Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

四万字报告:从短期到未来,这46项技术将变革商业(上)

Atos 是一家总部位于法国,从事咨询和 IT 服务的国际性公司。今年,它出了一份 2016 科技趋势报告。从是三个时间维度列举了 46 项将改变商业的技术,本篇为上部,分别为 3D 打印、5G、先进的数据可视化技术、先进的机器人技术、自动驾驶汽车、生物计算机、生物识别技术、区块链、脑机接口、云服务集成、认知计算、容器、背景代理、深度学习、数字化工作平台、数字标牌、分布式社交网络、边缘计算等 18 项技术。明天机器之心将带来剩余 26 项技术,敬请期待。

以下是对这张图的解释:

QQ截图20160515150508.png

1)时间上的影响

  • 2016 年看如今的解决方案如何处理这些需求

  • 2017 年通过试运行思考潜在的解决方案

  • 2018 年了解现在,思考潜在的影响以及如何解决问题

  • 2019 年以上,现在开始跟随这些技术,观察技术如何演变

2)商业影响

  • 转型(Transformational)影响指公司需要进行转变了。

  • 高(High)影响指对人类家庭生活和工作有较高影响。

  • 中等(Medium)影响指代将会冲击公司的流程、服务,影响用户和消费者生活。

  • 低(Low)影响指代有小幅度提高而不是巨大的改变。

3)成熟度(Maturity)

  • 新兴阶段主要是指在学术界和少量专业市场能看到这些技术。

  • 青年期,指这些技术更多是被分析师或者思想领导者讨论。

  • 早期采用,指这些技术已经开始被客户关注、寻求解决方案。

  • 主流期指这些技术明显被需要,客户开始执行解决方案。

这一雷达图展示了所有研究成果,能让你快速理解颠覆性的新兴科技是如何发展的,并开始考虑需要采取的行动。极坐标系描述了这些技术影响你业务的可能时间,也描述了这些技术影响的潜在规模。同时,技术颜色代表了每一技术如今所处的发展阶段。

每一个趋势都会从三个角度进行分析:业务影响的潜在规模;可能对你业务产生影响的时间以及成熟度。

一、3D打印

1)定义

3D打印也可被成为叠加制造技术,是一种制造方法,将用CAD(计算机辅助设计)程序创建的虚拟3D对象做成实物。可打印的实物尺寸范围很广,小至纳米级别,大至建筑物般大小。

打造物体零件过程中,3D打印机可使用各种添加流程,对材料进行层层叠加,而后整个物体才会被创造出来。

2)应用

  • 快速成型——使用CAD工具,可以快速简易地制造出物体部件或模型。

  • 快速制造——生产少量零件,价格低廉

  • 大规模定制——用户通过基于网络的接口,直接对要生产的独特产品进行个性化要求

  • 维护——生产汽车,飞机,机械等零件

  • 铸造——创建铸造零件的加工模式

  • 零售——客户可以足不出户地购买和下载产品设计,并打印下来

  • 健康护理—— 创建定制的膝盖、臀部、耳朵、血管、心脏瓣膜等其他身体部位的置换物

  • 制药——因人制宜地制造药物

3)影响

  • 改变产品的供应链,消除对组件和成品的运输需求

  • 因为组件可以在任意地方创建,全球可能会产生一个新的制造业搬迁浪潮

  • 减少材料浪费,缩短交货时间,同时简化客户定制流程

  • 车辆和飞机制造商可以制造轻量部件,以提高燃油效率

  • 减少铸件的成本,同时提高精度

  • 更换的部件立即可用,提高售后维护体验

  • 为需要制造小规模物件的人降低投资门槛

  • 像在知识共享应用中分享内容,或通过开源行为分享软件块一样,个人能够以同样的方式对打印个体进行设计和分享。

4)演进

  • 3D打印最初用于制造业产品开发早期阶段的原型设计。

  • 3D打印机价格的下降,企业开放硬件的举措,以及大众的「Do It Yourself」(DIY,自己动手做)运动的出现,都使得3D打印迅速传播开来,并受到「makers」(创客)群体的青睐。

  • CAD对象(object)设计库逐渐形成,人们在家中就可以分享和定制他们的产品,并打印下来。

  • 亚马逊以及其他企业已经开通了在线3D打印商店,配置有商用3D打印机和扫描仪。

  • 随着3D打印技术的进步,多种材料组成的复合对象也可被打印。

  • 通过对高机械性能新材料,如钢或钛的研究,更多领域中开辟了3D打印的新用途,比如,SpaceX公司创建了第一批3D打印的火箭零件。

  • 打印生物材料及其他材料方面也取得进展,比如混凝土、玻璃、塑料、金属、陶瓷及食品等。

  • 大批量打印方面也取得进展。

  • 三维扫描技术可以收集对象形状和尺寸方面的数据,与3D打印技术互补,创建初始设计更容易。

5)问题

  • 3D打印将需要与当前的制造系统链接起来,以实现产品制造中端到端的可视化。

  • 设计模型和计算机辅助设计方面,可能会出现知识产权争端。

  • 3D打印可能会使各国的国际贸易战略变得难以执行。

  • 在3D打印的特定价值链中,追溯某原材料的使用情况可能更加复杂

二、5G

1)定义

5G 代表下一代通信网络与服务。不再是传统通信技术的演进版本,5G将会是一种新的通信方式,以满足未来的应用和场景的需求。因此,传统的 4G LTE 技术将继续并行演进。

2)应用

  • 连接万亿个智能设备——通过物联网(IoT)

