Gartner近期发布了2023年制造业技术和服务提供商(TSP)重要战略技术趋势, TSP产品领导者应据此进行创新并向正在推动2023年现代化进程的制造商交付相关的产品和服务。首席信息官和IT部门获得了通过提出技术和业务构想,在整个领导团队中脱颖而出的良机。
制造业首席信息官正在积极地与企业架构师和业务线(LOB)一起确认和提出增加弹性、创造新收入来源和/或减轻外部宏观威胁(例如供应链瓶颈和可持续制造)的相关技术机遇。
Gartner研究总监龚慧巍表示:“为了发挥制造业IT的领先优势,帮助制造业首席信息官向业务线和企业架构师交付成果,TSP产品负责人必须带来能够实现并超越技术目标乃至业务目标的有效、创新技术机遇。”
2023年制造业TSP重要战略技术趋势包括:
通过技术增加弹性
工业云平台
工业云平台(ICP)利用底层软件及服务(SaaS)、平台即服务(PaaS)和基础设施即服务(IaaS)云服务提供与制造业相关的封装业务和技术能力。制造业的工业云平台TSP一直将服务纳入到满足业务流程和技术要求的封装业务能力(PBC)中。
龚慧巍表示:“制造商认为ICP可通过接入市场与生态加快行业特定流程的落地,为消费品、资产密集型或汽车制造商提供最佳实践。”
IT/OT/ET联合采购
IT/OT/工程技术(ET)联合采购是一种由混合团队对包含OT元素的技术和/或ET和IT架构客户端进行报价评估的做法。这种做法更常见于OT产品。正如有关该主题的客户问询和2021年IT/OT一致性调查的结果所示(参见调查分析:IT/OT一致性和整合),该做法在过去15年中已经成为一种趋势,而且在制造业的发展势头强劲。
可组合产品与服务集
可组合产品集包含模块化与集成式产品和服务。这些模块可以根据客户的要求灵活组合成单独的客户解决方案和体验。
龚慧巍表示:“制造业的数字化转型举措往往始于或跟从市场的炒作或趋势,例如工业4.0、未来工厂、产品服务化等。由于需要多家执行伙伴的参与,这些举措均为长期而复杂的工作。”而供应链限制、通胀、熟练劳动力短缺等影响因素进一步加剧了这种复杂性(Gartner客户可参考:2023年预测:制造业首席信息官因“三重挤压”而必须在2026年之前获得可见性)。
新技术带来的机遇
制造业应用市场
数字市场是可以探索、购买和消费产品与服务的在线交易平台。数字制造业应用市场囊括了可系统组合的行业特定产品、解决方案与服务,供制造业买家轻松寻找、采购、落实和整合技术解决方案并运行他们的部分业务。
数字应用市场预计将成为制造商搜索、获取和更新其数字应用环境的重要途径。
协同创新生态
协调创新生态正在促成技术创新和业务合作,其重点是通过技术和制造领域的专家合作伙伴网络创造价值,而非全部依托内部创新。
龚慧巍表示:“围绕新兴技术的TSP可以依靠精益业务模式以及与老牌IT技术方案商集成的能力,利用新技术快速创新,然后与利基市场的制造业客户一起创造知识产权并将这种模式商业化,使各方都能从合作中获益。”
软件定义一切
更多、更好的边缘传感器和处理器组合、互联技术、云数据分析以及算法和软件方面的改进正在一起推动这一趋势的发展。Gartner预测到2030年,物联网设备将从2020年的60亿增加至180亿。同时,到本世纪末,可以理解整个系统而不仅仅是单一数据点的强大环境传感器也将被普遍使用(Gartner客户可参考:新兴技术:未来的传感技术)。
宏观力量的影响
可持续发展能力
可持续发展能力指的是TSP协助客户实施环境、社会和治理(ESG)战略以及实现可持续性目标的能力。可持续性是全球制造企业业务弹性战略中的一个重要组成部分。
数字供应链
数字供应链孪生(DSCT)是物理供应链的端到端(E2E)高清数字化呈现,能够动态、实时、分时段地呈现数据对象之间构成物理供应链运作方式的各种关联。制造业的数字供应链举措侧重于改进决策、提高可预测性和增加弹性。
大规模定制
虽然大规模定制并不是一个新鲜的概念,但制造商必须运用不断发展的数字能力设计和制造令客户能够更好掌控其个性化旅程的产品。大规模定制不需要大规模生产和大量库存,因此减少了浪费。
龚慧巍表示:“凭借能够同步设计、流程规划、生产和产品服务材料清单的数字系统,大规模定制可以加快设计极其复杂的产品的交付周期。”
好文章,需要你的鼓励
在技术快速发展的时代,保护关键系统越来越依赖AI、自动化和行为分析。数据显示,2024年95%的数据泄露源于人为错误,64%的网络事件由员工失误造成。虽然先进的网络防御技术不断发展,但人类判断仍是最薄弱环节。网络韧性不仅是技术挑战,更是人员和战略需求。建立真正的韧性需要机器精确性与人类判断力的结合,将信任视为战略基础设施的关键要素,并将网络韧性提升为国家安全的核心组成部分。
南洋理工大学团队开发了Uni-MMMU基准测试,专门评估AI模型的理解与生成协同能力。该基准包含八个精心设计的任务,要求AI像人类一样"边看边想边画"来解决复杂问题。研究发现当前AI模型在这种协同任务上表现不平衡,生成能力是主要瓶颈,但协同工作确实能提升问题解决效果,为开发更智能的AI助手指明了方向。
自计算机诞生以来,人们就担心机器会背叛创造者。近期AI事件包括数据泄露、自主破坏行为和系统追求错误目标,暴露了当前安全控制的弱点。然而这种结果并非不可避免。AI由人类构建,用我们的数据训练,在我们设计的硬件上运行。人类主导权仍是决定因素,责任仍在我们。
360 AI Research团队发布的FG-CLIP 2是一个突破性的双语精细视觉语言对齐模型,能够同时处理中英文并进行精细的图像理解。该模型通过两阶段训练策略和多目标联合优化,在29个数据集的8类任务中均达到最先进性能,特别创新了文本内模态对比损失机制。团队还构建了首个中文多模态评测基准,填补了该领域空白,为智能商务、安防监控、医疗影像等应用开辟新可能。