|
文章信息 The 2025 Hype Cycle for Artificial Intelligence 來源：Gartner 發表時間：2025年7月 人工智能技術成熟度曲線   摘要 根據Gartner對2025年人工智能領域的分析，市場的焦點已從對生成式AI（GenAI）的狂熱炒作，顯著轉向負責任地構建基礎創新并實現規模化應用。曾經位于期望頂峰的GenAI，由于在證明商業投資回報、解決治理難題和應對人才短缺方面遇到現實挑戰，現已滑入“幻滅的低谷”。取而代之的是，“AI-ready數據”和“AI智能體”成為新的熱點，躍居“期望膨脹的頂峰”，這反映出市場已普遍認識到高質量數據是規模化AI的先決條件，而AI智能體則代表了下一波自動化的巨大潛力。為支撐這一轉變，企業愈發重視如“AI工程化”和“模型運營化（ModelOps）”等基礎賦能技術，將其視為確保AI項目能夠可靠、可持續交付的關鍵。此外，報告還首次引入了“AI原生軟件工程”的概念，預示著AI將深度融入并重塑軟件開發的全過程。 01 什么是技術成熟度曲線 每一年，全球領先的技術研究與咨詢公司Gartner都會發布其備受矚目的技術成熟度曲線（Hype Cycle）報告。這份報告，尤其是針對人工智能領域的版本，因其深刻的洞察力和前瞻性，已成為全球企業高管、技術領袖和投資者在制定戰略時不可或缺的重要參考。它通過一個標準化的模型，幫助組織分辨技術的炒作與實質，從而做出更明智的技術投資決策。 該曲線將技術的發展劃分為五個關鍵階段： 1.創新觸發期 (Innovation Trigger): 技術突破發生，概念原型吸引了媒體和行業的初步興趣，但產品尚不成熟，商業可行性有待驗證。 2.期望膨脹期 (Peak of Inflated Expectations): 在媒體的大量報道和早期成功案例的推動下，市場期望達到頂峰。此時，過度宣傳與不切實際的預測共存，大量投資涌入，但失敗的嘗試也屢見不鮮。 3.幻滅的低谷期 (Trough of Disillusionment): 當技術無法兌現其被夸大的承諾時，期望泡沫破裂。缺點和挑戰暴露無遺，公眾興趣減退，投資趨于謹慎。然而，這恰恰是技術擠出泡沫、走向成熟的轉折點。 4.穩步爬升的光明期 (Slope of Enlightenment): 行業對技術的真正價值、應用場景和風險有了更深刻的理解。第二代、第三代產品應運而生，更多可復制的成功案例出現，最佳實踐開始形成。 5.生產成熟期 (Plateau of Productivity): 技術的主流應用和價值獲得市場公認。相關的工具和方法論趨于穩定，技術成為行業內可靠的基礎設施，并被廣泛采用。 02 生成式AI進入幻滅的低谷 盡管存在倫理和社會層面的擔憂，去年的AI技術成熟度曲線仍將生成式AI（GenAI）標為一項具有深遠商業影響的潛在變革性技術。今年，隨著各組織對其潛力和局限性的理解加深，生成式AI進入了幻滅的低谷。 在向企業證明GenAI的價值方面，AI領導者仍然面臨挑戰。盡管2024年企業在GenAI項目上的平均支出達到190萬美元，但只有不到30%的AI領導者表示其CEO對AI的投資回報感到滿意。成熟度較低的組織難以識別合適的用例，并對項目抱有不切實際的期望。與此同時，成熟度較高的組織則在尋找專業技能人才和普及GenAI素養方面舉步維艱。 更廣泛地說，各組織面臨著治理方面的挑戰（例如：幻覺、偏見和公平性）以及政府法規，這些都可能阻礙GenAI在生產力、自動化和工作角色演變方面的應用。 03 基礎性AI賦能技術或成投資關鍵 隨著各組織逐漸將GenAI從其AI項目的核心支柱位置移開，他們正專注于那些支持AI可持續交付的賦能技術。這些技術有助于簡化AI系統的集成和管理，使其變得有效且可擴展。 例如，AI工程化（AI engineering），它使組織能夠持續且安全地建立和發展高價值的AI解決方案組合，是企業大規模交付AI和GenAI解決方案的基礎學科。 另一項關鍵的基礎技術——并最終有望達到生產力成熟期的技術——是模型運營化（ModelOps）。通過專注于高級分析、AI和決策模型的端到端治理和生命周期管理，ModelOps有助于標準化、規模化和增強分析、AI及GenAI項目，并將其投入生產。 04 兩項關鍵AI技術正在快速發展 今年技術成熟度曲線上位置變動最大的兩項技術是AI-ready數據（AI-ready data）和AI智能體（AI agents）。兩者都位于期望膨脹的頂峰（Peak of Inflated Expectations）。 為了規模化AI，領導者必須改進數據管理實踐和能力，以確保AI-ready數據——其適用性由數據證明其滿足特定AI用例的能力來決定——能夠滿足現有和未來的業務需求。然而，57%的組織估計其數據尚未達到AI-ready狀態。沒有AI-ready數據的組織將無法實現業務目標，并會使自己面臨不必要的風險。 AI智能體是自主或半自主的軟件實體，它們使用AI技術在其數字或物理環境中感知、決策、采取行動并實現目標。AI技術的突破（例如，演進中的GenAI、多模態理解和復合AI）已使組織能夠利用AI智能體來執行復雜任務。但是，AI智能體的復雜性使其在訪問安全、數據安全和治理問題上顯得脆弱。此外，各組織對AI智能體在無人監督下運行的能力缺乏真正的信任，并擔憂潛在錯誤的重大影響。 05 企業AI戰略時間表（優先矩陣）   短期布局 (未來2年內): 重點關注邊緣AI (Edge AI)、復合AI (Composite AI)、負責任的AI (Responsible AI) 。這些技術即將進入主流，能快速帶來商業回報。 中期核心 (未來2-5年): 戰略投資的核心應圍繞生成式AI、多模態AI、AI工程、AI TRiSM。這是構筑未來幾年核心競爭力的主戰場。 長期基石 (未來5-10年): 布局AI就緒數據、AI仿真 (AI Simulation) 。這些是更深層次的基礎設施，將支撐下一代AI應用的爆發式增長。 未來遠景 (10年以上): 對通用人工智能 (AGI)、量子AI (Quantum AI) 保持戰略性關注。它們擁有改變游戲規則的潛力，但目前仍面臨巨大的科學和倫理挑戰。 |
|
|
來自： mrjiangkai > 《我的圖書館》
