2017年7月，Gartner公司發(fā)布了年度新興技術成熟度曲線。Gartner認為，2017年技術成熟度曲線揭示了未來5-10年的三方面技術趨勢，一是無處不在的人工智能、二是身臨其境的體驗、三是數(shù)字化平臺，這三個方面的匯聚會帶來有競爭力的商業(yè)生態(tài)。
圖1 2017新興技術成熟度曲線（來源：Gartner 2017年7月）
一
突 出 趨 勢
2017年，Gartner推出三方面趨勢： 1、無處不在的人工智能（AI）；2、透明化身臨其境的體驗；3、數(shù)字化平臺。在這三大趨勢下，四個技術領域值得決策者優(yōu)先關注，因為和企業(yè)加快和加深技術創(chuàng)新有關，并對如何對待員工、客戶、合作伙伴產(chǎn)生重要影響，它們分別是：商業(yè)生態(tài)擴展類技術，例如區(qū)塊鏈；融合類技術，例如腦機接口；商業(yè)自動化技術，例如承載貨物與服務的商業(yè)無人機；安全類技術，例如軟件定義安全將帶來更加安全的數(shù)字化世界。
1 無處不在的人工智能
未來10年，人工智能將成為最具破壞性級別的技術，主要是因為卓越的計算能力、漫無邊際的數(shù)據(jù)集、深度神經(jīng)網(wǎng)絡領域的超乎尋常的進步。插上AI這個“翅膀”，人們基于數(shù)據(jù)可以解決超乎想象的若干問題。
企業(yè)圍繞這個主題考慮以下技術：深度學習、強化學習，通用智能、自動駕駛、認知計算、商業(yè)無人機（無人機）、對話用戶界面、企業(yè)分類法和本體管理、機器學習，智能微塵、智能機器人，智能空間。
2 透明化身臨其境的體驗
技術強調(diào)以人為中心，它將提高人、企業(yè)和事物之間的透明度。隨著技術演變更加適應工作場所和家庭環(huán)境，并且與企業(yè)和其他人的互動加強，這種關系將變得更加交織。
需要考慮的關鍵技術包括：4D打印、增強現(xiàn)實、腦機接口、互聯(lián)家庭、人體增強、納米管電子、虛擬現(xiàn)實和立體顯示。
3 數(shù)字化平臺
大數(shù)據(jù)、卓越的計算能力和無處不在的技術生態(tài)構成了新興技術的革命性的堅實基礎。這種從技術結構向生態(tài)支持的數(shù)字平臺的轉換成為人和技術之間的橋梁——新商業(yè)模式的基礎。在這些充滿活力的生態(tài)中，企業(yè)必須主動理解生態(tài)平臺并重新定義他們的戰(zhàn)略，產(chǎn)生對應的平臺商業(yè)模式，探索平臺內(nèi)在和外在的構造，從而依靠平臺產(chǎn)生更多的價值。
需要跟蹤的關鍵技術有5G、數(shù)字孿生、邊緣計算、區(qū)塊鏈、物聯(lián)網(wǎng)平臺，神經(jīng)形態(tài)硬件、量子計算、無服務器PaaS和軟件定義安全。
二
重 點 關 注
一是人工智能類新興技術在今年的成熟度曲線上快速移動。這些技術正處于曲線的巔峰位置，它們也是支撐和創(chuàng)造透明和身臨其境體驗的關鍵技術。二是數(shù)字化平臺類技術在曲線上處于上升期，說明支撐未來范式的數(shù)字化平臺正向我們走來。三是量子計算、區(qū)塊鏈技術有望在未來5-10年產(chǎn)生變革性和戲劇性的影響。
1 新技術
了解2017新興技術成熟度曲線第一次引入的技術，為企業(yè)架構師（EA）提供未來幾年戰(zhàn)略性技術趨勢的領先指標。下面的8個新技術將支持EA和技術創(chuàng)新的領導者們理解應用無處不在的人工智能，透明身臨其境的體驗和數(shù)字平臺這三個主題：
>>>> 5G
>>>> 通用人工智能
>>>> 深度學習
>>>> 深度強化學習
>>>> 數(shù)字孿生
>>>> 邊緣計算
>>>> 無服務器PaaS
>>>> 認知計算
2 顯著移動技術
>>>> 區(qū)塊鏈
區(qū)塊鏈概念正在得到人們認可，未來它將改變行業(yè)的經(jīng)營模式。區(qū)塊鏈在多個行業(yè)使用的實例表明其初步價值，但還需要進一步的驗證。未來，我們將看到區(qū)塊鏈在金融服務業(yè)、制造業(yè)、政府、醫(yī)療和教育行業(yè)得到更快的認可和應用。
>>>> 商業(yè)無人機
AI硬件的主要進步，計算能力的小型化，以及更為實用的深層學習算法，使得無人機可以用于金融服務、制造業(yè)、零售業(yè)和汽車業(yè)。
>>>> 軟件定義安全(SDSec)
安全供應商繼續(xù)將更多策略管理從個別硬件元素移動到一個基于軟件的管理平面，以便保證指定安全策略的靈活性。因此，SDSec為安全政策的執(zhí)行帶來速度和敏捷性，而不管用戶的位置、信息或工作量。
>>>> 腦機接口
隨著可穿戴技術的發(fā)展，微型化、智能化、個性化在普通場合也變得越來越普及，應用程序將受益于混合技術，將大腦、注視和肌肉跟蹤結合起來，提供免提交互。在未來的五年中，隨著虛擬現(xiàn)實（VR）硬件的發(fā)展，很有可能這種技術的較新版本是包含在VR耳機設計中。腦-機接口不僅顯示出重大進展，而且以一種變革的方式增加了它的影響。
