一年一次的Gartner新興技術成熟曲線發布時間又到了，讓我們再次大（bian）開（cheng）眼（wen）界（mang）的時候到了，一起來看看今年Gartner又整了哪些“新活”？

2022 年的新興技術符合三個主題：不斷發展/擴展沉浸式體驗、加速人工智能自動化和優化技術專家交付。

概述

2022 年 Gartner 新興技術成熟曲線包含25項“必須了解”的創新，以推動競爭差異化和效率。

只有少數有可能在兩年內成為主流被采用；大部分技術需要10年或更長時間的發展。

這些技術的初期階段，其部署的風險較大，但對早期采用者的收益可能也很大。

Gartner 2022成熟曲線（也稱“炒作周期”）確定了25種必須了解的新興技術，旨在為企業架構和技術創新領導者提供幫助：

• 擴展沉浸式體驗
• 加速AI 自動化優化
• 技術人員交付

這些技術預計將在未來2到10年內對企業和社會將產生巨大影響，尤其是使CIO和IT領導者能夠通過其實現數字業務轉型。

新興技術本質上具有顛覆性，沒有眾所周知或已被驗證的競爭優勢。為了抓住機遇，了解潛在市場、技術走向以及主流應用的途徑至關重要——這個時間可能最短兩年，長則10年或更久。

Gartner副總裁分析師Melissa Davis表示，“所有這些技術都還在早期階段，但有些已處于萌芽階段，它們的未來發展存在很大的不確定性。新興技術的實施也帶來了更大的風險，但同時也為早期使用者帶來了更大的利益，這使它們與Gartner頂級戰略技術趨勢不同。”

2022 年新興技術成熟曲線

2022 年及以后需要考慮的三個炒作周期主題

Gartner 2022成熟曲線以新興技術為特色，并將2,000多種技術的見解提煉成簡潔的潛力集合。大多數技術都有多個用例，但技術創新領導者應該優先考慮那些可能為組織帶來最大潛在利益的技術。（同時還需要啟動一個概念驗證項目，以證明技術對其目標用例的可行性。）

以下是關于2022年技術所屬的三個主題的介紹：

主題1：發展/擴展沉浸式體驗

這些技術的優勢在于，它們為個人提供了對其身份和數據的更多控制權，并將他們的體驗范圍擴展到可以與數字貨幣集成的虛擬場所和生態系統。這些技術還提供了接觸客戶的新方法，以加強或開辟新的市場。

客戶數字孿生(Digital twin of the customer,DToC)是客戶的動態虛擬展示，它模擬并學習和預測行為。它可用于修改和增強客戶體驗（CX）并支持新的數字化工作、產品、服務和機會。DToC 需要5-10年才能被主流采用，但將對組織產生巨大影響。

沉浸式體驗中的其他關鍵還技術包括：

• 去中心化身份(Decentralized identity,DCI) 允許實體（通常是用戶）通過利用區塊鏈或其他分布式賬本技術 (DLT) 等技術以及數字錢包來控制自己的數字身份。
• 數字人類（Digital humans）是交互式的、由人工智能驅動的展示，具有人類的一些特征、個性、知識和思維方式。
• 內部人才市場將內部員工以及在某些情況下的臨時工池與有時間限制的項目和各種工作機會相匹配，而無需招聘人員參與。
• 元宇宙是一個綜合虛擬3D共享空間，由虛擬增強的物理和數字現實融合創建。元宇宙是持久性的，提供增強的沉浸式體驗。
• 非同質化代幣(Non-fungible token,NFT) 是一種基于區塊鏈的獨特可編程數字項目，可公開證明數字資產（如數字藝術或音樂）或代幣化的物理資產（如房屋、汽車或文件）的所有權。
• Superapp是一種復合式移動應用，作為平臺構建，可提供模塊化微應用程序，用戶可以激活這些微應用以獲得個性化的應用體驗。
• Web3是用于開發分散式Web應用的新技術堆棧，使用戶能夠管理自己的身份和數據。