  • 提供大规模宽带接入——服务于高清电视、移动设备、视频会议,以及其他应用的视频流等。

  • 支持高度实时应用——如增强现实

  • 提供超可靠应用——如电子医疗和能源服务,生产控制和联网车辆等

  • 提供生命线通信——比如自然灾害中的急救电话

  • 支持车辆通信——提升交通安全性,用实时交通路况辅助驾驶员,提高车辆可靠性能等

3)影响

  • 基于软件定义网络(SDN)和网络功能虚拟化(NFV)支持的分析功能,提供网络高度灵活性和动态网络重构

  • 提供更高级别的安全性,改进用户隐私控制问题

  • 预计将减少约2毫秒的网络延迟,助力互联汽车等创新发明

  • 预计将提升1000倍的无线容量,而后可为移动视频流、视频会议等应用提供所需容量

  • 预计最多节省90%的能源,主要节约部分位于无线接入网

  • 预计将连接物联网内为70多亿人提供服务的7万多亿台无线设备

  • 加速服务到市场的时间,有可能将平均制造时间的周期从90小时减少到90分钟

4)演变

  • 当前研究主要关注5G网络架构,功能与性能。

  • 预计2020年出现第一批5G网络部署。

  • 同时,传统4G LTE 技术将继续演化,形成基于全IP的集成系统,为室内室外提供优质和高安全性的高速服务。

  • 比如, LTE-A (LTE Advanced)技术与之前的技术相比,速度,性能,容量,密度都得以提高。

5)问题

  • 世界不同区域正在争先引领 5G 标准化运动

  • 5G技术必须能够同时适用于不同垂直领域的广泛的用户案例,且每种情况下的服务都需要满足延迟,弹性,覆盖和带宽等方面更严苛的需求。

  • 在标准化过程的早期阶段就需要考虑这些用户案例,因此,非电信行业(汽车、IT服务、消费品、医疗及其他)也需要考虑在内。

  • 5G是多种科技的结合,在首次部署5G之时,对应技术的成熟度将可能发生变化。

三、先进的数据可视化

1)定义

数据量不断增长,我们需要更简易的方式掌握数据的含义。在复杂数据集中,可视化呈现技术(数据可视化技术,也可称为dataviz )是一种更自然地理解模型和关系的方式之一。

很多解决方法也支持这些数据集之间的交互(比如,操纵数据,改变视角等),这样就可以通过更深层地探索数据,发现大量变量之间隐含的联系和相关性等。

整个世界日益相连,我们还需要找到方法去探索这些几乎瞬时的海量数据。数量增长的数据集不再是静态数据,先进的  dataviz 技术可对快速演变的数据集进行可视化和探索。

有些时候,可视化可以不局限于 2D 屏幕,而是通过增强现实,或现实环境,甚至是沉浸式洞穴以提供 3D 的呈现形式。

2)应用

  • 科学计算

  • 工程

  • 金融

  • 健康

  • 制药

  • 大数据项目

  • 社交网络图

  • 地理图

  • 发展方向

3)影响

  • 提高了决策效率,在企业中尤其明显

  • 扩充了数据科学家的工作成果

4)演变

最初,可视化技术仅使用于生产解决方案和商业智能(BI)解决方案中的特定类型的商务图表。

  • 大数据提高了人们用更直观和可视化的方式遍历内容的需要。因此,当今很多 BI 产品都具有先进的数据可视化能力。

  • 开源数据可视化工具正在迅速发展,但通常比较底层,缺乏用户友好性。

  • 人机接口方面的数据可视化或许会有迅猛发展,比如,航空,健康科学领域已经部署了先进的三维图像技术等沉浸式系统,用于分析股票市场等方面复杂的经济数据。

  • 不久,先进的数据可视化工具将成为主流解决方案,更加民主化。

  • 数据集不再是静态的,将实时(或快速演变)的数据进行可视化后探索将变得有所益处,甚至成为必须执行的任务。

  • 随着可用数据量不断增长,数据仓库的范式将逐渐过时,我们不再要对三年,三个月甚至三天的历史数据进行挖掘,而需要对几乎瞬时的海量数据进行探索。

5)问题

  • 高交互能力的可视化技术可能会极其复杂,需要操作者有相关知识。

  • 即使工具处于改进过程,可视化技术仍然相对底层,经常需要一定程度的编码。

  • 可视化技术若被错误使用或理解,则可能出现不正确的结果或造成误导。

四、先进的机器人技术

1)定义

因为人工智能和计算机视觉方面的进展(应用在软件或硬件中的人工视觉计算机系统,能够对如图像和视频等视觉数据进行认知,处理,和理解),机器人领域得以蓬勃发展。

当今的先进「智能」机器人是自动化的,能够根据自己的行动做出适宜的决定。机器人互联性也在不断提升,能够成为物联网的一部分与周围环境及其他智能机器进行交互。其外形不一定是人形,且大多数担任机器甚至车辆的角色,比如无人驾驶汽车。