3 脫離曲線技術
在許多情況下，這些技術不再是“新興的”，而是正慢慢的融入我們的生活，從新興技術曲線中離開的技術只是為了突出其他的新興技術。出現(xiàn)在2016年新興技術曲線，但沒有出現(xiàn)在今年新興技術曲線的技術有：
>>>> 802.11ax
>>>> 情感計算
>>>> 情境經(jīng)紀
>>>> 手勢控制設備
>>>> 數(shù)據(jù)經(jīng)紀人
>>>> 微數(shù)據(jù)中心
>>>> 自然語言問答
>>>> 個人分析
>>>> 智能數(shù)字挖掘
>>>> 虛擬個人助理
4 成為主流技術的時間預見
新興技術具有破壞性的性質，但他們提供的競爭優(yōu)勢還沒有完全為人所知或在市場上證明。然而，大多數(shù)技術將需要超過5至10年達到生產(chǎn)力高點。以下這些例子說明在短期和長期的關鍵新興技術的影響。
2到5年將被主流采用。無處不在的人工智能和已經(jīng)發(fā)揮效能的新興技術，例如機器學習已經(jīng)提供了廣泛而顯著的效益，而深度學習和商業(yè)無人機（無人機）的發(fā)展帶動機器學習算法的深入進步。以下列出2到5年的主流應用新興技術：
>>>> 增強數(shù)據(jù)挖掘
>>>> 認知專家顧問
>>>> 深度學習
>>>> 邊緣計算
>>>> 商業(yè)無人機
>>>> 物聯(lián)網(wǎng)平臺
>>>> 機器學習
>>>> 無服務器PaaS
>>>> 軟件定義安全
>>>> 虛擬現(xiàn)實
5到10年被主流采用。技術調(diào)查顯示數(shù)字平臺正在充分發(fā)揮作用。軟件定義安全(SDSec)表明平臺革命正在全面發(fā)力，SDSec為安全策略的實施帶來速度和敏捷性，而不考慮用戶的位置、信息或工作量。虛擬個人助理提供不顯眼的、無處不在的、情景感知的基于顧問的解決方案，同時數(shù)據(jù)區(qū)塊鏈將擴大分布式總賬概念，有望改變行業(yè)經(jīng)營模式。以下列出5到10年的主流應用新興技術：
>>>> 5G
>>>> 深度強化學習
>>>> 數(shù)字孿生
>>>> 增強現(xiàn)實
>>>> 區(qū)塊鏈
>>>> 認知計算
>>>> 互聯(lián)家庭
>>>> 對話用戶界面
>>>> 企業(yè)分類法和本體管理
>>>> 碳納米管電子
>>>> 神經(jīng)形態(tài)硬件
>>>> 智能機器人
>>>> 智能工作空間
>>>> 虛擬助理
超過十年被主流采用。量子計算將提供前所未有的計算能力。通用人工智能將無處不在，人工智能將與外界融合，成為透明沉浸體驗和數(shù)字平臺融合的關鍵因素。以下是超過10年主流采用的新興技術的清單：
>>>> 4D打印
>>>> 通用人工智能
>>>> 自動駕駛
>>>> 腦機接口
>>>> 人體技能增進
>>>> 量子計算
>>>> 智能微塵
>>>> 立體顯示
時期
成為主流所需要的時間
少于2年
2至5年
5至10年
超過10年
轉型
增強數(shù)據(jù)挖掘
認知專家顧問
深度學習
邊緣計算
商業(yè)無人機
物聯(lián)網(wǎng)平臺
機器學習
軟件定義安全
深度強化學習
數(shù)字孿生
區(qū)塊鏈
認知計算
對話用戶界面
碳納米管電子
智能工作空間
虛擬助理
4D打印
通用人工智能
自動駕駛
腦機接口
人類技能增進
智能微塵
高
商業(yè)無人機
5G
增強現(xiàn)實
互聯(lián)家庭
神經(jīng)形態(tài)硬件
智能機器人
量子計算
中
無服務器PaaS
虛擬現(xiàn)實
企業(yè)分類法和本體管理
立體顯示
低
圖2 2017新興技術的優(yōu)先矩陣（來源：Gartner2017年7月）
三
分 階 段 技 術 點
1 上升階段
>>>> 智能微塵
智能微塵是一種機器人、微機電系統(tǒng)(MEMS)或其他設備。智能微塵可以通過光學、溫度、壓力振動、磁場和化學成分來檢測出任何事物。他們運行在一個無線計算機網(wǎng)絡中，分布在一個區(qū)域來執(zhí)行任務，通常通過無線射頻識別(RFID)傳感。由于他們不使用大型天線，使得系統(tǒng)的測量精度可以達到幾毫米。
2017年，雖然針對智能微塵的研究還處在實驗室階段，但還是有了一些進展。如南加州大學機器人研究實驗室（美國國防高級研究計劃局(DARPA)資助）和JLH實驗室，以及最近的斯圖加特大學，已經(jīng)開發(fā)出一種新的“智能塵?！蔽⑿蛿z像頭類似沙粒大小。本研究的目的是使塵埃盡可能小，這涉及智能化、小型化、一體化和能源管理。因為一個完整的傳感器和通信系統(tǒng)集成到一個立方毫米封裝，還有很長的路要走，我們還沒有看到智能灰塵大的商業(yè)應用。然而，一些合理的小微粒在商用樓宇控制、工業(yè)監(jiān)控和安全中得到應用。最近，安費諾先進傳感器宣布研制成功新的智能塵埃傳感器，主要用來檢測顆粒物，空氣質量下降的程度等。
>>>> 4D打印
