德勤预判:2022技术七大趋势

600699df6955547c666106ba28ca899b.png

来源:综合德勤公开平台公开发布信息整理

编辑:邱峰、罗兵,张钦煜

审核:张祥、吴斌、数字理政研究院、中通协大数据分会

1、数据跨界共享更便捷:诸多新技术致力于在保护

隐私的同时,简化组织内和组织间的数据共享机制。越来越多的组织开始借助大量以前没有权限获取的外部数据,不断挖掘自身敏感数据的价值,从而实现企业增长。这将带来全新的数据驱动机遇。实际上,在同一个生态系统或价值链内的安全数据共享,将催生新的商业模式和产品。例如,新冠肺炎疫情刚刚爆发时,很多平台共享了临床数据。研究人员、医疗机构和药企通过共享平台汇集临床医疗数据,加快了治疗方法和疫苗的研发。而且,这些数据共享协议还帮助药企、政机构、医院和药店协同行动,大范围地执行疫苗接种计划,在保护知识产权的同时确保效率和安全。

2、云走向行业垂直化:数字化转型的重心已经从满

足任何行业组织的IT需求,转变为满足具体行业甚至细分行业的特殊战略和运营需求。超大规模云服务商和SaaS(软件即服务)供应商正与全球系统集成商和客户合作,提供模块化的、行业垂直的商业服务与加速器,这些服务和加速器易于被采用和部署,从而帮助组织打造自身独特的竞争优势。随着这种趋势越来越明显,部署应用程序的过程将从创造(create)变成组装(assembly)——这种转变可能会令整个价值栈重新排序。业务流程将成为需要购买的战略商品,使组织可以将宝贵的发展资源集中在战略和竞争差异化的关键领域。

3、区块链:商业化应用启程

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。事实上,区块链和DLT 平台已经走出了技术成熟度曲线的低谷期,正转化为实际生产力。它们从根本上改变了跨组织开展业务的性质,帮助公司重新思考创建和管理身份、数据、品牌、来源、专业认证、版权等有形资产和数字资产的方式。技术的进步和新监管标准的制定,特别是在非公共网络和平台上的技术和标准,促使金融服务机构以外的企业采用区块链和 DLT 技术。随着企业对区块链和 DLT 的适应,各行各业的创造性应用案例纷纷涌现。成熟的行业领袖努力扩大投资组合并创造新的价值流,而初创企业则致力于挖掘振奋人心的新商业模式。

4、IT 的自我颠覆:自动化技术的规模化应用:

技术日益复杂,用户对稳定性和可用性的期望日益高涨,促使部分企业CIO对所在IT 组织进行大刀阔斧的改革。他们怎么做呢?他们借鉴了云服务供应商的经验。他们识别重复的人工流程,并综合运用工程、自动化和自助服务。这样可以缩短时间,加快价值传递,全面提高 IT 技术的有效性和稳定性。这种自我颠覆式的自动化预示了一个巨大的、但仍未被充分认识到的机遇。以前的技术趋势,如 NoOps、零信任和 DevSecOps 拥有一个共同的主题,即将整个组织代码化。从人工管理向工程和自动化迁移,组织可以更有效地管理复杂系统,并通过提高可用性和弹性来改善客户体验。

5、网络人工智能:有效防御

由于检测网络攻击涉及的庞大数据、复杂性和高难度等问题,安全团队可能很快就不堪重负。企业面临的攻击呈指数增长。5G 覆盖越来越广,联网设备也越来越多,更多企业转向远程办公,因此第三方攻击也变得更加致命。人工智能这时候就派上用场了。网络人工智能作为一种加速器,不仅能够帮助组织以比攻击者更快的速度进行响应,还能够提前预判网络攻击,并采取相关防御措施。人工智能可以扩展至新的应用范围,例如用来提升数据分析速度、识别异常、检测威胁。这些新兴的人工智能技术可以帮助分析师专注于预防和补救,并形成更积极、更有弹性的安全态势。而且,如果整个企业都应用了人工智能技术,它也可以用来协助保护宝贵的人工智能资源,阻止人工智能驱动的攻击。

6、技术堆栈实体化延伸

随着“智能设备”大规模应用以及作业自动化程度的提高,IT 覆盖范围日益扩大,超越了笔记本电脑和手机的范畴。CIO们现在必须考虑如何连接、管理、维护各种各样核心业务资产并保障它们的安全,例如智慧工厂设备、自动烹饪机器人、检查用无人机、健康监测仪等。由于停机可能危及企业或生命,不断演变的实体技术堆栈中的设备对系统正常运行时间和弹性的要求是最高的。同时,可能需要一种新的设备治理和监督方法,来帮助 IT 应对不熟悉的标准、监管机构以及责任和道德问题。最后,CIO可能需要考虑如何招募所需技术人才和重新培养现有员工的问题。