2)应用

  • 工业加工过程——比如执行重复性任务,精确指导等。

  • 服务型和知识型工作者——包括在工作,公共或者有毒场所。

  • 监控——特别是在恶劣或危险的环境中。

  • 防火——包括探测和灭火。

  • 工业检查——比如维修网络。

  • 清理,分类,传送——比如邮件。

  • 机器人医生——医生可以远程对病人进行诊断甚至是治疗。

  • 护理——如老年人。

  • 自动化车辆——如无人驾驶汽车。

  • 航天器——如星际导航方面。

  • 农业——如给绵羊剪毛。

  • 还有社会,娱乐,运动,甚至教学领域。

3)影响

  • 在火灾现场,核电厂等危险环境中取代人类工人,提升人们的安全性

  • 提高人工智能系统的识别、学习和优化人们难以察觉的数学模型,最大限度地提高效率和降低成本

  • 机器人无需休息且可以无限期地维持一贯的性能水平,因此生产力可以最大化

  • 所需的唯一费用就是最初购买的以及后续的维护费用,可减少成本

  • 能够适应不断变化的工作环境,从而增强工作的灵活性

  • 能够采用最符合要求的规格,提高可定制性

4)演进

  • 机器人的历史很长,且多数与工厂自动化有关

  • 人工智能的进展,互联性的提高,以及分布式计算模型(云)给这个领域注入了新的活力。

  • 机器人的智能不断提高,不仅可以在工厂中做重复性任务,并且已经可以根据自我的行动作出适宜的决策。

  • 很多大型飞机现在基本是上机器人,可以自主飞行,飞行员只是用来安抚乘客。

  • 日本历史性地推出了机器人,以补偿因老龄化程度加重,国家对日益缺乏的劳动力的依赖

  • 谷歌等新的企业玩家,携各自的人工智能研发技术,投入了先进机器人的这场浪潮。

  • 军事无人机等新型应用日益重要,越来越多的人们加以关注。

  • 未来某天我们可能会目睹一场机器人部队进行的战役。

  • 未来的机器人可能会有社会智能,人工情感,以及更多的自然化交互功能。

5)问题

  • 媒体对机器人的描述经常扭曲事实

  • 「莫拉维克悖论」仍然正确:机器人在复杂的任务上表现良好,但在日常工作中或许无计可施(有时相当痛苦),如爬楼梯或打开门等。

  • 机器人从辅助到取代人类劳动力的过程中,人类劳动力可能会加以抗议和抵制。

  • 互联机器人就像其他互联设备一样,将引发人们对于隐私问题的关注。

  • 个人应用场景中,比如健康和金融领域,人们会更喜欢与人类打交道。

  • 设计有瑕疵的智能机器人可能会与目的性能不符,并可能会带来人们不希望的严重后果。

  • 产业专家和科学家都非常关注,当技术奇点到来时——机器人比人类更智能的时候,未来会是什么样子。

五、自动驾驶汽车

1)定义

自动驾驶汽车是车辆运输和机器人功能交集产生的新兴领域,其中包括采用人工智能的环境传感器,环境意识和自主决策。自驾车辆能够依靠这些技术自己开车,同时识别、响应周围环境。

这个领域的主要参与者包括相互之间既竞争又合作的汽车和技术公司。

2)应用

  • 私人交通工具:包括谷歌和特斯拉开发的自动(和半自动)汽车

  • 工业监控和交通:尤其在恶劣,空旷或者难以接触的环境,例如矿井,管道或交通堵塞中

  • 紧急或专业运输:包括空中搜索和救援无人机

  • 无人机快递:例如亚马逊和谷歌开发的产品

  • 高容量物流:包括单人司机控制数量卡车

  • 农业运输:例如监测农作物或监管牛群

  • 军事运输和监视:尤其在危险的环境

2)影响

  • 减少人为错误造成的事故数量

  • 优化道路上车辆数目

  • 加速点对点物流

  • 最小化军事等危险现场中的风险

  • 帮助不能开车的群体,包括儿童,老年人和残疾人

  • 让人们负担得起昂贵服务,比如空中摄影

  • 提供目前运输的替代方法

  • 为基于合作的新型服务开辟机会

  • 预计对汽车,保险,能源,医疗,国防和城市规划有变革性的影响

  • 车辆完全自动化后会产生更大影响,因为相互化将会变得更容易

3)演化

  • 长期目标是让自动驾驶汽车补充甚至取代传统驾驶汽车

  • 虽然仍处于活跃的研发期,但是,很多公司已经在内测自动驾驶汽车

  • 关注的是如何帮助司机轻松抵达目的地,同时确保司机感到满足和安全

  • 在起草相关法规和提供研发资金中,各国政府正发挥着更积极的作用

  • 预测广泛采用将发生在2020年左右,不过有点乐观了

4)问题

  • 成本:自动驾驶汽车中使用的传感器,例如,照明和分析反射光所使用的激光雷达 (LIDAR) 仍然很昂贵

  • 复杂的环境:(气候,环境和其它变量) 条件变化非常复杂

  • 测试:测试很顺利,但大部分在可控条件下执行

  • 安全性:介于人身安全的考虑,对安全性要求非常高

  • 规定:几乎灭有规制自动驾驶车辆的规定。而制定这样的法律是一个复杂的过程

  • 道德:在与人工智能和机器人相关的各个领域中,道德很重要,因为机器可能做出危害人类生命的狡猾决策

六、生物计算机

1)定义

生物计算机,使用例如DNA和蛋白质等生物材料,来执行包括储存,检索和处理数据在内的计算机计算任务。它们利用生命功能,依靠纳米生物技术,去设计提供计算功能的生物分子系统。

2)应用

  • 演绎生命过程:基于我们DNA编码的生物分子之间的复杂生物分子互动

  • 提供分析细菌和病毒的先进生物模板:推动其它生物力学技术的发展,因为它是目前所知道的唯一自我复制计算技术

  • 执行需要极端平行的计算:通过数十亿分子彼此同时互动来实现

  • 解决无法在多项式时间内确定解决的问题

  • DNA显示出,作为长期储存信息机制的可能性

3)影响

  • 可能提供代替硅基础的系统:有望更快,更小,更节能地解决一些专业问题

  • 不浪费和低能源消耗的前提下,有望提供大规模并行处理,海量储存和高层次的人工智能

  • 可能在医疗行业和生命科学领域里,提供一个全新的创新领域:比如在细胞内检测癌细胞活动并在诊断后释放抗癌药物

4)演化

  • 不到十年前,加州技术研究所使用RNA分子 (像DNA一样携带遗传信息的分子) 发明了一种居住在酵母细胞中的基础逻辑门

  • 在比利时鲁汶,世界著名的纳米电子研究中心IMEC正在指导研究生物芯片

  • 几年前,美国斯坦福大学使用DNA和RNA开发出需要建立生物计算机的最终组件,被称为 「转录因子 (transcriptor) 」的首个生物晶体管

  • 在2016年2月,在蛋白丝中利用生物代理的并行计算实现

  • 生物计算可能在未来提供有趣的应用

5)问题

  • 今天,生物计算机依然是一个值得研究的领域

  • 虽然能够执行大量并行计算,DNA和计算机的生物计算方法处理速度缓慢,响应时间可能是数小时或数天,而不是毫秒

  • 生物计算结果比数字计算机结果更难分析

  • 公众关心生物计算机与基因组学的关系,担心生物灾害的可能

七、生物识别技术

1)定义

生物识别技术指具体测探,衡量人类特征的检测。在某种确定的程度上,该技术可以被用来识别个体。精准度可以通过将多种不同生物计量机制结合成 「多模式生物识别系统 (Multimodal Biometric Systems) 」得以提高。

