2017年7月，Gartner公司发布了年度新兴技术成熟度曲线

Gartner认为，2017年技术成熟度曲线揭示了未来5-10年的三方面技术趋势，一是无处不在的人工智能、二是身临其境的体验、三是数字化平台，这三个方面的汇聚会带来有竞争力的商业生态。

分析认为，有些技术经过不断的发展，已经达到了其发展的顶峰期。这些已经深入到很多方面，改变着我们的生活、工作。

1

增强数据挖掘

增强数据挖掘（原智能数据挖掘），标志性的特点是下一代BI和分析平台，使得用户自动发现、想象和叙述相关研究，例如相互关联、例外、整体预测等，无需建立模型或写算法。用户通过可视化搜索和自然语言查询数据，支持自然语言生成的结果解释。

在过去的五年中，基于视觉的数据挖掘破坏了传统的商业智能（BI）和分析市场，因为它们易于使用，用户可以快速组装数据，可视化地探索假设，以便在数据中找到新的见解。但是依靠用户手动寻找模式可能会导致用户挖掘自己的偏见假设，丢失关键结果，并得出不正确或不完整的结论，这可能会对决策和结果产生不利影响。

增强数据挖掘可以减少耗时的挖掘探索和错误识别，以及产生较少的额外解释。而不是一个分析师手动测试数据的所有组合，只有最显著的和相关的结果呈现给用户的智能可视化和/或自然语言的叙述。将一系列算法并行应用于数据，并向用户解释实际的结果，减少了数据丢失与人工探索之间的重要见解的风险，优化提升对策建议。

2

边缘计算

边缘计算描述了一种计算拓扑，其中信息处理、内容收集和交付更接近于信息的源和汇。从网状网络和分布式数据中心的概念出发，边缘计算着眼于保持本地和远离网络中心的流量和处理。目标是减少延迟，减少不必要的流量，并建立一个集线器，用于在感兴趣的对等点之间进行互连，以及对复杂的媒体类型或计算负载进行数据细化。

创建边缘数据中心的物理基础设施的大多数技术都是现成的，但是拓扑、显式应用程序、网络体系结构的广泛应用还不常见。边缘计算在物联网物理实现轨迹中发挥协同作用，极大地提高了概念的可视性。需要扩展系统和网络管理平台，包括边缘位置和边缘功能特定技术，如数据细化、视频压缩和分析等。

3

智能机器人

智能机器人是一种机电形式的因素，在物理世界中自主工作，在短期间隔中学习，接受人类监督、培训和示范，在人类的管理下工作。

与工业机器人（预定义的、不变的任务）相比，智能机器人迄今为止的使用量明显减少，但他们在市场上受到了巨大的鼓舞，这就是为什么智能机器人正处于膨胀预期的顶峰。在未来几年中，围绕智能机器人的宣传和期望将继续增长。由于几家主要供应商在过去几年中的努力，智能机器人正在大放异彩：

• 亚马逊机器人公司（原名Kiva Systems）计划配置10000个机器人来完成客户的订单。

• 谷歌收购多个机器人技术公司。

• Rethink Robotics推出巴克斯特和Sawyer，可与人类员工一起工作。

• 2016年，开始在一些酒店，例如希尔顿、威斯汀酒店房间使用服务机器人。

智能机器人将在以资产为中心、以产品为中心、以服务为中心的行业中发挥其最初的业务影响力。他们的体力、劳动能力，更高的可靠性，更低的成本，更高的安全性和更高的生产力，在这些行业中表现出很强的竞争力。典型的和潜在的使用案例包括医疗材料处理、危险废物处置、调剂和交付，病人护理，直接材料搬运、补货、产品装配、成品动作，产品挑选和包装，电子商务订单、送货、购物协助、客户服务、礼宾和处置有害物质等。

4

物联网平台

各企业致力于增加物联网终端种类, 寻求更好效益, 同时发觉新的商机和盈利模式。由于这些因素的交互作用，企业需要不断增加先进技术资源以达到相应的成熟度、规模和商业价值。大规模物联网平台可以实现基础和高级的物联网方案和数字化商业操作。物联网平台以一个混合方式部署，它将与基于云的元素（无论是私人的还是公共的）和分布于终端和网关之间的本地软件合并。

