深度 | 人工智能、机器学习等,2016年值得关注的27项企业技术

简介:

企业技术一直以来都被当做消费科技之外的另一个风口,在今年最受期待的科技排行榜上,我们可以预测消费科技将会为企业技术留出此前从未有过的空间。


2016 最受期待的科技排行榜比以前更加拥挤。这不仅是因为今年出现了更多新技术,一部分是因为以消费者为导向的科技产业出现了更多的颠覆性进步,而企业则需要对此做出快速反应,以维持他们在市场上的地位。


今年出现的一些新技术的确有可能会在短期内真正地颠覆行业,虽然「颠覆」这个词最近已经被用烂了。他们包括区块链,数字化的用户体验管理,实时流处理,或快速数据。


从战略层面上来看,除了考虑技术规划、增长、成熟度外,还需考虑一项技术是否能够对企业运作产生重要影响,并增加企业的竞争优势。在今年,这些战略性技术包括语境运算、工作 App 融合、所谓的低码平台(low code platforms)、智能代理/聊天机器人、自适应网络安全、微服务架构、个性化环境、以及雾计算。


从更大的范围来看,水平方向的一些技术改进,或者一些预料之中的重要技术创新,都可能还没有出现在企业的尝试名单上,甚至可能在研发部门或创业孵化中心等待登场。然而,它们的影响可能会十分巨大,以致于企业应当现在就保持关注。当这些技术占据广泛市场的时候,它们很有可能在很多产业,都会成为重要的的或者难以预测的转折点。


在我的分析中,所有榜单上的技术都应当出现在各个公司的数字化进程中,尤其是那些正在积极转变为以技术为核心、并希望在数字化领域成为领航者的公司或组织。


有一些技术已经在 2014 与 2015 年的榜单上出现了,这是因为这些进步十分重要,以致于我们需要持续地关注它们的动态和进展。这些技术要么是正在迅速进化,要么(并且)是还没有在一般公司中得到充分利用。


闲话不多说,让我们来看看这些技术在今年为什么如此重要。


2016年值得关注的企业技术


微服务架构(micro-services architecture)。近来,微服务达到了它的鼎盛时期。微服务十分轻便、易组合、无地域限制、并由 API 驱动,它被认为是一项十分正确且实用的服务型架构。已经有很多公司在使用这种架构,特别是 Netflix 在这方面的成功。现在,许多公司都应当认真考虑纳入这项技术,因为它有许多已知的益处,包括其适应性、可靠性、操作成本低、弹性好,它与软件容器的接入十分便捷,且易于部署。近期一项调查显示,已经有三分之一的公司和机构在做微服务了。


数字化学习,在线学习(MOOCs),全球解决方案网络(Global Solution Networks)。数字化学习对人类学习的巨大改变,在学习产业之外受到的关注可能没有那么大。但是,在这个信息技术快速更替的时代,要保持掌握足够的技术知识,可能是我们面临的最大挑战,这也是为什么教育技术能在这个列表里占据一席之地。同时,运用科技来改善人类学习方式,不仅能够使劳动人口的潜力得到充分发挥,而且能帮助个人成为数字化时代的领导者。从广受好评的针对个人的数字化学习工具(如适应性学习),到庞大的在线学习课程,到能够让整个产业共享学习信息的全球解决方案网络,这些技术在 2016 年依旧是顶级的学习科技(我去年的列表中也这样认为)。迅速发展的在线学习产业就是一明显的证据,如今可用的在线课程已经达到了四千多门。


公共云。目前,还没有几家公司完全转移到公共云,但是在 18-36 个月或更长时间后,这十分可能将会是商业的最终形态。一项近期的数据显示,公共云将会最终主宰市场,而私有云和混合云被视为多数机构的「初始云」模式。尽管目前的使用数量是最少的,公共云的用户增长速度却是最快的,其复合年增长率将于 2019 年达到 44%,并将于 2017 到 2018 年间取代私有云。近期在公共云使用上的重要新闻,可能是微软的 Azure 终于开始真正盈利了,虽然还在起步阶段,但这使得 Azure 得以与亚马逊十分全面的 AWS 云服务平台分庭抗礼。


数字化的用户体验管理(DX, CEM)为用户创造统一的、结构清晰的、高效率的跨平台体验——从移动端应用到战略型在线社区——是目前数字体验中十分热门的话题之一。在我看来,创造一个真正浑然一体的数字化体验是一项十分困难的任务,但这是值得投资的方向,因为它会带来十分可观的好处:在用户体验方面处于领先地位的公司,其表现比标准普尔 500 强还要更好。从 2015 到 2020 年间,用户体验管理市场可能会以 19.9% 的年增长率快速发展。