众所周知的例子包括指纹,视网膜血管,红膜识别和语音识别,虽然也有很多其它在特定情况下可以用作识别个体的人类特征。这些包括心率和行走速度。DNA提供了终极的生物识别,不过,目前所需的分析时间太长,并不是目前最可行的选择。

2)应用

  • 识别和验证个体:生物识别技术的独一无二性

  • 启用多因素身份验证:与类似智能卡片等安全机制结合

  • 提供目前安全机制的补充或替代:如智能手机上的指纹识别

  • 增强消费设备的安全性:尤其针对智能手机

  • 在国防或国土安全情景中,提供强大安全性:包括在边境检测嫌疑犯,控制人群

3)影响

  • 介于生物识别技术独一无二,它可以提供强有效的身份验证

  • 优于访问控制的密码和安全系统,因为生物识别技术不需要记忆

4)演化

  • 一些例如指纹扫描仪等生物识别系统拥有悠久的历史

  • 传感器和识别软件上的进步意味着错误的不匹配率 (干扰合法用户) 和错误的匹配率 (即存在安全隐患) 正在减少:尽管尚需平衡成本,响应时间,方便性和可靠性

  • 目前在受信赖的设备上本地使用生物识别系统接受度很广

  • 在生物识别系统降价以及与软件身份验证和授权标准集成的推动下,生物识别系统也受到客户端设备青睐

  • 人工视觉的进步正在提高基于图片或视频生物识别技术,其中包括面部识别

  • 行为或被动生物识别系统利用动态特征:包括案件,鼠标移动,甚至例如步态等复杂的肢体动作来实现持续验证

  • 未来信任和依从模型,在追求永无止境的缓和接触控制方面,将会利用以下两种功能的结合:生物识别安全系统和新智能手机功能。

5)问题

  • 生物识别需要专门的设备捕捉生物统计特性

  • 不同的生物特征识别机制准确率偏差很大,表现也非常不同;一小部分的用户面临持续困难

  • 结合以上,生物计量适合作为传统认证方法的补充存在

  • 身份验证的适用性有限,决定一个人是谁并且核实真实性很难,因为需要容忍。

  • 信赖感很差,因为它是非常个人化的,并且用户不能像更改密码一样更改信赖感。

  • 此外,隐私担忧导致用户接受度低和监管问题

  • 生物识别技术会引发应用的道德和社会问题

  • 生物识别系统可以被欺骗。例如,面部识别系统可以通过2D或3D面具愚弄。为了解决这个问题,抗欺骗技术正在涌现

八、区块链

1)定义

区块链是分布式数据库的一种形式,使用密码技术以确保档案按顺序储存并且防止篡改。

公共,私人或社区的区块链提供由单个实体维护和集中控制总账的替代方法。这样做的时候,它们建立一个允许信任建立的对等网络 (peer-to-peer network) 新模型,而不需要委托第三方。

2)应用

  • 财务应用:包括簿记,加密货币和交易安全

  • 非金融应用:包括 (在某种程度上的) 知识产权管理 (anteriority),数字标识,电子健康信息,投票,供应链认证和智能合同

3)影响

  • 通过移除关口和中介过程,青睐用户间直接可信的交易改变价值链:包括针对商户,服务提供商和客户

  • 挑战强制性需要中央总账的行业:例如银行和保险

  • 颠覆需要委托第三方的领域

  • 赋予需要中央总账但不可能在位的新兴行业可能性

4)演化

  • 区块链作为比特币交易的公共总账闻名,支持其它各种加密货币

  • 它的应用已经扩大到几乎所有领域的各种应用

  • 行业内和一些政府组织正在大量投资建设用于特定用途的概念验证

  • Ethereum是一个允许建立并自动化操作智能触点的平台,也是实现应用成熟案例

  • 区块链技术公司R3是引领40家银行组成的财团,正在测试使用区块链解决方案推动债务工具交易

  • Hyperledger Project是一个合作项目,推动区块链技术的发展,试图找出并解决分布式分类账的重要跨行业开放标准

  • 区块链协议不断在发展中拓展功能,解决安全隐患并且提高能力

5)问题

  • 包含比特币在内的区块链目前仍处于缺乏综述的试验阶段

  • 区块链加密技术目前不是后齐次 (Post-Quantic) 并且可能被量子计算威胁

  • 安全性取决于区块链节点的多样性和独立性,因此,控制多数节点的单一玩家在理论上可以绕过一些安全机制

  • Proof of Work 使用大量计算力量和能量,虽然有更节能的,例如 Proof of Stake和Proof of Burn等代替品正在被寻找和探索

  • 为了保证主流应用所需要的交易量,系统需要进步

  • 需要不应用案例需要不同的区块链

九、脑机接口

1)定义

脑机接口是一种在电脑和外接设备之间,以作大脑生成的神经活动为基础的直接交流通道。虽然大多数的接口方式是通过微创设备来实现,现在最具前景的方案则是基于无创手段。在这里,脑电图(EEG)设备会记录大脑活动,其精确的时间分辨率、使用的简易、便携性和低廉的开发费用让它成为最被广泛研究的无创借口的潜力候选人。

2)应用

  • 起初,简单地探测明确的外界信号以及与事物最基础的互动

  • 如今,主要用于辅助、扩大或修复人类认知或感觉动作功能—例如:为了操控假肢

  • 同时也用于游戏行业—粗糙的脑电图设备已经可以用于游戏控制了

  • 之后,提供更高级的通讯—包括注重于基础音位和语言模式的演讲口语辨认功能

  • 在未来,激活与电脑设备等机器的交流和互动

3)影响

  • 让人们可以在没有动作或运动时与电脑和设备互动

  • 提供一个全新的交流渠道—特别无创科技和更先进的互动(主要是交流方面)

