隨著大模型和生成式人工智能的出現(xiàn)，我們正在進入一個“暴力計算”的時代。Gartner發(fā)布了2024年10大戰(zhàn)略技術(shù)趨勢預(yù)測，本文對著10大戰(zhàn)略技術(shù)進行相關(guān)解讀，一起來看看吧。

由于很多大模型、生成式人工智能的出現(xiàn)，我們正在進入一個“暴力計算”的時代。買卡、造芯片、訓(xùn)練大模型，這些技術(shù)很多時候不僅會帶來更多碳排放，同時也會對企業(yè)的IT運維提出挑戰(zhàn)。Gartner預(yù)測：到2025年，75%的組織都會面臨持續(xù)的電力短缺。

Gartner預(yù)測：到2026年，超過80%的企業(yè)將使用生成式人工智能的API（應(yīng)用程序編程接口）或模型，或在生產(chǎn)環(huán)境中部署支持生成式人工智能的應(yīng)用，而在2023年初這一比例不到5%。

“在2024年十大戰(zhàn)略技術(shù)趨勢背后有一個共同的主題，其實就是AI?！盙artner研究副總裁高挺（Arnold Gao）說，“這些趨勢很多時候也不是一個單獨的技術(shù)，而是一種架構(gòu)上的變化?！?/p>

10月16日，研究機構(gòu)Gartner發(fā)布了2024年十大戰(zhàn)略技術(shù)趨勢，分別為：人工智能信任、風(fēng)險和安全管理 (AI TRiSM）；持續(xù)威脅暴露管理（CTEM）；可持續(xù)技術(shù)；平臺工程；人工智能增強開發(fā)；行業(yè)云平臺；智能應(yīng)用；全民化的生成式人工智能；增強型互聯(lián)員工隊伍；機器客戶。以下為高挺對十大戰(zhàn)略技術(shù)趨勢的解讀。

研究機構(gòu)Gartner發(fā)布了2024年十大戰(zhàn)略技術(shù)趨勢

圖片來源：Gartner

一、全民化的生成式人工智能（Democratized Generative AI）

生成式人工智能應(yīng)用可以讓企業(yè)用戶訪問并使用大量內(nèi)部和外部信息源，這意味著生成式人工智能的快速采用將極大地促進企業(yè)知識和技能的全民化。

Gartner預(yù)測：到 2026年超過80%的企業(yè)將使用生成式人工智能的API（應(yīng)用程序編程接口）或模型，或在生產(chǎn)環(huán)境中部署支持生成式人工智能的應(yīng)用，而在2023年初這一比例不到5%。

解讀：

未來生成式人工智能平臺的入門門檻會變得非常低，幾乎可以為所有人提供“生成、創(chuàng)造、編寫數(shù)字內(nèi)容”的能力。入門門檻低，意味著成本也低。這個“低成本”實際上還能夠提高生產(chǎn)力，取代或輔助一些工作，用來研發(fā)一些新的產(chǎn)品。

舉個例子，二手車零售商CarMax用微軟Azure OpenAI的服務(wù)，把萬余條“客戶評論”匯總成一個簡短的描述，包括它庫存里每種汽車的品牌、型號、年份，以及一些關(guān)鍵評論的要點。

對于商業(yè)用戶來說，如果我們將來可以無處不在地獲取以前不可能獲得的知識和技術(shù)，那么這預(yù)示著一波新的生產(chǎn)力浪潮即將到來?！霸啤焙汀伴_源”的融合會使生成式人工智能更加民主化，會超越只是某些大型科技巨頭能夠掌握這件事的局限性。但它也有一個問題，即這種不受限制地獲取知識和技能的方式，必須以治理和風(fēng)險管理作為基礎(chǔ)。

二、人工智能信任、風(fēng)險、安全管理（AI Trism）

AI Trism 指“AI Trust，Risk，Security Management”，是一組關(guān)于AI信任、風(fēng)險、安全管理的架構(gòu)性趨勢，比較簡單的說法是“AI治理”。

AI Trism（AI Trust，Risk，Security Management）

圖片來源：Gartner

解讀：

越來越多的人工智能成為工作中不可或缺的一部分，尤其是在生成式人工智能爆火的今天。一旦我們?nèi)狈θ斯ぶ悄苣Ｐ陀行У闹卫?，實際上就存在人工智能技術(shù)“失控”的風(fēng)險。對于企業(yè)來說，人工智能在整個生命周期中可能都會有一些安全風(fēng)險，從最早的“訓(xùn)練數(shù)據(jù)投毒”，到應(yīng)用生成式人工智能時的“提示詞攻擊”，從各個方面來講，人工智能有很多風(fēng)險敞口。

