Gartner高挺：AI智能体会取代网站和应用程序，多功能机器人价格降至10万会吸引家庭用户

11月9日消息，近期，Gartner发布2025年十大战略技术趋势，其中，Gartner预测，到2028年至少有15%的日常工作决策将由代理型AI自主做出，而2024年这一比例为0%。

同时，Gartner预测到2030年80%的人类将每天与智能机器人打交道，而这一比例目前还不到10%。

“代理型AI”会取代网站和应用程序

什么是“代理型AI”？

可以“724”、365天无休工作的数字员工。

Gartner研究副总裁高挺（Arnold Gao）介绍，Gartner报告中的“代理型AI”（ Agentic AI）在中国市场上有另外一个翻译叫“AI智能体”。“代理型AI”是更加倾向于技术而不是像AI智能体一样比较偏向于应用，代理型AI实际上除了AI智能体以外也包括“代理型搜索”或者是“多代理的系统”。

过去人工智能只是为特定任务而设计的，大语言模型改变了一切，AI开始具备语言和推理的能力。

OpenAI认为AI从大语言模型的突破到真正走向通用人工智能要分五步走：

第一阶段，语言能力。像ChatGPT这样的可以和人类用自然语言对话的聊天机器人。

第二阶段，推理能力。所谓的“推理”就是可以和人类一样去解决问题。

第三阶段，代理能力。这个代理型AI实际上最后会和人类一样去做事情。

OpenAI发布的o1模型就已经具备慢思考、强推理的特性，它的推理能力在某些特定领域当中是远远超过了GPT4o。

高挺表示，“代理型AI”有两个明显特点：

第一：目标驱动。

“代理型AI”和RPA（Robotic process automation，机器人流程自动化）不同，不是每一步要做什么事情是由人类规划好的，而是给“代理型AI”一个整体的目标让它根据外部环境自动的去进行任务的计划和执行。

第二：“代理型AI”需要至少四个模块——记忆模块、计划模块、感知模块和调用工具模块。

除了这两个特点以外，“代理型AI”还有一个非常关键的关键词就是“行动”。代理型AI和传统大语言模型最大的区别就是它是能够行动的，这是它最主要的关键词。

“代理型AI”会慢慢替代一些已有的网站、APP应用程序，甚至人类的一些工作不用自己去做了，而是由这些AI来替代。

Gartner预测，到2028年至少有15%的日常工作决策将由代理型AI自主做出。高挺表示，这些日常决策主要是三类：

第一类是重复性的、数据密集型的任务，这类任务由于相对简单，又有足够多的数据作为决策的支撑，代理型AI往往完成的比较好；

第二类是面型内部的，提高后台工作效率的任务，而非面向客户的前台工作任务，这类任务的环境变量较少并且可控，AI比较容易能够胜任；

第三类是决策路径较短，有人类参与在里面的协同任务，而非实现完全自动化的复杂目标。

整体来看，代理型AI会在搜索、个人生活助理、客户服务、软件开发和测试，以及传统RPA场景的拓展领域率先落地。

高挺强调，“代理型AI”的终局是产生人类和AI的融合团队。“将来我们会看到其实一个人也能变成一家公司、一个人也能变成一个团队，由一个人可以驱动很多AI代理人来帮他/她执行一些任务、完成一些复杂的工作。代理型AI最终的效果是自动化的进一步提升。”

尽管Gartner预测代理型AI的发展将会很快，但是在2024年的当下，日常工作决策由代理型AI自主做出的比例还是0%。

高挺表示，“代理型AI”现在最大的一个问题就是可靠性还不好。比如要完成一个复杂的任务，从1到10它有10个步骤，每一个步骤里面只要有一个步骤出现一点差错，那么整个任务最后的完成度就会打折扣。当这个步骤变得比较多、决策路径比较长的时候，靠今天的大模型可靠度要完成一个完整的这种代理型AI的复杂任务实际上还很难。

到2030年，80%的人类将每天与智能机器人互动

Gartner预测到2030年80%的人类将每天与智能机器人打交道，而这一比例目前还不到10%。

高挺指出，近期国内人型机器人非常热，Gartner预测的智能机器人是多功能机器人（Polyfunctional Robots），是可以帮助人类完成各类任务的一个机器人的形态，它的形态可以是人形的、也可以是犬形等其他形态。它的一个核心的要点，就是它不是为了完成单一任务而设计出来的，它是为了完成多个任务设计出来的。

根据Gartner的预测，6年时间，每天与智能机器人打交道的人类比例从10%将增长至80%。这一增长速度可谓非常快。

高挺向TechWeb表示，至少有6方面的因素促进了智能机器人的快速发展和普及：

第一，是AI：AI的融入显著提高了人形机器人的认知能力。这些技术使机器人能够处理信息、从经验中学习并做出自主决策，从而能够执行复杂的任务并与人类更自然地互动。

第二，其次是传感器技术：现代传感器（包括摄像头、激光雷达和触觉传感器）增强了机器人感知环境和识别物体的能力。这种能力对于在复杂空间中导航和执行需要精确度的任务至关重要。

第三，机器人驱动器actuator和关节设计的创新提高了机动性和灵活性：这使得机器人能够执行手术或流水线作业等精细任务，使其在各种应用中更加灵。

第四，劳动力成本上升：在许多地区，劳动力成本的上升促使企业采用人形机器人作为重复性和劳动密集型任务的经济有效的解决方案。机器人无需疲劳即可操作，从而降低了运营成本。

