这不仅关乎酷炫的VR头显，更是对传感器、物联网、激光雷达（LiDAR）等技术的深度整合。空间计算通过高级模拟超越了传统数字孪生的定义★★★，它不仅监控★★，还能预测业务情景中的变化，例如制造企业利用同一模型协同设计和生产，医生通过AR设备深度理解病患病情，甚至体育俱乐部用数字孪生优化球员战术。

　　专家预计，未来5至10年内可能出现具备加密破解能力的量子计算机★，而基础设施升级往往需要8到12年甚至更长。忽视这一时间差可能带来灾难性后果，尤其是在“先采集，后解密★★”攻击的阴影下，恶意行为者已经在窃取加密数据，等待未来量子技术成熟后再行解密。

　　而空间计算提供了一种解决方案★★★：通过3D可视化界面，让各部门快速获取关键信息。例如，供应链人员可以精准定位缺货零件，而营销团队则能轻松规划产品推广策略。

　　虽然ERP系统在大多数企业中依旧扮演着核心角色，但随着AI的不断渗透★★★，这些系统正在朝着平台化协同模式发展。在这一过程中★★★，如何选择合适的技术、平衡隐私和安全问题、以及业务部门如何参与到AI的实施和管理中★★，都是企业必须解决的关键问题。随着越来越多的企业采取AI驱动的核心系统升级，信任和安全性将成为最重要的考量因素。

　　未来的IT模式将更加精益且融合，与业务功能的协作更加紧密。技术领导者不再只是支持角色★★，而是战略制定者★★★，直接与CEO对接，共同推动AI价值的实现。Vanguard（先锋集团）前全球CIO兼德勤美国驻地CIO John Marcante认为★★★，AI将从根本上改变IT的角色。他说：

　　随着多模态AI的介入，空间计算进一步突破了数据孤岛的限制。AI能将图像、文本和空间数据整合到单一平台，为决策提供精准的上下文关联。然而★，数据质量仍是基础——混乱数据只会放大错误，企业必须优先实现开放与标准化的数据管理。

　　从技术趋势看，硬件的进化正在重塑人机互动模式。AI正逐步融入从日常用品到医疗设备的每个角落。未来，当边缘计算与机器人技术结合时，硬件将赋予设备自我优化的能力★★，甚至在关键任务中展现“类人智慧”★。

　　AI不仅仅是技术层面的升级，它代表了一种全新的工作模式和商业运作方式，企业领导者需要思考如何最大化利用AI的潜力，推动效率提升和收入增长。

　　量子计算的崛起为技术进步带来了无限可能★★★，但也对现有加密系统构成了前所未有的威胁。一旦能够破解加密的量子计算机（CRQC）问世，现有的公钥加密体系将面临崩溃风险★★，影响到互联网通信、交易验证和身份认证等核心功能★★★。

　　在未来18到24个月内，混合计算模式将成为常态★★，硬件与云端的结合将决定企业在AI时代的竞争力。硬件不再只是支撑技术发展的“幕后功臣★”，它正走向舞台中央★，成为技术与商业变革的核心力量。

　　在快速变化的科技世界中，未来几年将迎来一系列变革性的技术趋势。这些趋势不仅推动行业创新★，还将重新定义我们的工作与生活方式★★。

　　AI硬件的关键应用正从IT扩展到物联网（IoT）★，嵌入式设备正在重新定义终端的能力★★★。传统PC行业虽趋于饱和，但AI PC的出现为这一领域注入新生机★★。通过离线运行AI模型★★★，AI PC将提供更快的响应、更低的云计算成本★，并增强数据隐私保护。与此同时，神经处理单元（NPUs）作为新一代芯片技术，正在为本地化AI任务提供高效低能耗的解决方案★★。这类芯片不仅让终端设备更智能，还为企业大规模升级硬件带来了新可能★★。

　　为应对这一威胁★★，后量子密码学（PQC）标准的出台提供了新的方向。NIST已推出量子抗性加密算法标准，多个国家政府和企业也在积极研发解决方案★★。然而★★★，量子威胁不仅关乎自有系统，还涉及广泛的供应链和合作伙伴生态★。加密技术的无处不在意味着企业需要系统性盘点基础设施、供应链及应用程序中的加密使用，识别潜在风险并加快升级步伐★★。

　　本文对德勤预见的六大关键技术趋势★，包括空间计算、AI未来趋势、智能硬件★★★、IT升级★★、量子计算★★、智能核心进行深入解析，帮助企业提前布局★★，为未来的发展做好准备★。

　　而企业的关注点已从大型语言模型（LLMs）的广泛应用★，转向更精细★、更专业化的小型模型（SLMs）和代理型AI。

　　更令人期待的是液态神经网络等新技术的出现，它们以更少的资源提供更高效、更透明的计算能力★★，为嵌入边缘设备和关键系统铺平了道路★。这预示着未来的AI不仅在应用场景上多样化，其底层技术也将迎来颠覆性突破。

　　此外★★，多模态AI的崛起标志着AI能力的进一步扩展。这种模型能够将文本、图像、音频和空间数据整合为多形式输出，为企业提供更灵活的应用场景，比如将营销材料自动翻译成多语言，或结合传感器数据与图像优化供应链管理★★★。虽然这项技术尚处起步阶段，但未来18到24个月内，多模态AI预计将在更多领域展现其潜力。

　　从“建设者”到“创新者★★★”，IT领导者开始将重点从开发与维护转向协调与战略创新★★★。例如，谷歌通过AI工具显著提升了开发效率，其四分之一的新代码已由AI生成。而自主IT概念的兴起，则预示着基础设施管理将逐步实现实时优化与动态响应。

　　这不仅使IT成为AI转型的核心驱动力，也将其定位为企业未来创新的战略中枢★★★。

　　代理型AI则进一步推动了这一转型★。这些智能代理不仅能回答问题，还能完成具体任务★★，从生成财务报告到优化供应链，无需复杂指令便可自主行动★。像ServiceNow的AI系统，已经在通过代理之间的协作分派任务★★★，将人类从重复性工作中解放出来，同时显著提高效率。

　　然而★★★，AI的核心依旧是数据。没有高质量的数据支撑，即使是最先进的模型也无从发挥作用。德勤的研究表明，75%的企业因生成式AI增加了数据管理投资，但仍有超过一半的企业因数据隐私、监管模糊和获取障碍等问题，无法扩展AI应用。解决这些问题需要开放的数据标准和领域专属训练，这不仅提升了AI模型的准确性★★，也让它们成为企业文化与业务的延伸★★★。

　　AI正在彻底改变企业的核心系统和ERP的传统运作模式★★★。过去，企业一直依赖这些核心系统作为唯一的记录和数据来源★★，但随着AI的快速发展★★★，这一模式正面临根本性的挑战★★。AI不仅增强了现有的自动化功能，还能够深度学习企业的运营流程和业务逻辑，甚至自主执行任务★★，从而大幅提升效率和预测能力。企业不再仅仅依赖ERP系统获取信息★★★，而是可以通过AI工具，随时随地得到所需答案★★，并且使业务流程更智能★★、更灵活★。

　　然而，这一转型也带来了集成和管理上的挑战，特别是在技术投资、数据治理和系统架构管理等方面。为了实现这一转型★★，企业需要在技术、技能和信任等多个层面做好充分准备★★。尽管如此，AI为企业提供的机会是巨大的，它不仅有潜力升级企业的技术栈，还能全面优化业务流程，推动运营模式的变革。