  • 影响着人机接口的几乎所有方面—个人以及职业生活方面都包括

4)演化

  • 在 1924 年被首次发明后,研究人员们便开始全面的追寻以脑电图为基础的脑机接口

  • 在上个世纪 70 年代,当微创技术可以实现对假肢机动做以控制时,研究者们在灵长类动物身上做了实验

  • 神经影像分辨率和脑电图能力的提升让人们可以个更精确地控制设备

  • 最初的消费电子设备比较粗糙,主要用于游戏和压力控制。

  • 近期的进步表明脑电图为基础的脑机接口可以完成微创脑机接口在类似程度完成的任务

  • 这最终也许会成为用于和电脑设备互动的最先进的方法之一。

5)问题

  • 侵入模式需要复杂的医学手续,还会有不期望的负面效果。确保与大脑某些区域的联系永远维系下去,这很难,因为连接也会衰减。

  • 非侵入的 EGG 仍然处于研究的早期阶段

  • 大脑活动是永久的,独立出显著信号,也不容易做到。非侵入技术需要额外的努力

  • 大脑非常复杂,基于电子信号分析模式还是很有挑战性的,而且会与个体不同混杂起来。

  • 更长期来看,或许会有道德风险,比如读心术,心智控制

十、云服务集成

1)定义

新的计算连续体( continuum)会是一个异构环境,它建立在去中心化和各种不同计算实体和资源拓扑结构的联合基础上。包括多个云(以及云联合)模型,这些模型具有他们不同的、去中心的自主管理以及混合云模型,这些混合云模型横跨内部和外部云服务、或公私以及社区提供商的边界。

云服务集成(CSI)为集成这些不同的、以云为基础的元素提供了灵活手段,为横贯IT领域的商业过程提供支持。计算工作量被部署于跨多个云环境中,提供最优的配送模式。

2)应用

  • 全球商业——动态协作计算跨地理位置载荷(loads)成为可能

  • 集成制造——支持信息透明以及MES/MOM, ERP 和 PLM 系统的合作

  • 工业——帮助,例如煤气公司,优化提取物,方法是加紧集成煤气涡轮制造商的PLM云服务,公司自己的资产管理云服务以及地下(sub-surface)分析云服务。

  • 提升信息服务质量——允许组织利用第三方服务来增强自身服务

  • 商业连续性——减少灾后复原成本,同时提升灵活性和机敏性。

3)影响

  • 帮助公司平衡功能性、灵活性和投资保护

  • 降低成本

  • 加速计算资源配送,同时提升资源供给以及优化资源利用

  • 帮助中小型云公司处理最大载荷,当需要时,获得额外功能

  • 让工作量更靠近所需之处,消除不需要的潜在因素

  • 确保符合国际规则

4)演进

  • 简单多个云功能,最先通过 API 提供给大家

  • 现在,这些正演化成一个全球化、以服务为基础的结构

  • 在向产业展示各种服务提供商如何能被带到一个单独平台上,ServiceNow 扮演了关键角色

  • 从更长远的角度来看,多数公司可能会采纳多个云的服务策略,从多个提供商那里获取服务

  • 未来,会提供更多不同服务提供场地,允许用户安排日程,并将他们的工作量自动化传递到最合适的云端

  • 信托信息中介(Trusted Information Brokers)将确保无缝授权,以及接触信息和服务控制。他们会使用信息咨询者的特征信息,比如年纪,组织或公民身份等,同时确保私人信息不会被在没有必要的情况下,散播开来。

5)问题

  • 跨服务兼容性仍然是个开放问题,   内部云服务的业务开通

  • 多个云环境加速了服务水平协议的复杂性。

  • 多云环境将需要设立真实的跨云服务商网络。然而,糟糕的网络布线是一块拦路石。

  • 动态多云管理模型,使得安全参数的持续变化将成为可能,这个变化正在扩大当前的安全的担忧

十一、认知计算

1)定义

认知计算时一种集成,集成了数学和来自不同领域的方法(比如,人工智能、机器学习,自然语言处理等)。打破传统神经科学和计算机科学、认知计算的边界,就能学习、理解自然语言,实现人与传统可编程系统的自然互动。

认知计算有三个主要功能类型

  • 具有参与能力的系统改变了人类和系统的交互方式,延伸了人类能力

  • 基于证据、具有决策功能的系统,会通过新的信息、结论和行动,持续进化

  • 具有发现功能的系统可以揭示出哪怕是最聪明的人也发现不了的洞见

2)应用

  • 认知计算的应用很多,还会变得更广泛:

  • 专家助理——完成任务或长期项目,回答问题,给建议,揭示模式。比如,个人助理

  • 直觉交流——理解个人的真实意图,态度、意思、情感和情绪,建议有效的沟通策略。比如电视广告,政治竞选等。

  •  损伤的可访问性(Accessibility for the impaired )——专门的设备,内嵌软件对简单的直觉手势做出反应。

  • 智能叙述——提供自动化的,不过是自然语言的,对复杂信息做出深刻总结。比如,对分析结论的自然语言解释。

  • 预测客户参与——  链接CRM系统,获取相关知识,利用这些知识了解用户数据,发现模式,推断关系,预测用户需要、行动,因此,预测最佳参与策略。

3)影响

  • 重新定义人和日益无处不在的数字化环境之间的关系性质

  • 可能会让机器接管繁冗的活动,变革工作,公司,产业以及市场和经济

  • 或许开启新的机会和商业模式

4)演化

  • 上世纪六十年代以来, 使用人工智能的计算机已经成为学术和研究实验的研究领域

  • 但是,当时的世界还缺乏数字基础设施、算法以及知识基础,来铆钉这样的系统——直到近期

  • 计算能力和存储规模已经到了一个关键点

  • 大量新结构和非结构化数据可以提供给计算机,用于分析和比较

  • 人工智能改善了语音、文本以及视觉识别

  • 无处不在的软件以及移动性,开启了高度语境软件的发展机遇

  • 会受到认知计算影响的整个过程范围和领域仍然具有伸缩性和紧迫性

  • 作为一个专家的助手,有一天,认知计算可能会真的自动运行于不同的问题解决场景中。

5)问题

  • 认知计算需要独特技巧

  • 系统会受专业和数据的限制

  • 已经引发人们的担忧,比如侵犯隐私,机器取代人类劳动力

  • 企业还没有准备好将计算机系统视为合作伙伴

  • 商家和最终用户必须接受培训,知道可以从认知计算这里获得什么

十二、容器

1)定义

容器,是一种轻量级虚拟技术,可以在一个单独操作系统中,为应用提供一个独立的运行环境。容器为用户和在容器里运行的的应用,提供一种错觉和体验,就像运行在他们自己专用的机器上。

