更先进的技术催生出更多应用场景；更多的应用场景产生更海量的数据；更海量的数据吸引更多投资；更多的投资打造更完善的基础设施；更完善的基础设施降低技术应用成本；更低的成本推动更多试验探索。每一项进步都会同时加速其他方面的发展。 我一年中的大部分时间都在与技术领导者交谈，询问他们哪些做法是有效的，哪些做法是无效的，以及有哪些事会让他们彻夜难眠。最近，这些对话有了新的特征及含义。 过去，大家常问的是“我们能用人工智能做什么？”，而现在问题变成了“我们如何从人工智能试验阶段迈向实际价值创造阶段？”。关注点已从无休止的试点项目转向获取实实在在的业务价值，而且所有人都感受到了紧迫感。这种紧迫感并非仅仅因为技术在不断进步（尽管技术确实在进步），更重要的是技术变革的速度本身已大幅加快。 这也解释了为何人工智能初创企业实现营收从100万美元增长到3000万美元的速度，是SaaS企业的5倍3；为何人工智能领域知识的半衰期从数年缩短至数月4；以及为何一位首席信息官（CIO）告诉我：“如今，我们研究一项新技术所花费的时间，甚至超过了这项技术的有效生命周期。” 数字说明了问题（图1）。电话用了50年才达到5000万用户。互联网花了七年时间。一款领先的生成式AI工具在两个月内达到了这一数字的两倍。1截至本文撰写之时，该工具每周拥有超过8亿用户，约占全球人口的10%。2 图表1 研究基于两方面：一是与德勤领域专家及外部技术领导者交流获取的趋势洞察，二是德勤针对新兴技术开展的专业研究。今年的数据揭示了五个相互关联的关键趋势。 我们研究的每个组织都发现了同样的真理：过往的成功模式已不可复制于未来。 为“云优先”战略构建的基础设施，难以满足人工智能时代的经济成本需求；为人类员工设计的业务流程，无法适配以智能体为代表的数字员工的运行模式；基于边界防御理念构建的安全模型，难以抵御以机器速度发起的安全威胁；为服务交付而建立的IT运营模式，无法推动业务变革。 物理AI：探索AI与机器人的融合 亚马逊已部署了第100万台机器人，其DeepFleet AI系统负责协调整个机器人车队，使仓库内的运输效率提升了10%5。宝马的工厂中，汽车能够自主完成长达数公里的生产运输路线6。如今，智能不再局限于屏幕之上，而是具备了实体形态，能够自主运行，并在现实世界中解决实际问题。 这不仅仅是对现有体系的优化升级，更是一场全面的重构。 17年来，《技术趋势》报告始终致力于探索未来18至24个月内可能重塑商业格局的新兴技术。我们的 未雨绸缪：为数字员工做好准备 战：“我们如今面临的情况，与过去并无本质区别。人工智能带来的唯一不同，在于威胁的速度和影响程度。”12企业必须在数据、模型、应用程序和基础设施这四个领域保障人工智能的安全，同时也有机会利用人工智能驱动的防御手段，对抗以机器速度发起的安全威胁。 尽管有38%的组织进行了试点，但只有11%的组织在生产中使用智能体。从试验到落地的差距揭露了一切，42%的人仍在制定战略，而35%的人根本没有战略。7Gartner预测，到20278年，40%的智能体项目将失败。这不是因为该技术不起作用，而是因为组织只有碎片化的自动流程，而不是重新设计运营。HPE的首席财务官认为有效的方法是：“我们希望选择一个端到端的流程，在那里我们可以真正转型，而不仅仅是解决一个痛点。”9重新设计，不仅仅是自动化改造。这就是区分成功和失败的模式。 在今年的报告中，你将看到一些技术领导者成功应对这场变革的案例。他们并非掌握了所有答案，但在引领变革的过程中，已展现出一些明显的成功模式。 •他们以问题而非技术为导向。博通首席信息官：“如果不聚焦于特定的业务问题以及期望获取的价值，企业很容易在人工智能领域投入资金，却得不到任何回报。”13 积极反思：优化AI基础设施策略 •这里所说的问题，特指企业面临的重大问题。UiPath的首席执行官认为：“与其陷入无休止的概念验证循环，不如聚焦企业面临的最大问题，努力实现重大突破。”14 两年间，令牌成本下降了280倍10，但部分企业每月的AI相关支出仍高达数千万美元。这是因为使用量的增长速度远超成本下降速度。企业逐渐发现，现有的基础设施战略无法支撑AI技术实现规模化生产部署。于是，它们开始从“云优先”战略转向战略性混合架构：利用云服务应对波动性工作负载，通过本地部署保障稳定的生产推理需求，借助边缘计算满足低延迟应用场景。 •他们优先追求速度，而非追求完美。西部数据（Western Digital）的首席信息官表示：“我们宁愿在小型试点项目中快速试错，也不愿完全错失技术发展的机遇。”15 •他们在设计过程中注重以人为本，而非仅仅为用户设计产品。沃尔玛在开发排班应用程序时，充分征求了门店员工的意见，加入了换班、排班可视化和员工自主掌控排班等功能。结果显示：排班时间从90分钟缩短至30分钟，而且员工确实愿意使用这款应用16。 脱胎换骨：重构一个AI原生技术组织 人工智能正在重构技术组织，使其更精简、更高效、更具战略性。在德勤的调查中，仅有1%的IT领导者表示企业没有正在推进的重大运营模式变革11。领导者们正从渐进式的IT管理模式，转向协调人机协作团队的模式，首席信息官（CIO）也在逐渐转变为人工智能的推