Gartner发布2026中国数据、分析和人工智能技术成熟度曲线

商业与技术洞察公司Gartner最新发布的2026中国数据、分析和人工智能技术成熟度曲线显示，到2030年，AI将全面赋能高质量发展，新一代智能终端、智能体等应用普及率将超过90%，智能经济将成为中国经济发展的重要增长极。除数字领域之外，物理AI也已成为中国客户的关注焦点。

Gartner高级研究总监方琦表示：“Gartner 2026中国数据、分析和人工智能技术成熟度曲线可以划分四大主要技术集群，这四大技术集群呈现出一定的趋势：代理型AI技术超越生成式AI，达到期望膨胀期，成为企业的首要焦点；生成式AI滑向泡沫破裂低谷期，企业期望趋于理性，强调实现可验证的业务价值；物理AI快速兴起并受到大众关注，有望成为下一轮突破性创新的重要驱动力；AI计划的成功越来越依赖于稳健的基础能力建设，包括数据就绪度、治理机制、安全护栏以及工程化能力。这些支撑环境基础的重要性已经超过了AI模型技术本身。”

物理AI

物理AI是指以物理形态存在的AI系统，例如机器人、无人机、自动驾驶车辆和智能设备，这些系统利用AI对真实世界进行感知并与之交互。通过结合传感器、控制和AI模型，这类系统将数字智能与物理行为进行连接，使其能够操控物体、在空间中移动，并对动态环境作出自主响应。

Gartner高级研究总监张桐表示：“由物理AI驱动的系统能够在物理世界中交互并采取行动，从而在动态环境中实现自动化、精确性和适应性。通过促进与机器人、物联网、边缘设备和自动驾驶车辆等设备的实时交互，使其能够在非结构化环境中运行，这种集成释放了新的效率。物理AI系统利用来自传感器的洞察来感知其所处环境，从而与周围物理对象动态交互，为制造、物流、零售和医疗保健等领域提供了切实可行的实际解决方案。物理AI的发展在中国具有重要价值，因为它能够加速产业创新、增强全球竞争力，并支持关键基础设施领域的现代化。”

前端部署工程师

前沿部署工程师（FDE）是直接嵌入客户业务或价值流中的专业人员，通过结合实操工程能力、领域知识和产品反馈，加速平台或代理型AI解决方案的采用与交付。他们通过将客户需求转化为技术解决方案，在产品工程与真实应用之间架起桥梁；他们通常还会参与代码开发和问题排查，并将洞察反馈给核心开发团队。

Gartner高级研究总监方琦表示：“FDE交付模式天然伴随高成本、回报不确定以及ROI周期长等问题；在企业机构对IT预算支出要求强ROI的情况下，这种模式难以持续。在中国竞争激烈的商业环境、有限的IT预算以及以项目为中心的运营模式下，这些挑战会进一步加剧。中国企业机构往往将FDE业务模式视为高端系统集成项目，而非产品创新模式；后者实际上要求企业机构转向持续共创的运营模式。这往往导致一次性部署，而语义资产在上线后便停止演进。由于FDE的培训和薪酬成本较高，中国本地技术供应商往往会出于营销目的，将现有驻场工程师重新包装为FDE。这种做法最终会导致市场上的认知落差和幻灭。”

个人智能体

个人智能体是与领域无关的AI智能体，能够在Web和操作系统等多样化软件环境中执行开放式、多步骤任务。它们可以适应个人用户偏好和上下文需求，并随着时间推移积累经验。与标准AI应用不同，对个人智能体的预期是处理持续数分钟、数小时甚至数天的长周期工作。

Gartner高级研究总监方琦表示：“2025年8月，中国政府就推动“人工智能+”行动与社会各行业各领域的广泛深度融合发布了指导意见，并强调到2030年，AI将全面赋能高质量发展，新一代智能终端、智能体等应用普及率将超过90%，智能经济将成为中国经济发展的重要增长极。个人智能体作为智能体应用的重要一部分旨在全民化智能体能力的获取，使任何人都能向智能体委派多步骤工作。通过将AI的角色从‘对话者’转变为开放式‘执行者’，个人智能体降低了复杂自动化的门槛。它们在整个生命周期中的持续适应能力，意味着其价值会随着使用的增多而提升，从而形成深度个性化的人与AI协作关系。”

大语言模型（LLM）

大型语言模型（LLM）是一种主要基于海量无标签文本数据进行训练的AI基础模型。借助大语言模型，应用可以完成一系列任务，包括回答问题、内容生成、代码生成、会话聊天、深度研究以及智能体任务。

Gartner高级研究总监张桐表示：“LLM是推动生成式AI革命的核心技术之一。在过去的几年中，大语言模型在各领域和各行业的各类任务中都展现了令人惊喜的卓越能力。作为通用基础模型，大语言模型经过定制可以处理许多不同的用例，并为企业机构带来最先进的AI能力。大语言模型也越来越多地借助工具来构建更广泛的系统，如AI智能体。LLM的进步尤其是开放权重模型是塑造中国AI未来的关键支柱。”