11月9日消息，近期，Gartner發佈2025年十大戰略技術趨勢，其中，Gartner預測，到2028年至少有15%的日常工作決策將由代理型AI自主做出，而2024年這一比例為0%。
同時，Gartner預測到2030年80%的人類將每天與智能機器人打交道，而這一比例目前還不到10%。
“代理型AI”會取代網站和應用程序
什麼是“代理型AI”？
可以“724”、365天無休工作的數字員工。
Gartner研究副總裁高挺（Arnold Gao）介紹，Gartner報告中的“代理型AI”（ Agentic AI）在中國市場上有另外一個翻譯叫“AI智能體”。“代理型AI”是更加傾向於技術而不是像AI智能體一樣比較偏向於應用，代理型AI實際上除AI智能體以外也包括“代理型搜索”或者是“多代理的系統”。
過去人工智能隻是為特定任務而設計的，大語言模型改變一切，AI開始具備語言和推理的能力。
OpenAI認為AI從大語言模型的突破到真正走向通用人工智能要分五步走：
第一階段，語言能力。像ChatGPT這樣的可以和人類用自然語言對話的聊天機器人。
第二階段，推理能力。所謂的“推理”就是可以和人類一樣去解決問題。
第三階段，代理能力。這個代理型AI實際上最後會和人類一樣去做事情。
OpenAI發佈的o1模型就已經具備慢思考、強推理的特性，它的推理能力在某些特定領域當中是遠遠超過GPT4o。
高挺表示，“代理型AI”有兩個明顯特點：
第一：目標驅動。
“代理型AI”和RPA（Robotic process automation，機器人流程自動化）不同，不是每一步要做什麼事情是由人類規劃好的，而是給“代理型AI”一個整體的目標讓它根據外部環境自動的去進行任務的計劃和執行。
第二：“代理型AI”需要至少四個模塊——記憶模塊、計劃模塊、感知模塊和調用工具模塊。
除這兩個特點以外，“代理型AI”還有一個非常關鍵的關鍵詞就是“行動”。代理型AI和傳統大語言模型最大的區別就是它是能夠行動的，這是它最主要的關鍵詞。
“代理型AI”會慢慢替代一些已有的網站、APP應用程序，甚至人類的一些工作不用自己去做，而是由這些AI來替代。
Gartner預測，到2028年至少有15%的日常工作決策將由代理型AI自主做出。高挺表示，這些日常決策主要是三類：
第一類是重復性的、數據密集型的任務，這類任務由於相對簡單，又有足夠多的數據作為決策的支撐，代理型AI往往完成的比較好；
第二類是面型內部的，提高後臺工作效率的任務，而非面向客戶的前臺工作任務，這類任務的環境變量較少並且可控，AI比較容易能夠勝任；
第三類是決策路徑較短，有人類參與在裡面的協同任務，而非實現完全自動化的復雜目標。
整體來看，代理型AI會在搜索、個人生活助理、客戶服務、軟件開發和測試，以及傳統RPA場景的拓展領域率先落地。
高挺強調，“代理型AI”的終局是產生人類和AI的融合團隊。“將來我們會看到其實一個人也能變成一傢公司、一個人也能變成一個團隊，由一個人可以驅動很多AI代理人來幫他/她執行一些任務、完成一些復雜的工作。代理型AI最終的效果是自動化的進一步提升。”
盡管Gartner預測代理型AI的發展將會很快，但是在2024年的當下，日常工作決策由代理型AI自主做出的比例還是0%。
高挺表示，“代理型AI”現在最大的一個問題就是可靠性還不好。比如要完成一個復雜的任務，從1到10它有10個步驟，每一個步驟裡面隻要有一個步驟出現一點差錯，那麼整個任務最後的完成度就會打折扣。當這個步驟變得比較多、決策路徑比較長的時候，靠今天的大模型可靠度要完成一個完整的這種代理型AI的復雜任務實際上還很難。
到2030年，80%的人類將每天與智能機器人互動