基于這樣的現(xiàn)實情況，Gartner提出這套“AI Trust”框架。它關(guān)注的是人工智能模型的治理，以及公平性、可解釋性、透明度、數(shù)據(jù)保護等，由6個模塊組成，分別是：模型運維（ModelOps）、主動數(shù)據(jù)保護、AI特定安全、模型監(jiān)控（包括對數(shù)據(jù)漂移、模型漂移和/或意外結(jié)果的監(jiān)控）以及第三方模型和應(yīng)用輸入與輸出風(fēng)險控制工具。這是AI Trism連續(xù)第二年入選“十大趨勢”。

三、持續(xù)威脅暴露面管理（CTEM）

CTEM指“Continuous Threat Exposure Management”，是Gartner提出的安全態(tài)勢修復(fù)和改進的框架，其與傳統(tǒng)安全技術(shù)的區(qū)別在于：

不是指單純從技術(shù)上去修復(fù)一個安全漏洞，而更加關(guān)注業(yè)務(wù)層面的風(fēng)險暴露面，包含五個模塊：Scoping（范圍界定）、Discovery（發(fā)現(xiàn)）、prioritization（優(yōu)先級排序）、Validation（驗證）、Mobilizatlon（動員）。

解讀：

首先，“威脅暴露面”不僅僅指網(wǎng)絡(luò)安全漏洞，它的風(fēng)險范圍、風(fēng)險敞口可能還包括一些傳統(tǒng)設(shè)備、應(yīng)用程序、社交媒體賬戶等。其次，不能簡單地以單個維度把風(fēng)險進行“高、中、低”的分類，比如傳統(tǒng)的做法可能是不考慮低風(fēng)險的漏洞，但還要考慮風(fēng)險暴露以后被利用的可能性，以及對于業(yè)務(wù)的影響程度等維度的綜合判斷。最后，對于風(fēng)險控制的措施不可能完全自動化，一個比較現(xiàn)實的做法是接受與風(fēng)險共存，同時提高業(yè)務(wù)韌性。

四、可持續(xù)技術(shù)（Sustainable Technology）

可持續(xù)技術(shù)是一個數(shù)字解決方案框架，其用途是實現(xiàn)能夠支持長期生態(tài)平衡與人權(quán)的環(huán)境、社會和治理（ESG）成果。人工智能、加密貨幣、物聯(lián)網(wǎng)、云計算等技術(shù)的使用正在引發(fā)人們對相關(guān)能源消耗與環(huán)境影響的關(guān)注。因此，提高使用IT時的效率、循環(huán)性與可持續(xù)性變得更加重要。

Gartner預(yù)測，到2025年，75%的組織都會面臨持續(xù)的電力短缺，這種電力短缺會加速推動可持續(xù)IT技術(shù)的發(fā)展。到2027年，25%的CIO（首席信息官）的個人薪酬將與他們對可持續(xù)技術(shù)的影響掛鉤。

解讀：

今年是“人工智能大年”，由于很多大模型、生成式人工智能的出現(xiàn)，我們正在進入一個“暴力計算”的時代。買卡、造芯片、訓(xùn)練大模型，這些技術(shù)很多時候不僅會帶來更多碳排放，同時也會對企業(yè)的IT運維提出挑戰(zhàn)。

更加重要的是，由于整個世界、整個社會的數(shù)字化程度越來越高，IT產(chǎn)業(yè)的耗電量占全球年電力生產(chǎn)量的比重也會越來越高。所以，數(shù)據(jù)中心的電力緊缺將會是一個即將到來的風(fēng)險，像新加坡、愛爾蘭、荷蘭這些國家，其實已經(jīng)有類似的問題浮現(xiàn)出來，這種風(fēng)險未來有可能會蔓延到其它地方。

五、平臺工程（Platform Engineering）

平臺工程指的是通過一系列工具和流程，為企業(yè)的軟件開發(fā)團隊提供一個自助開發(fā)門戶，或者稱之為內(nèi)部開發(fā)平臺。這個平臺可以涵蓋應(yīng)用程序整個生命周期里所有的操作，但它需要由一個專門的平臺工程團隊去創(chuàng)建和維護。

