2025 年 9 月，Gartner 发布的《2025 年新兴技术成熟度曲线报告》标志着全球科技趋势的重大洗牌：AI 智能体（AI Agents） 从去年的 "未入榜" 状态一跃登顶，逼近期望膨胀顶峰，预计 2-5 年内进入生产力成熟期；决策智能、领域专用生成式 AI 等 6 项新技术同步入场，而生成式 AI、提示工程等 8 项曾热门的技术则退出榜单。这一变动清晰折射出行业从概念狂欢向 "AI + 场景" 实用落地的深刻转型，为企业技术战略提供了明确导航。

一、AI 智能体登顶：自主生产力时代的爆发逻辑

Gartner 技术成熟度曲线通过 "技术触发期 - 期望膨胀顶峰 - 泡沫破裂谷底 - 稳步爬升恢复期 - 生产力成熟期" 五个阶段，精准预判技术演进路径。2025 年榜单中，AI 智能体的 "空降领跑" 成为最核心亮点，其爆发本质是技术突破与市场需求的双重共振。

1.1 技术根基：从辅助工具到自主决策

以 DeepSeek R-1 为代表的新一代推理模型，通过 "思维链"（Chain-of-Thought）与 "反思"（Self-Reflection）机制，赋予 AI 智能体三大核心能力：

• 自主规划：无需人类逐步指令，可将复杂目标拆解为可执行步骤并动态调整；
• 工具调用：通过 API 无缝连接数据库、应用程序甚至物理设备，实现 "思考 - 行动" 闭环；
• 跨域交互：在数字与物理环境中同步感知、决策，突破传统 AI 的任务边界。

Gartner 对其定义进一步明确：通过大语言模型驱动，能自主感知、决策、行动并达成目标的软件实体，可处理消费服务、工业制造等多领域复杂任务，推动工作流程从 "人机协作" 向 "自主自动化" 跃迁。

1.2 落地关键：价值与风险的平衡挑战

AI 智能体的商业价值已得到数据印证：Gartner 预测，到 2028 年，企业软件中整合自主型 AI 的比例将从 2024 年的不足 1% 飙升至 33%，超过 15% 的日常工作决策将由 AI 智能体自主完成。但信任缺口仍是核心障碍：

• 黑箱风险：决策过程不透明导致企业对其准确性存疑；
• 系统隐患：长任务链中的故障可能引发系统性错误；
• 治理空白：无人监督下的关键决策可能触碰合规红线。

对此，Gartner 建议企业采用 "有限自主性" 策略：在安全模拟环境中完成压力测试，建立回滚机制与审计跟踪，通过 "人机协同" 释放价值 —— 低价值重复任务交由智能体处理，人类聚焦战略与创意等高阶工作。

1.3 技术升级：从协同到自主的范畴迭代

值得注意的是，AI 智能体并非简单替代 2024 年榜单中的 "自主智能体" 与 "多智能体系统"，而是实现了技术范畴的本质升级：

技术类别 核心侧重点 适配需求场景 多智能体系统 多系统协同运作 分布式任务处理 AI 智能体 单智能体自主推理 端到端复杂任务解决 这一调整精准呼应了企业对 "一站式任务解决" 的核心需求，成为其登顶的重要逻辑支撑。

二、榜单洗牌：新技术矩阵与旧技术退场的底层逻辑

2025 年榜单扩容至 30 项技术，新增 6 类技术形成 "AI 驱动 + 场景落地" 的核心矩阵，同时 8 项旧技术退场，背后是行业对 "技术价值兑现" 的评判标准升级。

2.1 新增技术：聚焦实用化与场景化

新增技术中，除 AI 智能体外，以下三类最具代表性，均直指企业实际痛点：

技术名称 核心定义 应用价值 决策智能 通过设计决策流程、结合反馈机制优化决策质量与效率的实用学科 解决全球不确定性下的决策滞后问题，兼顾速度、合规性与成本效益 领域专用生成式 AI 模型 针对垂直行业训练的专用生成式模型 规避通用模型的 "幻觉" 风险，满足金融、医疗等领域的专业需求 具身 AI 融合物理实体（如机器人）与 AI 的技术，实现物理环境中的自主交互 推动制造业设备运维、物流仓储等场景的自动化升级 Gartner 高级总监 Christian Stephan 指出，决策智能的崛起源于多重压力叠加："AI 智能体的普及、决策自动化的监管要求，暴露了传统决策模式的短板，企业亟需兼顾效率与合规的解决方案"。

