Gartner称,CIO们必须花些时间考虑一些“假设”情景以避免被社会、行为和技术颠覆性趋势弄得措手不及。
Gartner副总裁分析师David Yockelson表示,很多看似未来才会发生的颠覆性趋势可能要比我们想象地要近得多。
Yockelson说:“颠覆就是会产生持久变化的根本性转变,成功的企业组织都会针对这些颠覆性趋势做好准备。我们需要不断地去问自己‘如果发生会怎样’,以便对颠覆性趋势带来的机遇保持开放的态度。”
他强调了技术高管在未来五年内应该考虑的七项关键颠覆性趋势:
1、元宇宙工作体验
Gartner将元宇宙定义为“虚拟世界和物理世界中的下一个层面的交互”。如今,企业组织正在利用元宇宙技术,通过更好的沉浸式办公空间和使用所谓Intraverse的元宇宙内部体验,为他们的员工提供更好的参与、协作和联系环境。
Gartner预测,完全虚拟的工作空间将在元宇宙技术投资增长中占到30%的比例,并将在2027年之前实现对办公体验的重构。
2、飞行汽车
飞行自动驾驶汽车或无人驾驶飞行器(UAV)主要用于城市地区的短距离载客,其中包括有时被称为“飞行汽车”或者是载人无人机的自动驾驶飞机,其设计目的是在没有人类飞行员的情况下运行。目前有几家公司正在开发由AI驾驶的新型飞机,旨在打造一种更快速、更便宜、更安全、更低碳的航空旅行方式,主要用于拥挤的地区。首个飞行出租车服务计划于2024年推出。
尽管这其中可能监管挑战,但CIO们应该评估使用这些车辆可以解决哪些交通问题——是运送人员和还是运送货物。
3、数字人类经济
从医疗保健、客户服务、虚拟网红、HR培训、再到让死者“起死回生”,数字人类的潜在用途是无限的,而数字人类经济为新的数字生态系统提供了机会,这种生态系统以技术为基础,将个人和组织聚集在一起,以新的方式进行创新和互动。
Gartner预测,到2035年,数字人类经济将发展成为一个规模达到1250亿美元的市场,并且还将持续增长下去。
4、“去中心化自治组织”
去中心化自治组织(DAO)代表了IT服务市场中出现的一种新型组织模式,Gartner将DAO定义为运行在区块链上的数字实体,可以与其他DAO、数字代理和人工代理、以及公司进行业务交互,而无需传统的人工管理。
很多高价值的数字工作者将被吸引到DAO领域工作,虽然还处于起步阶段,但DAO有可能对技术行业很多现有范式带来巨大的颠覆。
5、无线电动汽车(EV)充电
随着无线充电的推出,无线充电将最适合于像公交和和出租车这样的车队型车辆,让这些车辆可以有效地利用动态充电来扩展续航里程并降低成本。
并且,住宅安装将成为无线汽车充电的最大市场,因为电动汽车车主无需插入电缆即可享受到一定的便捷性,不过展望未来,Gartner预计私人住宅区和校园站点将超过家庭安装量。
6、石墨烯取代硅
在未来7到10年中,碳基场效应晶体管(FET)在达到最小尺寸限制时,将发挥巨大的潜力以取代传统晶体管中的硅。其中一个例子就是石墨烯,一种单原子厚的纯碳材料,以六边形蜂窝晶格结合在一起。石墨烯可以取代当前的硅器件,特别是对于无线通信来说,这些碳基FET可以在小区域内承载更高的电流,从而实现超快速的处理。
CIO们应考虑石墨烯技术带来的全新可能性,研究新兴的供应商。
7、技术变成“一次性”
如果科技行业开始效仿时尚行业,把“一次性”应用设计成可以快速生成、使用和丢弃的应用会怎样?虽然业务可组合性的元素已经得到广泛应用,但CIO仍有机会将它提升到一个新的高度,并为一次性技术带来的灵活性做好准备。
好文章,需要你的鼓励
Panzura在其Symphony数据管理平台中新增了访问控制列表分析和自动修复功能。该平台专门处理EB级非结构化数据集,具备扫描、分层、迁移和合规分析等功能。Panzura声称58%的企业受到权限扩散问题影响,74%的数据泄露涉及特权凭证滥用。新版本重点解决权限继承中断、过度授权访问和合规盲点等问题,提供完整的文件系统权限可视性和快速问题解决能力。
沙特TachyHealth团队开发的32亿参数医疗AI模型Gazal-R1,通过创新的双阶段训练方法在医疗推理任务上超越了12倍大的模型,在MedQA等测试中取得87.1%的优异成绩,展现了精巧训练策略胜过规模扩张的重要启示,为资源有限的医疗AI研究提供了新路径。
Arista Networks宣布收购博通旗下VeloCloud SD-WAN业务,交易金额约10亿美元。VeloCloud是SD-WAN领域先驱企业,拥有集成安全功能的云管理SD-WAN解决方案。此次收购填补了Arista在分支机构连接方面的空白,使其能够提供端到端网络解决方案。同时,前思科高管Todd Nightingale加入担任总裁兼首席运营官,将助力公司拓展更广泛的客户群体。
奥地利维也纳医科大学研究团队开发了RetFiner技术,通过让眼科AI模型同时学习OCT图像和医疗文字描述,显著提升了诊断准确率。该方法采用四种训练任务让AI模型建立图像与文字的深层联系,在三个主流眼科AI模型上实现了2-6个百分点的性能提升,为医学AI发展开辟了新方向。