2)应用

  • 提供端到端管理,从原型和研发到生产

  • 跨服务提供商搬运工作量

  • 封装解决方案

  • 软件定义每件事情的解决方案成为可能

  • 提供自适应应用或基础设施即代码(Infrastructure-as-Code),工作量会对自身起反应并进行重组,以容纳基础设施变化

  • 软件补偿解决方案架构成为可能,包括微服务

3)影响

  • 允许应用预先打包在现成、易于部署的容器中

  • 改善服务攻击(更大的灵活性、维持性、可靠性、故障容忍性和安全性),为诸如Zero Downtime和100% SLAs这样的概念开启可能

  • 降低成本,提升功能管理能力

  • 在云服务中,更加容易实现交互操作性。

  • 云本地方法来在云端部署应用,扮演了关

  • 很好地集成了新兴的结构和研发工具

  • 削减测试、质保过程的成本

  • 改善疑难排解功能

4)演进

  • 基础技术已经在基于UNIX的操作系统中存在多年了,比如 Linux 或 Solaris

  • 容器是通过Docker赢得市场通行证的,它为虚拟技术提供了一个轻量级选择

  • 对软件打包和分发来说,容器正变成一个更加可欲的模型

  • 容器市场正形成某种程度的标准化和互操作性

  • 有许多创新,包括:

  1. 先进的的工作量安全

  2. 信赖的容器计算

  3. 内嵌设备的本地支持

  4. 针对容器的最佳基础操作系统

  5. 和其他云技术的集成

5)问题

  • 技术生态系统仍然年轻,在演进过程中,体验着极度易变性

  • 太多工具存在不同程度、可疑的成熟度问题

  • 标准化和互操作互动仍然有限

  • 对一些遗留技术的支持仍然有限

  • 需要更加强大的安全模型

  • 从虚拟转换、变形到容器,将需要过程、时间、技巧、文化以及组织边界的变化。

十三、背景代理(Context Broker)

1)定义

背景代理收集和存储各种数据,然后利用根据数据之间的交互推断背景,之后再基于背景信息触发动作。这样做使它们能通过提取数据的相对于数据其它部分的意义有效地使数据具有能力,从而实现数据的全部潜力,否则该数据可能就会被隔离利用。

背景代理在背景丰富的服务中起着至关重要的作用,这些服务可以使用关于一个人或物体的信息主动预测该用户的需求并向其提供最合适的内容、产品或服务。

2)应用

  • 从多个来源获取与背景相关的信息——包括智能手机、传感器、互联汽车和家与办公室中的互连物体

  • 基于推理的行动——分析背景并基于结果采取行动,比如电动汽车中的地图会优先选择有电动充电站的加油站

  • 营销——基于消费者当前的背景提供相关的优惠服务

  • 管理功能——如隐私和用户偏好管理

  • 商务支持——包括交易、计量和支付

3)影响

  • 提高 IT 服务的灵活性、针对性和精确度

  • 通过基于 IT 的业务模型(包括订阅和广告等)驱动创收和提高客户忠诚度

  • 通过确保更相关的个性化服务提升用户体验,尤其是当与推荐算法等先进分析技术相结合时

  • 能将背景丰富的服务引入移动和物联网(IoT),其中的信息推送往往过载,而且终端设备的处理也可能是有限的

  • 提升智慧城市、智能制造、智能农业食品、智能能源和家庭自动化等领域的经济增长潜力

4)演化

  • 背景代理有望在未来的物联网场景中扮演关键的角色,协助企业寻找进入移动领域的机会,尤其是为获取和联合内容的复杂性提供答案。

  • 它们所处的中心位置与获取各种信息的权限为结合领先的分析算法创造了显著的潜力。

  • FIWARE 等加速器项目中的投资提升了创造许多关键技术的潜力,这些技术是支持广泛的背景代理理解所需要的。

5)问题

  • 根据用户不同的心态,在相似的情形中不同的用户可能有不同的需求,因此,确定什么对他们最相关是非常困难的。

  • 人们的接受和使用将依赖于围绕个人隐私和保护、防范信息泄露的保证。

  • 分布式的但相关的事件可能难以建立联系,比如那些来自同一个人控制的多台设备的事件。

  • 因为被分析的数据来自多个数据源且有多种格式,所以其质量和复杂性可能会发生变化。

  • 目前的解决方案缺乏实时聚合和过滤。

十四、深度学习(Deep Learning)

1)定义

深度学习是机器学习的一个分支,其根植于神经网络,其中多层神经网络算法尝试为数据中的高水平抽象建模。

目前大多数应用都使用监督学习(supervised learning),其中网络通过一个大型的未标记的数据样本集为每一种分类获得训练(例如,一张猫的图像被标记了「猫」),然后生成一个可被用于映射新样本的模型。而另一方面,在无监督学习中,机器可以在没有相关数据集的特定训练下识别物体、文本和图像。

一些深度学习模型可以从文本中构建多维空间。其中网络可以「发现」词之间隐藏的语义关系,并根据其临近的词放置该词。比如,在一个根据历史书创建的词空间中,它可能会确定一个这样的等式:国王-男性+女性=女王。其它模型为了实现目标,会跟随从样本中学到的模式来生成文本或优化动作序列。