解讀：

這跟傳統(tǒng)的開發(fā)有什么區(qū)別呢？傳統(tǒng)開發(fā)都是項目制，很多開發(fā)人員是根據(jù)業(yè)務(wù)部門的需求做定制化開發(fā)。這導(dǎo)致了一個問題，比如一個企業(yè)開發(fā)了3個應(yīng)用，3個應(yīng)用里有很多功能是類似的，那么就會有重復(fù)開發(fā)的資源浪費問題。

平臺工程更像是開一家自助餐廳，顧客可以根據(jù)自己的要求去挑選合適的菜品，就是所謂的“自助式服務(wù)”。這樣可以在短時間內(nèi)滿足需求、提升開發(fā)效率，同時可以比較大限度地規(guī)避菜品重復(fù)的浪費問題。餐廳里的廚師就變成了“平臺工程師”，這也是為什么平臺工程要有一個專門的團隊去維護。

平臺工程有3個關(guān)鍵詞：可組裝、可復(fù)用、可配置。本質(zhì)上它背后的思想就是把軟件開發(fā)從項目管理的思維轉(zhuǎn)化到產(chǎn)品管理的思維，把本來相對獨立的開發(fā)項目流程模塊化和集中化。

六、AI增強開發(fā)（AI-Augmented Development）

AI增強開發(fā)指使用生成式人工智能、機器學(xué)習(xí)等AI技術(shù)協(xié)助軟件工程師進行應(yīng)用設(shè)計、編碼和測試。主要包括：AI代碼生成、AI增強測試、從設(shè)計到代碼的過程。

解讀：

在第一個模塊里進行“AI代碼生成”，對于下面幾種場景特別有幫助：樣板代碼、重構(gòu)代碼，以及對舊的框架或編程語言進行學(xué)習(xí)。

“AI增強測試”即會有很多測試任務(wù)逐漸被AI開發(fā)替代，主要集中在3個方面：編寫測試代碼、生成測試數(shù)據(jù)、生成單元測試中的“測試樁”。

從設(shè)計到代碼，在某種意義上是人工智能參與整個開發(fā)全生命周期的過程。目前還沒有完全實現(xiàn)，屬于對未來的展望。

七、行業(yè)云平臺（Industry Cloud Platforms）

Gartner預(yù)測，到2027年，將有超過70%的企業(yè)使用行業(yè)云平臺（ICP）加速其業(yè)務(wù)計劃，而2023年的這一比例還不到15%。ICP通過可組合功能將底層IaaS（基礎(chǔ)設(shè)施即服務(wù)）、PaaS（平臺即服務(wù)）、SaaS（軟件即服務(wù)）服務(wù)整合成全套產(chǎn)品，推動與行業(yè)相關(guān)的業(yè)務(wù)成果。這些功能通常包括行業(yè)數(shù)據(jù)編織、打包業(yè)務(wù)功能庫、組合工具和其他平臺創(chuàng)新功能。

解讀：

換句話講，即在傳統(tǒng)的“云”上加一層“業(yè)務(wù)模塊層”。它之所以會成為趨勢，因為現(xiàn)在企業(yè)更關(guān)注在“云”投資可以如何產(chǎn)生可量化的商業(yè)價值，而不是像以前只是為了達到技術(shù)和基礎(chǔ)設(shè)施改進的目的。“行業(yè)云平臺”有兩大特征：可組裝、模塊化。

它實際上是把一些通用的業(yè)務(wù)能力模塊化之后放在“公有云”上，然后讓它重新排列組合進行組裝。根據(jù)現(xiàn)在的整理，我們在超過20個行業(yè)當中找到了大概有超過270個“行業(yè)云平臺”，以下是大致的分布。

在超過20個行業(yè)中有超過270個“行業(yè)云平臺”

圖片來源：Gartner

八、智能應(yīng)用（Intelligent Applications）

Gartner將智能應(yīng)用中的“智能”定義為自主做出適當響應(yīng)的習(xí)得性適應(yīng)能力。在許多用例中，這種智能被用于更好地增強工作或提高工作的自動化程度。作為一種基礎(chǔ)能力，應(yīng)用中的智能包含各種基于人工智能的服務(wù)，如機器學(xué)習(xí)、向量存儲和連接數(shù)據(jù)等。

在2023年Gartner首席執(zhí)行官（CEO）和業(yè)務(wù)高管調(diào)查中，26%的CEO認為對企業(yè)機構(gòu)破壞力最大的風(fēng)險是人才短缺。吸引和留住人才是CEO在人力資源方面的首要任務(wù)，而人工智能被認為是未來3年對他們所在行業(yè)影響最大的技術(shù)。

