工联网消息(IItime) 日前，麦肯锡发布《2024全球科技趋势展望》，其中提到了15项科技趋势。

其中提到了，生成式应用场景广泛，但也面临风险，如偏见、误传和深度伪造等，创新和投资增长显著，人才需求增加，多领域开始探索其潜力。在工业机器学习领域，监测和编排、使用预构建解决方案和API以及将其纳入生成式AI的早期阶段是最新发展方向。

技术的发展有望改变消费者和行业的体验，如5G、卫星连接和物联网等。但电信行业面临投资回报、生态系统成熟度和政府参与等方面的挑战。涉及的技术包括光纤、低功耗广域网、Wi-Fi 6和7、5G和6G蜂窝、高空平台系统以及直接到手机的卫星连接等。

这15项趋势主要分为五大类。

第一类是AI革命。包含生成式AI、应用AI、工业机器学习。

生成式AI：2023年取得显著进展，如OpenAI的GPT-4、Anthropic的Claude等模型，应用场景广泛，但也面临风险，如偏见、误传和深度伪造等。创新和投资增长显著，人才需求增加，多领域开始探索其潜力，如ING、Recursion、Itaú Unibanco和Nubank等公司。涉及的底层技术包括应用层、集成/工具层、基础模型和数字基础设施等。

应用AI：对各行业的影响不断增长，包括数据分析、自动化流程、业务转型和决策制定等。创新和投资得分高，人才需求虽在2023年有所下降，但仍处于较高水平。数据中心化AI、硬件加速和生成式AI的推动是其最新发展。沙特阿美、DigitalOwl和Vistra Corp等公司是其应用实例。涉及的技术包括机器学习、计算机视觉、自然语言处理和深度强化学习等。

工业机器学习：是在企业内扩展和维护机器学习应用的过程，2023年新闻、搜索、出版物和专利等方面的得分翻倍，人才需求增长三倍。监测和编排、使用预构建解决方案和API以及将其纳入生成式AI的早期阶段是其最新发展。Meta、Databricks等公司是其应用实例。涉及的软件解决方案包括数据管理、模型开发、模型部署、实时模型操作和模型可观测性等。

第二类是构建数字未来。包含下一代软件开发、数字信任和网络安全。

下一代软件开发：目前正经历转型，AI工具的发展、云原生架构的兴起以及DevOps自动化的推进是其主要特点。新的AI工具从概念验证向广泛应用转变，集成开发平台的趋势明显，人才结构也将发生变化。Citi、Goldman Sachs等公司是其应用实例。涉及的技术包括AI生成代码、低代码和无代码平台、基础设施即代码、微服务和API以及AI测试和自动化代码审查等。

数字信任和网络安全：对组织管理技术和数据风险、加速创新和保护资产至关重要。管理生成式AI风险和准备就绪成为关键焦点，网络犯罪和威胁不断演变，新买家出现，关于网络安全平台和最佳解决方案的争论也在不断发展。Salesforce、Cisco和Skyflow等公司是其应用实例。涉及的技术包括零信任架构、数字身份、隐私工程、可解释AI、技术弹性、区块链、智能合约、数字资产和代币以及去中心化应用等。

第三类是计算和连接前沿。包含先进连接、沉浸式现实技术、云和边缘计算、量子技术。

先进连接：技术的发展有望改变消费者和行业的体验，如5G、卫星连接和物联网等。但电信行业面临投资回报、生态系统成熟度和政府参与等方面的挑战。AT&T、Verizon和Google等公司是其应用实例。涉及的技术包括光纤、低功耗广域网、Wi-Fi 6和7、5G和6G蜂窝、高空平台系统以及直接到手机的卫星连接等。

沉浸式现实技术：包括增强现实（AR）、混合现实（MR）和虚拟现实（VR），2023年投资和消费者需求虽不稳定，但一些公司的新产品发布展示了其韧性。硬件市场如苹果和Meta的头显发布、虚拟世界的拓展以及企业采用的持续但较慢的增长是其最新发展。Disney、Porsche和Mercedes - Benz等公司是其应用实例。涉及的技术包括增强现实、虚拟现实、混合现实、空间计算、在体和离体传感器、触觉和位置映射软件等。