四維打印（4DP）技術是用動態(tài)能力（或功能、屬性）對材料進行編程，并通過化學、應用電子、顆?；蚣{米材料將其改變。此外，該技術具有排列、混合和放置特定材料的功能。
2017年，4DP有一些令人興奮的最新前沿應用。哈佛團隊運用4DP打印轉換的組織工程支架，用來支持細胞生長；維克森林研究所的研究人員打印3D印刷結構，這種結構由活性的細胞組成，可以代替人類組織，這種3D結構形狀隨時間發(fā)生變化。同時，美國宇航局的工程師們已經(jīng)利用4DP打印“太空鏈郵件”。新加坡研究中心和蘇黎世瑞士聯(lián)邦技術學院的4DP研究已經(jīng)進入公共領域，涉及4D打印部件及其耐久性，涉及4DP設計承重。在這項技術成為主流之前，仍需要10年以上的時間。
>>>> 通用人工智能(AGI)
又名“強人工智能”或“通用機器智能”。機器具有類似人類在學習、推理、適應和理解等方面的能力就被稱為“智能”。 AGI適用于廣泛的使用案例，相對而言，弱人工智能僅限于特定（窄）的使用案例。但是，目前AGI只存在于科幻小說。2017年的人工智能系統(tǒng)，都不能通過等同于人類的智力的通用測試。這并不是說，永遠不可能創(chuàng)造一種接近于人類認知能力的機器，但我們可能距離完成必要研究和工程實驗還有好幾十年。AGI（“強人工智能”）往往與認知計算的討論糾纏在一起。弱人工智能運用案例包括輔助駕駛、聰明顧問、虛擬客戶助理、專注于各種任務的特定智能（比如財富管理等）；強人工智能將給人們的生活和商業(yè)活動帶來巨大的、甚至是毀滅性的影響。
>>>> 深度強化學習
深度強化學習是深層神經(jīng)網(wǎng)絡在強化學習中的應用。強化學習是一種機器學習技術，理解和表達獲取情況和動作之間的映射關系。強化學習進入曲線已經(jīng)有三多年的歷史了。它可以被認為是一種啟發(fā)式的動態(tài)規(guī)劃，由李察貝爾曼在60年前引入。2017年，深度強化學習表現(xiàn)搶眼，是因為計算機游戲類領域深度強化學習的巨大成功，例如alphago（谷歌DeepMind開發(fā)）正激發(fā)人們對該領域的興趣，成為深度強化學習系統(tǒng)化、廣泛應用的重要驅動力。有幾個開源框架，支持強化學習的應用（例如，谷歌tensorflow和那些OpenAI），但幾乎所有的商業(yè)數(shù)字化平臺目前都缺乏此功能。建議不要對深度強化學習期望太高，不要把深度強化學習放進你的規(guī)劃或路線圖，除非你實在沒有別的解決途徑可尋。深層強化學習必須有深入的專業(yè)知識，最好是一個模擬或受控的環(huán)境，在這個環(huán)境中，系統(tǒng)可以拿出搜索一系列最終產(chǎn)生最佳評價的策略。當前，除了前面提到的游戲類的深度強化學習，其他類別成功的深度強化學習還比較少見。
>>>> 神經(jīng)形態(tài)硬件
神經(jīng)形態(tài)計算可以被理解為受到神經(jīng)生物學結構概念影響的基于半導體處理器的計算。神經(jīng)形態(tài)芯片與傳統(tǒng)的處理器完全不同，往往需要執(zhí)行模塊，是非馮-諾伊曼結構。2017年，神經(jīng)系統(tǒng)仍然處于非常早期的原型階段。休利特帕卡德實驗室正在開發(fā)的點陣，是一種加快神經(jīng)信息處理形態(tài)的引擎設計。美光的自動化處理器旨在為圖形分析、模式匹配和數(shù)據(jù)分析提供極高的并行性和性能。神經(jīng)形態(tài)硬件的發(fā)展存在三大障礙：一是加速計算技術（例如GPU)需要比硅基神經(jīng)更方便、更容易編程的結構；二是知識短板，編程的神經(jīng)形態(tài)硬件要求新的執(zhí)行模型和編程方法；三是可擴展性，大量的神經(jīng)元和深互連將挑戰(zhàn)半導體廠商創(chuàng)造可行的神經(jīng)形態(tài)設備的能力。
>>>> 人體機能增進
人體機能增強主要是用外在手段提高自身技能，提供超過正常人類極限的性能。增強的例子包括增加體力（例如，通過外骨骼），提高感知（例如，助聽器與手機應用程序優(yōu)化，或植入磁體檢測電流），提高注意力，（例如，通過藥物或腦刺激）提高精神集中度。
日益專業(yè)化和能力水平等競爭需求下，未來更多的人將嘗試通過人體機能增強來提高自己，未來20年將觸發(fā)一個價值數(shù)十億美元的市場。投資者可以關注選擇性增強的趨勢和機會，定位合適人群，挖掘市場潛力。關于人體機能增強的倫理爭議正在出現(xiàn)，美國幾個州已經(jīng)通過了法案，禁止雇主將芯片植入作為就業(yè)條件。
>>>> 5G
5G是4G下一代蜂窩標準。這是目前被國際電信聯(lián)盟（ITU），第三代合作伙伴計劃（3GPP）和歐洲電信標準協(xié)會（ETSI）認可的官方標準。Gartner預計，到2020年，3%的基于網(wǎng)絡的移動通信服務提供商（CSP）將推出5G商業(yè)化網(wǎng)絡。從2018到2022年，國際上將主要利用5G來支持物聯(lián)網(wǎng)通信、高清視頻和固定無線接入。