团队协作。这一领域的代表仍旧是 Slack 的成功。Slack 是一款实时通讯应用,它为高效率的团队协作开辟了一条独特的道路,并发现了全新的模型。这款产品十分便捷、频道管理井然有序,并且与许多第三方应用合作,创造了一款十分个性化、且具有影响力的合作体验。尽管企业社交网络仍旧在组织和部门层面独占鳌头,但是我建议大部分组织,应当开始准备将许多这类小型的工具整合到系统中,以适应多层面的合作模式。大企业零售商正以类似的模式,或者应用其它新方法作为回应。值得关注的例子包括 IBM 的 Toscana 项目,微软的 Gigjam,甚至是谷歌新出的 Spaces。


混合云(hybrid cloud)。作为一个过渡阶段,混合云使得企业能够在有关成本、控制、可扩展性、和安全性的考虑下,将工作转移到公共云上。尽管我相信企业在完全掌握所有信息之前,就可能要迎来公共云的浪潮——并且最好的应对方式是尽早完成这一过程——但是混合云还是第二好的选择。如果还未做好准备直接转移到公共云的话,多数组织应当在 2016 年着重投资混合云。根据最近的数据,混合云是目前用户最多的云服务项目。公共云和私有云的用户比例分别在  18% 和 6%,而 71% 的组织正在使用混合云的基础设施。


社交商业(内部和外部的)。目前,许多组织都在社交商业上进行努力的尝试,但是,通过社交工具,将客户、合作伙伴、和员工聚合成一个关联度高的、协作型的组织,仍旧是一个有着巨大发展空间的方向。最新的数据显示,社交商业仍旧是一个快速增长的产业。麦肯锡刚刚发布的一项十分全面的报告表明,从组织在应用社交商业所获得的利益来看,实践与技术影响了组织运作的方式。研究公司 Technavio 报告称,社交商业投资额的复合增长率将达到 26%,并在 2019 年到达 230 亿美元。 


机器学习与人工智能。如果从一个领域的投资额可以看出它的未来发展的话,机器学习一定是最火热的领域。伊隆 · 马斯克自己也投资了 OpenAI 项目,这是一个拥有 10 亿美金支持的智库,致力于研究人工智能的关键问题,并保证人工智能会「为人类做贡献」。但是,这一产业的年收入目前仅有 2 亿美元左右,这意味着更多的发展是必要的。而人们对人工智能产业的预期也是很高的,这一产业预计将在 2024 年前创造超过 110 亿的价值。


协作经济。也被称为共享经济。像 Uber 和 Airbnb 等创业公司有力地证明,以现实世界为基础的、并由技术驱动的这类共享型商业模式,它不仅吸引了大量的关注,而且完全有能力永远取代那些使用传统模式创造价值的市场巨头。尽管这一领域的知名思想者 Jeremiah Owyang 认为,2016 年我们将跨入协作经济的早期成熟阶段,但产业增长似乎还没有开始。那么为什么每一家公司都需要从现在开始关注这一具有颠覆性的产业呢?让数据来说话:据普华永道估测,这一市场在 2025 年前将达到 3350 亿美元市值。


区块链。没有什么近期出现的科技能像区块链这样受到广泛的分析了,这一分布式分类技术是许多加密货币的支柱,例如比特币。现在,我们看到越来越多的传统产业,从金融到保险,都在逐步纳入这一技术,来进一步的保证资金交易的可信任度、透明度和安全性。区块链的增长矢量有多长?产业增长数据难以预测,但是目前的风险投资已经超过 11 亿,并且将继续增长。在我看来,区块链很有可能成为一个独立的产业。公司们应当好好利用这一技术,以增强高价值商业活动的可靠性和安全性。


大数据和数据科学。尽管有一些对大数据潮流的过分夸大,但是它确实能通过从分散的信息源中处理大量数据缩小「线索代沟(clue gap)」,为公司提供领先竞争者的重要见解。当前,数据驱动的商业运作已经十分丰富,但是根据我的经历,许多组织在战略性地使用这类技术,并对接这一开环的过程上,仍旧处于早期阶段。但是有一个重要问题:许多公司并没有相应的结构或资源,来支撑它们处理得到的海量信息。对这一产业的增长预期表明,还有许多事情使人们能够进一步拓展的。Wikibon 预计大数据产业将在 2026 年前达到 920 亿美元收入,并保持 14.4% 的年增长率。