此外，"AI 就绪数据" 虽未单独列为新增类别，却被明确为所有新技术落地的基础 ——Gartner 调研显示，57% 的企业数据尚未达到 AI 应用标准，而数据质量直接决定智能体的决策准确性。

2.2 技术退场：不是失效，而是阶段跃迁

生成式 AI、提示工程等 8 项技术退出榜单，并非技术失效，而是符合 Gartner 对 "新兴技术" 的动态界定标准，主要分为两类情况：

1. 进入规模化应用期：生成式 AI 已融入内容创作、客户服务等日常场景，成为基础工具而非 "新兴技术"，但其因未能快速兑现商业回报，已滑入 "幻灭的低谷期"；提示工程的核心方法则被整合进 AI 工具的自动化流程，无需单独评估。
2. 技术逻辑被覆盖：AI TRiSM（信任、风险与安全管理）的核心需求已融入 AI 智能体的治理体系，强化学习则在工业控制等领域实现规模化应用，脱离 "新兴" 范畴。

这一变化与市场现状形成呼应：标普全球数据显示，2025 年 42% 的企业放弃 AI 项目，核心原因正是技术与业务需求脱节，进一步印证行业对 "实用主义" 的追求。

2.3 留守技术信号：AGI 认知回归理性

通用人工智能（AGI）虽仍在榜单中，但排名后退且成熟周期仍被预测为 10 年以上，这标志着行业对 AGI 的认知从 "概念幻想" 转向理性期待。短期内，聚焦特定场景的专用 AI仍是技术落地与价值兑现的主流方向。

三、企业战略指南：从追热点到价值落地

Gartner 强调，2025 年的技术曲线不仅是趋势风向标，更是企业战略的 "价值导航图"。企业需摒弃 "为 AI 而 AI" 的思维，建立 "问题导向 - 技术匹配 - 落地迭代" 的行动框架。

3.1 行业适配：技术选择与业务场景精准匹配

不同行业的核心痛点差异显著，需针对性布局技术：

• 制造业：优先探索物理 AI 与具身 AI，通过智能机器人与环境感知技术实现生产流程自动化，降低设备故障率；
• 金融业：聚焦决策智能与 AI 智能体，构建合规的风控模型与投研体系，提升决策响应速度；
• 零售业：采用领域专用生成式 AI 与氛围编码技术，实现个性化营销内容生成与消费场景优化。

3.2 落地关键：打好基础能力建设

技术成功落地依赖三大基础支撑，这也是多数企业的薄弱环节：

1. 数据治理：按照 "AI 就绪" 标准梳理数据血缘、提升质量，建立动态更新的知识库；
2. 系统整合：开放 API 接口，实现 AI 智能体与现有业务系统的无缝衔接，避免 "技术孤岛"；
3. 治理体系：建立 AI 决策的审计机制、回滚程序与人工监督流程，尤其在高风险行业需筑牢 "安全防护网"。

3.3 长期视角：平衡短期收益与能力布局

企业需避免两种极端：既不能因追求短期回报而局限于低价值自动化场景，也不能盲目布局远未成熟的技术。Gartner 提出的 "平衡游戏" 框架可提供指引 —— 在技术创新与价值交付、业务目标与 IT 投入之间建立动态平衡，既能通过试点项目快速验证价值，又能持续积累数据与治理能力。

结语

Gartner 2025 年技术成熟度曲线的洗牌，本质是一场 "价值回归运动"：AI 智能体的登顶宣告自主推理型 AI 时代到来，决策智能等技术的崛起则标志着 AI 与场景的深度绑定。对于企业而言，这场变革的核心命题已从 "是否拥抱 AI" 转变为 "如何让 AI 创造切实价值"。

正如 Gartner 分析师 Haritha Khandabattu 所言："AI 的商业价值不会自发实现，成功依赖与业务紧密结合的试点、前瞻性的基础设施，以及 AI 团队与业务团队的协同"。唯有以实用主义为导向，以场景需求为锚点，兼顾短期落地与长期能力建设的企业，才能在新一轮科技变革中占据主动。

--

诺未NovaTech 是一家基于微软/Dify的数字化解决方案提供商，致力于帮助企业迎接数字化转型的挑战，实现可持续增长。我们聚焦于微软的前沿技术，整合AI、云计算和现代化安全工具，为企业提供一站式的数字化解决方案。