2)应用

  • 图像和语音识别——如语音命令系统、自动驾驶汽车、面部识别、视频监控、图像标记和可视化诊断

  • 文字识别——包括自动翻译、情感分析、关键字提取、摘要文本、自动问答机器和信息检索

  • 行动规划——包括生成营销策划

  • 游戏——如国际象棋或围棋

  • 机器人——比如帮助机器人在没有人工辅助下学习物体

  • 欺诈和安全性——主要是检测异常行为

3)影响

  • 在大规模图像处理和自动语音识别等难题上已经实现了显著的进展

  • 优于之前所有的图像和语音识别技术,能以前所未有的准确度迅速识别数以千计的分类

  • 为自然语言处理和文本挖掘提供了非常有效的方法,因此很有可能取代其它基于规则的技术

  • 为理解和规划提供了一种突破性的方法

4)演化

  • 2000 年代中期神经网络算法中的一个突破让以大规模并行形式构建和训练非常大型和多层的网络成为可能。

  • 然后神经网络被与其它机器学习和人工智能技术结合到了一起以执行复杂的任务。

  • 深度学习模型根据新应用的初始模型的样本和设置时间获得预训练以减少初始投资。

  • 之后计算机结构基于单精度图形处理单元和现场可编程门阵列进行了优化。

  • 谷歌的一个深度学习程序在围棋比赛中击败了人类冠军。

5)问题

  • 需要非常特殊和稀缺的资源。

  • 提供答案但不提供结果的推理过程的黑箱。

  • 不同的问题需要不同的算法,因此它并不总是易于再使用。

  • 过度依赖可能会造成安全的假象,并产生结果不正确的问题。

  • 结果可能会导致不良的社会后果:比如鼓励对特定人群的歧视

十五、数字化工作平台(Digital Workplace)

1)定义

数字化工作平台是异步消息、实时语音和视频通信、屏幕共享、内容和背景的结合。这些内容和背景的元素通过文档、图片、网址、声音和视频提供。

最简单的数字化工作平台可以被看作是以下三个领域融合成一个的工作平台:

围绕语音和视频的统一通信(UC)

围绕文档和项目的现代团队协作

来自现有业务和办公应用的事件,如计划会议、新接订单或新的销售线索

它可能还包括企业社交网络、共享磁盘、会议、笔记、演示文稿、任务管理和内容管理。尽管事实上在这样的协作和通信环境中已有很多不同的能力和功能可用,但每天仍有新的相关技术和解决方案出现。

2)应用

  • 连接内部员工以解决特定问题,管理特定的内部项目、文件和工作流程,并融合跨职能领域的知识

  • 为合作伙伴、客户和按需工作的人建立社区,并简化与同行、客户和合作伙伴的合作

  • 提升客户支持、市场参与和合作伙伴支持的客户体验,并驱动来自面向客户的团队的见解

  • 有效处理时间紧迫的团队合作任务——包括下一代急救和报警解决方案中的紧急呼叫

  • 在严重灾难场景中帮助拯救生命和社区重建

  • 让国土安全部更高效

  • 提供智能辅助

  • 增强虚拟现实应用

  • 带来传感设备的实际应用

3)影响

  • 为协作和通信提供一个单一的工具,将对话和内容集中到一个地方

  • 提高工作效率,带来基于背景的通信

  • 通过将电子邮件移出工作流程而显著降低电子邮件的负担

  • 在整个客户体验生态系统上驱动更深度的客户洞察(customer insight)、无缝交互和创新

4)演化

  • 传统工具是纯粹专注于内部或外部的协作,而统一通信(UC)工具并没有解决围绕文档的团队协作,反之亦然。

  • 已建立的消息和统一通信应用得到了发展,而新的本地数字化工作平台产品开始涌现。

  • 统一通信解决方案和团队协作解决方案受对电子邮件的失望情绪的驱动而融合。

  • 一些统一通信供应商已在提供数字化工作平台解决方案。

  • 数字化工作平台可以从其它新兴技术领域中受益,如:百亿亿次计算——比如共享实时仿真;大数据分析——比如,分析已有的数据以及在团队之间共享项目仪表盘;深度学习与人工智能——比如,寻找与团队所定义的特征或问题相关的数据、图像和文本

  • 数字化工作平台的架构仍在发展,从轻量级代理的中心化系统向更智能的工作平台演进。

  • 云和移动的发展已经带来了新架构的又一次发展。

5)问题

  • 变更管理对新的合作倡议是至关重要的,这样才能确保人们采用以实现投资回报。

  • 因为改变的缘故,知识工作者有抗拒改变的趋势,但如果该改变能让他们的工作更简单、结果更好,那么他们将乐意拥抱改变。

  • 与大量合作者的任务的外部协作与通信可能需要个人化特征和共享信息以进行验证。

  • 为了解决隐私和道德等问题,尤其是在紧急应用中,需要对标准进行定义。

十六、数字标牌(Digital Signage)

1)定义

数字标牌使用电子技术来显示信息或提供内容。内容可以根据背景进行调整,比如是否有人在看或人们只是经过,标牌还能通过触摸界面或运动检测系统等与用户交互。

2)应用

  • 广告——包括提供促销和鼓励回访

  • 娱乐——用在主题公园、博物馆、电影院等地方

  • 显示信息——如新闻、天气、路线、交通状况、价格、菜单、节目甚至紧急信息

  • 提高可见性——包括在虚拟商店中向购物者提供一种物品的所有变体

  • 提高零售体验——让用户虚拟地尝试新式服装(与增强现实相结合)