>>>> 無服務器PaaS
沒有服務業(yè)務的PaaS被稱為無服務器PaaS。所有的PaaS應該從一開始就反映了雙方的IaaS和SaaS的設計原理是服務器。無服務器PaaS代表真正的云式操作的云平臺服務。一個服務器PaaS交付模式將提高生產(chǎn)力和效率，并幫助簡化開發(fā)、規(guī)模經(jīng)營、降低基礎設施成本。這將創(chuàng)建一個更一致的和可管理的云應用環(huán)境，但需要規(guī)劃的實踐和策略的調(diào)整，產(chǎn)生經(jīng)營為基礎的解決方案，PaaS的設計、繪制以及現(xiàn)有的一些應用程序，需要一些新的改變。
>>>> 數(shù)字孿生
數(shù)字孿生是一個虛擬物對應一個實物。其一重要功能是數(shù)字孿生使其他軟件/系統(tǒng)與其虛擬物直接交互，而不是實際對象，以改善實際對象的維護、升級、修復和操作。數(shù)字孿生的基本要素包括被控對象的模型、對象的數(shù)據(jù)，一個唯一的一對一對應對象和監(jiān)控對象的能力。
對汽車、建筑物和消費產(chǎn)品來說，嵌入在虛擬模型中的功能行為的想法剛剛出現(xiàn)：到目前為止，不到1%被建模者關注。在高價值資產(chǎn)密集型行業(yè)（如交通運輸和制造業(yè)）和關鍵領域（如航空航天和國防），在相對常見又比較復雜的領域（例如，汽車，飛機，飛船，機器），數(shù)字孿生依然罕見。迄今為止，Gartner估計只有5%的此類復雜資產(chǎn)被建模。
Gartner預計，簡單的數(shù)字孿生將快速增殖。例如，面向消費者的消費電子產(chǎn)品等行業(yè)，簡單的數(shù)字雙胞胎產(chǎn)品開始在消費者層面增殖分化（如音響系統(tǒng)、智能照明等）。對于普通客戶而言，隨著對簡單電子設備的數(shù)字孿生的體驗的提升，比如通過移動設備上相對簡單的數(shù)碼雙胞胎遠程監(jiān)控和控制他們的消費電子產(chǎn)品，數(shù)字孿生將在普通消費群體中得到歡迎和認可。隨著時間的推移，越來越多的制造型企業(yè)將使用更成熟的數(shù)字雙胞胎避免設備故障和運行設備維修計劃，優(yōu)化制造的工藝流程，提高對設備故障的預測和提高運營效率，增強對產(chǎn)品的開發(fā)和維護。
>>>> 量子計算
量子計算是一種非經(jīng)典計算是基于亞原子粒子的量子態(tài)。粒子的狀態(tài)代表信息，用一個稱為量子位（量子比特）的單個元素表示。一個量子位可以同時保存所有可能的結果，直到讀到一個被稱為疊加的屬性。量子位也可以與其他量子位聯(lián)系起來稱為糾纏。量子計算機操縱鏈接的量子比特來解決問題，觀察（讀?。┝孔颖忍刂械淖罱K結果。
基于量子技術的硬件可不一般，比較復雜和前沿。迄今為止，最大的糾纏演示是大約17個量子位，也是在實驗室好奇心驅使下實現(xiàn)的。即便如此，大多數(shù)研究人員都認為硬件不是核心問題。有效的量子計算將需要開發(fā)新的量子算法來解決現(xiàn)實世界中的問題，同時在量子態(tài)中運行。研究人員正試圖將新的量子算法優(yōu)化到量子計算機的特定設計特性上。IBM最近開放了它的外部量子平臺，目的是提高人們對量子計算的認識。今天，只有17個量子比特，系統(tǒng)只能解決一些微不足道的問題，但IBM希望通過增加量子位數(shù)量和降低錯誤率來繼續(xù)擴大其能級。
另一個新出現(xiàn)的方法是捕獲離子，而不是電子。離子的質量比電子大幾千倍，這使它們不易受噪音干擾，而且更容易管理。量子計算這項技術繼續(xù)吸引大量資金，許多大學和企業(yè)實驗室正在進行大量研究。D-Wave系統(tǒng)，制造商的退火的量子計算機，目前利用2000個量子比特而不依賴于完全的糾纏量子比特。谷歌，一個D波量子計算機的用戶，相信它會促進深度學習和量子計算的結合。微軟的量子結構和計算組正在開發(fā)面向未來的量子算法以及編程算法軟件體系結構。
>>>> 立體顯示
立體顯示技術是將物體呈現(xiàn)為三維的效果，采用跟隨觀眾移動的360度球面視角。與大多數(shù)平面3D顯示器不同，通過立體顯示技術可以創(chuàng)建出高度的幻覺效果或立體的視覺感受，能夠擁有非常逼真的立體效果。目前，立體顯示技術還沒有走出實驗室，但常常被認為像是電影《星球大戰(zhàn)》中莉亞公主的實體圖像那樣。但實體顯示仍然是一個難以捉摸卻夢寐以求的目標。
立體顯示技術的商業(yè)應用還處于起步階段。到目前為止，在市場營銷中針對高端零售環(huán)境的簡單應用已經(jīng)部署。有一些專門的地理空間成像應用程序來增強2D地圖，并用于建筑渲染。然而，其中大部分可以用更為廉價的技術，如3D顯示器來實現(xiàn)。同時，頭戴式顯示器和光場顯示器的快速增長和持續(xù)發(fā)展威脅到專業(yè)市場以外的立體顯示器的持續(xù)發(fā)展。潛在的應用領域包括醫(yī)學成像、消費娛樂、游戲和設計，但成本需要極大降低。
>>>> 腦機接口
