Gartner:2019年十大战略技术趋势

2019-02-27    来源:raincent

容器云强势上线!快速搭建集群,上万Linux镜像随意使用

Gartner发布最新《2019年十大战略技术趋势》(Top 10 Strategic Technology Trends for 2019)。“未来将以智能设备为特色,在各地提供越来越有洞察力的数字服务,” Gartner杰出副总裁分析师David Cearley在佛罗里达州奥兰多举行的Gartner 2018 Symposium / ITxpo会议上说。“我们称之为智能数字网格。”

智能:人工智能几乎适用于所有现有技术,并创建全新的类别。

数字:融合数字世界和物理世界,创造一个身临其境的世界。

网格:利用不断扩展的人员,企业,设备,内容和服务之间的联系。

“这三个主题下的趋势是推动持续创新过程的关键因素,也是持续下一步战略的一部分,”Cearley说。Gartner十大战略技术趋势突出了改变或尚未被广泛认可的趋势,这些趋势将影响和转变行业到2023年。

Gartner《2019年十大战略技术趋势》(Top 10 Strategic Technology Trends for 2019)摘要

趋势1:自主事物

无论是汽车,机器人还是农业,自主事物都使用AI来执行传统上由人类完成的任务。智能的复杂程度各不相同,但所有自主事物都使用人工智能与他们的环境进行更自然的交互。

自治事物有五种类型:

机器人

车辆

无人机

家电

代理

这五种类型占据四种环境:海洋,陆地,空中和数字。它们都具有不同程度的能力,协调和智能。例如,它们可以跨越空中操作的无人机,人工协助在农田中完全自主地操作的农业机器人。这描绘了潜在应用的广泛图景,实际上每个应用程序,服务和物联网对象都将采用某种形式的AI来自动化或增强流程或人为操作。诸如无人机群之类的协作自主事物将越来越多地推动人工智能系统的未来发展

探索在组织或客户环境中的任何物理对象中AI驱动的自主功能的可能性,但请记住,这些设备最适合用于狭义定义的目的。它们与人类大脑在决策,智力或通用学习方面的能力不同。

趋势2:增强分析

数据科学家现在拥有越来越多的数据来准备,分析和分组 – 并从中得出结论。鉴于数据量,探索所有可能性变得不可能。这意味着企业可能会错过数据科学家无法探索的假设的关键见解。

增强分析代表了数据和分析能力的第三大浪潮,因为数据科学家使用自动算法来探索更多假设。数据科学和机器学习平台改变了企业如何产生分析洞察力。“到2020年,超过40%的数据科学任务将实现自动化”。增强分析可识别隐藏的模式,同时消除个人偏见。虽然企业存在无意中将偏差插入算法的风险,但增强分析和自动化洞察最终将嵌入到企业应用程序中。

到2020年,公民数据科学家的数量将比专业数据科学家快5倍。公民数据科学家使用人工智能驱动的增强分析工具,自动化数据科学功能,自动识别数据集,开发假设和识别数据模式。企业将把公民数据科学家视为实现和扩展数据科学能力的一种方式。Gartner预测,到2020年,超过40%的数据科学任务将实现自动化,从而提高公民数据科学家的生产力和广泛使用率。在公民数据科学家和增强分析之间,数据洞察将在整个企业中得到更广泛的应用,包括分析师,决策者和运营工作者。

趋势3:人工智能驱动的开发

AI驱动的开发着眼于将AI嵌入到应用程序中并使用AI为开发过程创建AI驱动的工具的工具,技术和最佳实践。这一趋势正在沿着三个方面发展:

用于构建基于AI的解决方案的工具正在从针对数据科学家(AI基础设施,AI框架和AI平台)的工具扩展到针对专业开发人员社区(AI平台,AI服务)的工具。借助这些工具,专业开发人员可以将AI驱动的功能和模型注入应用程序,而无需专业数据科学家的参与。

用于构建基于AI的解决方案的工具正在被赋予AI驱动的功能,这些功能可以帮助专业开发人员并自动执行与AI增强型解决方案开发相关的任务。增强分析,自动化测试,自动代码生成和自动化解决方案开发将加速开发过程,并使更广泛的用户能够开发应用程序。

支持AI的工具正在从与应用程序开发(AD)相关的辅助和自动化功能演变为通过业务领域专业知识和自动化AD流程堆栈(从一般开发到业务解决方案设计)的更高活动得到增强。

市场将从关注与开发人员合作的数据科学家转移到使用作为服务提供的预定义模型独立运营的开发人员。这使更多开发人员能够利用这些服务,并提高效率。这些趋势也导致虚拟软件开发人员和非专业“公民应用程序开发人员”的主流使用。

趋势4:数码双胞胎

甲数字双是反映现实生活中的对象,过程或系统的数字表示。数字双胞胎也可以连接起来创建大型系统的双胞胎,例如发电厂或城市。数字双胞胎的想法并不新鲜。它可以追溯到客户的事物或在线资料的计算机辅助设计表示,但今天的数字双胞胎在四个方面有所不同:

