2022 年的新兴技术符合三个主题：不断发展和扩展的沉浸式体验、加速AI自动化和优化技术专家交付。
简而言之：
•2022 年 Gartner 新兴技术技术成熟度曲线 包含 25 项“必须知道”的创新，以推动竞争差异化和效率。
•只有少数有可能在短短两年内达到被主流采用；许多将需要10年或更长时间。
•这些技术处于初期，部署它们的风险更大，但对早期采用者的好处可能更大。
2022 年 Gartner 技术成熟度曲线确定了 25 种必须了解的新兴技术，旨在帮助企业架构和技术创新领导者：
•扩展沉浸式体验
•加速AI自动化
•优化技术专家交付
这些技术预计将在未来 2 到 10 年内对企业和社会产生巨大影响，尤其是使 CIO 和 IT 领导者能够实现数字业务转型。
新兴技术本质上是颠覆性的，没有众所周知或经过验证的竞争优势。为了抓住机遇，了解潜在用例和技术走向，主流采用的途径至关重要——这可能短至两年，长则10 年或更长时间。
“所有这些技术都处于早期阶段，但有些处于萌芽阶段，它们将如何发展存在很大的不确定性。新兴技术为部署带来了更大的风险，但为早期采用者带来了更大的好处，这使它们与 Gartner 的顶级战略技术趋势区分开来” ，Gartner 副总裁分析师Melissa Davis说。
2022 年及以后需要考虑的三个技术成熟度曲线主题
2022 年 Gartner 技术成熟度曲线以新兴技术为特色，并将 2000 多种技术的见解提炼成简洁的高潜力集合。大多数技术都有多个用例，但企业架构和技术创新领导者应该优先考虑那些为其组织带来最大潜在利益的技术。（他们还需要启动一个概念验证项目，以证明技术对其目标用例的可行性。）
以下是关于 2022 年技术所属的三个主题的更多信息：
主题 1：发展/扩展沉浸式体验
这些技术的好处在于，它们为个人提供了对其身份和数据的更多控制权，并将他们的体验范围扩展到可以与数字货币集成的虚拟场所和生态系统。这些技术还提供了接触客户的新方法，以加强或开辟新的收入来源。
客户数字孪生 (DToC，Digital Twin Of the Customer ) 是客户的动态虚拟表示，它模拟并学习模拟和预测行为。它可用于修改和增强客户体验 (CX，Customer Experience) 并支持新的数字化工作、产品、服务和机会。DToC 需要 5 到 10 年才能被主流采用，但将对组织产生变革。
沉浸式体验中的其他关键技术包括：
1、去中心化身份(DCI，Decentralized Identity) 允许实体（通常是人类用户）通过利用区块链或其他分布式账本技术 (DLTs，Distributed Ledger Technologies) 等技术以及数字钱包来控制自己的数字身份。
2、数字人类（Digital Humans）是交互式的、由AI驱动的表示，具有人类的一些特征、个性、知识和思维方式。
3、内部人才市场（Internal Talent Marketplaces）将内部员工以及在某些情况下的临时员工池与有时间限制的项目和各种工作机会相匹配，而无需招聘人员参与。
4、元宇宙（Metaverse）是一个集成的虚拟 3D 共享空间，由虚拟增强的物理和数字现实的融合创建。元宇宙是持久的，提供增强的沉浸式体验。
4、NFT(Non-Fungible Token) 是一种基于区块链的独特可编程数字项目，可公开证明数字资产（如数字艺术或音乐）或代币化的物理资产（如房屋、汽车或文件）的所有权。
5、Superapp是一个复合移动应用程序，作为平台构建，可提供模块化微应用程序，用户可以激活这些微应用程序以获得个性化的应用程序体验。
6、Web3是用于开发分散式 Web 应用程序的新技术堆栈，使用户能够控制自己的身份和数据。
https://vid.gartner.com/watch/C3MAVBuZRFVxo4Vyeeqknt?autoplay=2&second=0
主题 2：加速AI自动化