腦機接口（BCI）是一種用戶界面，用戶可以通過計算機解釋不同的大腦模式。數(shù)據(jù)要么被被動地觀察和研究，要么用作命令來控制應用程序或設備。有三種方法：
● 侵入性的，電極直接連入大腦。
● 部分侵入性，顱骨穿透，但沒有觸及大腦。
● 非侵入性的，在商業(yè)上可用的帽子或頭巾戴在頭骨上來檢測信號。
非侵入性的方法不能使用更高頻率的信號作為頭骨塊和分散電磁波。這種方法的一個主要挑戰(zhàn)是獲得足夠清晰的大腦模式來執(zhí)行一系列命令。雖然今天的控制不是很平滑或連續(xù)，但可以控制多維度的虛擬對象，玩交互式游戲和控制硬件。值得注意的是，佛羅里達大學于2016年舉辦了世界上第一個被大腦神經(jīng)控制的無人機競賽，顯示了服務機器人發(fā)展的潛在路徑。但是，從思想到檢測，從檢測到執(zhí)行，任然存在一個延遲的問題，這個主要問題使得實時控制面臨挑戰(zhàn)。
目前，最好的神經(jīng)接口用于肢體修復，并使用100個通道提取大腦的神經(jīng)信號。國防高級研究計劃局（DARPA）正投資6000萬美元，在未來四年內(nèi)神經(jīng)工程系統(tǒng)設計提高到一百萬通道（NESD），將看到一個一立方厘米的裝置植入人的大腦，使神經(jīng)元的數(shù)據(jù)以電子的方式加以傳送。如果這樣，這項技術將發(fā)生顛覆性的轉變，它不僅對細微差別的接口有廣泛的影響，而且有利于從生理和心理方面深入理解大腦。
新的使用案例，如無人機控制、客戶行為研究。FACEBOOK的8個研究小組最近宣布在其F8開發(fā)者大會上宣布一項無創(chuàng)性的項目，允許用戶進行思想和目標交互，每分鐘100字。
>>>> 對話用戶界面
對話用戶界面（CUI）是一個高層次的設計模型，在此之中用戶和機器以口語或書面自然語言交互作用。這些通常是非正式的和雙向的交互作用范圍從簡單的話語（例如“停止”，“是”或“現(xiàn)在幾點”“12:24”）到高度復雜的相互作用（收集犯罪案件的證人證言）和高度復雜的結果（如為用戶創(chuàng)建一個抽象的形象）。作為設計模型，CUI要依賴于應用程序和相關服務的實現(xiàn)。供應商和開源活動在不斷增加，利于CUI的發(fā)展。更多已確定引進將動搖新UI模式控制局面的CUI和新商業(yè)模式，以部分替代和補充應用程序和API。
>>>> 智能工作空間
智能工作空間利用物理物聯(lián)網(wǎng)對物理對象數(shù)字化，傳遞新的工作方式，分享信息及開展合作。物理環(huán)境程序化使智能工作空間與移動設備、應用軟件、數(shù)字職場圖、智能機器協(xié)同，以提高員工的工作效率。人們工作的任何地點都可以成為智能工作空間。
2 頂峰期
>>>> 增強數(shù)據(jù)挖掘
增強數(shù)據(jù)挖掘（原智能數(shù)據(jù)挖掘），標志性的特點是下一代BI和分析平臺，使得用戶自動發(fā)現(xiàn)、想象和敘述相關研究，例如相互關聯(lián)、例外、整體預測等，無需建立模型或寫算法。用戶通過可視化搜索和自然語言查詢數(shù)據(jù)，支持自然語言生成的結果解釋。
在過去的五年中，基于視覺的數(shù)據(jù)挖掘破壞了傳統(tǒng)的商業(yè)智能（BI）和分析市場，因為它們易于使用，用戶可以快速組裝數(shù)據(jù)，可視化地探索假設，以便在數(shù)據(jù)中找到新的見解。但是依靠用戶手動尋找模式可能會導致用戶挖掘自己的偏見假設，丟失關鍵結果，并得出不正確或不完整的結論，這可能會對決策和結果產(chǎn)生不利影響。
增強數(shù)據(jù)挖掘可以減少耗時的挖掘探索和錯誤識別，以及產(chǎn)生較少的額外解釋。而不是一個分析師手動測試數(shù)據(jù)的所有組合，只有最顯著的和相關的結果呈現(xiàn)給用戶的智能可視化和/或自然語言的敘述。將一系列算法并行應用于數(shù)據(jù)，并向用戶解釋實際的結果，減少了數(shù)據(jù)丟失與人工探索之間的重要見解的風險，優(yōu)化提升對策建議。
>>>> 邊緣計算
邊緣計算描述了一種計算拓撲，其中信息處理、內(nèi)容收集和交付更接近于信息的源和匯。從網(wǎng)狀網(wǎng)絡和分布式數(shù)據(jù)中心的概念出發(fā)，邊緣計算著眼于保持本地和遠離網(wǎng)絡中心的流量和處理。目標是減少延遲，減少不必要的流量，并建立一個集線器，用于在感興趣的對等點之間進行互連，以及對復雜的媒體類型或計算負載進行數(shù)據(jù)細化。
創(chuàng)建邊緣數(shù)據(jù)中心的物理基礎設施的大多數(shù)技術都是現(xiàn)成的，但是拓撲、顯式應用程序、網(wǎng)絡體系結構的廣泛應用還不常見。邊緣計算在物聯(lián)網(wǎng)物理實現(xiàn)軌跡中發(fā)揮協(xié)同作用，極大地提高了概念的可視性。需要擴展系統(tǒng)和網(wǎng)絡管理平臺，包括邊緣位置和邊緣功能特定技術，如數(shù)據(jù)細化、視頻壓縮和分析等。
