【51CTO.com原創稿件】據Gartner 2022年CEO調查顯示，CEO在明年最關心的三個關鍵詞是增長、數字化和效率。2020年全球經歷了新冠疫情的沖擊，雖然中國經濟自去年開始反彈，但是對于大部分國家，尤其是西方國家，經濟方面都受到了不同程度的影響。

在疫情成為新常態下，很多企業CEO都希望在2022年，企業的業績都會有一些反彈，可以利用數字化技術助力業績的恢復增長，并且在推動數字化的同時保證企業的利潤和現金流。企業核心目標的改變，也導致CIO的工作重點也要相應做出變化，包括找到適合自己企業的加速數字化的技術，從而賦能業務增長，創建一個可擴展的技術底座來保證現金流和利潤的實現。

為此，Gartner日前發布了“重要戰略科技趨勢”，圍繞工程化信任、塑造變革和加速增長三大主題，幫助企業推動數字化發展。Gartner高級研究總監高挺在采訪中表示，相較于2021年的重要戰略科技趨勢，今年偏技術和架構的話題相對多了一些，例如數據編織、云原生平臺等。

[[434720]]

Gartner高級研究總監高挺

工程化信任 構建安全可靠的數據處理基礎設施

工程化信任，本質上是一組關于增強安全和數據處理效率的技術趨勢，構建一個安全可靠的數據處理基礎設施，它是為數字經濟夯實數據的基礎，包括數據編織、網絡安全網格、隱私增強計算和云原生平臺。

Data Fabric，中文叫做數據編織，是一種新型的數據管理設計理念，目的是為了達到靈活的、可復用的數據管道和數據服務，以支持多應用、多平臺的數據運營和數據分析等應用場景。簡單來說，數據編織是構建一個跨數據中心、多云以及邊緣的統一數據架構，在企業集團的范圍內，提供一個對數據的全局訪問平臺。在業務層面，企業可以借助數據編織這一統一化的技術框架，解決各種不同格式、形式的碎片化數據問題，從而真正地將數據使用起來。

大數據時代，數據無處不在，傳統的以數據中心為核心的中心化架構，已經逐漸不能滿足“云化”或者“邊緣化”的安全需求，因此企業需要一種全新的安全架構。Gartner將這種安全架構稱為網絡安全網格（Cybersecurity Mesh）。高挺解釋道，之所以稱之為網格（Mesh），是因為它整合了一系列的網絡安全服務，提供身份內容以及策略等方面的認證，通過分布式的形式來提供。高挺指出，網絡安全存在木桶效應，接入網絡的方式存在于任何地方，雖然這些“點狀”位置都有解決方案，但是互相之間無法進行協調，一旦其中一個安全“點”出現問題，那么整個系統有可能被攻破。其中一種解決辦法是由中央控制臺收集所有可能進入到一個網絡的終端或邊緣端觸發的事件日志，并將其匯總在一起進行分析；另一種解決方案就是網絡安全網格，以“多對多”的方式，讓安全工具產生更多協作，除了起到中心化的網絡安全模式集中式的安全以外，還可以實現模塊化或可編排化。

基于網絡安全網格可以保證數據安全的前提下，要讓數據產生價值，就需要處理并分析數據，利用數據構建AI模型，如何保證隱私不會在處理或分析數據的過程中泄露？尤其是在和第三方進行數據合作或數據外包的場景中如何避免這樣的問題出現？這里就引出了隱私增強計算背后的邏輯。根據Gartner的預測，到2025年前會有60%的大型企業準備開始采用隱私增強計算。Gartner將隱私增強計算分為三類：（1）為敏感數據的處理或分析提供一個可信環境 。這里的可信環境，包括可信第三方或硬件可信執行環境 ，這類隱私增強計算也被稱為“機密計算”。（2）在不泄露數據的情況下對數據進行本地處理或分析。這一類技術往往通過分布式的形式來實現，包括聯邦學習、隱私感知機器學習等。（3）在處理或分析數據之前對數據和算法進行轉換。使得數據和算法在處理的過程中不會泄露隱私。具體的技術包括：差分隱私、同態加密、安全多方計算、零知識證明等等。