云和边缘计算：企业正在从传统的本地存储和管理向分布式架构转变，公共云允许企业远程托管工作负载并按需扩展资源，边缘计算则能在数据源头附近处理数据，降低延迟和数据传输成本。AI需求推动了其发展，一些组织开始将重点从网络边缘转向本地边缘解决方案，同时企业也在多元化GPU供应。McDonald’s、International Space Station和Amazon等公司是其应用实例。涉及的技术包括物联网或设备边缘、本地或“靠近行动”边缘、运营商、网络和移动边缘计算以及城域边缘等。

量子技术：包括量子计算、量子通信和量子传感，具有巨大的经济潜力，但仍面临技术挑战，需要公共和私营部门的共同努力。在硬件和软件方面取得了进展，同时在信息安全方面也有新的举措，如采用后量子密码学算法。HSBC、Apple和Biden政府等是其相关实例。涉及的技术包括量子计算、量子通信、量子密钥分发和量子传感等。

第四类是前沿工程，包含未来机器人、未来移动、未来生物技术、未来空间技术。

未来机器人：因宏观经济和技术进步，其应用场景不断扩展，从制造业到生命科学和农业等领域。机器人类型不断增加，包括协作机器人和服务机器人，同时人形和通用机器人也引起了广泛关注，AI的发展推动了机器人向更自主的方向迈进。BMW、Chevron和Sweetgreen等公司是其应用实例。涉及的技术包括自主技术、运动和传感器技术、连接技术、材料创新和电气化技术等。

未来移动：包括自动驾驶和电动汽车（AVs和EVs）、城市空中交通、ACES（自动驾驶、连接、电气化和共享/智能移动）等技术，虽面临一些挑战，但仍在不断发展，如EV需求增长、自动驾驶测试和商业化的推进以及无人机配送的增加等。Waymo、Uber和Joby Aviation等公司是其应用实例。涉及的技术包括自动驾驶、连接车辆、电气化、共享移动解决方案、材料创新和价值链脱碳等。

未来生物工程：结合生物和计算技术的进步，在医疗、食品、农业和可持续发展等领域有创新应用，如基因治疗和替代蛋白质生产等，但需实现商业可行性并克服社会和监管挑战。CRISPR基因疗法、AI在生物工程中的应用以及替代蛋白质生产的进展是其最新发展。Ricoh、日本、Tropic和Insilico Medicine等是其相关实例。涉及的技术包括组学、基因编辑、组织工程和生物材料等。

未来空间技术：随着技术成本降低，其可行性和相关性不断提高，包括LEO卫星通信、直接到设备连接、全球发射活动增加以及月球活动的持续等。John Deere、Qatar Airways、印度和Fleet Space Technologies等公司是其应用实例。涉及的技术包括小卫星、遥感、SWaP - C改进、发射技术进步和先进连接技术等。

第五类是可持续世界，包括电气化和可再生能源，气候技术。

电气化和可再生能源：对实现全球碳减排目标至关重要，包括太阳能、风能、核能、氢能、可持续燃料、能源存储和智能电网等技术。2023年可再生能源产能增加，公共部门对氢的支持增加，全球电池存储容量快速增长，政策激励有望推动热泵的采用。Aira、Stellantis和Amazon等公司是其应用实例。涉及的技术包括电池、热泵、能源存储、核裂变、可再生能源和氢能等。

气候技术（除电气化和可再生能源外）：包括循环性和资源以及碳捕获和去除等技术，虽面临投资减少等挑战，但对缓解气候变化至关重要，公司承诺扩大，农业技术应用增长，公共部门支持增加，碳捕获、利用和存储（CCUS）兴趣提升。Schneider Electric、Northern Lights、Running Tide和Cargill等公司是其应用实例。涉及的技术包括循环技术、自然气候解决方案、替代蛋白质、CCUS和工程碳去除等。

麦肯锡在报告中建议，企业和领导者在考虑各技术趋势时需要思考一些关键问题。

如生成式AI的模型创建成本演变、对竞争动态的影响以及如何平衡成本和价值捕获；应用AI如何确定最有益的应用并与生成式AI结合使用、人才和技术栈的影响以及如何实现规模价值；工业机器学习如何随着生成式AI的发展而演变、如何在ML工作流程中优先考虑技术以及如何定义组织的责任。

还需要考虑先进连接电信行业如何提高盈利能力、光纤市场变化对网络选项的影响以及不同利益相关者对无线技术的期望；沉浸式现实技术在不同设置中的潜在影响、设备硬件的演变速度以及如何管理新的技术基础设施；云和边缘计算如何在灵活性和定位上取得优势、云提供商和电信公司在边缘计算中的角色以及AI技术和监管变化对业务模型的影响等等。