>>>> 智能機器人
智能機器人是一種機電形式的因素，在物理世界中自主工作，在短期間隔中學習，接受人類監(jiān)督、培訓和示范，在人類的管理下工作。
與工業(yè)機器人（預定義的、不變的任務）相比，智能機器人迄今為止的使用量明顯減少，但他們在市場上受到了巨大的鼓舞，這就是為什么智能機器人正處于膨脹預期的頂峰。在未來幾年中，圍繞智能機器人的宣傳和期望將繼續(xù)增長。由于幾家主要供應商在過去幾年中的努力，智能機器人正在大放異彩：
● 亞馬遜機器人公司（原名Kiva Systems）計劃配置10000個機器人來完成客戶的訂單。
● 谷歌收購多個機器人技術公司。
● Rethink Robotics推出巴克斯特和Sawyer，可與人類員工一起工作。
● 2016年，開始在一些酒店，例如希爾頓、威斯汀酒店房間使用服務機器人。
智能機器人將在以資產(chǎn)為中心、以產(chǎn)品為中心、以服務為中心的行業(yè)中發(fā)揮其最初的業(yè)務影響力。他們的體力、勞動能力，更高的可靠性，更低的成本，更高的安全性和更高的生產(chǎn)力，在這些行業(yè)中表現(xiàn)出很強的競爭力。典型的和潛在的使用案例包括醫(yī)療材料處理、危險廢物處置、調(diào)劑和交付，病人護理，直接材料搬運、補貨、產(chǎn)品裝配、成品動作，產(chǎn)品挑選和包裝，電子商務訂單、送貨、購物協(xié)助、客戶服務、禮賓和處置有害物質等。
>>>> 物聯(lián)網(wǎng)平臺
各企業(yè)致力于增加物聯(lián)網(wǎng)終端種類, 尋求更好效益, 同時發(fā)覺新的商機和盈利模式。由于這些因素的交互作用，企業(yè)需要不斷增加先進技術資源以達到相應的成熟度、規(guī)模和商業(yè)價值。大規(guī)模物聯(lián)網(wǎng)平臺可以實現(xiàn)基礎和高級的物聯(lián)網(wǎng)方案和數(shù)字化商業(yè)操作。物聯(lián)網(wǎng)平臺以一個混合方式部署，它將與基于云的元素（無論是私人的還是公共的）和分布于終端和網(wǎng)關之間的本地軟件合并。
越來越多的企業(yè)通過物聯(lián)網(wǎng)和數(shù)字業(yè)務擴大了物聯(lián)網(wǎng)平臺的宣傳力度，推動了供應商和用戶對物聯(lián)網(wǎng)平臺和服務的投資。物聯(lián)網(wǎng)項目部署的增加，人們對成本的預期和技術的低估（例如，設備配置、端到端的解決方案集成和足夠的網(wǎng)絡安全）形成挑戰(zhàn)，推動物聯(lián)網(wǎng)平臺接近期望膨脹的高峰期，在實踐經(jīng)驗的積累將最終把它們帶到主流的生產(chǎn)力和成熟。2017年，看到很多大型廠商帶來的第二代產(chǎn)品市場，總的來說，還沒有完全證據(jù)證明他們的銷售量，但是考慮到新的市場進入者，其營銷量注定繼續(xù)增加。
>>>> 虛擬助理（VAS）
VAS幫助用戶或企業(yè)完成以前只能由人類完成的一組任務。VAS使用人工智能和機器學習（例如NLP、預測模型、推薦和個性化）來幫助用戶或自動化完成任務。VAS監(jiān)聽和觀察行為，建立和維護數(shù)據(jù)模型，并預測和推薦行動。它們可以為用戶服務，并隨著時間與用戶形成關系。虛擬助理通過與用戶相應的轉換將職責從用戶理解傳輸?shù)较到y(tǒng)。
VA具體應用如蘋果Siri、谷歌助手、微軟Cortana、亞馬遜的Alexa、kore.ai和SAP的副駕駛等。將來，越來越多的圖像識別、行為和事件識別等將使用VAS。虛擬助理也可以部署在虛擬個人助理、虛擬客戶助理和虛擬雇員助理。隨著用戶對它們的適應程度提高，技術的改進和實現(xiàn)的多樣性，VA的使用也隨之增長。
>>>> 互聯(lián)家庭
互聯(lián)家庭的目的是實現(xiàn)與多個設備、服務器和應用程序的網(wǎng)絡連接，從通信娛樂到醫(yī)療、安全和家庭自動化。這些服務器和應用程序通過多個相互關聯(lián)的集成設備、傳感器、工具和平臺傳遞信息。情境的、實時的、智能的信息可以通過本地或云端存儲，使得個體或者其他連接到服務器的家庭成員能夠通過遠程或者在家里監(jiān)控自己的家。媒體娛樂、家庭安全、監(jiān)控和自動化、能源管理產(chǎn)品和服務、健康和健身、教育等將成為互聯(lián)家庭的關鍵詞。
>>>> 深度學習
深度學習通過進一步發(fā)現(xiàn)和研究中間變量擴展和延伸機器學習，是機器學習的一個分支。三方面的因素導致深度學習到達新興技術曲線的頂端位置：一是前所未有的大量數(shù)據(jù)的可獲取，包括以前難以處理的數(shù)據(jù)；二是算法的改進、模型的優(yōu)化，能夠處理快速增長的數(shù)據(jù)集；三是深層學習硬件平臺的升級換代（擁有數(shù)以萬計的集群芯片和基于GPU的硬件架構的超級計算機）。