  • 提供信息——用在自助服务终端和自动贩卖机上

3)影响

  • 为标志和海报提供一种更灵活替代选择

  • 提升标牌的有效性

  • 通过其提供的互动提升用户体验

  • 让娱乐体验更精彩

  • 可以方便、实时地更新,可以远程、集中式地管理

  • 让内容可以动态适应背景和观众

  • 通过先进的多点触摸、3D 渲染引擎和响应设计带来更丰富更沉浸式的体验

4)演化

  • 早期的数字标牌使用视频投影或 LED 墙显示数字内容,但那成本很高,还有显示质量的问题。

  • 数字标牌从简单的信息显示迈向交互式和沉浸式的设备。

  • 数字标牌越来越多地使用大平板、高清晰度屏幕(等离子、液晶)。

  • 自助服务终端和数字标牌正在融合,并正快速成为全频道数字体验中的必需部分,尤其是在零售方面。

  • 与移动应用和增强现实的融合将带来更具交互性和个性化的用户体验,丰富的交互式内容将变得越来越重要。

  • 正在将分析能力结合起来。通过检测点击、浏览和互动,帮助零售商扩大影响并改善用户的旅程。

  • 数字标牌正在进入云计算和物联网(IoT)。它很快就可以与信标、传感器和穿戴式进行交互。

  • 人们正在探索使用人工智能和深度学习让数字标牌更好地帮助用户和更好地与用户交互。

  • 包括 LCD 显示器在内的透明屏幕正在涌现。当屏幕关闭时,玻璃看起来就像是一个窗户;开启时,画面就会出现。

  • 裸眼 3D 和全息图像不断涌现,但目前影响力还很有限。

  • 在某种程度上可以适应不同形状的可弯曲屏幕是一个重点研究主题。这些柔性屏幕主要依赖现有的OLED(有机发光二极管)或AMOLED(有源矩阵发光二极管)技术。

5)问题

  • 这一领域还很年轻。有效的数字内容看起来怎样,关键成功因素又是什么——这些问题尚未完全清楚。

  • 设备比传统的显示器更昂贵;尽管成本可以和收益平衡。

  • 多通道体验增加了实施和整合的风险与复杂性。

  • 丰富的内容和丰富的沉浸式与响应式用户体验增加了额外的复杂度和成本

  • 不断增多的设备种类和它们不同的外形尺寸与操作系统也越来越复杂。

十七、分布式社交网络

1)定义

分布式社交网络(DSN)是指由社交网络倡议开发的、以一种联合和分布式的模式运营的社交网络平台。许多这样的项目都在「联合社交网络(Federated Social Web)」的旗帜下进行联合。

关键的社交网络功能(如个人信息共享、通信、关系管理和内容分享)是通过新兴的开放标准和协议实现的。

尽管 DSN 和中心化的社交网络可能具有相似的应用场景,但它们更加重视私人和对个人数据的控制。许多人在努力确保(个人)数据被终端用户持有,而不是处在系统/服务器管理员的控制之下。它们点对点的运营模式和对隐私的关注意味着它们更倾向于关注特定的应用场景。

2)应用

  • 重在隐私的兴趣社区

  • 短暂或临时的社区

  • 跨组织的社区

3)影响

  • 消除被锁定在一个集成方案上的的风险

  • 对曝光在社交网络上的数据有更好的控制,加强数据安全和隐私

  • 让创造商业收入更困难,因为个人数据由终端用户持有

4)演化

  • Facebook 这样的集中化社交网络的统治地位引发了对社交网络公司的个人数据控制和金钱利益的担忧。

  • Diaspora 这样的创业公司提出了分布式的模型、标准和协议以确保数据的所有权归于用户,数字身份、即时消息、远程通信和网络世界中建立的标准不断发展。

  • 但是,这些计划倡议难以成长到能与已经建立的巨头相竞争的程度。

  • 比如 Diaspora 仍然是一个非营利性的开源项目。

5)问题

  • DSN 仍深受其背景以及成熟度和标准缺乏的影响。

  • 社交网络最重要的元素——知识共享和发现的意义——已经被隐私替代。

  • 用户遇到的审查工作不利于包容。

  • 有大社区存在的地方,从已有网站上迁移一般都很慢。

  • 有来自新兴通信技术的额外竞争,如消息平台。

  • 围绕消费者隐私的立法很可能让已有的社交网络调整他们的态度,从而消除对 DSN 的需求。

  • 寻找健康的 DSN 商业模式并非易事,因为不能轻易将个人数据收集和利用起来赚钱。

十八、边缘计算(Edge Computing)

1)定义

物联网(IoT)的成长和越来越丰富的云服务的出现共同带来了对网络边缘数据处理的需求。边缘计算也指雾计算(fog computing)、网式计算(mesh computing)、露点计算(dew computing)和远程云(remote cloud)。它将应用、数据和服务从中心化模式的云计算移向了位于网络末端的更为分散的模式。

无处不在的(而且有时是自动的)设备——包括便携式计算机、智能手机、平板电脑和可能不会持续连接到网络的传感器——彼此之间和与网络之间通信与协作以在没有第三方干预的情况下执行存储和处理任务。

边缘计算涵盖了许多类型的技术:从无线传感器网络和移动数据采集到分布式点对点自组式网络和处理等等。

2)应用

  • 车联网——使用它们的各种交互和连接(包括车对车、车对基础设施和无线与移动网络)

  • 工业 4.0——确保智能工厂计划是可扩展的

  • 智慧城市——让城市可以扩展数据驱动的市民服务

  • 智能家居——将互联网带宽的负担释放成分享越来越多信息的越来越多的智能设备

  • 网上购物——让频繁变化的购物车更贴近消费者

  • 移动商务——例如金融、广告和零售的移动商务模式可为潜在的计算密集型分析带来可负担的规模

  • 移动医疗——包括健康监测服务和病人的病历管理系统

  • 资源密集型终端用户应用——包括增强现实、手机游戏、流媒体、家庭多媒体分享

3)影响

  • 让计算和存储更靠近数据源,确保分析结果和其它处理对最需要它们的系统快速可用和高度可获取

  • 解决在大型物联网(IoT)场景中检测到的延迟问题

  • 随着越来越多联网的「物」和互连设备生成越来越多的数据,通过消除不必要的网络传输节省带宽和减少隐私和安全风险

  • 减轻集中式云服务服务器的负载

  • 有望为传统云计算不能满足的领域带来广阔的应用场景和应用范围

4)演化

  • 网络与典型的云计算原理结合以创造去中心化和分布式的云平台。

  • 越来越多的物联网创造的数据被越来越多地在或靠近网络边缘的地方存储、处理、分析和执行。

  • 边缘计算目前依赖于特定供应商的解决方案。

5)问题

  • 为边缘场景编写的应用常常需要在异构环境下工作。

  • 来自不同「物」的数据可能具有各种不同的格式。为了边缘和传统云计算环境中设备与传感器互相之间的可操作性,就必需要标准化。

  • 边缘计算配置中可能出现的数千、甚至数百万个小型设备和传感器将需要一种新的设备管理方法。这可能潜在地需要进行去中心化以及能够扩展到在今天已有的云架构中前所未见的程度。

  • 设想多用户的边缘计算配置将需要特定的隔离机制以避免安全和隐私问题。

产业Atos科技趋势人工智能机器学习产业报告
1
暂无评论
暂无评论~