物联网(IoT)。物联网可能是最重要的新产业之一。我对物联网产业的分析发现,物联网对于企业来说是非常重要的战略性工具,它能帮助企业在数据支持下,大范围地保持与客户实时性的深度交互。尽管对这一产业的市值预估已经达到了惊人的 14.4 万亿美元,仍有许多公司没有足够的物联网战略方针,来与那些已经准备利用物联网占据新产业滩头堡的竞争对手相抗衡。


虚拟现实和增强现实。作为强大的浸入式用户体验的结合体,VR 和 AR 都需要更进一步,使分辨率更高、形状系数更紧凑,并提供能够帮助一般工作人员的、真正有效的市场解决方案。然而,我认为这些进步的发生几乎没有任何悬念,并且将会成为未来用户体验的主要成分。产业代表包括 Oculus Rift, Microsoft HoloLens, 和 Magic Leap。AR 和 VR 被预估将在 2020 年前实现 1,200 亿美元价值。


移动端商业应用。对于企业 IT 开发人员来说,由于种种与新平台有关的原因,移动设备管理产业总是飘忽不定,而移动端商业应用的发展要远远慢于消费者应用。然而,这一产业被预测将在 2017 年前达到 560 亿市值。其它近期的数据证明了这一产业的潜在价值和影响范围:90% 的企业会在 2016 年增加对移动端应用的投资,而已经拥有移动端人力资源的企业,也已经看到了客观的投资回报率。


3D 打印。3D 打印产业的复杂性和初始性总是让很多人忽略了它的真正能力:对几乎任何生产工具的大范围定制和实时生产。再经过几十年的发展,当这一技术真正成熟的时候,电影星际迷航中的复制机将会成为现实。市场预测 3D 打印在 2022 年前将达到 300 亿市值,并拥有 28.5% 增长率。最终,多数公司将不得不在生产时考虑,它们的客户很有可能自己就可以将产品打印出来。


实时流处理,快速数据。当大数据标榜自己能够处理前所未有的海量数据时,实时流处理保证能够昼夜不停地快速处理分布式计算范围的连续数据流。不论你是从数以百万级的实时用户使用中处理数据,还是需要从实施股票交易中进行分析,类似于 Apache 的 Spark Streaming 这样的技术,能够帮助你处理大量信息流,并保证其可扩展性和准确性。根据预估,仅 Spark 自己的市值就可能在 2020 年前达到 115 亿美元。


即时 App 构成,低码平台。Mendix、IFTTT 和 Zapier 这样的平台如今让可用性较高的简单应用的自动创造、融合变得异常简单。低码平台,就像福雷斯特研究公司最近的 Wave 报告鉴别的那样,到 2019 将成长为价值 100 亿美元的产业。开发的速度、低成本以及清理不需要维护的 App 是使更加情境化的应用成为可能的关键,这种应用能在 IT 解决方案刚出现的时候就满足其需求。62 % 的低码开发者宣称能在两周内完成低码解决方案。我早就相信一旦偶然发现一种成功的模型,低码将会解除一代平民开发者的束缚,即使一些人认为微软的 Excel 早就做到了这一点。


需求至上,一切皆服务(X-as-a-Service),X 由软件定义。在线 IT 基础设施服务支持已经是科技业务的最大产业之一,近期有报告称截至到 2016 年底将达到 2030 亿美元。每件事一经要求就能立即获得服务,并且具有高度的灵活性,这有着巨大的操作和成本上的优势,使得之前不可能的新型应用成为可能。


容器。通常被视为是使稳健的、现代化混合云成为可能的关键技术之一。像 Docker 这样的容器,作为一种解构庞大的应用架构,支持轻型微服务的存在,在 2016 年不断的涌现,进入更多云友好的企业架构中。


移动支付。大部分业务需要在他们的线路图中着重考虑 Apple Pay 和三星 Pay 这样的移动支付手段了,因为次年 5 个移动用户中将会有 1 个使用数字化支付服务,达到一个引爆点。


个性化环境。随着社会渠道使得传统市场代理担负重担,数字市场和顾客体验的下一重大推动将会是普遍的个性化。当你访问一个网址或使用网页应用时的实时分配权限。如今这已经发生在了在线广告投放(这些广告在网上一直跟着你)上,但是里面的复杂度水平就难以预测了。如今,个性化在 2016 年的数字化市场趋势中位于首位。