解讀：

其目標是最終成為可以像人類一樣去思考、判斷和適應(yīng)環(huán)境的應(yīng)用。這種智能應(yīng)用自適應(yīng)的學(xué)習(xí)能力，背后實際上是包含各種基于人工智能的服務(wù)，如機器學(xué)習(xí)、語意引擎、連接數(shù)據(jù)等。比如蘋果手機或蘋果手表有一個“優(yōu)化充電”的功能，即根據(jù)用戶每天的充電習(xí)慣，通過機器學(xué)習(xí)的方式找到規(guī)律，比如起床時間、出門時間，然后在你出門之前一個小時左右才充電到100%。

這就是通過“學(xué)習(xí)適應(yīng)的模式”去改變，讓手機壽命更長一點。像輔助駕駛/自動駕駛，包括一些做機器人的公司，如特斯拉的AI機器人，本質(zhì)上也是一種智能應(yīng)用。

一個有意思的例子是“AI讀心術(shù)”。在2023年5月，美國得克薩斯州的奧斯汀分校研究團隊在《自然·神經(jīng)科學(xué)》雜志上發(fā)表文章，公布了一個基于AI預(yù)訓(xùn)練大模型的大腦活動解碼器，它可以將大腦活動轉(zhuǎn)化為連續(xù)的文本流，通過一種非侵入式的方法學(xué)會“讀心術(shù)”。實際上目前的識別率雖然不算特別高，但還是很有意思。

九、增強型互聯(lián)員工隊伍（Augmented-Connected Workforce）

增強型互聯(lián)員工隊伍（ACWF）是一種優(yōu)化員工價值的戰(zhàn)略。ACWF使用智能應(yīng)用和分析，提供助力員工隊伍體驗、福祉和自身技能發(fā)展的日常環(huán)境與指導(dǎo)。

解讀：

其關(guān)鍵的核心在于提供員工的數(shù)字體驗。如何用人工智能“增強”？它指的是，對從終端應(yīng)用知識庫甚至是員工情緒中提取出的數(shù)據(jù)進行接近實時的處理和反饋。比如，企業(yè)從員工在線工作的時間，包括郵件里的措詞、訪問各個應(yīng)用的數(shù)據(jù)，分析出員工目前的工作狀態(tài)和壓力。另外一個角度是，從員工在某些系統(tǒng)里逗留的時間、所做的操作，可以看到企業(yè)里需要改善的流程，甚至找到一些“員工的離職傾向”等。這里要考慮“安全和隱私”問題。但它的一個要點是用人工智能的方式對員工進行關(guān)懷，人工智能最后不會取代人類的關(guān)懷，但是可以增強，至少給人類提供一些數(shù)據(jù)方面的支撐。

十、機器客戶（Machine Customers）

機器客戶（也被稱為“客戶機器人”）是一種可以自主協(xié)商并購買商品和服務(wù)以換取報酬的非人類經(jīng)濟行為體。到2028年，將有150億臺聯(lián)網(wǎng)產(chǎn)品具備成為機器客戶的潛力，這一數(shù)字還將在之后的幾年增加數(shù)十億。到2030年，該增長趨勢將帶來數(shù)萬億美元的收入，其重要性最終將超過數(shù)字商務(wù)的出現(xiàn)。

在戰(zhàn)略上應(yīng)考慮為這些算法和設(shè)備提供便利甚至創(chuàng)造新型客戶機器人的機會等。Gartner預(yù)測：到2027年，超過50%的銷售和服務(wù)中心將接聽機器客戶的電話。

解讀：

這個“機器客戶”當然不是一蹴而就的，它的整個進化過程分成3個階段：

第一，人類主導(dǎo)，由機器通過一定的規(guī)則去購買特定的商品。

第二，人類和機器共同主導(dǎo)，優(yōu)化購買的選擇，最終由機器根據(jù)規(guī)則執(zhí)行購買操作。第一個階段已經(jīng)實現(xiàn)了，第二個階段也已經(jīng)實現(xiàn)了一部分了。

第三，機器推測人類的需求，根據(jù)規(guī)則、場景和偏好進行自主化購買。

一個有意思的案例是，前不久OpenAI的一位創(chuàng)始人發(fā)表TED演講，演講之前他做了一件事：用聊天機器人ChatGPT和文生圖工具Dall·E幫他準備晚餐的菜單，然后用Dall·E把晚餐的菜單文字轉(zhuǎn)化為圖片的請柬，最后用ChatGPT創(chuàng)建一個“購物清單”。

文章來源：澎湃新聞/Gartner