越来越多的企业通过物联网和数字业务扩大了物联网平台的宣传力度，推动了供应商和用户对物联网平台和服务的投资。物联网项目部署的增加，人们对成本的预期和技术的低估（例如，设备配置、端到端的解决方案集成和足够的网络安全）形成挑战，推动物联网平台接近期望膨胀的高峰期，在实践经验的积累将最终把它们带到主流的生产力和成熟。2017年，看到很多大型厂商带来的第二代产品市场，总的来说，还没有完全证据证明他们的销售量，但是考虑到新的市场进入者，其营销量注定继续增加。

5

虚拟助理（VAS）

VAS帮助用户或企业完成以前只能由人类完成的一组任务。VAS使用人工智能和机器学习（例如NLP、预测模型、推荐和个性化）来帮助用户或自动化完成任务。VAS监听和观察行为，建立和维护数据模型，并预测和推荐行动。它们可以为用户服务，并随着时间与用户形成关系。虚拟助理通过与用户相应的转换将职责从用户理解传输到系统。

VA具体应用如苹果Siri、谷歌助手、微软Cortana、亚马逊的Alexa、kore.ai和SAP的副驾驶等。将来，越来越多的图像识别、行为和事件识别等将使用VAS。虚拟助理也可以部署在虚拟个人助理、虚拟客户助理和虚拟雇员助理。随着用户对它们的适应程度提高，技术的改进和实现的多样性，VA的使用也随之增长。

6

互联家庭

互联家庭的目的是实现与多个设备、服务器和应用程序的网络连接，从通信娱乐到医疗、安全和家庭自动化。这些服务器和应用程序通过多个相互关联的集成设备、传感器、工具和平台传递信息。情境的、实时的、智能的信息可以通过本地或云端存储，使得个体或者其他连接到服务器的家庭成员能够通过远程或者在家里监控自己的家。媒体娱乐、家庭安全、监控和自动化、能源管理产品和服务、健康和健身、教育等将成为互联家庭的关键词。

7

深度学习

深度学习通过进一步发现和研究中间变量扩展和延伸机器学习，是机器学习的一个分支。三方面的因素导致深度学习到达新兴技术曲线的顶端位置：一是前所未有的大量数据的可获取，包括以前难以处理的数据；二是算法的改进、模型的优化，能够处理快速增长的数据集；三是深层学习硬件平台的升级换代（拥有数以万计的集群芯片和基于GPU的硬件架构的超级计算机）。

成千上万的供应商都在探索深度学习领域的应用，如计算机视觉、会话系统和生物信息学领域的应用。研究人员正在不断地发布惊人的新的关于这一主题的论文。企业中的巨头如谷歌，苹果，微软，脸谱网和百度正在增加其针对深度学习的研发份额。苹果的Siri、谷歌的谷歌Now，微软的Cortana和亚马逊的Alexa的身后都有深度学习的身影。硬件制造商正在加紧交付新的、深层的神经网络训练的高性能算法（深度神经网络算法，DNNs）。未来在科学数据平台上，深度学习的功能将变得更容易获得，估计到2018年，80%的数据科学家的标配是深度学习。

我们看到，为了持续获得好的成果，深度学习需要专家系统和相应的设备。目前被普遍认可的是DNN架构。然而，深度学习的计算资源并不是随手可得的，有一些技术还比较模糊，没有一个单一的算法或系统当前能够满足所有深度学习的处理需求。

深度学习当前的成功是通过DNN的主要变量：图像和语音识别中的卷积神经网络；自然语言处理和翻译中的递归神经网络；生物信息学中的自动编码的人工神经网络。建议在能力范围内把深度学习的数据作为长期投资的重点，因为正确数据的价值会随着时间增长。建议在法律和道德都很明晰的领域避免使用DNNs，例如当你注定要面临欧盟数据保护规定的时候。在美国，国防高级研究计划局（DARPA）资助了一个解释人工智能的项目，但这将需要几年的时间。

对于产业来说，深度学习对所有行业都具有转换和颠覆潜力。对于那些想实现这种潜力的人来说，挑战是要找出正确的问题，以便在深度学习中加以解决。

DNN潜能的基础是对高维复杂数据颗粒的表征能力。DNN可以通过解释图像来诊断早期的肿瘤，并给出可靠的结果；帮助改善视障人士的视觉能力；帮助车辆自动驾驶；给黑白照片染上彩色；给元素缺失的照片补上缺憾；识别和理解一个特定人的语音等。

