近期，德勤发布的《2022年技术趋势》将自动化视为可持续发展和增强基础运营的新关键，并认为自动化将促进员工升级价值链，专注于解决更有价值的问题。
趋势一：数据跨界共享更便捷
○共享和繁荣：与他人合并数据，建立数据池，创造新机遇。
○数据资产货币化：数据平台提供安全的数据交易机制。
○确保数据安全：越来越多的隐私保护技术, 有助于保持共享数据安全。
强大的数据共享和隐私保护技术开辟了新的数据货币化时代
随着数据共享技术的进步，人们可以在高效率的、基于云技术的市场平台上购买和出售具有潜在价值的信息资产。将数据与一系列隐私保护技术结合，如全同态加密(FHE)和差分隐私等，人们可以共享加密数据并在加密数据的基础上进行计算，而无需对数据进行解密。这样就能达到最佳平衡：在保护安全和隐私的前提下共享数据。
所有这些因素，推动形成一个极具潜力的新趋势。由于隐私 或监管问题，存储在世界各地服务器里、无法被使用的敏感数据，开始以新商业模式和新机会的形式，在企业中产生价值。在未来的18到24个月里，会有更多的组织寻求建立无缝、安全数据共享的能力，拥有这些能力之后，它们可以实现自身信息资产货币化，同时利用他人的数据，达成业务目标。
尽管目前尚处于早期阶段，但数据共享趋势已日益加速。研究机构Forrester Research在最近的调查中发现，70%以上的全球数据和分析决策者都在不断扩大自身利用外部数据的能力，还有17% 的决策者计划在未来12 个月着手扩大数据利用的能力。此外，仅全球FHE市场的年增长率就达到 7.5%，预计到2028年总价值会达到4.37亿美元。目前在众多FHE应用领域中，最领先的是医疗保健和金融行业。270% 以上的全球数据和分析决策者都在不断扩大自身利用外部数据的能力。是什么推动了这种增长?简单来说，数据在共享时会增加价值。根据 Gartner预测，到2023年，积极提升数据共享能力的组织，其大部分业务指标将胜过同行。
目前已有的数据共享示例如下：
• 利用聚合数据安全地实现共同目标。组织可以与同一市场行业内的“竞争对手兼合作伙伴”团队合作，实现共同目标，如发掘出更深刻的客户洞察，或检测行业内的欺诈模式。
• 提高效率，降低成本。数据供应商不需要跨企业搭建硬件设施，维护数据库，建立应用程序编程接口(API)。客户可以一键获取经过匿名化处理后保存的数据。企业内，加密数据使人工智能 (AI) 和机器学习 (ML) 变得更安全，使合规审计变得更容易。
• 扩大研究协作范围。共享底层基础性或早期研究结果，有助于在不损害辛苦建立的竞争优势的前提下，加快关键性研究项目。
• 保护知识产权。AI训练数据等超敏感数据可以存储到公共云上，从而得到更好的保护。
• 为动态实时数据加密。在高频交易、机器人手术和智慧工厂制造等领域，机密数据需要在多个实体间快速流转。FHE 允许用户无需加密密钥即可获取关键数据。类似的通过数据共享和聚合来实现数据变现的场景，可以 帮助先行的探索者建立竞争优势，这也是目前市场上较受 关注的一个方向。
数据共享生态系统的新加入者经常会碰到他们所谓的“哦，天啊”时刻，即发现他们的竞争对手已经在同一平台上进行了很多利用数据资产的尝试。
许多公司会在此刻下定决心成为最出色的AI和数据驱动性企业。共享和相同方式共享
作为数字化转型的命脉，数据在德勤的《技术趋势》报告中占据着极为重要的地位。例如，在《2021年度技术趋势》中，我们讨论了为实现MLOps的宏伟目标，公司必须采取不同的方式管理数据。如今,数据共享革命使组织能够以更安全的方式，获取其生态系统内的更多数据，甚至跨组织获取数据。但是，要发挥出这样的潜力，同样需要以不同的方式管理数据，此外还要运用创新技术和技能，将信息资产从传统的隐私和安全限制束缚中释放出来。
今年的数据趋势涉及三大维度：机遇、易用性和隐私。
共享繁荣的新商业模式与机遇
共享数据带来共享机遇，创造新的商业模式。随着数据共享趋势的推进，我们预测会有更多的组织参与“数据协作”，以应对共同的挑战，寻求互利互惠的创收、运营和研究机会。此外，这种与外部数据管理服务供应商安全共享数据的能力，有助于组织精简数据管理流程，降低相关成本。参考以下数据共享可能带来的机遇：
•行业垂直市场。即便是竞争最激烈的对手，他们也常常需要通过相互协作才能完美应对共同的挑战。以食品行业的供应商为例：如果他们全部都将敏感的销售和交付数据匿名化并加以聚合，用于分析，那么他们就可能更好解决行业的供需难题。又比如，发展中地区的银行可以匿名化聚合信用数据，建立一套跨银行的信用风险评分体系。再或者一个最大的应用场景，医药研究人员和医生如果能够建立一个安全的生态体系数据聚合系统，以更好的理解生命的秘密，更快的将挽救生命的创新应用更快的推向市场?
随着数据共享趋势的推进，我们预测会有更多的组织参与“数据协作”，以应对共同的挑战。
•同一价值链中的合作伙伴。许多制造商和零售商从第三方数据公司购买消费者数据，但数据的质量往往不够好，不足以发挥作用。假如同一价值链内合作性质的系统(从供应商到制造商，再到市场营销商)能够合并池化消费者数据，形成更细致的需求图，那么将会怎样?
•外包AI模型训练。AI模型往往被认为是高度敏感的知识产权形式。由于它们可安装在一个U盘上，这就表示安全风险较高，所以许多组织一般选择内部自行建模。得益于加密技术，这种模式可能会发生改变。利用安全的建模数据，首席数据官可以将AI建模和训练安全地外包给第三方。
•数据供应商简化交付。在数据共享平台上，实时市场或物流数据使用权的购买非常简单，一键即可完成。数据供应商无需提供API或发送文件。
一键轻松获取外部数据
基于云的数据共享平台帮助组织无缝共享、购买和出售数 据。这些高度虚拟化的高性能数据市场通常采用“数据共享 即服务”的模式，在这种模式结构中，服务订阅者(也即用 户)可以管理、保存和定制数据。他们还可以利用平台自带 的“数据净室”(Clean room),保证自身数据达到一定的安全程度。“数据净室”是一种安全空间，附有明确的使用指南，组织可以在这个空间内聚合其数据资产，进行分析。最后，用户可以聚合数据并将其数据使用权出售给平台上的 其他用户。数据购买者可以获取市场、产品或研究等不同方 面的常规或定制化观点。
这种“共享即服务”模式的底层逻辑是基本的商业战略。这 种战略在音乐文件共享和社交媒体等较受人瞩目的信息和 内容共享领域的成功，已经证明了其效用。在这种模式下， 供应商负责搭建易于使用的数据共享平台，客户提供内容(数据)。
数据市场行业目前正处于“淘金热”的初期阶段， Databrick、Datarade、Dawex 和 Snowflake等初创公司以及AWS、Azure、Google和Salesforce等超大规模云服务商正在激烈厮杀，试图在这一极具潜力的市场中占据主导地位。最具前景的是：伴随着数字化转型，数据增长和数据民主化的相互促进，正在推动一场数据革命,使得对外部数据的需求快速增长。数据不再仅仅是影响管理者决策的工具，现在已经发展成为一种可以出售、采购、交易和共享的关键业务资产。那些能够以最便捷、最有效的方式促进此类交换的平台，将最终成为行业数据垂直领域，乃至整个市场内数据共享的标准。
随着越来越多的组织开始寻求机会去实现数据资产货币化， 并不断扩大发展其数据资产时，我们看到数据共享的应用 场景快速增加，其中一些已经获得成功。例如：
•在新冠肺炎疫情初期，竞争激烈的全球制药公司探索各种 办法，通过数据共享平台，共享临床前研究数据。
•新冠肺炎疫苗接种单位利用国家管理的集中平台，与公共 卫生保健机构共享每日接种和测试数据。
•一家全球金融服务公司的投资经理实时获取和分析来自后台、中台和前台的数据，从而，与客户共享投资数据所需的时间从“几个月”缩短到了“几分钟”。
对于数据共享平台市场的某些方面究竟会如何演变，还需 要时间来佐证。但最终必定需要一些整合和标准化处理，不 过到时若干平台市场可能已经站稳脚跟。例如，私人数据市 场可能会出现合作性质的系统，或者公共市场会涌现迎合 特殊需求的产品。无论最终数据市场的形式如何，我们预测，该领域的淘金热将继续如火如荼地展开，尤其是随着供应商开发出钢铁般牢固的安全方案，以及越来越多的组织加入平台，可供消费的外部数据会越来越多。
在不损害隐私的前提下共享数据
数据在共享时增值。但过去的数据隐私政策和竞争性保密需求阻碍了人们实现这一价值的能力。如今，一系列新的计算方法(统称为隐私保护计算，或机密计算)应运而生，解开了组织及其数据的“隐私”枷锁。利用FHE、差分隐私和函数加密等方法，组织可以在不损害隐私的前提下，通过数据共享获益。
未来的方向
尽管隐私共享计算和先进的数据共享技术使得走在这一趋势前沿的组织不断从数据中提取更多价值，但它们并不能满足所有数据管理要求，也不足以应对所有挑战。仍然需要强大的数据治理能力，标记和元数据依然必不可少。
另外，新工具和新方法不会一夜之间改变公司长久以来的数据文化。例如，成熟的公司针对数据管理和数据使用通
常有着根深蒂固的流程和标准，而初创企业和数字化原生企业则可能会采取更具弹性的方法。家族企业则由于特殊
的人际关系影响着决策和战略，无论在企业外部实现哪种程度的数据匿名，此类企业都倾向于不共享持有的数据。
我们认为，在通往新时代变革性数据共享的道路上，这些问题以及类似的问题只不过是小小的绊脚石。毕竟你的服
务器中就有着一个尚未开发的资产，那你还有什么好犹豫的?
