告别狂热，拥抱现实：Gartner 2025年AI技术成熟度曲线
去年9月，我曾基于Gartner 2024年的AI技术成熟度曲线写过，生成式AI和基础模型正在从”期望的顶峰”滑向”幻灭的低谷”。如今，2025年6月11日发布的最新版本完美验证了这一判断：生成式AI和基础模型已经明确进入了幻灭低谷阶段。
这种转变并不令人意外。过去一年中，我们见证了AI应用落地的重重困难：从各种AI产品在商业化过程中遇到的挑战，到投资者对AI项目回报的质疑，再到企业对AI成本控制的焦虑。市场正在从最初的狂热回归理性，但这恰恰是技术成熟过程中的必经之路。
“技术成熟度曲线”（Hype Cycle）回顾
为了方便新读者，我们简单回顾一下Gartner的这个经典模型。它通过五个阶段描述了一项新技术的生命周期：从创新触发期 (Innovation Trigger) 的萌芽，到期望膨胀的顶峰 (Peak of Inflated Expectations) 的万众瞩目，再到幻灭低谷 (Trough of Disillusionment) 的现实碰壁，然后是启蒙爬升期 (Slope of Enlightenment) 的稳步前行，最终到达生产力平台期 (Plateau of Productivity) 的成熟与普及。
AI Hype Cycle 2025 的三大核心洞察
如果说2024年的主题是“冷静的开始”，那么2025年的主题就是“现实的重塑”。
1. “生成式AI”正式触底，“AI智能体”接棒新一轮期望
正如去年所预见的，“**生成式AI (Generative AI)**”在2025年的图上，已经从顶峰滑落，正式跌入了“幻灭低谷”。这完美诠释了我们去年讨论的“困境”：当新鲜感褪去，企业和开发者开始直面其高昂的成本、内容的不可靠性（幻觉）、以及与现有工作流集成的巨大挑战。市场的狂热情绪已经降温，大家都在问一个更实际的问题：它到底如何为我创造可持续的价值？
取而代之，两个新星 - “**AI智能体 (AI Agents)”和“多模态AI (Multimodal AI)**” - 直接空降至期望膨胀的顶峰。这显示了市场的下一个兴奋点：我们不再满足于仅仅能“生成内容”的AI，而是期望能够“执行任务”、能自主理解和操作数字甚至物理世界的AI智能体。（注1）
注1：智能体方向当前确实是被炒作得很多的领域，但从我自己实测的角度上来说，除了少数例如Deep Research这种已经达到PMF的产品外，其他的绝大部分都还不够成熟：
2. 实践的阵痛：工程化与治理成为核心议题
2025年最值得关注的变化之一，是“**AI工程 (AI Engineering)”和“负责任AI (Responsible AI)**”正在从期望顶峰跌入幻灭低谷。
这说明AI的规模化落地远比想象中要难，最初的乐观情绪已经被现实的耳光打醒。企业发现，将一个惊艳的Demo变成一个可靠、可扩展、安全合规的企业级产品，中间隔着巨大的工程鸿沟：如何确保AI客服在面对恶意用户时不会”学坏”？如何让AI助手在处理敏感信息时符合GDPR（欧盟的数据隐私法规）要求？如何管理几十个模型版本的部署和回滚？如何处理模型在不同数据分布下的性能衰减？
与此相呼应，“**AI治理平台 (AI Governance Platforms)**”首次出现在创新触发期，这说明市场已经迫切需要系统性的工具和框架来驾驭这头强大的“技术巨兽”。
3. 返璞归真：数据基础决定上层建筑
“**AI就绪数据 (AI-Ready Data)**”在2025年的曲线上，从创新触发期一跃而起，来到了期望膨胀期的顶峰附近。
这说明在经历了无数次“垃圾进，垃圾出”的教训后，业界终于认识到：没有高质量、高相关性、且经过妥善准备的数据，再强大的模型也只是空中楼阁。数据基础建设，这个曾经被认为“不够性感”的工作，如今正成为AI竞赛中关键的胜负手。
消失的技术与未来的方向
值得注意的是，一些去年还在榜上的技术今年“消失”了。例如，“**提示工程 (Prompt Engineering)”已经不见踪影，这或许意味着它正在迅速内化为一项基础技能，而非一个独立的、值得炒作的技术领域。而“计算机视觉 (Computer Vision)**”的“毕业”，则标志着它已成为像数据库一样成熟的、无处不在的基础设施。
| 状态 | 技术点 | 分析解读 |
|---|---|---|
| 新上榜 (New in 2025) | AI Agents (AI代理) Multimodal AI (多模态AI) AI Governance Platforms (AI治理平台) FinOps for AI (AI财务运营) World Models (世界模型) Model Distillation (模型蒸馏) AI-Native Software Engineering (AI原生软件工程) | 反映了AI向更自主、更全面、更注重治理和效率的方向发展。FinOps for AI的出现，标志着AI的成本效益管理开始受到重视。 |
| 已移除 (Off the 2024 Chart) | Computer Vision (计算机视觉) Prompt Engineering (提示工程) Intelligent Applications (智能应用) Autonomous Vehicles (自动驾驶汽车) Smart Robots (智能机器人) Neuromorphic Computing (神经形态计算) | 计算机视觉已成熟。“提示工程”可能已成为基础技能。其他技术可能因为概念过于宽泛，或被更具体的新技术所涵盖，或发展速度未达预期而移出榜单。 |
写在最后
技术成熟度曲线告诉我们，每一项革命性技术都会经历从炒作到幻灭，再到实用的过程。生成式AI的”幻灭之旅”并不意味着这项技术的失败，相反，它标志着这项技术正在走向成熟。
从2024年到2025年，Gartner的人工智能技术成熟度曲线清晰地描绘了一个从“模型狂热”到“务实落地”的转变过程。市场的焦点正在从“我们能用AI创造什么神奇的东西？”转向“我们如何系统地、负责任地、经济地将AI融入业务，并真正从中获益？”。