关键词：实体经济复兴

我们正生活在一个云平台技术无所不在的时代，数字与实体之间的界限正因此变得日渐模糊，Statista 2018年最新统计数据显示，2018年全球物联网设备的数量将超过230亿，智能音箱百花齐放，Amazon Echo，天猫精灵，小爱同学，京东叮咚，出门问问…声控界面已将重点转向无需使用屏幕的实体体验。

而新兴技术、移动支付以及追求便捷生活三大元素让中国成为O2O变革的先锋者。随着技术逐渐成熟和成本的不断下降，技术将逐渐融入实体世界并隐身幕后，亚马逊近年来转移其战略重心，推出Amazon Go智能购物体验；京东推出X无人超市；阿里的淘咖啡。

如果说以上案例仅仅是某个领域的技术融合落地，那么在城市，我们已经看到了实体与数字交织的和谐画面。阿里巴巴在“城市大脑”项目中，运用人工智能技术，显著缓解了杭州交通拥堵。

案例盘点：

京东：《如何利用人工智能技术在零售业做产品创新——无人超市的成长之路》

喜茶：《数字化三支柱：传统企业数字化转型的众妙之门》

美团点评：《后团购时代的O2O产品体验演变》

关键词：人工智能

人工智能正处于第三次快速发展浪潮中。2018年，人工智能技术利用深度学习、 图像识别、语音识别等技术变革着原有产业。

1、智能手机

人工智能早已深入智能手机，例如今日头条可进行智能搜索排序，个性化产品推荐，图像识别等。相信未来的手机APP必将被人工智能技术全面侵占。

案例盘点：

爱奇艺：《基于CPU的深度学习推理部署优化实践》

2、智能出行与无人驾驶

无人驾驶需要解决现有技术的局限性，例如尚未普及在所有天气条件下均能正常运作的传感器和3D地图，对网络安全和可靠性的担忧。这些问题的解决主要依靠技术厂商。而互联网企业、 互联网出行平台以及人工智能技术企业是推动无人驾驶技术发展的中坚力量。虽然，无人驾驶技术还有待发展，但是人工智能出行领域的应用也早见端倪，无论是国内的滴滴，还是国外的Uber，Lyft，其实在人工智能的应用上也早已开始，并收益斐然。

案例盘点：

Lyft：《出行市场中的AI应用案例》

Uber：《Real Time Analytics on Deep Learning: when Tensorflow meets Presto at Uber》

百度：《自动驾驶领域AI应用场景剖析》

3、制造业

人工智能对制造业的冲击也在日益突出，相信在不久的将来，机器人将进驻制造业进行技术升级，工业机器人将对中国制造业的发展产生重大影响。

案例盘点：

LG：《LG人工智能模型训练优化实践：Continuous Training Engine (CTE)》

4、金融行业

2018年人工智能对于金融业的影响可能更为深入，更多涉及投资决策环节。通过与金融科技公司的合作或进行内部研发，银行、券商等金融机构将进一步完善智能投顾，提高智能投顾的投资回报率。此外，在风险控制领域，人工智能技术也能快速迭代。

案例盘点：

蚂蚁金服：《支付宝投诉智能审理解决方案》

拍拍贷：《多业务场景应用的智能语音分析方案》

关键词：计算机视觉

计算机识字识图的技术在很大程度上要归功于人工智能和机器学习技术的飞速发展，以及摄像头广泛植入各种设备。

智能化的数字摄像头可以捕捉到大量的图像数据，通过机器学习算法进行处理，最终输出更为深入全面的洞察，基于计算机视觉的各种新应用已经开始涌入我们的生活，微软公司（Microsoft）开发了一款针对盲人和视力障碍人群的“SeeingAI”应用，以计算机为“眼”，让他们“看到”五彩斑斓的世界。

案例盘点：

格林深瞳：《云端结合的大规模视觉计算系统初探》

微软研究院：《行人再识别研究前沿：评测数据构建与视觉表示学习》

关键词：区块链

区块链技术一开始就被大量的中国企业、机构和开发人员密切关注、研究和探索可能的行业应用。特别是各类金融行业机构，自上而下，都在密切关注区块链技术本身及其带来的冲击。许多公司都成立了区块链工作小组，研究和追踪行业应用，参与和建立各种区块链联盟。

不过，目前大部门机构都停留在技术研究和原型论证阶段。一些区块链联盟及区块链技术公司（特别是一些创业公司）也在积极探索应用场景，整个市场呈现出活跃的态势。

案例盘点：

民生银行：《区块链技术在金融领域的落地实践》

智链ChainNova：《从黑土地到餐桌 – 基于区块链的高品质大米全生命周期追溯是怎样的》

腾讯：《腾讯区块链的场景化应用案例》

关键词：云计算

随着云计算步入第二个发展10年，全球云计算市场趋于稳定增长，我国云计算市场处于高速增长阶段。容器、微服务、DevOps等技术在不断推动着云计算的变革。云计算的应用已经深入到政府、金融、工业、交通、物流、医疗健康等传统行业。云计算安全问题和风险管理形势日益严峻。