趋势二：云走向行业 垂直化
○攀登堆栈：云服务供应商对不断增长的订 单业务流程进行自动化和抽象 化，以创建行业优化平台。
○加倍重视差异化发展：通过云采购商品行业流程，首席信息官可以将人才资源和预 算的投入重点放在打造竞争优 势的系统上。
○建立变革能力：云能力帮助组织通过少量行动 打开视野。更少的定制化代码 也就意味着更多灵活性。
行业云解决方案帮助组织将手动任务自动化，将重心转移到具有竞争力的差异化方面
工业云解决方案帮助组织将手动任务自动化，将重心转移到具有竞争力的差异化方面。随着全球经济背景从疫情大流行向着未来地方性疫情转移，许多组织都在寻找机会，试图将业务流程转移到云端来提高灵活性和效率。
作为回应，云服务巨头、软件供应商和系统集成商正在开发一系列基于云的解决方案、加速器和API,这些都是预先配置好的，以支持行业垂直领域的常见场景。这些解决方案是专门为易于采用而设计的，并且可以在其基础上进行构建以实现数字差异化。无论这些产品中的自选应用、工具或服务用户怎样组合，云技术都能将它们连接到一起，形成强大的业务流程解决方案。
例如，一家全球汽车制造商与云供应商合作，为运输业开发 基于云的联网汽车应用开发服务。该平台具有行业针对性 解决方案，以及物联网、机器学习、分析与计算服务,制造商可以利用这些服务为车辆开发连接层。医疗保健行业最开 始部署了云流程来管理后台数据。
随着医疗保健机构开始在云端管理患者数据，1996年《健康 保险携带和责任法案(HIPAA)》的监管合规性推动该行业云 技术应用进入下一阶段。今天，医疗服务供应商先驱正在探索如何使用基于云的HIPAA模式改善医疗服务。
在未来18到24个月内，我们预计越来越多的市场组织将开 始探索使用行业云满足其独特的垂直需求的办法。实际上，根据德勤管理咨询的分析,我们预计未来五年行业云市场的价值将达到6400亿美元。
显然，云走向行业垂直化的趋势正在增长，而现在正是为你的组织探索可能性的时候。首先，你可以对业务流程生态系统进行评估，以明确你将考虑从外部供应商处采购的具体流程，以及这样做的利弊。
作为评估的一个关键环节，你需要衡量当前流程对短期和长 期业务战略的价值，以及有待改进的地方。另外，请记住，快 速发展的云能力可能会带来新的商业模式和开箱即用的可能性。当公司开始外包无法提供具有竞争优势的IT功能和业务流程后，他们便能将精力和投资转向有竞争优势的“差异 化”系统和服务，同时实现可持续的变革能力。
不必通过为期两年的庞大项目来完成评估工作。事实上， 可以一步一个脚印，逐步提升大部分流程的效率和效益。与此同时，可以着手将人力和物力重新投入到能够带来竞争优势的差异化流程中。
从基础设施到行业垂直
目前推动云走向行业垂直化趋势的业务和技术需求并非是 新的需求。从2000年开始，具有合规需求、业务流程处理需求或数据管理需求的组织开始采用云技术软件。大约在同一时期，许多企业的首席信息官开始将一些企业内部系统整体迁移到公有云上，以降低成本和提高效率。
今天，采用满足行业通用需求的共享软件和基础设施外包 这两种相辅相成的方式，共同推动着云走向行业垂直化的趋势。目前最新的进展是，我们已经从通用功能和通用库的采购，转向与实际的行业业务流程数字化和可用性相关的工作。此外，越来越多的企业期望云计算供应商能够打造“通用核心”解决方案，满足各个行业和生态系统共同的需求。所以，云计算和软件供应商目前提供了具有行业属性、模块化业务流程的一个“菜单”，通过API，只需一个按钮就能实现。例如，工程师和系统架构师可以使用API将特定的智能工厂系统连接到云共享网络中。如此精妙的能力与几年前的FedRAMP-esque、基于合规性性的产品相比有了质的飞跃。
在此背景下，我们看到这一趋势体现在以下几个方面：
超大规模云服务商向着 堆栈上层方向发展
三大云服务提供商——亚马逊AWS、谷歌云和微软 Azure――提供了基于云的行业飞地，使医疗、制造、汽车、零售和媒体等行业中特有的业务流程实现自动化。
他们先是创建了基础设施即服务(laaS)能力，这些能力最终升级为平台即服务(PaaS)能力。
但他们并未止步于此。超大规模云服务商的业务继续向着技 术堆栈更高层次延伸，有条不紊地将不断增长的订单流程自 动化，搭建行业优化平台。在某些情况下，这些平台的功能比许多企业应用的现有解决方案更加可靠和高效。例如，现在酒店业中的一些企业会基于云技术的预订和客户管理系统。制造业也同样利用云技术的预测性维护解决方案。
各组织将能在行业云中发现超大规模云服务商开发的产品和服务以外的价值。可以肯定的是，MuleSoft、Oracle, Salesforce、SAP、SrevisNow等知名供应商，以及初创企业和开源项目所提供的行业特定业务能力形成了生态系统，而且在不断发展。
关注差异化
很有可能你有一些自行开发的代码系统，你可以保留下去。 得益于良好的规划和实施，你投入时间和预算所开发出这些 能力能够为你带来竞争优势。你需要将它们视作能让你的组 织在市场中脱颖而出的关键因素。例如你是一名零售商，花 费了大量时间定制你的店内库存管理引擎，而最高管理层(和 市场)十分认可你的库存能力并且将它视作一流的超能力。云服务供应商能够提供库存API并不意味着你就应该不假思索直接使用它们提供的产品。既然你拥有定制化的能力，而且相应的能力对实现竞争差异化优势能起到关键作用，那为什么不考虑把它留着呢?当然，你可以在云端获得相应的能力，但重要的是你定制的系统你就拥有其知识产权，能够满足你独特的需求，而这是现成的产品无法做到的。
采取行动前，你必须对各项选择进行评估。目前聚焦垂直化的解决方案与前几年相比也更为复杂和精细。执行某个流程前应该考虑现有的能力。如果你当前的能力比供应商提供的能力更好，那么就该维持原本的运行逻辑。但是，如果你的竞争对手是“数字化原生”企业，而你的流程以及相应的支持能力已不具备优势，这种情况下便可以考虑使用行业API。
对于许多技术和业务领袖而言，要跟上云走向行业垂直化 趋势则必须精打细算。各个领袖必须一起识别公司在市场 中的优势，以及哪些技术能够助力公司取得胜利。例如，如果你通过非传统客户服务赢得胜利，则应该对相应的内部分析能力进行大量投资，这些能力能够带来竞争差异化优势，以及新的创新和创收机遇。一定要尽心经营这样的能力。相比之下，无法帮助你在市场上展露锋芒的能力则都是商品，都是可以从云服务或软件供应商处获得的商业服务。
在探索云走向行业垂直化趋势的潜在机遇时，可以考虑展 开以下行动，其中可能还包括一些早就应该采取的措施：
1.业务和IT负责人应该展开合作，明确公司当前和未来的优势。要实现这一目标，业务负责人必须深化对技术的认识。同样,IT负责人也必须了解业务战略以及技术在推动业务战略进展方面所扮演的重要角色。只有这样，两个团队才能确定哪些技术是帮助公司赢得胜利的关键。
2.制定业务流程以及支持相应流程的云产品清单。
3.明确应在公司内部保留哪些差异化流程和技术。此外还 需要判断业务范围内哪些领域能够从云技术赋能的新兴技术产品组合中获益。
4.与云服务供应商、软件供应商和集成商合作，规划公司云 能力发展的下一阶段。
现代工程
即使“购买”流程演变为“装配”流程，不同的“构建”方式也同样具有必要性。我们所讨论的并不是大批开发商为构 建庞大的定制化系统而进行持续数年的项目。相反，我们讨 论的是现代软件工程：小团队使用云服务、平台和工具开展 工作，快速完成集成和部署。
这一新方法的很大一部分都是关于全栈团队围绕一系列明 确界定的结果紧密合作。领导性质的组织接纳“小分队” 或“双比萨团队”，其中云工程师、用户体验设计师、数据科学家、质控人员和产品经理会在工作中进行合作，各部门的边界因此变得不再绝对。团队成员更关注当前冲刺阶段的关键问题，他们也就能在这一过程中学习和成长。重要的是，团队会集中精力解决业务问题，针对正在开展的工作形成路线图。这意味着团队迎来了可喜的转变，从原先不明确方案要求的制定目的到如今有针对性地开展工作的变化。
另一个关键是赋权。现代工程师希望拥有自主权，包括从目 的角度(可以选择做他们认为有意义的工作)，到工具角度
(可以选择他们用来施展技术的设备、平台、开源库)，再到个人角度(着装要求、工作时间、远程办公安排)。
传统组织的技术领袖在访问高科技初创企业时，通常未能 把关键的东西带给自己的组织。数字化原生企业的工程团 队能够迅速发展的原因通常并不是因为他们有供员工娱乐 的桌式足球、装满零食的冰箱或是一些没有意义的特殊福 利，而是因为这些新型公司将工程视作极具创造性的核心领 域。他们尊重工程师的意愿，并赋予工程师有助于他们取得 成功的权力。当然，限制和指导方针依然有必要，尤其是涉 及安全、合规性和法律知识产权保护等问题的情况下。不过 这些都是将现代工程提升为组织战略和未来文化的一个关 键部分的大背景下部署的。
培养持续变革的能力
在创新技术日新月异的时代背景下，获得一流的解决方案甚 至是实验性的工具为企业提供了他们需要的软件选择，以连 接他们多方面的数字转型战略的所有点。然而，这取决于组 织是否具备适应变化的能力。
设想一下随着创新解决方案和服务的出现，适应特定行业垂直需求的云技术将不断演变。
为维持自身竞争差异化优势，组织需要接受变化，保持应用最新的行业云产品。由于变化极其迅速，未来总是会快速逼近。云技术不仅可以帮助组织实现变革，还能使组织拥有持续变革的敏捷性。如今内部的系统和流程越少，未来需要进行管理、升级和更新的任务也就越少。大多数公司在一定程度上都已在云端部署业务。如果你的公司也是如此，可以把行业云趋势看作是公司“云之旅”的下一阶段，它是对云计算最初承诺的再现，即共享资源，以节约成本和规模化的方式。
未来的方向
值得庆幸的是，要完全拥抱行业云趋势，企业无需耗费九牛二虎之力。事实上，只要采取小而周到的步骤，避开复杂 遗留应用程序更新或颠覆性核心现代化方案的问题，就能实现你的目标。而你的每一步进展都有助于提高系统效率和效益。
趋势三：区块链商业化应用启程
○规模化区块链：成熟的技术、标准和交付模式促进企业的区块链技术应用。
○金融业以外的应用：企业的区块链应用实践使得多个行业中涌现出区块链的创造性用途。
○从需求出发：成熟企业和初创企业都必须以真实的需求为出发点，通过区块链实现商业利益。
分布式账本技术正改变业务经营性质，帮助公司重新设想如何管理有形资产及数字资产
