IT时报记者 郝俊慧
如果AI几分钟能生成的代码，人类程序员要花更长时间才能审完，怎么办？如果一个智能体能够独立完成采购、签订合同甚至调动资金，出了问题，谁来负责？如果AI能够根据需求随时编写软件，企业是否还需要花费数百万元购买一套管理软件？
2027年，这些问题将成为企业应用人工智能时无法回避的新挑战。
11月3日，全球研究与咨询机构Gartner研究副总裁高挺在接受包括《IT时报》记者在内的媒体采访时，对2027年十大战略技术趋势进行了解读，其中既有大型定量模型、世界模型、语音推理模型等新技术，也有AI智能体身份、AI上下文平台、可抛弃型应用等企业技术架构的变化，AI几乎贯穿了每个趋势，这说明AI正从一种独立的技术能力，逐步演变为影响整个企业技术体系的基础性力量。
高挺将2027年的核心关键词归结为“自主化”（Autonomous Business），与2026年不同，明年技术演进的重点将转向如何管理AI驱动的自主系统，并重新设计企业的技术架构。
2027年，对企业而言，采购一个更聪明的模型，只是开始。
智能体进企业，先补“入职培训”
“AI上下文平台”成为最近AI圈里的热词，今年6月，腾讯首席AI科学家姚顺雨在与腾讯集团高级执行副总裁汤道生的公开对谈中直言，未来AI竞争的重要壁垒，在于企业是否掌握足够丰富的上下文信息。
9月22日，阿里巴巴旗下千问办公在云栖大会上发布“企业上下文”（Enterprise Context），试图将企业分散在聊天记录、文档、知识库和业务系统中的信息进行压缩、结构化，并随着业务变化持续更新，让AI智能体能够依据企业最新的真实情况执行任务。
所谓“AI上下文平台”，有点类似一份持续更新的“企业说明书”，它基于本体构建，通过统一的业务语义，将分散在不同系统中的实时数据、企业知识、业务规则和历史决策组织起来，让AI不仅能理解用户提出的问题，还能依据企业的实际情况作出判断、执行任务。这相当于让AI完成一次“入职培训”，从一个拥有通用知识的数字助手，转变为真正了解企业业务的数字员工。
它需要解决的问题，既有“企业有哪些规则”，也有“此刻业务处于什么状态”。高挺指出，未来企业智能体能否进入核心业务流程，很大程度上取决于其上下文能力。不过，这也带来了新的问题：企业长期积累的数据究竟属于谁，能否在不同AI平台之间自由迁移，以及智能体应该获得多大的数据访问权限，都将成为下一阶段企业AI竞争的重要议题。
写代码加速了，审核成为新瓶颈
代码生产正在提速。此前Anthropic曾披露，过去一年，其每位工程师的代码产出增长了200%，但代码生成得更快，并不意味着软件能更快上线。代码是否符合业务需求、会不会引入安全漏洞、能否与原有系统稳定运行，仍需要验证。
代码审核已成为各大AI公司的瓶颈。Gartner将“AI编码智能体框架”列入2027年十大战略技术趋势，回应的正是这一变化：将企业规则、自动测试和安全检查等嵌入智能体的开发过程，让质量控制跟上代码生成的速度。开发者的工作，也从逐行编写代码，转向定义任务、设置边界和验证结果。
变化已经发生。OpenAI披露，Codex已融入其研发流程，真正拥抱工具的工程师，提交的代码变更请求数量比同事高出70%，几乎每一次代码变更请求都会经过Codex自动审查。AI不仅参与编写代码，也开始参与检查代码。
软件可以“短命”，业务底座仍要长久
十大趋势中，“可抛弃型应用”（Disposable Applications）或许是最容易引发传统软件企业焦虑的一项。
顾名思义，“可抛弃型应用”意指“用完即抛”：面对特定业务目标时，企业可以构建临时应用，目标完成后主动退役，而无须让它们长期留在企业的应用清单中。
对于传统软件企业而言，这是一个很现实的生存抉择。例如，一家企业为了年度财务核对、一次产品发布或短期营销活动，可以让AI临时开发一款应用，任务完成后，这款应用甚至可以就此封存。
高挺认为，这将对部分传统SaaS商业模式产生冲击，尤其是功能简单、差异化有限的工具型软件。当然，这并不意味着ERP、CRM等核心企业系统会消失。企业仍然需要稳定的数据记录、业务规则和交易系统。但围绕核心系统运行的大量轻量化工具，未来可能不再需要长期购买。
发生变化的是软件的经济逻辑。当开发成本持续下降时，企业购买软件的理由，可能不再是获得某项固定功能，而是获得持续可靠的业务结果。软件企业也因此面临新的选择：继续提供标准化功能，还是转向提供数据、业务能力和AI运行平台？AI带来的变化正在深入企业技术体系的底层。
模型会越来越强 Harness最终会消失
“Harness这件事，我认为最终是会消失的。”高挺表示。
Gartner认为，AI编码智能体框架（AI coding agent harness）也是2027年关键的趋势之一。AI编码智能体框架是一种闭环控制系统，用于管理软件开发生命周期中自主开发者的行为，主要用于弥补模型在自主完成复杂任务时的不足，通过提供执行环境、上下文和规则约束，可以让智能体按照预定流程开展工作。
但高挺坦言，从长远来看，随着模型能力不断提升，一些目前需要依靠复杂提示词、技能配置和外部框架才能完成的任务，可能只需一句简单指令就能实现。因此，Harness的作用在未来可能逐渐减弱，最终不再以现有形态存在。
这个结论是基于Gartner对大模型技术演进的研判。Gartner认为，AI能力的演进将突破单一语言模型的边界，大型定量模型、语音推理模型和世界模型将分别向专业数值计算、直接基于音频的推理，以及环境变化的模拟预测延伸，为大语言模型提供互补能力。
例如，大语言模型可以负责理解需求、拆解任务，大型定量模型承担专业计算与预测任务，再由传统数学工具对关键结果进行复核。随着模型自身能力增强，以及不同模型之间的协作逐步成熟，开发者组织和调用AI能力的方式也将随之变化。
采访中，高挺根据成熟度对十大技术趋势的落地时间做了划分，其中语音推理模型、AI上下文平台、AI编码智能体框架和主权技术，有望在未来1至3年加快落地；AI智能体身份和可抛弃型应用的发展周期主要集中在3至5年；大型定量模型、世界模型、自主式暴露修复和湿件即服务，则仍需更长时间走向成熟。
高挺认为，AI上下文平台、AI智能体身份和AI编码智能体框架，是中国企业需要普遍关注的基础能力，因为它们直接关系到智能体能否安全、可靠地进入企业的实际业务流程。
