鳳凰網科技訊 8月27日，商業與技術洞察公司Gartner發布2026中國數據、分析和人工智能技術成熟度曲線。Gartner認為，AI智能體熱度已經超過生成式AI，進入期望膨脹期併成為企業關注重點；生成式AI則開始滑向泡沫破裂低谷期，企業對其預期逐漸迴歸理性。與此同時，物理AI正在成為中國市場新的關注方向。

Gartner高級研究總監方琦表示，當前中國數據、分析和AI相關技術大致形成四個主要技術集群。其中，企業對生成式AI的關注正在從技術能力轉向能否產生可驗證的業務價值，而物理AI有望成為下一階段突破性創新的重要驅動力。

值得注意的是，Gartner認為，AI項目能否成功正越來越取決於數據就緒度、治理機制、安全護欄和工程化能力等基礎建設，這些支撐能力的重要性已經超過AI模型技術本身。

在物理AI方面，Gartner將其定義為以物理形態存在、能夠感知並與真實世界交互的AI系統，包括機器人、無人機、自動駕駛車輛和智能設備等。此類系統將傳感器、控制系統與AI模型結合，從而實現對物體的操作、空間移動以及對動態環境的自主響應。

Gartner高級研究總監張桐表示，物理AI可以推動機器人、物聯網、邊緣設備及自動駕駛車輛與現實環境進行實時交互，使相關設備能夠在非結構化環境中運行。目前，這類技術已經面向製造、物流、零售和醫療保健等領域探索實際應用。

Gartner此次還重點關注了前沿部署工程師（FDE）。這一崗位通常直接進入客戶業務場景，通過工程能力、行業知識和產品反饋，將客戶需求轉化為技術方案，並承擔代碼開發、問題排查以及向核心研發團隊反饋實際需求等工作。

不過，Gartner認為，FDE模式在中國市場可能面臨高成本、回報不確定和ROI周期較長的問題。方琦指出，在有限IT預算和項目制運營模式下，中國企業容易將FDE理解為高端系統集成項目，而非持續共創的產品創新模式。一些本地技術供應商還可能將原有駐場工程師重新包裝為FDE，由此造成市場認知與實際能力之間的落差。

個人智能體也是此次成熟度曲線關注的技術之一。與普通AI應用不同，個人智能體能夠跨Web、操作系統等軟件環境執行開放式、多步驟任務，並根據用戶偏好和上下文持續積累經驗，預期可承擔持續數分鐘、數小時甚至數天的長周期工作。

根據素材援引的相關政策目標，到2030年，新一代智能終端、智能體等應用普及率將超過90%，AI將進一步融入經濟社會各領域。Gartner認為，個人智能體將推動AI從以對話為主的工具向能夠執行復雜任務的系統轉變。

對於大語言模型（LLM），Gartner認為其仍是生成式AI發展的核心基礎技術之一，可用於問答、內容及代碼生成、深度研究和智能體等任務。張桐表示，隨着AI智能體的發展，大語言模型正在更多借助工具構建更廣泛的系統，LLM技術進步，尤其是開放權重模型的發展，將成為影響中國AI未來的重要因素。