新潮的加密数字货币和不可伪造的代币(NFTs)总是占据媒体头条，激发公众想象。不过，这些技术和其他区块链和分布式账本技术(DLTs)也在企业中掀起波澜。与为企业网络通信提供基础支持的TCP/IP协议一样，分布式账本最终可能成为企业运营的一个必要基础(无形资产的情况下)，即使是看不见的基础，也能让既有行业领袖扩大投资组合，创造新的价值流，同时允许初创企业大胆构想振奋人心的新商业模式。
区块链和分布式账本技术平台已经成功跨过技术成熟度曲
线的低谷期，目前正在拉动实际生产力。它们从根本上改变
了跨越组织边界开展业务的性质，助力企业重新思考如何
制造与管理身份、数据、品牌、渠道、专业认证、版权以及其他有形资产与数字资产。事实上，虽然许多公司在疫情期间取消了纯粹的投机性区块链项目，但是这些公司却加倍投
资一些明显能够带来好处的项目。
我们在先前的技术趋势报告中探讨过，标准化技术、流程和技能组合对扫除区块链技术应用及商业化过程中的障碍具有必要性。今天，技术进步和监管标准(尤其是在非公共网络和平台方面)正带动金融服务行业以外的组织采用区块链技术。成熟的技术和平台通过提供互操作性、可扩展性和安全性来推动这一过程的进展。随着各企业越来越熟悉区块链和分布式账本技术平台，在许多行业中也涌现出一些创造性应用案例，并从根本上改变了跨越组织边界开展业务的性质。
规模化区块链：不断发展的技术和标准
第一代区块链和分布式账本技术已经证明了加密货币交易、清算和结算等应用方式行之有效，但同时也存在效率低、能耗大和无法规模化的问题。
首先，尽管市场中有着丰富的平台和协议，但却缺乏技术或 流程标准以及互操作性，各个企业因此无法跨多个平台进 行合作。早期的应用案例被限制在价值从一方到另一方的 简单转移。用户无法创建能够使各方就条款内容达成一致 的附带条件的交易或应急方案。
此外，技术的应用还受一些挑战的约束，这些挑战与交易验证相关。例如，加密货币和其他应用方式采用工作量证明共识机制来验证交易，这是一个十分复杂和漫长的计算过程，会消耗大量能源，每笔交易的服务费用很高，而且十分耗时——每笔交易需花费10分钟或更长时间。
这是大部分技术在早期应用阶段都会遇到的典型挑战，企 业家、企业和学术机构因此开始推动区块链和其他分布式 账本技术平台的产业化进程。如今，成熟的技术、不断发展 的标准和全新的交付模式正吸引着更多企业拥抱区块链。比如：
非公共网络和权限网络。许多早期分布式账本技术平台都 是低信任度公共网络，任何人都可以参与其中。这就导致网 络中通常会有心怀叵测的人，而且这类网络也通常缺乏完 善的隐私和匿名保护措施。现在，风险厌恶型企业拥有了更加可信和安全的选择：只允许通过筛选和验证的成员加入的非公共网络(即私人网络)，以及通过身份验证的人可以加入许可(permissioned)网络(该网络中成员活动受限于相应的角色权限)。
技术进步。人们对可用性和速度的重视程度不断提高，导致第一代应用技术可能无法支持一些实际需求，包括设置自动执行合同和应急方案的能力。用于验证交易的新型加密流程耗能远低于工作量证明(proof-of-work, PoW)过程，而且突破了瓶颈，交易速度更快，每笔交易的服务费用和能耗也更低。在许多企业青睐的私有和许可网络中，授权证明共识机制被用来验证交易。
互操作性提升。许多满足企业应用目标的分布式账本技术平台不断涌现。Polkadot, Cosmos, Wanchain以及其他新的协议和平台使企业能够连接多个区块链，并在多个平台上与多个实体无缝进行互动、协作、共享和交易。组织因此得以开发支持多种用例和个性化应用的基础设施。架构、共识机制、令牌类型和其他特征会因平台而异，组织可能需要根据具体的目标和用途探索更多平台。
技术和创新生态系统。随着分布式账本技术平台数量的增 加，创新技术同步发展，一个广泛的、充满活力的生态系统 已经出现了。其参与者正在开发去中心化应用程序,提供身 份管理和供应链管理等专业功能。
如今,成熟的技术、不断发展的标准和全新的交付模式正吸引着更多企业采用 相应的技术平台。
金融业以外的区块链
受更安全、更高效的交易效果吸引，金融服务业在区块链和其他分布式账本技术平台的应用方面一直处于领先地位。但区块链技术所带来的好处也延伸至金融业以外的领域，尤其是在多个组织需要访问和共享相同的数据并需查看交易历史的应用场景中。一般而言，这是一个昂贵、低效且缺乏可信度和安全性的过程。但随着区块链和其他分布式账本技术的潜力在提高业务运营效率和创造新的价值交付方式层面不断凸显，金融行业之外的一些具有前瞻性的公司也开始应用这类技术，并将其整合到现有的基础设施和路线图中。
事实上，根据2021年德勤管理咨询全球区块链调查报告的数据，绝大多数调查对象(80%)认为区块链、数字资产和或加密货币解决方案将为他们的行业带来新的收入来源。据另一家研究公司预测，全球在区块链领域的支出将从2021年的53亿美元增加到2026年的340亿美元。另有分析显示，银行业在区块链应用方面保持领先，其次是电信、媒体和娱乐行业;制造业;医疗保健和生命科学;零售和消费品行业;以及政府。预计从现在到2024年这段时间内，零售和消费品行业在区块链应用支出方面将达到最快的增长速度。
备受关注的应用领域包括：
自主数据(Self-sovereign data)和数字个人身份。利用区块链和其他分布式账本技术平台实现安全存储和管理，用户便能建立个人数据所有权，创建和控制属于自己的防篡改数字身份。这有利于增强个人可识别信息的安全性，防止伪造或窃取身份信息的行为。具体应用包括联系人追踪、电子健康档案和电子证书以及电子表决。
第三方可信数据共享。就像在《数据跨界共享更便捷》中所 讨论的一样，由于技术孤岛和隐私顾虑，第三方的数据访问 和数据共享常常会受到限制。私有和许可分布式账本技术平 台使组织能够安全地使用和交换数据，确保经验证和可信 赖的第三方只持有必要的特定数据访问权限。在不牺牲数 据完整性或数据隐私的情况下，组织可以跨公司和跨行业共 享数据，促进生态系统伙伴间的协作和信任。例如，医疗保 健服务供应商之间进行安全数据共享有利于改善患者健康 信息的交流;在情报界，它可以促进跨机构和国际边界的威 胁情报和其他可操作信息的交流。
资助。无论是对资助方还是受助方而言，区块链和其他分布 式账本技术平台都可以帮助他们减轻与监测和报告财务及 绩效结果有关的行政负担。一项针对联邦机构行动计划开 展的研究发现，使用区块链进行、跟踪和监控专项拨款，提 高了拨款情况汇报的质量和透明度，并且提高了拨付效率 和汇报效率。
公司间账务处理。特别是对于大型全球化组织或拥有众多 法人实体的组织而言，公司间的清算和结算往往涉及多个企 业资源规划系统、电子数据表和人工处理流程。此外，交易 完成之后，对账工作经常会延迟数周。区块链和其他分布式 账本技术平台可通过验证和创建一个共享的、不可变的转账 记录，提升公司间(尤其是在并购和收购过程中)转账会计 事务处理工作的可追溯性、透明度和可审计性。
供应链透明化。在当今的全球供应链中，利用区块链和其他 分布式账本技术平台，可以优化产品跟踪流程并改善产品可 追溯性，从而减少假冒产品，降低添加使用非法或劣质成分 和组件的可能性;确保火鸡肉、钻石和葡萄酒等商品的货源 正宗;并帮助政府有效施行关税和贸易政策。此外，采用上 述技术也有助于进行资产跟踪、掌握货运情况，提高从采购 订单和物流管理再到开具发票和付款整个采购流程的透明 度。
客户和粉丝参与。将非同质化代币(NFTs)作为收藏品出售， 使个人和组织能够构建数字社区、吸引粉丝和客户并打造自 己的品牌。受新冠肺炎疫情影响，多地暂停举办线下体育赛 事及娱乐活动，在此期间，非同质化代币帮助演艺人员和体 育名人、相关行业从业团队乃至联盟实现了收入多元化，并 与其粉丝和客户保持联系。而在活动票务领域，应用区块链 和非同质化代币具有彻底杜绝票务欺诈和“黄牛”倒票行为 的潜力。
帮助创作者变现。艺术家、作家、发明家和其他创作者往往 要花费很大功夫去通过许可使用、专利和版权，来证明自己 对IP (智力创造成果)的所有权，以及实现IP货币化。而借助区块链和其他分布式账本技术平台，内容创作者可以将其 IP嵌入一种智能合约，每当有人下载这类IP,都会执行该合 约。该智能合约可以触发自动付款，并能根据用户身份进行 灵活处理，例如，大型企业将比个人消费者支付更多费用。
以业务和客户需求为导向
我们可以将当今的分布式账本技术平台与20世纪90年代中 期的互联网进行类比，重点看一看互联网给各行业和生态 系统的业务流程带来的变化。
回顾一下，在其尚处于起步阶段时，互联网速度慢、用户界 面不够美观并且不为人所理解。一些传统公司没把它放在 眼里——毕竟据他们推断，无论是网购还是电影流媒体，通通没有市场。而另一方面，许多初创企业满腔热情地加入了这一行列，在它们的企业名称中加入后缀“.com”，并斥巨资经营业务、进行产品发布。
最终，双方的结局大都很糟糕。那些传统巨头中虽然不乏因 为忽视互联网而被淘汰出局，但确有一些富有远见的老牌 企业坚持到了今天，并最终成为互联网巨头。那些互联网初 创企业中,如果所奉行的商业模式不具可持续性或存在缺 陷，也都纷纷“阵亡”，但那些采取了可靠商业战略并具有执行力的企业却获得了巨大成功。当.com时代尘埃落定，留下来的是那些围绕有形业务和客户需求构建或重构其商业模式的公司。
区块链和其他分布式账本技术平台的现状与1997年的互联网并没有什么不同之处：他们不够灵敏、用户界面不完善，但在企业应用方面却存在无限可能。就像互联网一样，它们正在帮助企业和组织简化业务流程和运营，并通过创造新的数字商业模式来推动价值的实现。它们不需要使用传统媒介就能在组织边界之外建立信任，这种能力深刻地改变了创造和交付价值的方式，而且，就像互联网一样，它们正在改变跨行业和生态系统开展业务的方式。在单一组织内部，实施变革可能具有挑战性，而在多个组织和行业中，难度可能会上升好几个台阶。随着使用分布式账本技术的门槛降低，以业务和客户需求为导向的老牌企业和初创企业都能够更顺利地驾驭这一转型。许多企业家和初创企业正致力于发现新的客户使用案例， 并为基于区块链与其他分布式账本技术的新商业模式吸引投资者。例如，初创企业创造了基于分布式账本的作者身份验证方式，享有所有权的平台可以解决艺术家、作家和音乐家所面临的版权、归属、权限管理和版税支付等方面的挑战。但是，当这些技术试图颠覆其所在行业之时，既有的市场领导者并没有坐以待毙。相反，他们正在接受分布式账本技术驱动的商业模式，同时充分利用他们作为可 信赖供应商的声誉。例如，微软依靠区块链为其游戏业务 合作伙伴提供版税协议和付款记录。