云計算經過這十幾年的快速發展，已經深入人心。但在傳統“上云”模式下，企業將傳統應用直接部署在云端，會產生兼容性問題，也不會很好地發揮云的優勢，因此很多企業會采用“云原生平臺”來作為打造數據底座的閉環的最后一個環節。高挺解釋道，云原生平臺可以讓應用程序從設計、開發到部署都在云的環境中完成，是天生為“云”設計的平臺，充分利用和發揮“云”平臺的彈性和分布式的優勢。高挺強調，“云原生平臺”最大的好處是企業在開發時可以把應用和基礎設施的關聯性剝離，然后充分利用公有云的優勢，縮短上線的時間。

塑造變革 提高韌性和效率

塑造變革，是一組用來加速數字化的技術趨勢，幫助企業提高商業韌性和效率等問題，包括組裝式應用程序、決策智能、超級自動化和AI工程化。

傳統應用開發可能會面臨幾大挑戰，比如沒有足夠的開發能力，選錯技術方向，交付不夠迅速等。而最常見的、戰術性的解決方案就是代碼重用。而Gartner提出的“組裝式應用”，試圖從架構上的解決這些問題，通過引入模塊化的理念使得技術和業務團隊可以更加敏捷，更有效地進行代碼重用。組裝式應用的核心是需要通過“封裝的業務能力”（Packaged Business Capability，PBC）來實現，PBC是一種軟件定義的最小化業務功能，可以是一種單一的對象或者功能。PBC與傳統開發交付不同的之處是在于顆粒度方面，傳統ERP等軟件開發交付的是系統，屬于基于項目的封裝應用，部署完成后框架和體系是不能修改的，而基于微服務的開發方式是基于產品的封裝應用，雖然可以提高開發的敏捷性，但本質上依然是一種封裝應用。而基于PBC的交付更像是顆粒度更小的、高度定制化的可重復使用的組裝應用，如果說PBC像一個個原子的話，組裝式應用就是將原子重新組合后形成的分子，不同類型的用戶，例如部門、團隊和個人，都可以根據自身業務的需要來重新排列組合自己需要的業務能力。

Gartner預測，到2023年，超過33%的組織會由分析師進行決策智能，包括決策建模。復雜的商業決策本質是一個多因素考量的過程，利用各種數據源或數據分析的結果來進行商業決策的框架體系。高挺指出，很多復雜決策能否使用機器來替代主要考量兩點，一是數據是否夠大，二是AI在其中扮演的角色，不同場景中AI與人類進行決策的比例會有所不同。

超級自動化是去年Gartner提出的重要戰略科技趨勢之一，但今年的提出更加強調兩個方面，一是需要搭建一個包含IT和業務部門的融合團隊，二是超級自動化包含了多種技術，包括AI、機器學習、RPA、BPMS等。在疫情的倒逼下，很多企業在關鍵流程上已經實現了自動化運營。例如西非馬里共和國的斯亞馬（Syama）金礦號稱“全球第一個實現完全自動運營的礦山”，這個礦山使用了諸如自動卡車、裝載機和鉆機等設備進行24小時的全時段運營。再比如24小時無人值守便利店，通過計算機視覺、語音識別、NLP等技術進行自動運營，都是超級自動化在目前階段的例子。高挺表示，雖然很多企業暫時還不能實現超級自動化，但是Gartner認為超級自動化已經成為了必然。

人工智能工程化在2020年的重要戰略科技趨勢中也出現過，雖然大家對AI期望很多，但實際中AI的應用仍然是被低估的，Gartner發現很多AI項目價值只能體現在“點對點”的一次性方案中。高挺解釋道，DevOps在軟件開發領域是快速地交付而后在軟件有新的功能需要升級維護時可以很好地運維。而在AI項目中會多了數據和模型兩個模塊，因此需要考慮DataOps和ModelOps。現階段的AI本質上就是一個基于大數據的統計分析型的技術，因此所有AI項目都離不開數據和模型，當AI應用時，對于數據要實現的內容還比較多，例如數據清洗、訓練、標注、建模等等。而工程化的方法論可以將AI應用大規模落地。高挺強調，AI工程化并不只是一個技術問題，更多時候是流程和方法的問題。在“AI工程化”的路途中，有許多的地方、細節、方法是需要注意的。而這些方法注意了以后，才有可能真正地讓AI算法、已有的數據發揮一些價值和作用。

