近日，全球領先的資訊科技研究和顧問公司Gartner釋出的2019年新興科技技術成熟度曲線指出了29項不容錯過的技術，並由此揭示了五大創造和實現全新體驗的新興科技趨勢。這五大趨勢使用人工智慧（AI）等技術架構，使得企業機構能夠充分發揮新興數字生態系統的優勢。
Gartner研究副總裁Brian Burke表示：“科技創新已成為實現競爭差異化的關鍵。科技的發展速度持續加快，突破性技術不斷湧現，即便是最具創新力的業務和技術決策者也需要跟上科技發展的腳步。科技創新領導者應利用技術成熟度曲線中指出的創新方案，對新興科技可能帶來的商機進行評估。”
新興科技技術成熟度曲線在Gartner技術成熟度曲線中最為獨特，因為它集逾兩千種科技的大成，凝聚獨到的見解，並以簡潔明瞭的方式呈現出29項新興科技技術和趨勢。該技術成熟度曲線重點關注了那些有望在未來五到十年內擁有高度競爭優勢的科技（參見圖一）。
圖一、2019年新興科技技術成熟度曲線
來源：Gartner（2019年8月）
五大新興科技趨勢
感測與移動（Sensing and Mobility）
通過結合感測器技術與人工智慧，可以讓機器更好地理解周圍的世界，使機器能夠移動並操控物體。感測技術是物聯網（IoT）的核心組成部分，它能夠採集大量資料。而人工智慧可以提供適用於多種場景的豐富洞察。
例如，在未來十年，擴增實境雲（AR cloud）將建立出一張三維立體世界地圖，實現新的互動模式，進而在已有物理空間中創造出將新的商業模式。
尋求利用感測與移動能力的企業應考慮以下技術：3D感測攝像機（3D-sensing camera）、擴增實境雲、輕型貨物派送無人機（light-cargo delivery drones）、自動飛行器（flying autonomous vehicles）以及4級和5級自動駕駛（autonomous driving Levels 4 and 5）。
人體機能增進（Augmented Human）
人體機能增進能夠增強人類認知能力和身體機能，並使這些增強的能力成為人體的一部分。一些裝備能夠為人類提供“超人”般的能力，例如超過人體自身最大力量的假肢等。
專注於人體機能增進的新興技術包括生物晶片（biochips）、人格化（personification）、增強型智慧（augmented intelligence）、情感人工智慧（emotion AI）、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）
幾十年來，經典核心計算、通訊和整合技術的巨大進步主要依賴於傳統架構的改進，例如摩爾定律中曾預測的更快的中央處理器（CPU）、更高的儲存密度和不斷增加的吞吐量等。但未來的這些技術將採用全新的架構。這個領域不但會出現顛覆性的改進，還會出現可能產生巨大影響的漸進式改進。
例如，近地軌道（LEO）衛星能夠提供低延遲的全球網際網路接入。這些小型衛星群可以為48%目前沒有網路的家庭提供網路，為網路服務欠缺的國家和地區帶來新的經濟發展機會。Burke表示：“目前發射的近地軌道衛星不多，這項技術還處於起步階段，但在未來幾年，它有可能產生巨大的社會和商業影響。”
企業應評估5G、下一代儲存器（next-generation memory）、近地軌道系統（LEO systems）和奈米級3D列印（nanoscale 3D printing）等技術。
數字生態系統（Digital Ecosystems）
數字生態系統通過同一個數字平臺上相互關聯的參與者（企業、人和物）實現互惠互利。數字化加快了傳統價值鏈的解體，帶來更強大、更靈活、更具有彈性的價值傳遞網，在持續轉型的過程中創造出更好的新產品和服務。
需要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）和去中心化自治組織（decentralized autonomous organization）。
高階人工智慧和分析（Advanced AI and Analytics）
高階分析使用精密的技術和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。
Burke先生表示：“邊緣人工智慧（edge AI）正越來越多地被用於對延遲敏感（例如自動導航）、易受到網路中斷影響（例如遠端監測、自然語言處理[NLP]、面部識別）和/或資料密集型（例如視訊分析）的應用。”
企業機構需追蹤的技術包括自適應機器學習（ML）、邊緣人工智慧、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（PaaS）、遷移學習（transfer learning）、生成式對抗網路（generative adversarial network）和圖表分析（graph analytics）。
來自：