扩大AI的采用是发展产品、服务和解决方案的关键方式。这意味着加速创建专门的AI模型，将AI应用于AI模型的开发和训练，并将其部署到产品、服务和解决方案的交付中。结果包括更准确的预测和决策以及更快地获得预期收益。人类的角色也更侧重于成为消费者、评估者和监督者。
自主系统是加速AI自动化的例子。它们是自我管理的物理或软件系统，执行具有三个基本特征的域界任务：自主、学习和代理。当传统的AI技术无法实现业务适应性、灵活性和敏捷性时，自主系统可以成功地帮助实施。自主系统需要 5 到 10 年才能被主流采用，但将对组织产生变革。
加速 AI 自动化的其他关键技术包括：
1、因果AI识别（Causal artificial intelligence）并利用因果关系超越基于相关性的预测模型，转向可以更有效地规定行动并更自主地行动的AI系统。
2、基础模型是基于转换器架构的模型，例如大型语言模型，它体现了一种深度神经网络架构，可以在周围单词的上下文中计算文本的数字表示，强调单词的序列。
3、生成式设计（Generative design） AI或 AI 增强设计，是使用 AI、机器学习 (ML) 和自然语言处理 (NLP) 技术自动生成和开发数字产品的用户流程、屏幕设计、内容和表示层代码。
4、机器学习代码生成工具包括可插入专业开发人员集成开发环境 (IDE) 的云托管 ML 模型，IDE 是基于自然语言描述或部分代码片段提供建议代码的扩展。
主题 3：优化技术人员交付
这些技术专注于构建数字业务的关键要素：产品、服务或解决方案构建者社区（如融合团队）及其使用的平台。这些技术提供反馈和洞察力，优化和加速产品、服务和解决方案的交付，并提高业务运营的可持续性。
云数据生态系统体现了优化的技术人员交付。它们提供了一个有凝聚力的数据管理环境，能够支持从探索性数据科学到生产数据仓库的所有数据工作负载。云数据生态系统提供简化的交付和全面的功能，易于部署、优化和维护。它们将需要两到五年的时间才能被主流采用，并且对用户非常有益。
优化技术人员交付的其他关键技术包括：
1、将敏捷性、持续集成和部署以及最终用户对财务治理、预算编制和成本优化工作的反馈等传统 DevOps 进一步自动化。
2、云可持续性（Cloud sustainability）是使用云服务在经济、环境和社会系统中实现可持续性效益。
3、计算存储(CS，Computational Storage) 将主机处理从中央处理单元 (CPU) 的主存储器卸载到存储设备。
4、网络安全网格架构(CSMA，Cybersecurity Mesh Architecture ) 是一种新兴的方法，用于构建可组合的分布式安全控制，以提高整体安全效率。
5、数据可观察性（Data observability）是通过持续监控、跟踪、警报、分析和故障排除事件来了解组织数据环境、数据管道和数据基础设施健康状况的能力。
6、动态风险治理(DRG，Dynamic Risk Governance) 是一种新方法，用于定义风险管理的角色和责任这一关键任务。DRG 针对每种风险适当地定制风险治理，使组织能够更好地管理风险并降低保证成本。
7、行业云平台利用底层 SaaS、平台即服务 (PaaS) 和基础架构即服务 (IaaS) 云服务，为确定的垂直行业提供与行业相关的打包业务和技术能力作为一个整体产品。
8、最小可行架构(MVA，Minimum Viable Architecture) 是产品团队用来确保及时、合规地开发和迭代产品的标准化框架。
9、可观察性驱动开发(ODD，Observability-Driven Development) 是一种软件工程实践，通过将系统设计为可观察的，为系统状态和行为提供细粒度的可见性和上下文。
10、OpenTelemetry是规范、工具、应用程序编程接口 (API) 和软件开发工具包 (SDK) 的集合，用于描述和支持软件的开源仪器和可观察性框架的实施。
11、平台工程（Platform engineering）是为软件交付和生命周期管理构建和运营自助式内部开发人员平台 (IDP，Internal Developer Platforms) 的学科。