可穿戴 IT。在 Apple Watch 进入这一市场的带领下,Gartner 表示可穿戴设备将在 2016 年增长 18 %,达到 5000 万单元。尽管这一领域仍处于早期阶段,随着健康和领域支持解决方案进入这一市场并逐渐成熟,可穿戴市场预期将会急剧增长。


语境运算。如今大部分的 IT 仍然需要我们在不同的应用之间创造、连接语境。为什么数字日历不能帮助我们填充时间表? CRM 系统不能了解近期我们拜访了哪个客户,并在我们启动它时自动给出记录。下一代办公室产品将产生更多语境理解的应用,展现更多我们称之为常识的内容。


工作 App 融合。像微信和 Slack 这样流行的通讯 App 已经显示,把重要的应用融入我们的交流、协作中是多么地有帮助。一份展现 App 融合充分增加数字交流价值的研究将会在近期发布。我们从 OpenSocial 的发布开始就作为社交应用融合的支持者,而现在看来,这一领域的前进方向已经愈加明了了。


自适应网络安全。网络安全一直是首席信息官最担心的事情之一。但现在不再是针对安全问题调整解决方案,人工智能开始被并入到 IT 安全产品中,可及时地对独特的、紧急的安全漏洞做出动态调查和回应。MIT 最近研发了一种人工智能代理能够侦测 85% 的漏洞。


智能代理,聊天机器人。有比如 Siri 和 Cortana 这样的移动设备代理,或者亚马逊 Echo 这样的智能设备。根据我对快速成长空间的分析,使用语音和其他高带宽网络,智能代理和聊天机器人将会成为下一波用户接口的重要组成部分。微信产品经理 Dan Grover 在最近的一篇博文中,对这一重要的新方法进行了详尽的概述。不断增加的客户希望他们的解决方案能够提供高度便利、无阻碍的对话体验。


雾计算(Fog Computing)。有时被称为万物互联(Internet of Everything),雾计算描述了终端用户对协作云的使用,或者是临近的有助于宽带、存储的边缘设备,以及其他满足更高性能和应用容错需求的资源,它没有接入远距离数据中心的限制。云计算的参与者组成了一个 OpenFog 联盟。对于较为狭窄的端到数据中心的云架构难以支持的新型应用,雾计算将会使它们成为可能。


这些新科技将如何成为公司的一部分?有数种方式可以做到。但在大公司内,创新有时往往实在 IT 部门之外发生的。但在 2016 年我们将会看到技术迈出 IT 部门的分水岭,从首席数字总监到首席市场总监,许多非 IT 部门将使用数字技术作为核心部件。业务线也将寻找方式快速部署这些科技,以协助客户并产生好的结果。


时代的挑战:大规模的科技变革


但是就像我提出的那样,我们看到的数字化领导者的真正趋势是,他们非常活跃地使用大规模数字创新前沿技术,比如使用内部/专业授权网络修改代理,或在开放 API 顶端使用黑客马拉松和开发者网络,这些强大的、至关重要的新技术的实现所需要的服务提供能力,是现在大部分公司所没有的。


简而言之,我们处于科技用于企业既有机遇又有挑战的、前所未有的状态之中。我们的 IT 战略部署,需要能够吸收并利用发生在我们身边的、巨大的技术进展。我希望产业内能够继续讨论公司如何才能撵上技术变革的步伐,以及在企业层面我们能够做什么。

本文来源于"中国人工智能学会",原文发表时间"2016-05-31"