第五，劳动力短缺：许多行业面临严重的劳动力短缺，尤其是在医疗保健和制造业等行业。机器人为维持这些领域的生产力水平提供了可行的替代方案。

第六，自动化需求日益增长：随着各行各业努力提高效率和生产力，对自动化解决方案的需求也在不断增长。机器人越来越被视为实现医疗、教育和娱乐等各个领域目标的重要工具。

多功能机器人将来不只是会出现在工厂或者是仓库里去替代低成本的劳动力，很多时候还会出现在我们的办公或者居家环境里，它既要能够烧菜、也能够洗碗、还能够拖地等等。当多功能机器人能够做很多事情的时候，它的投资回报就提高了，实现大规模商业化成为可能。

高挺表示：“现在看到国内一些厂商发布的机器人已经把价格做到了10万元区间，预计未来五到十年内我们可以买到10万块钱左右的机器人，就像买一辆小汽车一样，放在家里可以帮我们做很多事情，这对于很多家庭来说将会非常具有吸引力。”

那么，什么时候企业会大规模应用多功能机器人呢？它的临界点或者是值得关注的信号是什么呢？高挺称：“比如有些企业开始开发培训系统教导如何使用机器人为业务提供支持；或者有些企业在招聘员工或考虑生产力资源时，会把机器也会考虑进去；甚至有些企业会起草一些使用机器人的相关政策的时候，这就是多功能机器人趋于成熟的时候。”

最后，

附上《Gartner2025 年十大战略技术趋势》如下：

代理型AI（Agentic AI）

代理型AI通过自主规划和采取行动实现用户定义的目标。代理型AI为实现能够分担和补充人类工作的虚拟劳动力带来了希望。Gartner预测，到2028年，至少15%的日常工作决策将由代理型AI自主做出，而2024年这一比例为0%。这项技术的目标导向型功能将实现适应性更强、能够完成各种任务的软件系统。

AI治理平台（AI Governance Platforms）

AI治理平台是Gartner不断发展的AI信任、风险和安全管理（TRiSM）框架的一部分。AI TRiSM使企业能够管理其AI系统的法律、道德和运营绩效。这种技术解决方案能够创建、管理和执行负责任的AI使用策略、解释AI系统的工作原理并提供透明度以建立信任和问责制。Gartner预测，到2028年，采用综合AI治理平台的企业将比没有这类系统的企业减少40%与AI相关的伦理事件。

虚假信息安全（Disinformation Security）

虚假信息安全是一个新兴技术类别。该技术能够系统地辨别信任度，旨在提供一个能够确保信息完整性、评估真实性、防止冒名顶替和追踪有害信息传播的方法体系。Gartner预测，到2028年，将有50%的企业开始采用专为应对虚假信息安全用例而设计的产品、服务或功能，而目前这一比例还不到 5%。

后量子密码学（Postquantum Cryptography）

后量子密码学能够保护数据免受量子计算解密风险。根据量子计算过去几年的发展情况，目前广泛使用的几种传统加密技术将被淘汰。由于改变加密方法并非易事，企业必须有更长的准备时间，才能为一切敏感或机密信息提供强有力的保护。Gartner预测，到2029年，量子计算技术的进步将使大多数传统的非对称加密技术变得不安全。

环境隐形智能（Ambient Invisible Intelligence）

环境隐形智能是由成本极低、体积小巧的智能标签和传感器实现的，这些传感器能够提供大规模、经济实惠的的追踪和传感。长远来看，环境隐形智能将使传感器和智能技术无缝融入我们的日常生活中。到2027年，环境隐形智能的早期示例将以解决当前问题为主，例如零售库存检查或易腐货物物流等，通过实现低成本的实时物品追踪和感知来提高可见性和效率。

节能计算（Energy-Efficient Computing）

IT以多种方式影响可持续性。在2024年，碳足迹是大多数IT组织的首要考虑因素。计算密集型应用，例如AI训练、模拟、优化和媒体渲染等由于能耗最高而可能成为企业碳足迹“大户”。预计从2020年代末开始将出现一些新的计算技术，如光学、神经形态和新型加速器等。这些新技术将被专门用于特殊任务，例如AI和优化，并显著降低能耗。

混合计算（Hybrid Computing）

新的计算范式正在不断涌现，包括中央处理单元、图形处理单元、边缘、特定应用集成电路、神经形态以及经典量子计算、光学计算范式。混合计算结合不同的计算、存储和网络机制解决计算问题。这种计算形式能够帮助企业探索和解决问题，使AI等技术能够突破当前的技术限制。混合计算将被用来创建比传统环境更高效的变革性创新环境。

空间计算（Spatial Computing）

空间计算利用增强现实和虚拟现实等技术，以数字方式增强物理世界。它将实体和虚拟体验之间的交互提升到一个新的级别。在未来五到七年内，空间计算的使用将通过简化工作流程和增强协作能力来提高企业效率。Gartner预测，到2033年，空间计算市场将从2023年的1100亿美元增长至1.7万亿美元。

多功能机器人（Polyfunctional Robots）

多功能机器人能够执行多项任务，它们正在取代为重复执行一种任务而专门设计的特定任务机器人。这种新型机器人的功能性能够提高效率和投资回报率（ROI）。多功能机器人可以与人类一起协作，能够快速部署和轻松扩展。Gartner预测，到2030年，80%的人类将每天与智能机器人打交道，而目前这一比例还不到10%。

神经增强（Neurological Enhancement）

神经增强利用读取和解码大脑活动的技术提高人类的认知能力。这项技术能够使用单向脑机接口或双向脑机接口（BBMI）读取人的大脑，在人类技能提升、下一代营销和提升表现这三个主要领域具有巨大潜力。神经增强将提高人类的认知能力，帮助品牌了解消费者的想法和感受并增强人类的神经功能，从而获得最佳的结果。Gartner预测，到2030年， 30%的知识工作者将通过BBMI等技术（资金来源包括雇主和个人）提升自己的能力，并凭借这些技术来适应工作场所中AI的崛起。这一比例在2024年还不到 1%。