Gartner預測到2030年80%的人類將每天與智能機器人打交道，而這一比例目前還不到10%。
高挺指出，近期國內人型機器人非常熱，Gartner預測的智能機器人是多功能機器人（Polyfunctional Robots），是可以幫助人類完成各類任務的一個機器人的形態，它的形態可以是人形的、也可以是犬形等其他形態。它的一個核心的要點，就是它不是為完成單一任務而設計出來的，它是為完成多個任務設計出來的。
根據Gartner的預測，6年時間，每天與智能機器人打交道的人類比例從10%將增長至80%。這一增長速度可謂非常快。
高挺向TechWeb表示，至少有6方面的因素促進智能機器人的快速發展和普及：
第一，是AI：AI的融入顯著提高人形機器人的認知能力。這些技術使機器人能夠處理信息、從經驗中學習並做出自主決策，從而能夠執行復雜的任務並與人類更自然地互動。
第二，其次是傳感器技術：現代傳感器（包括攝像頭、激光雷達和觸覺傳感器）增強機器人感知環境和識別物體的能力。這種能力對於在復雜空間中導航和執行需要精確度的任務至關重要。
第三，機器人驅動器actuator和關節設計的創新提高機動性和靈活性：這使得機器人能夠執行手術或流水線作業等精細任務，使其在各種應用中更加靈。
第四，勞動力成本上升：在許多地區，勞動力成本的上升促使企業采用人形機器人作為重復性和勞動密集型任務的經濟有效的解決方案。機器人無需疲勞即可操作，從而降低運營成本。
第五，勞動力短缺：許多行業面臨嚴重的勞動力短缺，尤其是在醫療保健和制造業等行業。機器人為維持這些領域的生產力水平提供可行的替代方案。
第六，自動化需求日益增長：隨著各行各業努力提高效率和生產力，對自動化解決方案的需求也在不斷增長。機器人越來越被視為實現醫療、教育和娛樂等各個領域目標的重要工具。
多功能機器人將來不隻是會出現在工廠或者是倉庫裡去替代低成本的勞動力，很多時候還會出現在我們的辦公或者居傢環境裡，它既要能夠燒菜、也能夠洗碗、還能夠拖地等等。當多功能機器人能夠做很多事情的時候，它的投資回報就提高，實現大規模商業化成為可能。
高挺表示：“現在看到國內一些廠商發佈的機器人已經把價格做到10萬元區間，預計未來五到十年內我們可以買到10萬塊錢左右的機器人，就像買一輛小汽車一樣，放在傢裡可以幫我們做很多事情，這對於很多傢庭來說將會非常具有吸引力。”
那麼，什麼時候企業會大規模應用多功能機器人呢？它的臨界點或者是值得關註的信號是什麼呢？高挺稱：“比如有些企業開始開發培訓系統教導如何使用機器人為業務提供支持；或者有些企業在招聘員工或考慮生產力資源時，會把機器也會考慮進去；甚至有些企業會起草一些使用機器人的相關政策的時候，這就是多功能機器人趨於成熟的時候。”
最後，
附上《Gartner2025 年十大戰略技術趨勢》如下：
代理型AI（Agentic AI）
代理型AI通過自主規劃和采取行動實現用戶定義的目標。代理型AI為實現能夠分擔和補充人類工作的虛擬勞動力帶來希望。Gartner預測，到2028年，至少15%的日常工作決策將由代理型AI自主做出，而2024年這一比例為0%。這項技術的目標導向型功能將實現適應性更強、能夠完成各種任務的軟件系統。
AI治理平臺（AI Governance Platforms）
AI治理平臺是Gartner不斷發展的AI信任、風險和安全管理（TRiSM）框架的一部分。AI TRiSM使企業能夠管理其AI系統的法律、道德和運營績效。這種技術解決方案能夠創建、管理和執行負責任的AI使用策略、解釋AI系統的工作原理並提供透明度以建立信任和問責制。Gartner預測，到2028年，采用綜合AI治理平臺的企業將比沒有這類系統的企業減少40%與AI相關的倫理事件。