相关实践学习
阿里云AIoT物联网开发实战
本课程将由物联网专家带你熟悉阿里云AIoT物联网领域全套云产品,7天轻松搭建基于Arduino的端到端物联网场景应用。 开始学习前,请先开通下方两个云产品,让学习更流畅: IoT物联网平台:https://iot.console.aliyun.com/ LinkWAN物联网络管理平台:https://linkwan.console.aliyun.com/service-open
相关文章
|
8月前
|
机器学习/深度学习 人工智能 自然语言处理
人工智能技术的探讨
人工智能的概念,人工智能的发展,人工智能的各种学派,人工智能的应用领域
390 4
|
7月前
|
机器学习/深度学习 人工智能 供应链
从概念到商业价值:AI、机器学习与深度学习全景指南
在这个科技飞速发展的时代🚀,人工智能正以惊人的速度渗透到我们的生活和工作中👀。但面对铺天盖地的AI术语和概念,很多人感到困惑不已😣。"AI"、"机器学习"、"深度学习"和"神经网络"到底有什么区别?它们如何相互关联?如何利用这些技术提升工作效率和创造价值?
|
5月前
|
机器学习/深度学习 人工智能 监控
AI 基础知识从0.1到0.2——用“房价预测”入门机器学习全流程
本系列文章深入讲解了从Seq2Seq、RNN到Transformer,再到GPT模型的关键技术原理与实现细节,帮助读者全面掌握Transformer及其在NLP中的应用。同时,通过一个房价预测的完整案例,介绍了算法工程师如何利用数据训练模型并解决实际问题,涵盖需求分析、数据收集、模型训练与部署等全流程。文章适合初学者和开发者学习AI基础与实战技能。
800 25
AI 基础知识从0.1到0.2——用“房价预测”入门机器学习全流程
|
8月前
|
人工智能 语音技术
推动人工智能技术和产业变革,啥是核心驱动力?生成式人工智能认证(GAI认证)揭秘答案
人工智能(AI)正以前所未有的速度重塑世界,其发展离不开领军人才与创新生态的支持。文章探讨了AI领军人才的核心特质及培养路径,强调构建产学研深度融合的创新生态,并通过教育变革与GAI认证提升全民AI素养,为技术与产业变革提供持续动力。这不仅是推动社会高质量发展的关键,也为个人与企业带来了更多机遇。
|
8月前
|
机器学习/深度学习 人工智能 自然语言处理
生成式人工智能的价值回归:重塑技术、社会与个体的发展轨迹
生成式人工智能(Generative AI)正以前所未有的速度重塑社会面貌。它从单一决策工具转变为创造性生产力引擎,推动知识生产、艺术创作与科学研究的发展。同时,其广泛应用引发社会生产力和生产关系的深刻变革,带来就业结构变化与社会公平挑战。此外,生成式AI还面临伦理法律问题,如透明性、责任归属及知识产权等。培生公司推出的生成式AI认证项目,旨在培养专业人才,促进技术与人文融合,助力技术可持续发展。总体而言,生成式AI正从工具属性向赋能属性升华,成为推动社会进步的新引擎。
|
8月前
|
人工智能 自然语言处理 API
MCP与A2A协议比较:人工智能系统互联与协作的技术基础架构
本文深入解析了人工智能领域的两项关键基础设施协议:模型上下文协议(MCP)与代理对代理协议(A2A)。MCP由Anthropic开发,专注于标准化AI模型与外部工具和数据源的连接,降低系统集成复杂度;A2A由Google发布,旨在实现不同AI代理间的跨平台协作。两者虽有相似之处,但在设计目标与应用场景上互为补充。文章通过具体示例分析了两种协议的技术差异及适用场景,并探讨了其在企业工作流自动化、医疗信息系统和软件工程中的应用。最后,文章强调了整合MCP与A2A构建协同AI系统架构的重要性,为未来AI技术生态系统的演进提供了方向。
1292 62
|
5月前
|
机器学习/深度学习 人工智能 运维
阿里云PAI人工智能平台介绍、优势及收费标准,手动整理
阿里云人工智能平台PAI是面向开发者和企业的机器学习与深度学习工程平台,提供数据标注、模型构建、训练、部署及推理优化等全链路服务。内置140+优化算法,支持PyTorch、TensorFlow等多种框架,具备高性能训练与推理能力,适用于自动驾驶、金融风控、智能推荐、智慧医疗等多个行业场景。PAI提供零代码开发、可视化建模、大模型一键部署等功能,助力企业快速构建AI应用。支持多种购买方式,如按量付费、预付费等,满足不同业务需求。
|
6月前
|
机器学习/深度学习 PyTorch API
昇腾AI4S图机器学习:DGL消息传递接口的PyG替换
DGL (Deep Graph Learning) 和 PyG (Pytorch Geometric) 是两个主流的图神经网络库,它们在API设计和底层实现上有一定差异,在不同场景下,研究人员会使用不同的依赖库,昇腾NPU对PyG图机器学习库的支持亲和度更高,因此有些时候需要做DGL接口的PyG替换。
|
7月前
|
数据可视化 Rust 机器学习/深度学习
mlop.ai 无脑使用教程 (机器学习工具 WandB/ClearML 的首个国区开源平替)
mlop.ai 是首个为国区用户优化的机器学习工具,全栈免费开源,是主流付费解决方案 ClearML/WandB 的开源平替。常规实验追踪的工具经常大幅人为降速,mlop因为底层为Rust代码,能轻松支持高频数据写入。如需更多开发者帮助或企业支持,敬请联系cn@mlop.ai
447 12
mlop.ai 无脑使用教程 (机器学习工具 WandB/ClearML 的首个国区开源平替)

热门文章

最新文章