从细分领域来看，国内IaaS市场处于高速增长阶段，以阿里云、腾讯云、UCloud为代表的厂商不断拓展海外市场，并开始与AWS、微软等国际巨头展开正面竞争。国内SaaS市场较国外差距明显市场规模偏小。

案例盘点：

Google cloud：《The Evolution Path of Spark/Hadoop on the Cloud》

阿里巴巴：《阿里基于Kubernetes的serverless云服务应用实践》

华为云：《Cloud Native 微服务架构一致性》

关键词：DevOps与AIOps

据中国信息通信研究院的DevOps能力成熟度评估结果显示，金融机构核心业务仍采用集中式管理方式为主，但外围业务已经开始或已使用了分布式架构，自动化、智能化运维推动金融行业的业务创新。DevOps实践贯穿软件全生命周期，提升了传统行业整体效率。

DevOps拉通了运维管理体系，海量数据计算、存储、应用和安全等多种需求出现。在大数据技术的背景下，智能运维AIOps被提出，AIOps是将人工智能应用于运维领域，通过机器学习的方式对采集的运维数据(日志、监控信息、应用信息等)做出分析、决策，从而达到运维系统的整体目标。目前，AIOps主要围绕质量保障、成本管理和效率提升三方面逐步构建智能化运维场景，AIOps虽然在互联网、金融等行业有所应用，但仍处于发展初期，未来智能化运维将成为数据分析应用的新增长点和发展趋势。

案例盘点：

腾讯：《AIOps在社交平台运维中的应用》

百度：《百度运维自动化向智能化的转型之路》

京东：《DevOps落地实践-研发效能解决方案》

2018年，科技革命和产业变革席卷全球，大数据、云计算、物联网、人工智能、区块链等新技术不断涌现，数字经济正深刻的改变着人类的生产和生活方式，成为了经济增长的新动能。对于众人满怀期待的2019年，又将会有哪些变化！

全球领先的信息技术研究和顾问公司Gartner公布了各企业机构须在2019年了解和关注的首要战略科技发展趋势。Gartner将战略科技发展趋势定义为具有巨大颠覆性潜力、脱离初期阶段且影响范围和用途正不断扩大的战略科技发展趋势；这些趋势在未来五年内迅速增长、高度波动、预计达到临界点。这其中包括人工智能、数字孪生、边缘计算、量子计算、沉浸式技术、区块链、智能空间等，同时这些技术之间的联系越来越紧密，比如，AI（表现为自动化设备和增强智能）与物联网、边缘计算和数字变化结合使用，可提供高度集成的智能空间。这种多个趋势融合，组合效应带来了新机会和新颠覆。

1、自主化物件（Autonomous Things）

机器人、无人机与自动驾驶车辆等自主化物件采用人工智能自动执行此前由人类完成的各种功能。其自动化水平超越了僵硬的编程模型所提供的自动化，且能够利用人工智能带来与环境及人类互动得更自然的高级行为。

2、增强型分析（AugmentedAnalytics）

增强型分析侧重于增强智能的特定领域，利用机器学习（machine learning）转变分析内容的开发、使用与共享方式。增强型分析能力将快速发展至主流应用，成为数据准备、数据管理、现代分析、业务流程管理、流程挖掘与数据科学平台的主要特性。源自增强型分析的自动洞察（automated insights）也将嵌入企业应用，例如人力资源、财务、销售、营销、客户服务、采购与资产管理部门应用等，以优化各个情景下所有员工的决策与行动，而非只是分析师与数据科学家的决策与行动。增强型分析能自动执行数据准备、洞察生成与洞察可视化过程，在多种情况下无需专业数据科学家参与其中。

3、人工智能驱动的开发（AI-Driven Development）

市场正快速从专业数据科学家必须与应用开发者合作以创建大部分人工智能增强型解决方案，转变为专业开发者可通过预定人工智能模块的服务（predefined models delivered as a service）而独自操作的模式。这为开发者们提供了人工智能算法与模型的生态系统，以及能够将人工智能功能与模型整合为解决方案的开发工具。随着人工智能被用于开发流程以自动执行各种数据科学、应用开发与测试功能，专业应用开发将迎来新的机遇。到2022年，至少40%的新应用开发项目的团队中将出现人工智能共同开发者（AI co-developers）。

4、数字孪生（Digital Twin）

数字孪生是指以数字化方式再现真实的实体或系统。据Gartner预测，到2020年，互联传感器与端点将多达超过200亿，数字孪生将服务于数十亿个物件。各企业机构一开始只是简单地实施数字孪生，但将随着时间的推移对其加以演化，提高其收集与可视化正确数据的能力，应用正确的分析与规则，并有效响应企业的业务目标。

5、自主性的边缘（Empowered Edge）

边缘（Edge）是指人们所使用或者嵌入我们周围世界的端点设备。边缘计算（Edge computing）是一种计算拓扑，在这种拓扑结构中，信息处理、内容收集与交付更加靠近这些端点。该结构尽力收集流量并在本地处理，以期减少网络拥挤与延迟。

在短期内，边缘由物联网以及靠近终端而不是在中心化云服务器上的处理需求而驱动。但是，云计算与边缘计算并非创建新架构，而是逐渐成为互补模型，其中云服务作为一种运行于中心化服务器、本地分布式服务器以及边缘设备上的集中式服务（centralized service）而受到管理。