虛假信息安全（Disinformation Security）
虛假信息安全是一個新興技術類別。該技術能夠系統地辨別信任度，旨在提供一個能夠確保信息完整性、評估真實性、防止冒名頂替和追蹤有害信息傳播的方法體系。Gartner預測，到2028年，將有50%的企業開始采用專為應對虛假信息安全用例而設計的產品、服務或功能，而目前這一比例還不到 5%。
後量子密碼學（Postquantum Cryptography）
後量子密碼學能夠保護數據免受量子計算解密風險。根據量子計算過去幾年的發展情況，目前廣泛使用的幾種傳統加密技術將被淘汰。由於改變加密方法並非易事，企業必須有更長的準備時間，才能為一切敏感或機密信息提供強有力的保護。Gartner預測，到2029年，量子計算技術的進步將使大多數傳統的非對稱加密技術變得不安全。
環境隱形智能（Ambient Invisible Intelligence）
環境隱形智能是由成本極低、體積小巧的智能標簽和傳感器實現的，這些傳感器能夠提供大規模、經濟實惠的的追蹤和傳感。長遠來看，環境隱形智能將使傳感器和智能技術無縫融入我們的日常生活中。到2027年，環境隱形智能的早期示例將以解決當前問題為主，例如零售庫存檢查或易腐貨物物流等，通過實現低成本的實時物品追蹤和感知來提高可見性和效率。
節能計算（Energy-Efficient Computing）
IT以多種方式影響可持續性。在2024年，碳足跡是大多數IT組織的首要考慮因素。計算密集型應用，例如AI訓練、模擬、優化和媒體渲染等由於能耗最高而可能成為企業碳足跡“大戶”。預計從2020年代末開始將出現一些新的計算技術，如光學、神經形態和新型加速器等。這些新技術將被專門用於特殊任務，例如AI和優化，並顯著降低能耗。
混合計算（Hybrid Computing）
新的計算范式正在不斷湧現，包括中央處理單元、圖形處理單元、邊緣、特定應用集成電路、神經形態以及經典量子計算、光學計算范式。混合計算結合不同的計算、存儲和網絡機制解決計算問題。這種計算形式能夠幫助企業探索和解決問題，使AI等技術能夠突破當前的技術限制。混合計算將被用來創建比傳統環境更高效的變革性創新環境。
空間計算（Spatial Computing）
空間計算利用增強現實和虛擬現實等技術，以數字方式增強物理世界。它將實體和虛擬體驗之間的交互提升到一個新的級別。在未來五到七年內，空間計算的使用將通過簡化工作流程和增強協作能力來提高企業效率。Gartner預測，到2033年，空間計算市場將從2023年的1100億美元增長至1.7萬億美元。
多功能機器人（Polyfunctional Robots）
多功能機器人能夠執行多項任務，它們正在取代為重復執行一種任務而專門設計的特定任務機器人。這種新型機器人的功能性能夠提高效率和投資回報率（ROI）。多功能機器人可以與人類一起協作，能夠快速部署和輕松擴展。Gartner預測，到2030年，80%的人類將每天與智能機器人打交道，而目前這一比例還不到10%。
神經增強（Neurological Enhancement）
神經增強利用讀取和解碼大腦活動的技術提高人類的認知能力。這項技術能夠使用單向腦機接口或雙向腦機接口（BBMI）讀取人的大腦，在人類技能提升、下一代營銷和提升表現這三個主要領域具有巨大潛力。神經增強將提高人類的認知能力，幫助品牌解消費者的想法和感受並增強人類的神經功能，從而獲得最佳的結果。Gartner預測，到2030年， 30%的知識工作者將通過BBMI等技術（資金來源包括雇主和個人）提升自己的能力，並憑借這些技術來適應工作場所中AI的崛起。這一比例在2024年還不到 1%。