“重要战略科技趋势”是Gartner每年都会发布的报告之一,是科技趋势的一个风向标。
“增长、数字化、效率”是今年的三个关键词,增长体现在经济和业务的反弹,数字化对于恢复企业运营起到了帮助作用,最后在恢复增长,推动数字化的同时要保证企业的利润和现金流。
因为CEO的三点新期望,CIO的工作重点也发生了改变。Gartner高级研究总监高挺谈到,找到加速数字化的技术、赋能业务增长、创建一个可扩展的技术底座保证现金流和利润的实现成为CIO新的工作重点。
Gartner高级研究总监高挺
而且今年“重要战略科技趋势”更加聚焦技术性,Gartner也把今年的主题定为,工程化信任、塑造变革、加速增长。
工程化信任
工程化的信任,本质上是为了构建一个安全可靠的数据处理基础设施,为数字经济夯实数据的基础。具体有四个技术趋势:数据编织(Data Fabric)、网络安全网格(Cybersecurity Mesh)、隐私增强计算(Privacy-Enhancing Computation,PEC)、云原生平台(Cloud-Native Platform,CNP)。
Gartner对数据编织有两方面解读,第一,技术层面,企业内部数据很多时候依然是孤岛形式存在于各个系统中,数据编织是一种新型的数据管理设计理念,目的是达到灵活、可复用的数据管道和数据服务,以支持更多的数据运用、分析等场景;第二,业务层面,需要有一套统一的数据分析框架把各部门已有的零散数据整合起来,用来表征和回答真实世界的现实问题。
很多企业会使用云原生平台作为打造数据底座的最后一个环节,其最大的好处是在开发时就可以把应用和基础设施的关联性剥离,缩短上线的时间,充分利用公有云的优势。而且云原生时代也解决了像应用性能、负载、安全性、扩展性等一系列问题。Gartner也针对于此提出了“LIFESPAR”原则。
塑造变革
塑造变革,是一组用来加速数字化的技术趋势,其中包括:组装式应用(Composable Applications)、决策智能(Decision Intelligence,DI)、超级自动化(Hyperautomation)、人工智能工程化(AI Engineering)。
高挺强调,“组装式应用”是架构式的解决方案,希望引入模块化的理念使技术和业务团队可以更敏捷、更有效的重用密码。
Gartner预测,到2023年超过33%的组织会由分析师进行决策职能,Gartner 2020年的一项调查发现一个普遍现象,包括四点:第一,决策比两年之前更复杂;第二,对决策者能够解释自己决策的期望提高了;第三,基于数据事实的基础是决策时的一个最重要参考因素;第四,在足够的数据和AI模型基础上,一些决策可以被自动化。
超级自动化和去年有一些区别,今年更加强调IT和业务的融合团队。超级自动化包含了AI、机器学习、RPA、BPMS等多种技术,并且在企业运营里已经看到越来越多的案例,例如全自动化运营的矿山以及24小时无人值守便利店等等。
加速增长
加速增长的本质是一组将数字化技术用以连接物理和虚拟世界,以构建一种新的工作方式(包括新的体验模式、新的商业模式等)的技术趋势。其中涵盖了分布式企业(Distributed Enterprise)、全面体验(Total Experience,TX)、自治系统(Autonomic Systems)、生成式人工智能(Generative Artificial Intelligence)。
分布式企业除了远程办公的本质以外,未来推出服务和产品时,会采用数字优先、远程优先的逻辑。
Gartner把体验分为客户体验、用户体验、员工体验、多重体验,企业需要将四个模块全面考虑达到全面体验。
自治系统是从自主系统演化而来,自治系统是随着环境的改变而改变,同时算法也在实时更新。高挺表示,自治系统的好处是可以自我迭代,但其还处于萌芽期,有时候会变得不可控。
生成式人工智能是用人工智能创造新的事物,包括文章、视频、合成数据、开发新药等。
Gartner北亚区集团副总裁Mike Ryan
可以看到,中国市场更加关注隐私增强计算、全面体验、生成式人工智能。Gartner北亚区集团副总裁Mike Ryan表示,Gartner一直重视为高管及其团队提供可执行的客观性洞察,2021年Gartner根据市场变化进行了三个重要调整,即本土化,扩建分析师团队、以中国市场为导向,明年将使用中文出版研究报告、扩大销售团队。
好文章,需要你的鼓励
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AI虽具备变革企业洞察力的潜力,但成功依赖于数据质量。大多数AI项目失败源于数据混乱分散而非算法局限。谷歌BigQuery云数据AI平台打破数据孤岛,简化治理,加速企业AI应用。通过AI自动化数据处理,实现实时分析,并与Vertex AI深度集成,使企业能够高效处理结构化和非结构化数据,将智能商业转型从愿景变为现实。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。