未来的方向
今天，成熟的技术、不断发展的标准和新的交付模式正在推动企业对区块链和其他分布式账本技术平台的采用。
大量企业用例不断涌现，赋予了各行各业的组织开发新商 业模式的能力，以改变各种形式的物理和数字资产的价值 创造，并简化跨组织边界的业务流程。随着人们对分布式账本的信心不断增强，有朝一日，区块链上形成的集体记录会不会被视作比链下记录更可信的事情呢?创新的商业模式可以帮助初创企业开辟新天地，并使传统企业有能力发展和补充现有的商业战略，从而在“无信任”的分布式账本生态系统中维持自己作为可信赖代理人的声誉。要想取得成功，无论是新来者还是老前辈，首先要做的可能都是确定客户或业务需求是否正当合法。
当组织利用区块链和其他分布式账本技术平台来推动创造新的商业价值，他们很可能需要了解哪些平台和协议与其所在行业和用例相关度最高，并对现有企业架构进行未来验证，以便实现在多个平台上运行。最后，为了支持这些技术和平台将带来的跨组织和行业转型，组织可以在改进或改变业务流程方面培养一种紧迫感，同时提升变革管理能力。
趋势四：IT的自我颠覆：自动化技术的规模化应用
○基础设施自动化：通过代码(而非人工)管理基础设施
○系统和软件管理自动化：通过代码(而非人工)管理系统、工具和软件
○自动化技术的优化：关键领域实现机器学习(识别可能的中断)
那些着眼于未来的IT组织，已经开始对TT后台”进行现代化改 造，以形成具有前瞻性的自主服务和工程自动化模式
但还有许多组织内部仍然有员工在做着大量重复性工作，例如管理、监控、审查和工单响应等任务。过去十年，云服务供应商已经向我们证明了，剔除重复性工作的自动化流程，有助于提高整体效率。自动化流程具有一致性和可审计性，这有助于减少错误、提高质量。同时还可以让技术人员腾出双手，专注处理更高价值的任务。
由于各种原因,IT领导者寻求自动化的步伐一直很慢。但是，这种情况开始发生改变。我们所观察到的一个新兴趋势是，某些首席信息官开始对其所在的组织和技术队伍进行了大刀阔斧的颠覆性变革，涉及的内容包括目前人工执行的大量任务，以及跨系统、架构、开发和部署的交接工作等。
除了利用云服务供应商的投资加快变革外，首席信息官还 借鉴了云服务供应商的经验，识别各种流程并实现标准化。他们抓住基础设施、软件组件、安全和应用程序方面的各种机会。一旦改进措施成熟，首席信息官及其团队会利用人工智能和机器学习等先进技术，优化新的服务交付和自动化技术。除了利用云服务供应商的投资加快变革外，首席信息官还借鉴了云服务供应商的经验，识别各种流程并实现标准化。他们抓住基础设施、软件组件、安全和应用程序方面的各种机会。一旦改进措施成熟，首席信息官及其团队会利用人工智能和机器学习等先进技术，优化新的服务交付和自动化技术。
这一趋势下的早期参与者已经看到了效率的提高和劳动力成本的降低。在最近一项对IT和工程领导人的调查中，74%的受访者表示自动化帮助他们提高了劳动力效率。59%的受访者称团队采用流程自动化后降低了30%的成本。除了显著提高质量和安全性以外，调查还明确了为何95%的受访者会将流程自动化置于优先位置，其中21% 认为其应属于高度优先事项。
变革的步伐只会继续加快。企业想要获得更多，且希望比以前更快。人才市场趋于白热化，高技能人才的需求不断增长(永远供不应求)。大家都在努力尝试着以更少的代价获得更多的效益。
到了(最终)颠覆IT的时候了!
颠覆性的旅程
从人工到自动化的转变并不新鲜。实际上，在过去的技术趋势报告中，我们已经在网络安全、高级网络和硬软件动态配置等领域研究了这种转变。那么，今年会有什么不同呢?简单地说，就是竞争。新冠疫情正在颠覆整个劳动力市场。也许，更重要的是，那些数字化“原住民”的DNA,将自动化技术推向极限。因此，数字化时代的初创企业能够在比成熟的同行更低的成本下，实现更高的可扩展性、可靠性、弹性和效率。他们还拥有一个额外优势，即他们没有被技术债务或组织妥协所拖累，而这些妥协需要交接和人工干预。对于数字化“原住民”，这种老派的做法只能算作最后的手段，不是常态。这种方法与成熟组织经常采取的方法有根本的不同。如今竞争激烈的市场需要更强健的IT态势， 这可以转化为竞争优势。
组织若想寻求契机颠覆现状，可以着重从以下三个方面入 手：
企业内部基础设施标准化和自动化
自动化旅程的第一站是让代码控制所有基础设施和管理功能。对资源的程序化控制使其有可能一致地应用规则，并在自动化代码和配置文件中存储以前的手动配置。这些解决方案需要部署一些计算(容器、虚拟服务器和功能)、网络(软件定义的)和存储的组合。
为了使自动化规模化，流程必须在整个企业内一致执行。 但是，从如今许多组织的运营状况来看，仍有一些流程、应用程序和方案还比较混乱。当进程在服务器A上以一种方式工作，而在服务器B上以另一种方式工作时;当环境不具有同等性时;或当网络采用不同的行为方式时，操作就会变得更加昂贵和低效。
如果你存在这些问题，你可以考虑创建一种标准、通用的方法，来开发、部署和维护你的方案和组件。云服务供应商很早就意识到，资源的程序化控制程度越高，就越容易将环境视为程序进行管理。如今许多“基础设施即代(IaC)”的平台都可以追溯到早期基于云的自动化计划。
随着组织不断探索“基础设施即代码(IaC)”，他们逐渐认识到，他们还可以部署“安全即代码(SaC)”或“运营即代码 (OaC)”，全部利用配置或代码文件实现控制。“即代码 (as-code)”的目标是推动建立一个环境，在这个环境中，所有的东西，甚至是定制的系统，都能遵循一套优化的规则。只要规则落实到位，即使只有一名工程师也能够控制目前需要若干管理员才能处理的海量资源。这样可以将 基础设施团队解放出来，像云服务供应商一样工作：实现自动化，充分利用自动服务的优势，摆脱困境。
组织利用自动化技术简化运营和管理时，还应重新审视其 启动过程。过去，搭建基础设施涉及复杂的采购工作，并伴随着层层审批流程。如今,增加一个虚拟化实例可以不需要任何级别的事先审批。对遗留环境中有意义的类似交接和审批进行识别和自动化处理(或消除)，有助于简化操作，提高开发人员的工作效率，实现更大程度的组织敏捷性。
如果有条不紊地从战略角度出发，自动化可以实现可观的 规模化经济。此外，它还有以下好处：
•准确率更高：员工不再对文件、查询结果和报表进行主观性地解释理解。
•安全性更高、弹性更强：规则应用更一致。值得注意的是， 目前一种新兴的“安全即代码(SaC)”趋势势头正劲。
•可靠性更高：通过代码修复的问题一般不会再次发生。
我们提醒那些采用了供应商“即代码(as code)”服务的组织，请确保你已经整理了你的流程和操作，以获得这些能力 的最大收益。否则，你可能还会在现代环境中重现现有的限 制。
标准化和自动化软件、管理工具和应用程序
前沿IT组织已经不再人工管理基础设施了;如今，他们开发可以自动管理基础设施的代码，可以提高可扩展性、效率和一致性。这种方法同样适用于软件组件、管理工具和各种应用程序。现代化IT组织则负责管理软件代码，而软件代码又管理着开发、维护、运营和安全等方面。最终，相比一系列手动配置方案，管理一条代码会容易得多。例如，通过基础设施即代码(IaC)，我们可以将软件开发敏捷性引入基础设施管理中。从部署的角度看，人们可以实现全栈解决方案管理，不再由几个团队协调处理各个独立组件。
与基础设施一样，一些企业内部软件组件也可以实现自动 化。例如，数据库管理、集成工具、安全、系统管理和操作 系统补丁等，这些都可以轻松被虚拟化和抽象化。
对于采用云服务基础设施的组织，供应商提供一个不断扩 大的“平台即服务(PaaS)”选项菜单，其特点是加强自动化、编程接口、集成中间件和管理能力。成熟的PaaS服务还可以提供增强的开发人员自助服务、编程接口，以及更紧密集成的中间件和管理能力。
如何决定从哪里开始?首先，确定那些试图向终端用户提 供功能的“用户旅程”，以及这些用户会遇到的摩擦点。其 次，果断去除不必要的审批和交接流程，然后为开发的代码 和生产部署之间的步骤实现自动化或创建自助服务选项。最 后,一旦启动自动化旅程，旧的性能指标可能不再适用。为 此,你需要定义适用于组织定位的指标，促进建立“自动化技术文化”。
利用机器学习和规则优化自动
自动化的第一关往往是基于规则的。例如，“如果进程x未响应，重启进程”。随着时间推移,IT人员可以像云服务供应商十年前展示的那样，识别出导致停机和故障的问题，并优化自动化工具来解决这些问题。最终，你可以超越基于规则的自动化技术，进化到基于机器学习的自动化技术。
许多类型的机器学习，如预测、能力建模、行动响应、停机 恢复等，都支持各种不同的IT活动。不过，对于大多数组织而言，机器学习的最优先事项是：及早识别停机，并利用预测建模来防止未来停机。通过关注这些领域，采用了机器学习的团队，可以显著提高正常运行时间，降低停机的严重性。此外，越来越多的PaaS产品具有嵌入式机器学习功能。例如，PaaS服务往往利用机器学习，来维护和优化过去需要由开发人员、管理员和工程师手工管理的日常操作。这样做的效果是：开发和运营可在更高层次上运行。
另一种优化技术涉及一致地应用规则。设想一下：企业架构是围绕“你可以使用什么”以及“你如何使用”所做的一系列决策。而由此产生的规则代表的是架构设计和功能的最优方案。作为你自动化旅程的一部分，优先考虑一致性问题。在整个企业内，有条不紊地将规则融入各种系统和流程，可以实现这一要求。一致性带来最佳性能。
未来的方向
对于正在寻找自动化机会的首席信息官以和其他领导来说，时间是至关重要的。在如今急速发展的创新环境中，花钱雇人维护服务器和数据中心，并没有多大的商业价值。随着首席信息官利用自动化技术对其组织进行大刀阔斧的颠覆性变革，将有成熟的契机把员工的注意力从打补丁、监控和测量转移到更高价值的工程活动上。自动化技术可以广泛地延伸到开发、部署、维护和安全等领域，从而有可能提升更多IT运营的效率并保持一致性。从管理事物到管理管理事物的代码，这一过程并非一蹴而就。例如，技术人员和公司高层可能会有抵触思想，或遗留系统可能含有手动配置组件，导致难以实现自动化。最后，即便是最灵活的IT团队，转变也并非易事。习惯了交接和人工交互的人们，适应自助服务和自动配置的速度可能比较慢。不过对于刚刚起步的组织，建立一个专门的团队来开发和部署自动化和自助服务，形成标准化的流程，可能会大有裨益。随着时间推移，团队可以有条理地拓宽其方法的应用范围，逐渐改造更多的流程。
