AI超级计算平台 - AI超级计算平台整合CPU、GPU、AI ASIC、神经系统计算和替代性计算范式，能够统筹复杂工作负载并释放更大性能、效率与创新潜力[8] - 该平台融合强大处理器、海量存储、专用硬件及编排软件，可处理机器学习、仿真模拟和分析等领域的数据密集型工作负载[8] - 到2028年将混合计算范式架构应用于关键业务流程的领先企业将达到40%以上，较当前8%的水平大幅增长[9] 多智能体系统 - 多智能体系统是由多个AI智能体组成的集合，通过交互实现复杂的个体或共同目标[10] - 企业可通过多智能体系统实现复杂业务流程自动化、提升团队技能并开创人类与AI智能体的新协作方式[11] - 采用模块化设计的专业智能体可在各工作流中重复使用成熟解决方案，从而提升效率、加快交付速度和降低风险[11] 特定领域语言模型 - 特定领域语言模型在针对特定行业、功能或流程的专用数据上训练或微调，能更加精准、可靠且合规地满足特定业务需求[11] - 到2028年企业使用的生成式AI模型中将有超过半数属于特定领域模型[13] - 基于DSLM的AI代理可解读特定行业的上下文，即使在陌生场景中也能做出合理决策，具有出色准确性、可解释性和决策合理性[13] AI安全平台 - AI安全平台为第三方及定制AI应用提供统一防护机制，能够进行集中监测、强制执行使用策略并有效防范AI特有风险[13] - 到2028年使用AI安全平台保护AI投资的企业比例将达到50%以上[15] - 此类平台可帮助CIO有力执行使用政策、监控AI活动并在全AI系统中建立统一防护边界[13] AI原生开发平台 - AI原生开发平台使用生成式AI实现快速、便捷的软件开发，使"前沿部署工程师"能协同领域专家开发应用[16] - 到2030年80%的企业将通过AI原生开发平台将大型软件工程团队转变为更小、更敏捷的AI赋能团队[17] - 企业只需维持现有开发人员规模，通过组建微型团队配合AI即可开发更多应用，例如五支两人团队可同时交付五个应用[17] 机密计算 - 机密计算通过基于硬件的可信执行环境隔离工作负载，即使面对基础设施所有者或云提供商也能保持内容与工作负载的私密性[18] - 到2029年75%以上在非可信基础设施中处理的业务将通过机密计算保障使用安全[20] - 该技术对受监管行业、面临地缘政治与合规风险的跨国公司以及竞争对手间的合作尤为重要[18] 物理AI - 物理AI通过赋能具有感知、决策和行动能力的机器与设备，将智能带入到现实世界[21] - 该技术能为自动化、适应性和安全性至关重要的行业带来可观的收益[21] - 企业需要融合IT、运营与工程知识的新型技术人才来应对这一技术变革[23] 前置式主动网络安全 - 前置式主动网络安全运用AI驱动的安全运营、程序化阻断与欺骗技术在攻击者行动前实施干预[24][26] - 到2030年前置式主动防御解决方案将占到企业安全支出总额的一半[24] - 该技术通过预测实现防护，核心在于在攻击发生前进行干预[26] 数字溯源 - 数字溯源指对软件、数据、媒体及流程的来源、所有权和完整性进行验证的能力[26] - 到2029年在数字溯源方面投入不足的企业将面临高达数十亿美元的制裁风险[28] - 企业可使用软件物料清单、认证数据库、数字水印等新工具验证和追踪供应链中的数字资产[26] 地缘回迁 - 地缘回迁指企业因考虑到地缘政治风险而将数据与应用从全球公有云迁出至主权云、区域云服务商或自有数据中心[29] - 到2030年欧洲和中东地区将有超过75%的企业把虚拟工作负载回迁至降低地缘政治风险的解决方案，而2025年的这一比例不足5%[30] - 将工作负载转移至主权立场更强的服务提供商可帮助CIO加强对数据驻留、合规及治理的控制力[30] 技术趋势演进方向 - 2026年趋势显示AI从基础模型转向规模化、专业化和协同化应用，与物理世界的结合更为紧密[33] - 企业安全策略正整体向预防和内生转变，重点关注AI安全平台、数字溯源和前置式网络安全等解决方案[33] - 技术发展重点从构建能力转向安全运营，更加注重落地实施时的安全、信任、合规和运营问题[33]