數字化技術連接 加速增長

加速增長是一組將數字化技術用以連接物理和虛擬世界，以構建一種新的工作方式，包括分布式企業、全面體驗、自治系統和生成式AI。

分布式企業的本質是許多員工開始遠程工作，并且遠程工作已經成為了新常態。在企業將遠程辦公變成新常態后會發現，原來企業的運作模式在悄然發生改變，例如遠程辦公能夠滿足公司的業務要求還能降低成本，例如交付場景和背后的基礎設施的需求也在發生變化，同時會帶來新的商機或者新的趨勢。高挺表示，從趨勢的角度來看，構建以人為中心、整合物理空間和虛擬空間的技術將會成為一個主流的趨勢，同時它會帶來一些商業模式的變化。分布式企業會在推出服務和產品的時候，采用數字優先、遠程優先的邏輯，來實現加速增長。

Gartner把體驗分為四個模塊，分別是客戶體驗、用戶體驗、員工體驗、多重體驗。高挺指出，這四個“體驗”模塊中，企業可能最關注的是“客戶體驗”和“用戶體驗”。因為這兩種體驗涉及到了潛在客戶和用戶從購買到使用產品和服務的全部流程，而這個流程中體驗的好壞，決定了客戶是否會復購以及用戶是否會把企業的產品推薦給其他人。多重體驗是貫穿其中的一系列的數字化能力，通過技術更有效地觸達客戶和用戶，并賦能員工提供更好的產品和服務。全面體驗的關鍵在于需要把四個模塊綜合起來考慮，才能提升客戶和員工的信心、滿意度、忠誠度和擁護度，從而增加收入和利潤。

隨著企業的發展，傳統的基于規則的應用或簡單的自動化將無法擴展。自治系統是從自動系統和自主系統逐漸衍化而來的。例如，掃地機器人是一個典型的自動系統，它的算法固定不變，行為也是固定的。第二個階段是自主系統，例如自動駕駛汽車，它的算法還是相對固定的，但是其行為可以根據周圍的環境而改變。第三個階段是自治系統，它的行為會隨著環境的變化而變化，算法也是在實時更新的。高挺表示，例如AlphaGo Zero可以通過強化學習不斷地提升算法，改變行為并打敗自己的前輩AlphaGo Master就是一個早期的自治系統的案例。雖然自治系統有一些早期案例，但是其還處于萌芽期，也會出現一些問題，例如有時候會變得不可控，遇到道德倫理等情況。

今天對于AI的使用，很多時候是需要AI做出判斷，做出結論，而一種新的AI用法正在出現。生成式AI可以利用AI來創造一些新的事物，包括AI創造文章、視頻、合成數據或者是研發新藥等等。高挺表示，在未來一段時間內，AI會逐漸地從一個做判斷的機器變成一個創造的機器。生成式AI不僅可以判斷還可以創造，利用已有的數據生產模型后，可以生成更多的合成數據。合成數據可以用作訓練新的AI模型，而這個數據不屬于任何人。從某種意義上來說，就避免了數據隱私被侵犯的痛點。

中國企業該關注哪些？

Gartner發布的重要戰略科技趨勢有十二個方面，不同企業在應用時是否有先后的優先級策略呢？高挺指出，嚴格意義上來講，十二個趨勢全部都是平行的。如果要排序，可以從兩大維度展開。第一是技術成熟度，企業可以根據自己的業務情況來選擇成熟度不同的技術趨勢。成熟度比較高的技術趨勢包括超級自動化、全面體驗、分布式企業等。成熟度中等水平的技術趨勢包括隱私增強計算、云原生平臺等；成熟度相對較低的技術趨勢包括生成式AI、網絡安全網格、數據編織、決策智能等。

第二個維度是企業業務。高挺強調，數字化轉型只是一個總方針，具體轉型的思路每家企業都各不相同，因此不能一概而論，企業應該根據自己的業務情況而定。

此外，Gartner預測的重要戰略科技趨勢是全球性質的，對于中國企業來說，高挺認為，由于中國企業關注的重點往往比較具象和落地，因此，在隱私增強計算、決策智能等方面目前看來是中國企業比較關注的。

【51CTO原創稿件，合作站點轉載請注明原文作者和出處為51CTO.com】