成千上萬的供應商都在探索深度學習領域的應用，如計算機視覺、會話系統(tǒng)和生物信息學領域的應用。研究人員正在不斷地發(fā)布驚人的新的關于這一主題的論文。企業(yè)中的巨頭如谷歌，蘋果，微軟，臉譜網(wǎng)和百度正在增加其針對深度學習的研發(fā)份額。蘋果的Siri、谷歌的谷歌Now，微軟的Cortana和亞馬遜的Alexa的身后都有深度學習的身影。硬件制造商正在加緊交付新的、深層的神經(jīng)網(wǎng)絡訓練的高性能算法（深度神經(jīng)網(wǎng)絡算法，DNNs）。未來在科學數(shù)據(jù)平臺上，深度學習的功能將變得更容易獲得，估計到2018年，80%的數(shù)據(jù)科學家的標配是深度學習。
我們看到，為了持續(xù)獲得好的成果，深度學習需要專家系統(tǒng)和相應的設備。目前被普遍認可的是DNN架構。然而，深度學習的計算資源并不是隨手可得的，有一些技術還比較模糊，沒有一個單一的算法或系統(tǒng)當前能夠滿足所有深度學習的處理需求。
深度學習當前的成功是通過DNN的主要變量：圖像和語音識別中的卷積神經(jīng)網(wǎng)絡；自然語言處理和翻譯中的遞歸神經(jīng)網(wǎng)絡；生物信息學中的自動編碼的人工神經(jīng)網(wǎng)絡。建議在能力范圍內(nèi)把深度學習的數(shù)據(jù)作為長期投資的重點，因為正確數(shù)據(jù)的價值會隨著時間增長。建議在法律和道德都很明晰的領域避免使用DNNs，例如當你注定要面臨歐盟數(shù)據(jù)保護規(guī)定的時候。在美國，國防高級研究計劃局（DARPA）資助了一個解釋人工智能的項目，但這將需要幾年的時間。
對于產(chǎn)業(yè)來說，深度學習對所有行業(yè)都具有轉換和顛覆潛力。對于那些想實現(xiàn)這種潛力的人來說，挑戰(zhàn)是要找出正確的問題，以便在深度學習中加以解決。
DNN潛能的基礎是對高維復雜數(shù)據(jù)顆粒的表征能力。DNN可以通過解釋圖像來診斷早期的腫瘤，并給出可靠的結果；幫助改善視障人士的視覺能力；幫助車輛自動駕駛；給黑白照片染上彩色；給元素缺失的照片補上缺憾；識別和理解一個特定人的語音等。
>>>> 機器學習
機器學習是從一系列觀察中提取某種知識和模式，有三個主要分支：監(jiān)督學習（也被稱為“標記數(shù)據(jù)”）、無監(jiān)督學習、強化學習（給出好到什么程度和壞到什么情形的評價）。
機器學習是目前最熱門的技術概念之一。機器學習的一個分支就是深度學習，其中涉及深度神經(jīng)網(wǎng)絡，受到格外關注是因為它涉足了認知領域，而這以前是人類的專屬領地：圖像識別，文本理解和語音識別方面都身手不凡。機器學習將在以下方面驅動改進和解決新業(yè)務問題，展現(xiàn)大量的商業(yè)和社會場景：分別是自動化領域、藥物研究、客戶關系管理、供應鏈優(yōu)化、預見性維護、操作效能、反欺詐、自動駕駛、資源優(yōu)化等領域。機器學習的影響可以是顯性的或隱性的，顯性的影響來自主動接受機器學習服務，隱性影響來自您使用的產(chǎn)品和解決方案，而不知道它們包含了機器學習的成分。
>>>> 自動駕駛
自動駕駛是指車輛不需要人類干預，自己就可以從一個起點，借助各種車載技術和傳感器，如激光雷達、雷達和攝像頭，以及控制系統(tǒng)、軟件、地圖數(shù)據(jù)、GPS和無線通信數(shù)據(jù)等，“自動駕駛”到預定目的地。傳感器、定位、成像、引導、人工智能(AI)、映射和通訊技術的不斷進步，以及先進軟件和云計算的快速發(fā)展， 使得自動駕駛很快成為現(xiàn)實。
2017年，汽車制造商和技術公司開發(fā)的自動駕駛汽車得到了主流媒體的吹捧，導致對這項技術不切實際的和過高的期望。AI是一個關鍵的技術，使基于機器學習和算法的自動駕駛得以加速發(fā)展。自動駕駛目前的主要挑戰(zhàn)是成本，當然人們也在可靠性、道德、法律層面展開研討。
>>>> 碳納米管電子
利用半導體性質，碳納米管為將來制備具有高速開關的微晶體管半導體設備提供了可能。利用金屬（導電）性質，碳納米管為作為低電阻連接件應用到集成電路中提供了可能。人們正在評估將碳納米材料技術應用到硅及其化合物的半導體材料中。具有半導體特性的碳納米管有望在未來半導體器件中具有高開關速度的小型晶體管。具有金屬（導電）特性的碳納米管具有低電阻的特性，可以應用于集成電路中的互連。其他納米管材料包括硅和化合物半導體材料正在評估中。硅版本（通常稱為硅納米線）正在積極研究用于硅陽極電池。
>>>> 認知計算
認知計算包括虛擬助理，認知專家顧問和智能增強現(xiàn)實等這些類別的技術，改進和提升人類的認知任務。我們認識到“認知計算”是當前市場上的宣傳詞，但不相信這些系統(tǒng)真正能夠認知。但可以說，他們模仿和/或延長人類的認知能力。他們是互動的，在對話中迭代，回顧以往的相互作用，并適應信息的變化或目標的改變。當前認知計算處于新興技術曲線的頂端位置，主要是AI的發(fā)展所致。在自動駕駛、虛擬客戶助理等領域，認知計算處于非常重要的位置，AI可能會因為認知計算取代人工。炒作、預期、需求都將推動認知計算的發(fā)展。未來5年，我們希望認知計算的主要障礙得到解決，加上物聯(lián)網(wǎng)、大數(shù)據(jù)，促動更大的商業(yè)創(chuàng)新。