主題2：加速人工智能自動化

擴大人工智能的采用是發展產品、服務和解決方案的關鍵方式之一。這意味著加速創建專項人工智能模型，將人工智能應用于模型的開發和訓練，并將其部署到產品、服務和解決方案的交付中。結果包括更準確的預測和決策以及更快地獲得預期收益。人類的角色也更側重于成為消費者、評估者和監督者。

自主系統是加速人工智能自動化的例子。它們是自我管理的物理或軟件系統，執行具有三個基本特征領域的任務，即自主、學習和代理。當傳統的AI技術無法實現業務適應性、靈活性和敏捷性時，自主系統可以成功地幫助其實施。自主系統需要5-10年才能被廣泛采用，但將對組織產生巨大影響。

加速AI自動化的其他關鍵技術包括：

• 因果人工智能識別并利用因果關系超越基于相關性的預測模型，進而使AI系統可以更有效地規定行動、更自主地行動。
• 基礎模型是基于轉換器架構的模型，例如大型語言模型，它體現了一種深度神經網絡架構，可以在周圍詞境的上下文中計算文本的數字表示，強調單詞的序列。
• 生成式設計AI或AI增強設計使用AI、機器學習和自然語言處理技術自動生成和開發數字產品的用戶流程、屏幕設計、內容和表示層代碼。
• 機器學習代碼生成工具包括可插入專業開發人員集成開發環境(IDE)的云托管機械學習模型，IDE是基于自然語言描述或部分代碼片段提供建議代碼的擴展。

主題3：優化技術人員交付

這些技術專注于構建數字業務的關鍵要素：產品、服務或解決方案設計者社區（如Fusion Team）及其使用的平臺。這些技術提供反饋和洞察力，優化并加速產品、服務和解決方案的交付，同時提高業務運營的可持續性。

云數據生態系統體現了優化的技術人員交付。它們提供了一個有凝聚力的數據管理環境，能夠支持從探索性數據科學到生產數據倉庫的所有數據工作負載。云數據生態系統提供簡化交付和全面功能，易于部署、優化和維護。它們需要2-5年的時間才能被廣泛采用，并且會讓用戶獲得明顯收益。

優化技術人員交付的其他關鍵技術包括：

• 增強型敏捷金融（FinOps）通過應用AI和機器學習實踐，將敏捷性、持續集成和部署以及最終用戶對金融治理、預算計劃和成本優化工作的反饋等傳統DevOps概念自動化。
• 云可持續性是使用云服務在經濟、環境和社會（ESG）系統中實現可持續性效益。
• 計算存儲(CS)將主機處理從CPU的主存儲器卸載到存儲設備。
• 網絡安全網格架構(CSMA)是一種新興方法，用于構建可組合的分布式安全控制，以提高整體安全效率。
• 數據可觀察性（Data observability）是通過持續監控、跟蹤、警報、分析和故障排除事件來了解企業數據環境、數據管道和數據基礎設施健康狀況的能力。
• 動態風險治理(DRG)是一種用于定義風險管理角色和責任這一關鍵任務的方法。DRG針對每種風險適當地定制化風險治理，使組織能夠更好地管理風險并降低保障成本。
• 行業云平臺利用底層SaaS、PaaS和IaaS服務，為確定的垂直行業提供與行業相關的打包業務和技術能力，并將其作為一個整合產品。
• 最小可行架構(Minimum viable architecture,MVA)是產品團隊用來確保產品及時性、合規性的開發和迭代的標準化框架。
• 可觀察性驅動開發(Observability-driven development,ODD)是一種軟件工程實踐，通過將系統設計為可觀察，為其狀態和行為提供細粒度的可見性和上下文。
• 開源遙測（OpenTelemetry）是規范、工具、應用編程接口(API)和軟件開發工具包(SDK)的集合，用于描述和支持軟件的開源儀器和可觀察性框架的實施。
• 平臺工程（Platform engineering）是為軟件交付和生命周期管理構建和運營自助式內部開發人員平臺(internal developer platforms,IDPs)的學科。