幸运的是，目前已经有一些急需的自动化技术(以云服务的形式)可用。其余的是可以通过工程、对建立自动化未来的审慎和持续的关注来实现的。
趋势五：网络人工智能：有效防御
○保护不断扩大的攻击面：随着越来越多的系统和数据上线,企业漏洞也越来 越多。
○缩小网络人才缺口：人工智能可以帮助企业解决网络安全人才长期不足的问题。
○以牙还牙：人工智能安全工具可能是应对人工智能安全威胁的最佳防御手段。
数据和机器智能增强安全团队的实力
虽然组织已经大力投资安全技术，但其仍然要继续应付各种破坏安全的行为：对手快速转变战术，始终保持技术领先。检测网络攻击涉及庞大数据、复杂性和高难度等问题，单靠人工可能很快就不堪重负。
人们目前不得不面临一项挑战，即高效分析从整个安全技 术栈流入安全运营中心(SOC)的数据。这还不包括网络设备的信息反馈、应用数据以及更广泛技术堆栈的其他输入，而这些往往是高级攻击者寻找新载体或利用新恶意软件的目标。随着企业越来越多地向防火墙之外的区域拓展，安全分析师必须保护的攻击面也不断扩大。
同时，网络犯罪导致的成本持续攀升。2015年，网络犯罪成本为3万亿美元，预计到2025年上升至10.5万亿美元。保险公司美国国际集团(AIG)指出，自2018年以来，仅赎金索赔一项成本就增长了 150%。
是时候向AI寻求支援了。网络人工智能可以成为一种力量的倍增器，使组织不仅能够比攻击者更快做出反应，而且能够预判攻击行为并提前作出反应。网络人工智能技术和工具 正处于早期应用阶段，预计全球市场将在2021年到2025 年间增长190亿美元。
人工智能具备自适应学习和检测新模式的能力，能加快检 测、控制和响应速度，减轻安全运营中心分析师的负担，提 升分析师的主动性。人工智能的好处在于：可以帮助组织为 应对人工智能驱动型终极网络犯罪形式做好准备。
不断扩大的企业攻击面
组织的攻击面正成倍扩展。正如我们在“技术堆栈实体化延伸”一章中所讨论的，应用5G网络、网络连接数量增加、员工更加分散、伙伴生态系统更加广泛等因素都可能引入新的风险。这些因素使企业不再受防火墙保护，将企业推进客户设备、员工家庭和合作伙伴网络中。
远程办公人员増多。在新冠肺炎疫情之前，居家办公人员的 比例仅约为6%。而到2020年5月，约35%的受访者居家办公。4在2020年刚开始封锁的前六周，针对居家办公人员的 攻击占比从12%上升至60%。调查发现，51%的受访者开始远程办公后遇上了更多的钓鱼邮件。
对于许多员工来说，预计远程办公仍将是固定办公方式而 非例外情况，这为网络犯罪分子提供了许多新的机会。例如，由于处在企业防火墙和网络安全网关的安全保护范围之外，远程办公人员更容易成为攻击对象。远程办公人员依赖于家庭网络和VPN连接，并经常使用不安全的设备访问基于云的应用程序和数据。而传统的企业内部安全设备通常是为企业级网络而设计，而非基于家庭的互联网接入。
随着企业拓展到员工的家庭环境中，用户行为和数据活动 更加多样化，且偏离常规。员工在异常时间从不常用的地点 和设备登录会增加识别异常行为的挑战性，还可能导致误 报情况增加。
联网设备增加。5G、物联网、Wi-Fi 6和其他网络方面的进步使得联网设备增加。越来越多的实体联网资产可能成为网 络犯罪分子的软攻击途径。据估计，到2023年，这类资产数量将达到293亿。
连接到这些网络的设备数量达到前所未有之多，产生了大 量需要处理和进行安全防护的数据，进而使安全运营中心 发生数据堵塞。跟踪和管理活跃资产及其目的和预期行为 是一项富有挑战的工作，由服务编排器负责管理活跃资产 时，更是如此。
这类设备中的一大部分并非集中放置或受统一管控的，它 们分布在各个远程地点，在多个边缘环境中运行和收集要 返回企业的数据。缺少适当安全预防措施的情况下，设备可能会失陷，并在之后继续正常运行于网络中，实际上就会被入侵者控制，成为投放恶意代码或发起群体攻击的机器人程序。
第三方合作伙伴生态系统更广泛。长期以来，全球供应链和托管数据、基础设施和服务一直是导致第三方风险的因素，并且这类供应链以及托管数据、基础设施、服务的数量还在不断增加。随着越来越多的组织将数据与第三方应用集成在一起，API(应用程序接口)带来的安全问题日益显著。据Gartner预测，到2022年，API滥用将成为企业受攻击最频繁的途径。
第三方漏洞正变得日益复杂。五年前，入侵者可能会使用广泛可用的恶意软件来针对特定计算机系统，获得承包商凭证，窃取客户数据。这种情况虽然复杂，但那时我们尚能明确来源，也有能力监控和对破坏进行补救。
与利用复杂供应网络中安全性最低的嵌入组件实现相同目的的攻击相比，这类攻击相形见绌。一个没有边界的漏洞几乎无法监控和补救，活跃的窃取活动也可能持续多年。
5G网络的应用。预计5G将通过新的连接方式、能力和服务完全改变企业网络。但是，企业向包括硬件和分布式软件定义网络、开放架构、虚拟化基础设施内的5G组合转变，将导致新的漏洞，扩大攻击面，需要提供更具动态的网络保护。
每平方公里4G网络仅可支持10万个联网设备,而每平方公里5G网络则可支持多达100万个联网设备，创建高度可扩展和连接密集的设备环境。市场观察人士预计,到 2025年，5G移动连接数将达到18亿(不包括物联网)，比2021年的5亿连接数更多;10蜂窝物联网连接数量将达到约37亿，比2020年的170万连接数更多。
随着公共5G网络的扩大，政府、汽车、制造、矿业、能源等行业的组织也开始投资能满足企业低时延、数据隐私和安 全无线连接要求的5G专网。自动驾驶汽车、无人机、智能 工厂设备、手机等连接5G公共和专网的设备，应用程序和服务组成的生态系统为黑客提供了更多潜在入口点。因此，每项资产都需要通过配置来满足特定安全要求。而且，随着设备种类的增加，网络变得更加异质化，这给监控和保护带来了日益严峻的挑战。
人工智能防御当今网络威胁
网络安全人才的长期紧缺问题进一步加剧了攻击面不断扩大和网络威胁日益严重复杂的情况。据估计，全球网络安全专业人员缺口超过300万,相关领域的就业人数还需要增长约89% 才能消除这一人才缺口。人工智能有助于填补这一缺口。
威胁检测加速。威胁检测是最早的网络人工智能应用之一， 能够增强现有攻击面管理技术，降低噪音，让稀缺的安全专 业人员集中精力处理最突出的入侵信号和指标。威胁检测 还能更快速地做出决策并采取行动，关注更具战略意义的活 动。
先进的分析和机器学习平台可以快速筛选安全工具产生的 大量数据，识别偏离常规的数据，评估数千个遍布网络的联 网新资产产生的数据，并通过训练区分合法或恶意的文件、 连接、设备和用户。
人工智能驱动的网络和资产映射与可视化平台可就不断扩 大的企业攻击面提供实时解读，识别和分类活跃资产，包括 集装箱化的资产，从而使违规资产行为可视化。运用人工智 能和机器学习的供应链风险管理软件可检测物理和数字供 应链环境的过程自动化，并跟踪资产的组成和连接方式。
扩大控制与响应的利器。人工智能还可以作为一种力量倍 增器，帮助安全团队将耗时的活动自动化，提高控制与响应 效率。可以考虑机器学习、深度学习、自然语言处理、强化学习、知识表示等人工智能方法。结合了自动评估和决策的人工智能可帮助分析师管理日益复杂的安全威胁，并实现规 模化。
例如，与前几代移动通信技术一样，5G容易受到干扰攻击， 即攻击者故意干扰信号传输。来自弗吉尼亚理工大学英联 邦网络计划的研究人员，正和德勤研究人员协作研究5G网络安全设计和实现，致力于在低级别的信号干扰导致网络瘫痪之前实别它。研究人员通过采用基于人工智能的干扰方案和机器学习模型，开发出一套实时脆弱性评估系统，可以检测出低级信号干扰，并对干扰模式进行分类。
自动化有助于最大限度地发挥人工智能的影响，缩短从检 测到修复之间的时间。嵌入人工智能和机器学习的SOC (安全运营中心)自动化平台可以采取自主的预防性行动，例如，阻止访问某些数据等的访问，并将问题上报到安全运营中心进行进一步评估。经用户访问模式训练的机器学习模型置于控制API访问的API管理解决方案之上后，可检查全部API流量，实时发现、报告和处理异常情况。
积极主动的安全态势。经过适当训练的人工智能可以实现更积极的安全态势，提升网络韧性，使组织能够在受到攻击的情况下继续运作，缩短攻击者停留在组织环境中的时间。
例如，有丰富上下文的用户行为分析可以与无监督机器学 习算法相结合，自动检查用户活动，识别网络活动或数据访问中的典型模式，识别、评估和标记异常(并忽略误报)，决定是否需要响应或干预。人工智能通过向人类安全专家提供情报，使人类安全专家能够积极寻找攻击者，从而实现积极主动的威胁捕获。
组织可以利用人工智能和机器学习来实现安全策略配置、 合规性监测、威胁及漏洞检测与响应等领域的自动化。例如，机器学习驱动的特权访问管理平台可以自动建立和维护安全策略，有助于执行零信任安全模式。通过分析网络流量模式，这类模型能够区分合法连接和恶意连接，并就如何分割网络以保护应用程序和工作负载提出建议。
通过将漏洞分析与强化学习相结合，安全专家可以生成攻击图谱，对复杂网络的结构进行建模，揭示最佳攻击路径，从而更好地理解网络漏洞，减少进行测试所需的人员数量。同样地，网络攻击模拟工具能够持续模拟高级威胁的战术和程序，从而突出基础设施的脆弱性和潜在攻击路径。
提升人类安全分析师的作用。在一项针对安全分析师的调查中，40%的受访者表示他们最大的痛点在于警报太多;47%的受访者表示他们难以知道哪些警报应该优先响应。另一项调查发现，分析师越来越认为他们的作用在于减少警报调查时间和警报的数量，而不是分析安全威胁和对其实施补救。超过四分之三的受访者指出分析师离职率超过10%，近一半的受访者称离职率在10%到25%之间。
人工智能无法取代人类安全专业人员，但可以促进他们的 工作，并可能带来更高的工作满意度。在普通安全运营中心 中，人工智能和自动化可以消除一级和二级分析师的繁琐 工作。(一级分析师评估传入的数据并决定是否上报问题， 二级分析师负责响应故障工单，评估每个威胁的影响范 围，确定响应和补救措施，并在必要时上报。)这些分析师可以通过培训承担更具挑战性的战略性工作，例如成为高级二级分析师和三级分析师，去处理最棘手的安全挑战，并专注于主动识别和监测威胁及漏洞。
应对未来人工智能驱动 型网络犯罪的利器