8

机器学习

机器学习是从一系列观察中提取某种知识和模式，有三个主要分支：监督学习（也被称为“标记数据”）、无监督学习、强化学习（给出好到什么程度和坏到什么情形的评价）。

机器学习是目前最热门的技术概念之一。机器学习的一个分支就是深度学习，其中涉及深度神经网络，受到格外关注是因为它涉足了认知领域，而这以前是人类的专属领地：图像识别，文本理解和语音识别方面都身手不凡。机器学习将在以下方面驱动改进和解决新业务问题，展现大量的商业和社会场景：分别是自动化领域、药物研究、客户关系管理、供应链优化、预见性维护、操作效能、反欺诈、自动驾驶、资源优化等领域。机器学习的影响可以是显性的或隐性的，显性的影响来自主动接受机器学习服务，隐性影响来自您使用的产品和解决方案，而不知道它们包含了机器学习的成分。

9

自动驾驶

自动驾驶是指车辆不需要人类干预，自己就可以从一个起点，借助各种车载技术和传感器，如激光雷达、雷达和摄像头，以及控制系统、软件、地图数据、GPS和无线通信数据等，“自动驾驶”到预定目的地。传感器、定位、成像、引导、人工智能(AI)、映射和通讯技术的不断进步，以及先进软件和云计算的快速发展， 使得自动驾驶很快成为现实。

2017年，汽车制造商和技术公司开发的自动驾驶汽车得到了主流媒体的吹捧，导致对这项技术不切实际的和过高的期望。AI是一个关键的技术，使基于机器学习和算法的自动驾驶得以加速发展。自动驾驶目前的主要挑战是成本，当然人们也在可靠性、道德、法律层面展开研讨。

10

碳纳米管电子

利用半导体性质，碳纳米管为将来制备具有高速开关的微晶体管半导体设备提供了可能。利用金属（导电）性质，碳纳米管为作为低电阻连接件应用到集成电路中提供了可能。人们正在评估将碳纳米材料技术应用到硅及其化合物的半导体材料中。具有半导体特性的碳纳米管有望在未来半导体器件中具有高开关速度的小型晶体管。具有金属（导电）特性的碳纳米管具有低电阻的特性，可以应用于集成电路中的互连。其他纳米管材料包括硅和化合物半导体材料正在评估中。硅版本（通常称为硅纳米线）正在积极研究用于硅阳极电池。

11

认知计算

认知计算包括虚拟助理，认知专家顾问和智能增强现实等这些类别的技术，改进和提升人类的认知任务。我们认识到“认知计算”是当前市场上的宣传词，但不相信这些系统真正能够认知。但可以说，他们模仿和/或延长人类的认知能力。他们是互动的，在对话中迭代，回顾以往的相互作用，并适应信息的变化或目标的改变。当前认知计算处于新兴技术曲线的顶端位置，主要是AI的发展所致。在自动驾驶、虚拟客户助理等领域，认知计算处于非常重要的位置，AI可能会因为认知计算取代人工。炒作、预期、需求都将推动认知计算的发展。未来5年，我们希望认知计算的主要障碍得到解决，加上物联网、大数据，促动更大的商业创新。

12

区块链

区块链包含了一系列联系较弱的技术和处理过程，包括中间件、数据库、数据安全、数据分析、货币及身份管理等概念。大多数分布式分类账仍处于alpha或beta阶段。最近的版本包含资产、数据和可执行程序，在总账协议之上开发的允许定制应用程序。显著的炒作仍对帐簿的价值，但技术的可行性、安全性（软件和硬件），可扩展性，合法性和互操作性问题仍然存在。

13

商业无人机(UAV)

商业无人机（UAV）是小型直升机，固定翼飞机。无人机通常包括全球导航卫星系统（GNSS）、摄像机和传感器，引导他们进行成像、热和光谱分析。高速缓存和通信系统使无人机能够收集数据集或将它们传输到云中存储或处理，这些系统也包括防撞系统。

2017年，由于技术的改进和进一步需求程度的影响，商业无人机已经越过期望的巅峰。民用无人机应用案例包括采掘业、基础设施的检查、管道检测、灾害监测、安全检查、测量、农业筛查等。中国、日本、英国和欧盟继续测试在农业虫害防治和包裹递送中尝试使用无人机，前者得到普遍认可，后者在特殊地形、地貌条件下作用重大。

来源：三思派

编辑：Angela