模型的稳健性,重点关注它们如何支持特定的业务成果

与现实世界的链接,可能实时用于监控和控制

应用先进的大数据分析和人工智能来推动新的商机

能够与他们互动并评估“假设”情景

今天的重点是物联网中的数字双胞胎,它可以通过提供有关维护和可靠性的信息,洞察产品如何更有效地执行,新产品数据和提高效率来改善企业决策。组织的数字双胞胎正在兴起,以创建组织流程模型,以实现实时监控并提高流程效率。

趋势5:赋权边缘

边缘计算是一种拓扑,其中信息处理和内容收集和传递更靠近信息源,并且将流量保持在本地将减少延迟。目前,该技术的大部分重点是物联网系统需要在嵌入式物联网世界中提供断开连接或分布式功能。这种类型的拓扑结构将解决高WAN成本和不可接受的延迟水平等挑战。此外,它还将实现数字业务和IT解决方案的细节。“技术和思维将转变为经验将人们与数百个边缘设备联系起来的地步”。

到2028年,Gartner预计将在边缘设备中嵌入传感器,存储,计算和高级AI功能。一般而言,智能将走向各种终端设备的边缘,从工业设备到屏幕再到智能手机再到汽车发电机。

趋势6:沉浸式技术

到2028年,改变用户与世界互动方式的会话平台,以及改变用户感知世界的方式的增强现实(AR),混合现实(MR)和虚拟现实(VR)等技术将带来新的身临其境的体验。AR,MR和VR 显示出提高生产力的潜力,下一代VR能够感知形状并跟踪用户的位置和MR,使人们能够查看和与他们的世界互动。

到2022年,70%的企业将尝试用于消费者和企业用途的沉浸式技术,25%的企业将部署到生产中。会话平台的未来,从虚拟个人助理到聊天机器人,将结合扩展的感官渠道,使平台能够根据面部表情检测情绪,并且他们将在交互中变得更加对话。最终,技术和思维将转移到这样一种程度,即体验将人们与数百种边缘设备连接起来,从计算机到汽车。

趋势7:区块链

区块链是一种分布式分类帐,是由网络中所有参与者共享的加密签名,不可撤销的交易记录的按时间顺序排列的扩展列表。区块链允许公司跟踪交易并与不信任方合作,而无需集中方(即银行)。这极大地减少了商业摩擦,并且应用程序从金融开始,但已扩展到政府,医疗保健,制造业,供应链等。区块链可以降低成本,减少交易结算时间并改善现金流。该技术还让位于一系列区块链灵感的解决方案,这些解决方案利用了区块链的一些优点和部分功能。

纯区块链模型尚不成熟,难以扩展。。然而,企业应该开始评估该技术,因为区块链将在2030年创造3.1T的商业价值。区块链启发的方法没有实现区块链的所有原则提供近期价值但是没有提供承诺的高度分布的分散共识模型纯区块链。

趋势8:智能空间

智能空间是物理或数字环境,人类和技术支持的系统在日益开放,连通,协调和智能的生态系统中相互作用。随着技术成为日常生活中更加集成的一部分,智能空间将进入加速交付的时期。此外,随着个人解决方案成为智能空间,其他趋势,如AI驱动技术,边缘计算,区块链和数字双胞胎正在朝着这一趋势发展。

智能空间仅在五个关键方面发展:开放性,连通性,协调性,智能性和范围。从本质上讲,智能空间正在发展,因为单个技术从孤岛中产生,共同协作以创建协作和交互环境。智能空间最广泛的例子是智能城市,其中结合了商业,住宅和工业社区的区域正在使用智能城市生态系统框架进行设计,所有部门都与社会和社区协作相关联。

趋势9:数字道德和隐私

消费者越来越意识到他们的个人信息的价值,他们越来越关注公共和私人实体如何使用它们。不注意的企业面临消费者反弹的风险。有关隐私的对话必须以道德和信任为基础。对话应该从“我们是否合规?”转向“我们做对了吗?”

政府越来越多地规划或通过公司必须遵守的法规,消费者正在谨慎地保护或删除有关他们自己的信息。公司必须获得并保持与客户的信任才能取得成功,并且他们还必须遵循内部价值观,以确保客户将其视为值得信赖的。

趋势10:量子计算

量子计算是一种非经典计算,它基于亚原子粒子的量子态,它将信息表示为表示为量子位或“量子位”的元素。量子计算机是指数级可扩展且高度并行的计算模型。想象传统计算机和量子计算机之间差异的一种方法是想象一个巨大的图书馆。

虽然经典计算机会以线性方式读取库中的每本书,但量子计算机会同时读取所有书籍。量子计算机理论上可以同时处理数百万次计算。以商业可用,价格合理且可靠的服务形式进行的量子计算将改变一些行业。

 

标签: 大数据 大数据分析 代码 金融 数据分析 网络

版权申明:本站文章部分自网络,如有侵权,请联系:west999com@outlook.com
特别注意:本站所有转载文章言论不代表本站观点!
本站所提供的图片等素材,版权归原作者所有,如需使用,请与原作者联系。

上一篇:面向5G的数据中心能源基础设施应该长啥样?

下一篇:《流浪地球》票房:预测10亿却飚50亿 ,大数据预测为什么这么难