快速数据分析、事件处理、异常检测、持续学习和预测性情报这些特征既能使人工智能成为抵御安全威胁的有力武器，也会被犯罪分子用来发展新的或更有效的攻击和发现系统弱点。
例如，研究人员利用生成式对抗网络(即两个相互竞争以创建类似训练数据的数据集的神经网络)成功破解了数百万个密码。同样,GPT-3开源深度学习语言模型也可以学习行为和语言方面的细微差别。网络犯罪分子可以利用该模型来冒充受信任的用户，使得人们几乎无法区分真实和欺诈性的电子邮件和其他通信。网络钓鱼攻击可能变得更加情境化且更可信。
高级的攻击者已经可以渗透到网络并保持长期存在而不被发现，其行动往往是缓慢而谨慎的，有特定的目标。再加上人工智能恶意软件，入侵者可以学会如何快速伪装自己，逃避检测，同时攻击许多用户，迅速识别有价值的数据集。
组织可以通过“以牙还牙”的方式来防止此类入侵：只要有足够的数据，人工智能驱动型安全工具就可以实时有效地预测和应对人工智能驱动型威胁。例如，安全专业人员可以将研究人员用来破解密码的技术用于测量密码强度或生成诱饵密码，帮助检测漏洞。20上下文机器学习可以用来理解电子邮件用户的行为、关系和时间模式，以动态检测异常或有风险的用户行为。
未来的方向
虽然许多组织才刚刚开始应用网络人工智能，但人类和人 工智能在发现和防止漏洞方面的协作已经有一段时间了。然而，随着传统企业网络外的攻击面和暴露持续增加，人工智能能在更多领域发挥作用。
机器学习、自然语言处理和神经网络等方法可以帮助安全 分析师区分信号和噪声。人工智能可以通过模式识别、有监督和无监督机器学习算法、预测性分析和行为分析助力识别和抵御攻击，自动检测异常用户行为、异常网络资源分配或其他异常情况。人工智能可用于同时保障企业内部架构和企业云服务的安全，尽管相比于企业内部环境来说，企业云中的工作负载和资源安全保障工作的难度往往较小。
就其本身而言，人工智能(或任何其他技术)本身无法解决当下或未来复杂的安全挑战。人工智能识别模式的能力和在事件发生时自适应学习的能力可以加快检测、控制和响应的速度，有助于减轻SOC分析师的沉重负担，并使分析师更加主动。对分析师的需求也许会继续保持旺盛态势,但人工智能将会改变分析师的角色。组织可能会要求分析师学习新技能或进行再培训，以帮助分析师从警报分类等低级技能转向更具战略性、主动性的活动。最后，随着人工智能和机器学习驱动型安全威胁的要素开始涌现，人工智能可以帮助安全团队为应对人工智能驱动型终极网络犯罪做好准备。
趋势六：技术堆栈实体化延伸
○实现系统：处理关键任务的物理系统绝不能发主故障。
○重新考虑管控：智能设备带来了新的管控难题。
○革新技术专长：需应用新的、不同的IT技能组合、来管理、监控和维护智能设备。
首席信息官愈发需要对实体技术堆栈加以管理
随着先进的处理器和传感器、工业机器人和机器学习技术得以广泛应用，任何设备都可以被智能化、相互连接，还能够捕获数据并建立反馈回路，从而改进产品和服务，并产生新的收益流。随着实体设备种类呈爆炸式增长，且功能范围急剧扩大，首席信息官(CIO)的职权范围正再次扩张，超越了数字领域，全面覆盖这些新的实体资产。
几十年来,IT组织的工作重心一直放在管理技术、工具、应用程序、框架、数据生态系统以及其他主要是数字技术堆栈的要素。过去，实体技术堆栈的动态程度要低得多，主要由员工接入点和数据中心基础设施组成。
随着技术越来越多地被运用于开展实际生产和运营工作， 它正在从业务使能因素发展变化为价值驱动因素，成为做好企业的关键。如今，企业上下要做好智能设备管理工作，应当具备安全保障、自动化、数据驱动分析和决策、人工智能(AI)和机器学习等方面的数字化能力。例如，想想看，到2025年，新工业控制系统中有30%将具备分析和人工智能边缘推理功能，而2021年这一比例还不到5%;或者，预计到2025年，联网乘用车每月将产生10 EB的数据。
从制造厂里用的铣床、基础设施中的联网心脏监测器，到餐 厅使用的机器人炊具、办公楼内的智能传感器，乃至新的“数字实体”消费产品，新一代实体资产正被嵌入先进的数字技术，以实现多种业务关键功能。IT组织要承担起管理、监控、衡量和保护这些资产的责任，这种需求越来越迫切。首席信息官必须根据应用、设备和安全性要求明智地选用技术，并考虑将如何搭载、管理并维护当前需要最大化正常运行时间和最高冗余度的设备及网络技术。他们还必须重新思考如何开展设备管控和监督工作，并重新考虑如何组织、定义、管理和培训技术队伍。
针对正常运行时间、冗余度和安全性增加竞争筹码
属于新实体技术堆栈的设备中，有许多都提供面向客户的 业务关键型应用程序和服务。它们往往会生成和使用大量 数据和视频，需要快速传输并分析这些数据和视频，以促进实时制定关键决策。
与前几代实体设备不同的是，如今的实体设备故障停机也 许并不仅仅是带来不便——可能会威胁到业务运营(如果 某家餐厅的点餐系统瘫痪，饥肠辘辘的食客便会去别的地 方就餐)甚至危及生命(如果植入式心脏监测设备脱机，可能导致关键的患者数据被忽略)。
保持弹性至关重要。可能需要实现系统的正常运行时间最 大化，并达到最高水平的可靠性和安全性。随着实体技术堆栈对业务运营的影响不断扩大，组织可能需要考虑如何管理和维护新一代联网设备、无线网络以及边缘计算应用，从而按最高标准确保业务连续性。下文列出了部分最重要的领域。
设备和数据管理
为了优化设备和系统性能,IT组织可能需要(通常以远程方式)部署和管理由多家供应商提供的联网设备、应用程序及网络构成的生态系统。可能需要采用新的 平台、工具和方法来监控设备运行状况，检测和解决问题，并管理软件和固件更新。团队可能需要在设备中构建多层冗余。
要想将重复的、手动的设备管理任务从日程中剔除，实现自 动化是关键，对于大型部署尤其如此。自动化设备管理工具可以帮助组织实现设备注册、配置、供应、维护、远程和空中固件及软件升级以及监控活动规模化。
为了提高性能或开发新产品和服务，组织可能需要对这些设 备产生的大量数据加以管理。数据采集频率、处理时间、准 确度和格式等问题都需要纳入IT部门考虑范围。数据存储 将是至关重要的，而对于远程环境而言，分布式存储和边 缘计算可能更为可取。
无线网络连接
为确定将这些设备连接到网络时应采用的最有效且最具弹性的解决方案,IT部门需要对多种属性进行评估，如功耗、信号强度和范围、与实物和结构或天气和环境因素相关的干扰、电气或射频干扰、成本、连接中设备的数量、频率共用、安全性、弹性以及对持续稳定互联网连接的需求等等。
许多智能设备在客户所在地或其他远程、现实环境中运行，并通过先进的无线连接技术(包括5G、Wi-Fi6、低功耗蓝牙、多跳网络和卫星)加以启用。此类技术实现了高吞吐量、低延迟和大容量，从而使更高数据速率成为可能。
德勤在2020年进行的一项调查显示，受新冠疫情影响，企业加速了对更新的无线网络技术，尤其是5G和Wi-Fi6的投资步伐。调查的参与者认为，5G和Wi-Fi6对于业务计划而言是最关键的两种无线技术。与之前的技术相比，这两种技术在性能和操作方面都有很大的改进，有望大规模支持设备、用户和流量，实现沉浸式体验，并帮助组织提升弹性。这两种技术都能支持基于物联网(IoT)及其他利用低延迟特性在边缘收集和共享大量实时数据的 新兴技术的新应用。
无线网络技术是相辅相成的，数项技术可以同时存在或组 合使用以支持多种用例。为保证即使遭遇毁灭性风暴也能 持续运行，许多组织采用了不同能源技术并实现能源供应 来源多样化。而各组织可能也需要采取类似策略，实现无线网络技术运用的多样化，以确保冗余。
边缘计算
尽管5G和Wi-Fi6在性能上得到升级，但诸如自动驾驶汽车、智能工厂、增强现实和虚拟现实等应用要求网络延迟低至数十毫秒甚至降至亚毫秒级，而云计算无法确保对于此类应用可接受的响应时间和数据传输速率。当需要实时处理设备生成的分散数据时，采用边缘计算等分布式计算解决方案进行处理，比使用公共云或数据中心更为高效。
由于计算能力更接近数据源，边缘计算架构提供了实时管 理、处理以及从海量数据中提取价值所需的延迟和带宽。但我们不能称之为再度盛行，因为边缘计算已存在数年。最近的一项调查显示，72%的IT领导者已经在使用边缘计算技术;据Gartner预测，到2025年，企业所管理的数据中有50%以上将在数据中心或云之外创建并进行处理。增长蓄势待发：一家边缘计算行业组织预计,2019年至2028年期间，在边缘计算装置和设备方面的累计支出将达到8000亿美元，其中，制造业和医疗保健领域发生的增 长最为显著。
考虑到边缘计算站点的业务关键性质(通常情况下无人值 守)，冗余电源、冷却和网络连通性至关重要，同样重要的 还有实体安全以及远程监控和管理。
管控和监督新路向
管控和监督策略及政策可能需要演化发展，以满足新一代联 网设备的需求。对于IT组织来说，与实体设备和网络使用相关的法规及标准可能是陌生且具有挑战性的，并且多年来一直在不断变化。想想看，美国法院花了将近20年的时间，方才对电商销售税作出最终裁决，取代了缺乏统一性的各州税收法规。
下文给出了管控方面的一些关键考虑因素，涉及设备、数据和安全。
设备
经营某些实体资产可能受到美国联邦、州或地方限制令的约 束。例如，使用户外无人机的美国组织必须就其进行注册并 获得美国联邦航空局的空域授权;某些类型的无人机必须携 带机载无线识别系统。
同样，各国甚至美国各州针对自动驾驶汽车应用出台的监管 法律也不尽相同。美国并不存在相应的联邦条例，只有各州 自行制定的五花八门的法律来管控商用车辆的使用、驾驶员 执照、驾驶员行车规范、速度限制和责任保险等事宜。责任的界定可能会变得越来越复杂。例如，如果某台由计算机驱动的智能设备出错，造成了人身伤害或财产损失，应由谁来负责，是供应商还是操作者?如果由人工智能驱动的决策造成伤害，将带来怎样的后果?可能会建议或要求为某些设备投保。
另一个问题是远程管理设备的所有权和维护，包括安全保 障、保养和维修工作的责任划分，以及这对服务水平的影响。应将资产退役纳入设备生命周期管理工作，并制定替换单项或多项资产、注销证书、归档数据和删除机密信息的相应计划。
设备采购可能会带来新的挑战，比如对不符合严格企业规范的企业级与面向大众市场的智能设备加以区分。随着传统IT供应商的生态系统扩大到将运营技术和工业物联网供应商包括其中，采购活动的性质和采购文化将发生变化。
数据
首席信息官和首席数据官可能不得不考虑网络连接设备产 生的数据和元数据的所有权。例如，法律允许何人复制、分发或创建以这些数据和元数据为基础的衍生作品?将由谁来施加控制?
