Gartner：2019年度新科技的技術成熟度曲線

早在 1995 年，Gartner 就設計出了這一分析工具。他們結合分析員、專家和行業人士的判斷，畫出了一條有起有落的曲線，用來羅列年度最備受矚目和極具商業前景的新技術，並預測它們到成熟所需的時間。Gartner 曲線由兩條曲線疊加構成，一條是反映公眾對技術的虛高期望值的“炒作程度”（Hype Level）曲線，另一條是工程或商業的成熟度曲線。基本上，拋概念和“講故事”的新技術一開始會受到媒體的熱烈追捧，但一旦接受市場的驗證，新技術此前宣傳的泡沫將會慢慢被吹散，然後進入“高開低走”的階段，後面逐漸爬升至成熟期。

Gartner 曲線由兩條曲線疊加構成 | Gartner

從座標來看，Y 軸代表人們對新技術的期望，而 X 軸對應的是時間，從左到右有“觸發期”、“期望膨脹期”、“低谷期”、“復甦期”和“成熟期”5 個階段。另外，每項技術都標註有達到生產成熟期需要的年限。

2019 年度新技術成熟度曲線 | Gartner

今年，Gartner 從 2000 項技術中選出了 29 項，並由此總結出了企業決策者應該納入考慮範圍的五大創新技術趨勢。Gartner 研究副總裁 Brian Burke 在接受 CIO Dive 採訪時指出，“人工智慧滲透到了其他所有趨勢中。”

五個突出趨勢

感測和移動（Sensing and Mobility）

隨著感測技術和 AI 的發展，自主機器人將能更好地理解周圍環境。感測和移動這一趨勢的特點就是機器移動和操控物體的能力日益增強，例如 3D 感測攝像（3D sensing cameras）負責採集大量資料，而 AI 能洞察這些資料並將其應用在各種情景中。例如，輕型貨運無人機（light-cargo delivery drones）將能更好地導航和操控貨品。

除此之外，押注這一技術趨勢的企業還應該考慮擴增實境雲（AR cloud）、自動飛行汽車（flying autonomous vehicles）以及 L4 和 L5 級別的自動駕駛（autonomous driving Levels 4 and 5）。

人類能力增強（Augmented Human）

“（人類能力增強）不是替代人類做決策，而是在他們執行任務時提供指導。這種增強就像是給人類裝上了義肢，無論是在物理層面，還是在認知意義上。”Burke 說道。這種增強技術包括生物晶片（biochips）和情感 AI（emotion AI）等。其中，情感 AI 正被用在保險欺詐檢測上，區別於以往需要結合索賠分析、計算機程式和人工檢測，有了情感 AI，保險公司通過來電者的陳述就能完成檢測。

這一趨勢還包括人格化（personification）、增強型智慧（augmented Intelligence）、沉浸式工作空間（immersive workplace）和生物技術（培養組織或人工組織）。

後經典計算和通訊（Postclassical Compute and Comms）

幾十年以來，經典核心計算、通訊和整合技術通過對傳統架構進行改進而快速發展，催生了更快的 CPU、更高的儲存密度和不斷增加的吞吐量。而後經典計算和通訊將使用全新架構。比如，下一代蜂窩網路標準 5G 將依賴核心網切片（core slicing）和無線邊緣（wireless edge），而這些新架構又能推進一系列漸進式的技術改進——使得近地軌道衛星群（Low-earth-orbit satellite systems）能在距地 1200 英里以內的高度執行。它們將輻射到 48% 目前還沒有接入網路的使用者，在社會意義和經濟效益上都將帶來巨大影響。

除此之外，後經典計算和通訊還包括下一代儲存（next-generation memory）和奈米級 3D 列印（nanoscale 3D printing）等技術。

數字生態系統（Digital Ecosystems）

企業應該突破只關注自身產業鏈條的侷限，與更多的企業、人和物進行跨行業的共享和合作。而數字化生態系統正在分解這種傳統價值鏈，發展出更無縫、更靈活的連線。因此，企業將在區塊鏈上尋找解決方案。

企業可納入考慮的關鍵技術包括數字運營（DigitalOps）、知識圖譜（knowledge graphs）、合成資料（synthetic data）、去中心化網路（decentralized web）和分散式自治組織（decentralized autonomous organization）。

高階人工智慧和分析（Advanced AI and Analytics）

高階分析使用更復雜的工具對資料或內容進行自動或半自動檢驗，而且通常超出傳統商業智慧（BI）的範圍。比如，遷移學習（transfer learning）專注於儲存已有問題的解決模型，並將其利用於其他不同但相關問題上。例如用來辨識汽車的模型也可以被用來提升識別卡車的能力。這種高階分析能提供更深入的見解、預測和建議。

落在 Gartner 曲線上的新技術還包括自適應機器學習（adaptive ML）、邊緣人工智慧（edge AI）、邊緣分析（edge analytics）、可解釋的人工智慧（explainable AI）、人工智慧平臺即服務（AI PaaS）、生成式對抗網路（generative adversarial network）和圖表分析（graph analytics）。

AI 依舊滲透所有行業

在今年的 Gartner 曲線上，自動飛行汽車、L4 和 L5 級別的自動駕駛、生物技術、生物晶片、知識圖譜、邊緣人工智慧、人工智慧 PaaS 和 5G 和去年重合。其中，5G 在今年進入了期望膨脹期區間，距離技術成熟還有 2-5 年時間。進入此區間的還有邊緣人工智慧、近地軌道系統、L5 級別自動駕駛、邊緣分析、AI PaaS、生物晶片和圖表分析。滑入低谷期的有下一代儲存、3D 感測攝像機和 L4 級別自動駕駛，其中，後者被標註為距離技術成熟還有超過 10 年時間。

2018 年度新技術成熟度曲線 | Gartner

另外，今年 Gartner 將 21 項新技術放到了曲線上，“淘汰”了像去年落在膨脹期區間的物聯網和區塊鏈等技術。“今年 Gartner 將重點放在新技術的體現上，”外媒 Computerworld 評論道，“但這並不意味著『舊』技術已經不再重要。”比如，物聯網被“分解”成分支技術 3D 感測攝像機，區塊鏈技術由分散式自治組織等技術體現。

不變的是，今年的 Gartner 曲線仍在強調 AI 對企業的重塑。

Gartner 所描述的未來圖景是，到 2029 年，在各大行業都可以看到那些領先的企業都在使用高階分析技術，並且利用自動化為員工增加勞動力。這些企業還將利用區塊鏈，在複雜的數字生態系統中和多方展開合作，並用感測技術和下一代計算實現效率最大化，進而在激烈的競爭中脫穎而出。

Gartner 研究副總裁 Brian Burke 在接受 CIO Dive 採訪時指出，“人工智慧滲透到了其他所有趨勢中。”AI 能夠對海量資料進行更精細的挑揀，提供決策支援，替代一部分人力，同時助推其他技術的發展。毫無疑問，AI 將會對商業的發展產生巨大影響。

但在利用 AI 方面，企業首先需要克服以下障礙：“能讓任何 AI 解決方案奏效的關鍵，在於算力、演算法、海量資料和熟練運用 AI 的員工。”IT 公司 L&T Infotech 執行副總裁 Soumendra Mohanty 說道。據 Gartner 的資料，到 2020 年，AI 將創造 230 萬個工作崗位。與此同時，50% 的組織會缺乏相關的 AI 和資料分析人才。