>>>> 區(qū)塊鏈
區(qū)塊鏈包含了一系列聯(lián)系較弱的技術和處理過程，包括中間件、數(shù)據(jù)庫、數(shù)據(jù)安全、數(shù)據(jù)分析、貨幣及身份管理等概念。大多數(shù)分布式分類賬仍處于alpha或beta階段。最近的版本包含資產(chǎn)、數(shù)據(jù)和可執(zhí)行程序，在總賬協(xié)議之上開發(fā)的允許定制應用程序。顯著的炒作仍對帳簿的價值，但技術的可行性、安全性（軟件和硬件），可擴展性，合法性和互操作性問題仍然存在。
>>>> 商業(yè)無人機(UAV)
商業(yè)無人機（UAV）是小型直升機，固定翼飛機。無人機通常包括全球導航衛(wèi)星系統(tǒng)（GNSS）、攝像機和傳感器，引導他們進行成像、熱和光譜分析。高速緩存和通信系統(tǒng)使無人機能夠收集數(shù)據(jù)集或將它們傳輸?shù)皆浦写鎯蛱幚?，這些系統(tǒng)也包括防撞系統(tǒng)。
2017年，由于技術的改進和進一步需求程度的影響，商業(yè)無人機已經(jīng)越過期望的巔峰。民用無人機應用案例包括采掘業(yè)、基礎設施的檢查、管道檢測、災害監(jiān)測、安全檢查、測量、農(nóng)業(yè)篩查等。中國、日本、英國和歐盟繼續(xù)測試在農(nóng)業(yè)蟲害防治和包裹遞送中嘗試使用無人機，前者得到普遍認可，后者在特殊地形、地貌條件下作用重大。
3 滑向低谷
>>>> 專家認知顧問
專家認知顧問是最專業(yè)形式的人工智能功能體現(xiàn)的虛擬助手，依賴于極深而窄的訓練語言數(shù)據(jù)庫的發(fā)展。至少包括專門的算法，以及機器學習和自然語言處理功能等，基于認為積累的大數(shù)據(jù)基礎來回答問題、發(fā)現(xiàn)問題、給出建議、幫助決策等。他們模仿人類專家的“認知”功能。
>>>> 企業(yè)分類及自然管理
信息的分類（按類別）和本體（按自然屬性）的管理包括實踐和實施技術解決方案。本體（ontology）是一種分類方法，將具有親緣關系或者功能相近的對象歸納在一起。分類（taxonomy）是一種對特定概念、物質，甚至語言結構進行區(qū)分的方法。這一定義只針對數(shù)據(jù)，而并不是一個一般化的定義。
>>>> 軟件定義安全
軟件定義安全 (SDSec) 是一個涵蓋大量的安全技術的統(tǒng)稱。在安全政策管理技術從基礎的安全政策實施環(huán)節(jié)中抽象出來之后，這些安全技術就有了優(yōu)勢。信息安全不能抑制劑數(shù)字化商業(yè)的需求。在不考慮用戶、信息的位置或工作量的前提下，軟件定義安全技術將提高安全策略的執(zhí)行速度和敏捷性。
>>>> 增強現(xiàn)實
增強現(xiàn)實(AR)是使用實時的文本、圖形、聲音和其他材料與真實世界的對象相關聯(lián)，用頭戴式的設備演示或投影成圖像的技術。虛擬世界中，不同的擴增實境都可以轉化為真實世界。這種技術的目的就在于增強用戶與環(huán)境的聯(lián)系。目前的技術是為了解決特殊的、專業(yè)的案例。因此，曲線上的位置與到達成熟所需的時間，會因企業(yè)發(fā)展的不同而不同。這代表了人們對市場上增強現(xiàn)實的普遍觀點。
4 爬坡階段
>>>> 虛擬現(xiàn)實
虛擬現(xiàn)實技術是一種可以創(chuàng)建和體驗虛擬世界的計算機仿真系統(tǒng)，它利用計算機生成一種動態(tài)的模擬環(huán)境，使用戶沉浸到該環(huán)境中。手勢識別或手掌識別根據(jù)手和身體的動作或者觸屏來進行反饋。
虛擬現(xiàn)實一般是使用頭盔。今天市場上的知名設備是Oculus Rift、索尼PlayStation VR、HTC萬歲，三星Gear VR和谷歌Cardboard。虛擬現(xiàn)實技術對于企業(yè)使用來說已經(jīng)足夠成熟，但需謹慎，VR系統(tǒng)的成功還取決于用戶體驗和應用質量。大多數(shù)虛擬現(xiàn)實消費者是玩游戲或看視頻，可以看360度或球形的視頻內(nèi)容。
2017年，雖然VR能夠展示令人驚訝的內(nèi)容，但定制的價格和成本依舊高昂。在頭盔顯示技術的最新進展可能有助于緩解這些障礙，開發(fā)商應更注重質量體驗。進步的人工智能、對象元數(shù)據(jù)和社會身份數(shù)據(jù)等越來越受到人們的重視，是因為個人和社交網(wǎng)絡技術越來越被頻繁的使用，這將幫助開發(fā)人員使虛擬現(xiàn)實更加個性化和智能化。例如，云圖形處理、移動視頻游戲等技術以及寬帶接入的普及，將使應用程序開發(fā)人員更容易將虛擬現(xiàn)實集成到他們的產(chǎn)品中。
圖3 2016新興技術成熟度曲線（來源：Gartner2016年7月）