与传统的联网设备和应用程序一样，确保数据隐私仍然是 重中之重。根据《通用数据保护条例》(GDPR)国际标准化组织、美国国家标准与技术研究院《网络安全框架》《健康保险可携性和责任法案》《美国联邦信息安全管理法案》以及其他行业和地方适用法规及准则收集并保护最终用户的数据是“入场筹码”。组织还必须考虑到，基于传感器和摄像头的设备通常会持续地收集和共享数据，有时最终用户并没有明确知晓这一点,或者并未得到其同意。例如，根据GDPR规定，可用于识别活人的静态或视频图像构成个人数据，应相应进行收集和保护。
保障这些实体资产的安全可能具有挑战性，因为它们通常 是使用专有操作系统和通信协议开发的，内置安全性较弱，而且设备内存和计算能力有限。10近期一项针对一百多万台企业和医疗保健物联网设备开展的分析发现，其中98%的设备流量都未加密，57%的设备容易受到严重程度为中或高的攻击。11置于企业防火墙之外的业务关键资产构成了新的安全威胁，尤其是在嵌入了数据、机器学习算法和其他知识产权时。
方式与云和其他网络设备及端点通信、加密数据，并进行网络身份验证。大多数主要的云服务提供商都在其设备管理平台内置了安全防护功能，或者，可由IT部门开发和安装定制化安全保护工具，以确保所有设备都受到主动监控和保护。
设备采购过程中应就安全性和第三方数据访问两方面进行考量。要明智地选择供应商。在某些物联网设备上，安 全研究人员发现了隐藏的后门，可用于将信息发回给制造商。
产品工程服务：智能互联 产品的研发
随着技术堆栈迈向实体化，产品研发也必然会从专注于独 立产品(扬声器、恒温器和汽车)转向具有灵活消费模式， 以及需要实时传输和分析数据的智能互联平台(基于云服 务播放音乐的扬声器、具有自动调节设置并可通过应用程 序进行控制的恒温器，以及可实现远程诊断、服务和升级的汽车)。此类产品非常复杂，往往需要同时改造业务模式、IT系统和功能以及业务流程。
产品工程服务，或称PES，是创造这些复杂产品的综合过程，包括从概念设计到软件和硬件开发再到制造等多个环节。举例而言,PES范围可覆盖开发和集成CPU或GPU 等硬件组件;操作系统、设备驱动程序和其他用于操作硬件的固件及嵌入式软件;以及提供特性、功能和用户界面的应用软件。另一项关键的PES活动是将智能产品连接到企业IT系统或基于云的平台，以跟踪消费并进行结算开票、监控业绩、收集分析结果。最后，PES帮助产品团队利用由第三方供应商与合作伙伴构成的资源丰富的生态系统，可能需要借这些供应商与合作伙伴之力来制造或监控传感器和其他硬件，并开发用于应用商店、电子商务网站 和其他分销渠道的应用程序。
必须掌握新的专业知识和技能组合
随着实体资产发展成为具有业务关键性并位于传统企业边界之外，可能需要掌握新的技能组合以对其进行管理、维护和监控。
例如,IT组织可能需要在设备和网络中构建重要的技术、安全和弹性需求：可能需要电气工程师来开发传感器;需要能够对低功耗电子设备进行编程的系统工程师来执行信号处理、传感器调节和通信协议等任务;或者需要懂得无线电频谱管理的工程师来协助开展无线网络规划、分析、设计和优化工作。就工业企业生产设备而言，可能需要将基于传感器的联网设备和仪器与传统的制造系统、工业应用以及指挥、控制和监控系统进行整合。
将需要数据科学家、人工智能和机器学习工程师，包括那些专门从事视频和图像分析工作的工程师，来帮助组织管理数据、获得洞察力、实现决策流程自动化以及训练算法和模型。还需要其他专家来解决围绕数据采集、存储、交换、隐私和保护以及所有权产生的问题。
除了通常应具备的管理技能和软技能外,IT项目经理可能 需要对设备安全、运营和工业生产流程、变更管理以及终端用户培训有更多的了解。
首席信息官们需要考虑是将业务外包，还是从零开始组建 技能娴熟且专业水平高的内部团队。要重新培养现有的业 务和技术人才，组织可以考虑培训外包，或创建内部能力中心和培训学院。
未来的方向
扩大的实体技术堆栈有可能极大地改变公司创造和交付价值的方式。由于具备了运用行业洞察力并通过人机交互促进收入增长的能力，各公司的商业模式可能会不断发展演变。例如，一家公司可能会将设备的监控和维护业务作为设备部署的附加服务项进行出售;可能会开发一种共享资产模式，在该模式下，客户将多余产能放回市场继续售卖;可能会利用传感器开发一款用于自动重新订购打印机墨盒等耗材的程序;可能从经销商模式扩展到直接面向消费者的模式;或者将其设备数据货币化。示例繁多，不胜枚举。
企业领导者可能需要衡量新兴实体技术堆栈对各个业务领域的影响。需要仔细考虑商业案例，尤其是针对拥有大量廉价设备的情况。在某些情况下，进行设备管理和维护的成本可能会超过潜在回报，即使仅需在廉价设备发生故障时将其更换也是如此。
这些嵌入传感器、由数据驱动的资产往往对业务至关重要。IT部门可能需要确保其具有最高水平的弹性，升级无线网络和边缘计算功能以满足严格的延迟和吞吐量要求，并熟悉可能适用于新设备的新兴资产管理和管控要求。最后，首席信息官们可能需要重新考虑如何组建、定义、管理和培训技术队伍。为了挖掘所需的技术技能，首席信息官将不得不考虑是否重新培养和培训现有的人才，雇用新 的技术工作者，还是将相关业务外包给具备相应技能的人员。
趋势七：预判未来：来自未来的报道
○量子技术及其他：量子研究将在未来十年走向商业化
○指数级智能：再次感受——人工智能可识别人类情感
○环境体验：屏幕之外的生活——技术为所有人服务，无处不在
展望未来三大新兴技术
全球企业技术领域普遍持乐观态度。我们如此着迷于快速兴起的创新以及随之而来的充满机遇的变革，以至于我们有充分的理由对技术进步产生持久的信心。今日之橡实明日将成参天大树。或者说，人们偏爱这样的故事。
其中挑战在于，这类故事几乎总是大笔描绘乐观的结果。 对于为下季度报表捏一把汗的的首席财务官而言，人工智能的快速发展将在五年内产生令人兴奋的新商业模式这一说法只是冷冰冰的安慰。
许多领导者、战略家和技术人员已经提出了合理的问题：“我们目前可以做什么来应对性质和时间都不确定的未来事件?”我们的愚见是：如果你赌定，未来十年内，许多新兴技术将会促使令人兴奋的事情发生，那么，你很可能会赌赢。到底会发生什么呢?我们尚不清楚,也没有人清楚。但在《2022技术趋势报告》的最后一章中，我们确实提供了一个框架，为目前似乎刚出现在地平线上的技术的可能性进行战略角度思考。
我们重点讨论了三种我们认为值得注意的可能性：
•量子技术有望在未来十年内改变计算、传感和通信
•指数级智能是有望了解人类情感和意图的下一代人工智能 技术
•环境计算将使技术在我们的工作和家庭环境中实现普及
量子技术及其他
尽管量子计算正在迅速成熟，但它仍是许多深奥辩论的焦 点。辩论焦点之一在于马约拉纳费米子是否存在。不可否认，大多数人与这场辩论毫不相干，但与之相关的人们似乎已经准备好要一辩究竟了。一些人认为，马约拉纳费米子粒子(理论上，该粒子的反粒子就是其本身)能够产生非常稳定的量子位。对此表示怀疑的人则认为，没有人能够找到证据证明马约拉纳费米子粒子存在。在此之前，马约拉纳的量子可能性仍然只是可能性。
这场关于理论粒子的辩论某种程度上概括了当下量子计算的状态：尽管一切都非常有趣和富有前景，但我们仍处于量子技术的早期探索阶段。确切的时间表和研究突破仍在进行中。
然而，人们普遍认为，我们能把上述问题全部解决，并且， 未来量子技术将对人类社会整体发挥巨大作用。事实上，量子研究势头正猛，预计未来十年内，实验室的研究成果将能够进入现实世界实现商用。技术巨头、政府和早期初创企业投资数十亿美元，旨在实现量子技术的突破。
富有前景的重点领域包括：
•计算。量子计算机是解决先进计算问题的专用工具，利用量子现象处理信息和进行高度专业化的计算。考虑到这一点，量子计算机可能不会取代传统计算机，而是会与传统计算机共存，并根据复杂计算工作量的需要提供先进的计算能力。最近的一些演示就展示了量子计算的潜力，在这些演示中，量子计算机在五分钟内完成了专门的任务，研究人员指出，这些任务需要传统超级计算机花费数千年的时间才能完成。
•通信。量子通信是一种基于硬件的解决方案，利用量子力学原理创建理论上能够检测截获和窃听的防篡改通信网络。量子密钥分发(QKD)是达到这一安全通信水平的技术之一，是指通信各方通过交换高度安全的加密密钥在光网络间传输数据。尽管量子密钥分发技术尚未完全成熟，但已有多个量子通信网络部署完成或正在开发。
•感知。由于亚原子粒子灵敏度高，量子感知装置比传统传感器响应速度快，准确度更高。未来十年，量子传感器很可能在某些应用中取代传统传感器。事实上，量子感知在能源、交通和医疗保健等领域都用很好的用例。量子传感器已经可以应用，但目前只在有限范围内应用。研究人员正在努力使量子传感器更便宜、更轻、更便携、更节能。
虽然量子动力学面临着许多令人费解的挑战，但量子技术 正在进步。随着量子动力学逐渐成熟，我们很容易会被有趣的技术细节所吸引。什么样的技术人员才能忍住不去思考激光冷冻粒子和低于外太空的温度之类的问题?同样，什么样的商业策略家会忽视围绕量子技术供应商上市的投资热情呢?
