物理AI：机器人从“执行程序”走向“理解环境”
物理AI让机器具备实时感知、推理和适应能力。机器人只是载体之一，还包括自动驾驶、无人机、数字孪生等。真正改变游戏规则的是视觉-语言-动作模型的引入，让机器人能够观察环境、从经验中学习、根据实时数据改变行为。仓储和供应链是目前最成熟的落地领域——Amazon已部署第100万台机器人。报告援引UBS估算，到2035年工作场所人形机器人可能达200万台，到2050年增长至3亿台，对应市场规模从300-500亿美元增长至1.4-1.7万亿美元。
智能体：问题不是“有没有Agent”，而是流程本身
调查显示，真正将智能体投入生产的企业仅11%，42%的企业还在制定战略路线图。德勤核心判断是：大量企业试图让AI自动化为人设计的旧流程，却没有重新思考流程是否还应该以原本的方式存在。领先企业正在转向“Agent-native”思维——从端到端业务流程出发，重新设计哪些环节可以交给Agent、Agent之间如何协作、哪些决定仍需人类参与。多Agent协作正在形成新的基础设施，企业未来可能需要像管理员工一样管理Agent：入职、权限、绩效、生命周期。
AI工厂：推理成本下降280倍，企业账单反而越来越高
过去两年推理成本下降约280倍，但企业AI总开支在快速上升——使用量增长比单位成本下降更快。企业基础设施战略正从Cloud-first转向“战略性混合架构”：云端负责弹性，本地负责稳定，边缘负责即时性。AI工作负载对GPU间高速通信、网络、散热和调度提出新要求，传统数据中心正在被重新定义为“AI工厂”。
技术组织重构：CIO从系统维护者变成业务战略推动者
66%的大型企业已将技术组织视为收入创造者，而非单纯服务中心。AI架构师、人机协作设计师、边缘AI工程师等新角色正在出现。CIO的角色从技术战略负责人，逐渐转向AI倡导者、组织变革推动者和不同技术团队之间的“编排者”。
AI安全的悖论：新的攻击面，也是新的防御工具
AI带来数据、模型、应用和基础设施层面的新风险，但AI本身也在成为防御工具——用于识别人类难以发现的模式、持续监控威胁环境、自动完成重复安全任务。关键是安全必须从项目启动之初就嵌入设计，而非上线前最后增加的限制。
德勤还提出8个技术“信号”：基础模型可能正在接近平台期、新鲜真实数据价值进一步提高、神经形态芯片和Edge AI继续增长、AI原生可穿戴设备、生物识别身份认证、AI Agent与隐私的交换，以及GEO正在走向SEO的前台——当用户开始直接通过AI聊天机器人获取答案，内容竞争正在从关键词排名转向能否被AI答案引用。在技术从“新兴”走向“主流”的时间不断缩短的今天，等待一切变得清晰再行动，本身就可能成为一种风险。
