跳到正文
世界时间EU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

关于人工智能与技术的门户事件 · 分析 · 访谈 · 技术背景

搜索
直播
›

Gartner:到2028年,70%的企业将放弃厂商代建的智能体AI

Gartner预测,到2028年,70%的企业将放弃在厂商协助下搭建的智能体AI系统。《The Register》9月30日报道了这一判断,原因是前置部署工程让客户离不开外部专家。

人工智能与模型解释林晓雯发布: 2026年9月30日3 分钟阅读资料来源 7
Gartner:到2028年,70%的企业将放弃厂商代建的智能体AI

Gartner预测,到2028年,70%的企业将放弃在厂商协助下搭建的智能体AI系统。《The Register》9月30日报道了这一判断。这家咨询公司把矛头指向一种它称为前置部署工程(FDE)的模式:厂商把自己的工程师派驻到客户那里,针对客户的具体需求开发和部署软件。

这种做法能在早期很快出成果。但Gartner认为,厂商一旦撤走,客户可能就无法自己维护这套系统。据《The Register》报道,Gartner高级总监分析师Mukul Saha表示,FDE“要成功,首先得把合作结构定对,从范围和激励到治理、归属和退出机制”。Gartner还预测,到2028年,能把客户的重复性需求变成厂商核心产品功能的FDE项目不足20%。它提醒要警惕“FDE漂白”,也就是把普通的咨询服务包装成更专业的东西来卖。它的建议是:只在需要深厚产品经验、快速适配或与客户运行环境紧密集成的问题上使用FDE。

厂商称正在填补的工具缺口

就在Gartner发出警告的同一天,OpenClaw发布了OpenClaw Enterprise。这是一个开源控制平面,用来在敏感环境中管理常驻智能体。该项目称,IT部门常常直接封杀智能体平台,因为这类平台缺少统一的安全、防护和治理标准。OCE目前尚未发布1.0版本,在公开环境下开发,为智能体的整个生命周期增加了多租户、硬性安全边界和可审计能力。项目称,Red Hat和OpenAI已在试用。

同一天在GitHub上发布的另一个开放协议UAI,针对的是身份与责任归属,而不是部署。它把智能体绑定到一个可追责的所有者,规定它能做什么,记录它做过什么,并允许第三方在不信任出具记录的注册表的情况下核验证据。该项目明确表示,它并不声称智能体是安全的,只声称其行为可以被追溯到责任人。网络接入是另一个控制点。Tailscale在9月30日发布了一篇操作说明,讲Meta的Muse智能体如何作为独立节点加入用户的tailnet,用授权、标签和一次性确认来控制它能访问什么。Tailscale称这套设置是在Meta自身防提示注入和数据外泄措施之上再加的一层。

开发者用速度和成本数据反击

与此同时,工具厂商在吞吐量上互相较劲。由YC支持的开源推理引擎Magnitude称,它会针对用户自己的硬件调优内核,让开放模型跑得比llama.cpp最快快2倍,在Metal上解码快92%,在CUDA上快19%。git-dedup是面向智能体集群的git替代品,可直接替换,它称大型代码检出快6倍,并把一位开发者的git存储从35.5 GB降到11.1 GB。

Vercel于9月25日发布的《State of agent skills》报告称,skills.sh在七个月内收录超过百万条条目,记录的安装量接近28000万次,其中跨行业技能占其分类样本安装量的87.5%。这些是注册表活跃度数据,不能证明商业价值。9月30日报道该报告的DevNavigator指出,指令也可能固化过时的假设或个人偏见,所以仍然需要行业专家审核。

评论 0

资料来源

7
  1. 017 in 10 enterprises expected to abandon vendor-built agentic AI by 2028EN
  2. 02OpenClaw Enterprise - The Open Agent PlatformEN
  3. 03UAI - An open protocol for identity and accountability of AI agentsEN
  4. 04Your agent, your network: How Meta's Muse agent works with TailscaleEN
  5. 05Magnitude (YC S25) - Self-optimizing inference engine for agentsEN
  6. 06git-dedup: Faster and Smaller Checkouts for FreeEN
  7. 07Agent Skills: 4 Powerful Ways to Improve Enterprise AIEN

本文所有数字与引语均来自下列来源,未添加来源之外的内容。

本内容由编辑部在人工智能辅助下制作完成。

林晓雯

林晓雯

人工智能、模型与技术

林晓雯负责FLASH24的人工智能、模型与技术方向,主要写科技、人工智能与模型、媒体与互联网三个领域。她习惯从论文预印本、开源代码库和厂商技术文档入手,先核对训练数据来源和评测口径,再决定是否落笔。遇到模型跑分,她会自己复现一遍小规模测试,并对照独立第三方榜单,确认数字没有注水。她常联系一线工程师和产品经理,也盯着各大会议截稿日,把不同版本的技术报告放在一起比。业余时间她玩3D打印、折腾老电脑,还关心模型从网络垃圾里学到的偏见问题,这让她对数据清洗格外敏感。她有一条原则:拿不到原始数据的性能宣称,不写。

编辑部 →

评论

0
  1. 还没有评论——来说两句吧。

写评论

评论公开展示。我们不发布辱骂、垃圾信息和广告内容。