Gartner近日公布了将改变组织数字化未来的五项技术,其中包括数字人类、卫星通信、微型环境物联网、安全计算和自主机器人。
Gartner杰出副总裁分析师Nick Jones表示:“所有这五种技术都是可能具有转型作用的,并且由于其具有广泛的范围、有可能引发新的商业模式、实现新的商业模式或者重要的新功能,因此需要组织进行深入的调查研究。”
“但是,每个人对颠覆性的定义是不同的,因此,从您组织的独特角度及其潜在影响来评估这些技术,然后考虑通过单个技术以及技术组合实现的新商机。”(见图1)
图1:将改变您组织数字未来的五种技术
资料来源:Gartner(2023年9月)
1、卫星通信
人们对于近地轨道(LEO)卫星通信的兴趣越来越多的是由空间民主化和商业化驱动的,低潜伏期让LEO成为企业彻底改变与人和事物沟通的一项重要技术。
根据Gartner的说法,LEO将提供具有全球覆盖的范围以及足够延迟的宽带,以完成各种任务;直接用于小型物联网设备的卫星连接,提供负担得起的全球覆盖范围,而无需涉及SIM,电信提供商和漫游等;语音和数据服务从卫星到未修改的4G智能手机,把覆盖范围扩展到远程位置。
Jones表示:“这个行业仍然处于新生阶段,预计会有出现发展和进化,因此请尽早采用LEO,因为这是复杂市场中的一项新兴技术。”
2、微型环境物联网
微型环境物联网可以对任何东西进行标记、跟踪和感测,而没有电池供电设备带来的复杂性或者成本,其结果就是能够比以前感知更多的信息,了解更多的事物,且方法更多、成本更低。
这将实现新的生态系统;基于了解对象的位置或者行为的新业务模型;具有新行为的智能产品;以及跟踪和监视的成本要低得多。微型环境物联网将为广泛的业务扩展机会,但Gartner建议,在采用前应该评估潜在的社会和监管问题。
3、安全计算
随着事物的越来越多,生态系统访问越来越多的个人信息,安全计算也变得非常重要。安全计算可以利用数据而不会损害隐私。
尽管有很多现有的安全计算原则,但由于成本、技能、绩效和可用性的原因,实施安全计算是一件挑战性的事情。Gartner建议,新兴技术(例如光学加速器)应该作为部署中一个至关重要的组成部分,以解决上述挑战。
4、数字人类
数字人类是互动的,AI驱动的表示方式,模仿人类的某些特征如个性、知识和心态。数字人类的范围覆盖了从物理(例如人形机器人)到虚拟(例如虚拟流行歌星);从以人类为驱动(例如,模仿人类的某些方面)到AI为驱动,也就是各个方面不需要像人类一样(例如,数字孪生或者聊天机器人)。
尽管具有潜力,但数字人类带来了很多挑战,包括不道德的应用;不当行为;创造偏见和刻板印象;缺乏监管;社会反弹的风险;不同的文化态度,等等。Gartner建议,在采用之前要评估潜在的社会和监管问题。
5、自动无人机和机器人
自主系统是可自我管理的物理系统或者软件系统,执行那些展现出自主性、学习和代理的任务(具有个人目的感)。如果对机器人等技术进行扩展以发挥其全部潜力的话,学习和适应自主的系统将是必不可少的。
但是,这其中也存在着很多挑战,因为它可能并不明显是机器人或AI系统所学到的或它可以(或不可以)做的。Gartner建议,可以将这些技术用于复杂且快速变化的环境中,在这些环境中,早期采用将带来敏捷性和绩效等好处,同时注意通过分析业务、法律和道德后果来管理风险。
好文章,需要你的鼓励
传统数据工程面临数据质量差、治理不善等挑战,成为AI项目的最大障碍。多智能体AI系统通过协作方式正在彻底改变数据准备、治理和应用模式。Google Cloud基于Gemini大语言模型构建协作生态系统,让不同智能体专门负责数据工程、科学、治理和分析等任务。系统通过分层架构理解组织环境,自主学习历史工作流程,能够预防问题并自动处理重复性任务,大幅提升效率。
中科大团队开发出LongAnimation系统,解决了长动画自动上色中的色彩一致性难题。该系统采用动态全局-局部记忆机制,能够为平均500帧的动画进行稳定上色,性能比现有方法提升35-58%。核心创新包括SketchDiT特征提取器、智能记忆模块和色彩优化机制,可大幅提升动画制作效率。
微软推出Copilot调优功能,让企业通过低代码工具利用自动化微调技术训练企业数据。与基于公开数据的通用AI模型不同,企业需要理解内部数据和流程的专业化模型。Gartner预测专业化GenAI模型市场将在2026年翻倍至25亿美元。这些模型通常基于开源模型构建,部署为小语言模型,提供更好的成本控制和数据安全性,同时更易符合欧盟AI法案要求。
南开大学团队开发出DepthAnything-AC模型,解决了现有AI距离估算系统在恶劣天气和复杂光照条件下性能下降的问题。通过创新的扰动一致性训练框架和空间距离约束机制,该模型仅用54万张图片就实现了在雨雪、雾霾、夜晚等复杂环境下的稳定距离判断,同时保持正常条件下的优秀性能,为自动驾驶和机器人导航等应用提供了重要技术支撑。