虽然我们可能无法准确知道我们能共同将量子技术发展到 何种程度，但我们了解其发展方向。好消息是，五年内，我 们将会有更深入的了解。我们也许将能够使用有趣的机器 来优化诸如计算、通信、感知甚至化学等领域。现在是你的 组织需要开始考虑这一未来景象的时候了。如果你持观望 态度，你可能就会在竞争对手获取竞争优势的时候,错失测 试和尝试量子技术的关键机会。
指数级智能：再次感受
在数据挖掘的民间传说中，有一个关于啤酒和尿布的轶事， 许多人认为这是能够说明人工智能传统状态的有效例子。正如故事所言，对超市交易的分析显示，商店通过将啤酒和 尿布摆在一起，可以促进啤酒销售。你也许会问，尿布和啤 酒销售之间有什么关系?一位姓名无从考证的数据科学家 推测，妻子会要求丈夫在下班回家的路上顺便买尿布。丈夫 们按要求买尿布时，就会认为，为了照顾穿尿布的小家伙， 他们需要用啤酒来犒劳自己。除了养育孩子是件难事这一恒久不变的事实之外，这背后 还有一个重要的教训：机器驱动的销售交易分析只能指出尿布和啤酒销售之间的因果关系，人们需要自行推断和解释促进啤酒销售的客户情绪和心理。换句话说，尽管人工智能强大的分析能力受到大肆吹捧，但人工智能一直无法区分有意义和无意义的统计性联系。
未来十年，这种情况也许会发生巨变。我们在之前的《技术 趋势报告》中考察了“情感计算”或“情感人工智能”这一 类新的人工智能解决方案如何规模化地为技术智商增加情 商(EQ) 随着创新者利用下一代深度学习技术来训练机器,识别和模仿人的魅力、情感等特征，未来十年,情感计算还将继续变化发展。而这些技术也将通过“符号化”和“连接主义”技术将演绎推理和逻辑推理能力嵌入人工智能和人工神经网络。很快，这些技术将能够像人脑一样揭示统计相关性，确定这种统计相关性是有意义的还是只是缺乏内在意义的支持数据的随机特征。换言之，机器将能像人类一样更好地欣赏世界，而不只是缺少上下文的0和1集合。
这代表着我们与机器智能关系的转变。20世纪50年代人工智能领域出现以来，我们一直非常重视了解这项新奇技术 能够实现和不能实现的方面。人工智能增强了我们从数据 中提取洞察的能力，却从不会削弱人类认知和情绪至高无 上的地位。然而，机器的影响和能力增长是指数级的。在我 们寻求效率和洞察的过程中，我们正通过设计使机器具备 一定的情绪敏锐性，这种情绪敏锐性正在逐渐瓦解传统的 人机认知层次结构。
先驱研究人员目前正在以非常人性化的方式训练人工智能 应用程序，使其既能实现广泛用途又能关注细节。例如，通过按顺序识别所提的问题，人工智能机器人能够像人一样与呼叫中心、餐厅和银行的客户展开互动。下一步也许就是建造带传感器的高级护理机器人，机器人可以区分在夜间从桌子上掉下来的灯和摔倒后需要帮助的人。未来十年，随着人工智能的直觉和情感能力得到发展，机器人可能可以开始承担教育家、作家、医生甚至首席信息官的工作。
我们相信，这一发展、训练、部署过程将在未来十年及以后的时间里继续快速推进。当下看来独特的人类事物也将越来越多地可以用代码序列表现出来。如果能够做到这一点，企业领导者最终将能够充分利用自动化，这将对价值链、商业模式和战略产生颠覆性影响。十年似乎很漫长，特别是对于那些忙于完成下一季度报告的决策者来说，更是如此。但指数级智能进步不会等着你。组织现在就应该开始从容易实现的方面入手，实现自动化了。
如何看待科幻小说家长期以来一直向我们描述的那个恐怖 的、反乌托邦的世界呢?无需害怕。事实是，软件始终是中立的，体现的是开发者的明确命令和隐性偏见。德勤未来主义学家与世界经济论坛合作发表了《技术未来：预测可能，把握未来》这一报告，其中详细阐述了未来的可能性和实现这些可能性的方法「关于人工智能的未来，作者写道：“随着信息技术持续从'要求机器去计算什么’向“、’教会机器去辨别什么'演变，密切监控机器的’教学课程'对于组织、政府和监管机构而言将变得越来越重要。如何发展能体现我们明确公认的财务、社会和伦理价值观的人工智能呢?我们必须教好我们的’数字化下一代’，训练他们按我们说的做，而不一定要按我们的行事方式去做。”
环境体验：屏幕之外的生活
自20世纪60年代命令行接口出现后，似乎只有未来主义学家和科幻小说家才敢于去想象技术不是藏在屏幕后面，而是真正得到普及的世界。通过一块矩形玻璃屏获取计算机能力和访问互联网的认识已经成了大多数人的教条。
随着时间的推移，这些玻璃屏幕变小了很多，现在已经能装进我们口袋或握在我们手上了。甚至，在这些不断变小的屏幕背后，数字运算和网络技术已经变得成倍的强大和复杂，以至于我们开始不需要玻璃作为中介，就能直接与云计算对接。看看智能音箱。如今在使用智能科技的家庭中长大的孩子不会想到，除了通过“问一问房间”来了解天气预报外，还有其他方法。
环境计算一词涵盖了让用户可以随时随地接触数字现实的整个新兴技术领域。未来十年，环境计算将成为我们的标准模式，并因此迎来一个超越玻璃的生活时代。这种生活是什么样的呢?想想以下场景：
•更顺畅。回想一下你第一次见到台式电脑的情形。当时的台式电脑很可能还附带了一本纸质的大部头说明书。相比之下，当今的移动设备只需要一个本身就是数字应用程序的“快速启动”功能即可。虽然底层技术变得更加复杂，但用户体验却变得更加简单。环境技术有望进一步降低学习和使用新工具的困难，因为就像我们的孩子们让房间来播报天气预报一样，你只需要说话，或者做手势，或者瞥一眼即可。你不再需要去计算机实验室或登录笔记本电脑，甚至不用查看移动设备。事实上，环境界面将处于等待状态，耐心地推断下一步需要做什么，并主动提供完成下一步工作的最有效方法。
我们设想未来有大量技术持续监测我们的环境，协调一致地自动化(或者至少是简化)我们的工作和个人生活。当然，我们还会有一些安全和隐私问题需要解决。但是，我们可以肯定地说，我们中的许多人(当然，还有我们的孩子)将会过上更加简单顺畅的生活。这样的生活将会唾手可得。
•更主动、更直观。想象一下,世界上每个人都有一位聪明无比、有能力又专注个人助理。这些高性能助理是数字化的，受到各类传感器、语音识别、分析和指数级智能能力的支持，能全天候监测环境，并尽可能减少用户会面临的困难。例如，数字助理可能会提醒你该去机场了。数字助理了解你的日程安排、喜好、意图，会替你完成全部所需工作，不需要再去确定你去机场的最佳路线，再在移动应用程序上进行值机。你拿起行李走出家门时，数字助理会关闭不必要设备的电源，将空调调节到最佳设置，再激活家庭安全系统。
•眼睛看得到。用数字信息增强个人的实际体验将是玻璃之外生活的另一个主要维度。我们已经看到最先采用相关技术的企业如何利用智能眼镜和虚拟现实或增强现实(VR或AR)耳机将数字信息叠加到工人的视野中。我们可以把这当作是将现实生活搬到线上，或者，也许是把位当做画笔来描绘原子，尽管这个画笔多少有些粗糙。相关研究人员和企业家都已经在探索利用智能隐形眼镜甚至通过植入脑芯片来增强人类感官和(实实在在地)读取人类想法的可能性。想一想：通过观察太阳来确定距离日落还有多久难道不是自然而然的吗?或者，通过看公交站来知道下一辆公交还有多久到呢?我们固然很好奇，但也许，我们更喜欢整天盯着手机吧。
前瞻性组织目前正重点关注容易实现的目标，同时稳步向 更具变革性的项目迈进。在此背景下，我们将如何共同逐步创造出环境技术的世界呢?首先，先行者们已经在努力找出组织中现已存在的问题，其中可能包括人际交往、由来已久的繁琐流程，甚至是员工应用技术的方式。接下来，组织针对如何利用现有技术解决上述问题展开探索。航空业就是已经开始展开这类积极行动的例子。航空公司在过去十年通过数字化完全改变了客户体验，颠覆了从售票到行李处理，再到选座全部流程。这些变革目前仍在进行中，但是任何在过去二十年中曾经搭乘民航班机的人都不会否认，从取票到登机全过程的客户体验已经变得比过去更加简单了。零售、酒店和金融等其他许多行业也做了类似的努力。
对于客户和工人而言，“更容易”也许实现所有环境技术目标所需的技术目前还没有，但很显然，它们很快就会出现了。
现在就开始屏幕之外的生活吧。
金鹰集团5G+工业互联网应用场景