未来五年，专业的人工智能芯片以及更强大的处理能力、存储及其他高级功能将被添加至更广泛的边缘设备。该嵌入式物联网世界的极高异质性（extreme heterogeneity）以及各类资产（例如工业系统）的长寿命周期将带来大量管理挑战。长期来看，随着5G日臻成熟，不断扩展的边缘计算环境将为集中式服务带来更加稳健的通信支持。5G降低了延迟、增加了带宽、并显著增加了每平方公里内的节点（边缘端点）数量，这对边缘而言非常重要。

6、沉浸式体验（ImmersiveExperience）

会话式平台正在改变着人们与数字世界交互的方式，而虚拟现实（VR）、增强现实（AR）与混合现实（MR）正在改变着人们感知数字世界的方式。这一感知与交互模式的综合转变带来了未来沉浸式用户体验。 Cearley先生表示：“久而久之，我们将从考虑单个设备与片段化用户接口（fragmented user interface）技术转向多渠道与多模式体验（multichannel and multimodal experience）。多模式体验将跨越周围数以百计的边缘设备（包括传统计算设备、可穿戴设备、汽车、环境传感器与消费设备），将人类与数字世界连接起来。该多渠道体验将综合应用所有的人类感觉以及多模式设备中的高级计算机感应（如：热度、湿度与广度）。这种复合体验环境将营造一种情景体验，在这种情况下将由我们周围的空间而非某台设备来定义‘计算机’。实际上，环境就等同于计机。”

7、区块链（Blockchain）

区块链是一种分布式分类账（distributed ledger），其有望通过建立信任、提供透明度以及减少跨业务生态系统的摩擦而降低成本、减少交易结算次数与改善现金流而重塑各个行业。当前，人们信赖银行、票据交换所、政府及其他许多机构，并将它们视为在数据库内安全存放“唯一事实（single version of the truth）”的中央机构（central authorities）。这样的集中信任模式增加了交易延迟与摩擦成本（例如佣金、手续费和货币的时间价值）。区块链提供了另外一种信任模式，让人们无需再依赖中央机构仲裁交易。

当前的许多区块链计划并未落实区块链的所有属性，例如，高度分布的数据库。这些受区块链启发的解决方案被定位为通过业务流程自动化或记录数字化而实现运营效率的途径。其有望增强已知实体（known entities）间的信息共享，同时提升跟踪与追溯物理及数字资产的可能性。但是，这些方法并未抓住真正的区块链颠覆价值，并可能增加厂商锁定（vendor lock-in）。选择此类方案的各企业机构应了解其中的局限，并准备随着时间的推移转而采用彻底的区块链解决方案。而通过更高效地利用现有的非区块链技术并对其加以微调，也可以实现相同结果。

8、智能空间（Smart Spaces）

智能空间是一个物理或数字环境，在这种环境下，人类与受技术支持的系统在更加开放、互联、协作且智能的生态系统内互动。包括人、流程、服务与物在内的多个要素汇聚到智能空间，为目标人群及行业情景打造更加沉浸式、交互式且自动化的体验。

9、数字道德与隐私（Digital Ethics and Privacy）

个人、企业机构与政府日益关注数字道德与隐私问题。人们越来越关心企业机构将如何在公共及私人领域使用其个人信息，对于未主动处理此类问题的企业机构，人们的这种反应只会增强。

10、量子计算（QuantumComputing）

量子计算是一类在亚原子粒子（例如电子与离子）量子态上操作的非经典计算，其将信息表述为以量子位（qubits）表示的元素。量子计算机的并行执行（parallel execution）与指数级可扩展性意味着其擅于处理那些对于传统方法而言过于复杂、或是传统算法将花费过长时间才能找到答案的问题。汽车、金融、保险、制药、军事等行业以及研究机构从量子计算的发展中受益最多。例如，在制药行业，量子计算可用于在原子级别上建立分子间相互作用模型，加速新型抗癌药物的面市，量子计算也可加快并更加精确地预测蛋白质间相互作用，从而发现新的制药方法。

没有一个冬天不可逾越，没有一个黎明不会来临。

回首2018，除了完成工作，还有哪些目标尚未完成？个人能力是否得到成长？技术水平是否得到提升？学习的方向是否紧跟技术趋势？如果只是向往，远方依旧是远方。

新的一年，我们需要做的是将眼光拉长，站在更长的时间轴上，时刻保持学习，抓住眼前一切能抓住的机会，充实自己，突飞猛进。如果说职业生涯是一场长跑，那么学习就是这场长跑的跑道，将眼光放长远，沿着跑道，才能跑的更远。

2018已逝去，新年已到来，msup将从以下几个方面，帮助你和你的企业定制2019年度培训计划：

1、 从“工作岗位和工作内容”定制培训需求和计划

2、为员工提供全面的技能升级培训

3、找准定位，充分拥抱技术变革，努力迎接未来

msup研究院

2019.1.8

参考文献来源：埃森哲，麦肯锡，Gatner，中国信通院