7、预判未来:来自未来的报道

我们知道,我们将要面临一个充斥各种技术的精彩未来。但是,基于今天的技术发展,我们无法准确预知未来如何发展,以及如何在未来占据优势。我们如何为这种将要发生, 但又不够明朗的事件进行准备和计划?在《2022技术趋势》的最后一章“预判未来:来自未来的报道”中,我们对比了三种技术的发展轨迹。这三种技术分别是:量子、指数级智能exponential intelligence)和环境体验,它们可能会在未来十年或更长的时间内主导整个数字化领域。虽然这些技术目前尚处于起步阶段,但它们都体现了研究人员的创造力,吸引了来自风险投资家、初创企业和拥有以下理念的企业的大投资:未来一定会发生有趣的事情,通过不懈努力和基础性工作的规划,我们可以做好准备,迎接它们的到来。

5b5d9c86e9762998442bf9f3213800d7.png

4b6c60172ee04963d38c72b85b871028.png

5bd049db687bdb38fe41c099f5527d6d.png

988fe62f1ce96266de62ba3926a51828.png

ae74ba35832c4cea46fd10ad22a069dd.png

bcdea6c032a938ea38960f2942b3c3d4.png

9bb15a10f5704ad901e93fcf68a82a4d.png

0b76885450bec14847d7aad5f506f3c9.png

8e8d41e1bd811d478576762c41524045.png

3efa625d303da14fecf4e0e7e0a74a0f.png

0e7c9b264d36fab1e6532daf26b8d16f.png

6c6e04c1b1fb7ab8342b4bf494563835.png

aca21ec875d810be9de8130c1cbea160.png

df46358d8ecbe7b24bbfd88cce40437a.png

5ef86c96c10cac3e2527e74c7c3c01f4.png

778182701d2183c536635f929e340e3f.png

a33eb435f8d9d5ffa22c247f60ccad30.png

c4cdc6b213e4026c33fba69c59f769ec.png

b59050b440a7edc170ed355f476068e9.png

0ec78aab5d78123477b0176123873ba2.png

2888a7234fb8727de8a465bf90ab64b4.png

bd1c5cb7da9f2ebf5bc459b3b6abec5b.png

dd7ba0575c33676368ae8a6af7631fab.png

d8f5c16b694ddffbb6b153936a961942.png

623099956ed8c27b8dea7ac80e7d801f.png

1372f8bd7f19aa6d9094d28262e24874.png

3e9de4b061eaa0b55e7072cd53b84b20.png

f70e20c64a8d041e1fade29f4f5492c8.png

51e887c42f0fe53d4af33b1e74c6c257.png

011ae8c9ca624b9ab5cc1a777a371fdf.png

951498fe2dc75d2d70a63291078dd94d.png

0617e81144635313096a48bd9b2f1fe1.png

a364d9b2d468c3a396e00c40ff315b24.png

cd07ae98655a2f35c3d137e9c817dca3.png

95061d9de97b13356ad3887c14ef07b1.png

d05cf77f8cf3e418de32709bf6838d88.png

4a4cadd1ca06bc0b1b101dd55aa6c953.png

8310567e1387f09e6f4615ee0b82c2b0.png

fe5145bb2ace3b97c821ec4ce33afcb2.png

e57bb632283e2c070c1c2d4e5c72fcd7.png

d53b75c2f635884a932ffa6768a82ffc.png

607224aacbaa67da08ea03bcdc519976.png

5d94854566395163e76bf77c88516bbd.png

2696a8edebb7859b5344dc175756ebd5.png

456c934496f50f793d9b5a1519608d54.png

f761de21fc066f5bd4287064d701b4c9.png

823242309d481ef890a0eeb2c775750c.png

ade63ecac0bb51e05f5ffda78e26ef36.png

d22e3623eadc3c3a71d0ef50612d66a4.png

ec18fab9d6a7eb7a6dbaca8cbd8b7b85.png

98c0fdb7d762dd77464077ac674c8c0e.png

e702ddcd21e787a3bdcbe301225e5cc9.png

4de9498cafaf3478abc8e54e44c5a856.png

23ccad3854107a2e12792c23ab016572.png

10cd3f32f0afe3b385d05435a3c1ecf3.png

aaf5b10c23b08d96a4871583515eac30.png

11528da92c65b7a99783c2eca24626d5.png

ec2e8eb13dc38917175c9a2041ae2412.png

e651f6f3abb77530009626bf99a05612.png

ca9500ebe04dd409bffa7f6209a2a98c.png

a1aeec33d64530e6d92163c27bb49726.png

021750e8e62ecec8da576e3b9b6298ac.png

4b51d247b87775e3a8dddda2d19ce2ff.png

b5d63a85556b23d2d85b6d934ad51ce0.png

dc0e36ba3958006eed5d04ca4176cd72.png

c88ddc0e2d204bdb90ab916ebdcd3daf.png

fb0d23cddde3c640113099c9eb79416a.png

1ef77cbf1f3edc2c4ef89aa58ce15a4f.png

e019ec1afc2f66eb79f969a7d642f079.png

e13e3ced504e3f396d2567ce8b4d0153.png

bb36d3e40f3b8263bc8b868751ff60a4.png

5144e02535a477b11426c672b54c8cb5.png

2000e6865de6214bd39240e356029d12.png

3eb057568b73f5660f82bd6ed760f9ec.png

a874f526c0e5a65d25736dddb4f32bc1.png

673ba49bcd155a58101c58764139f4b0.png

60dc0da8f3fbbf62831a92255628d34b.png

016be41ccba4cdd301687b8bbb164fe7.png

46e5d2f0190061d15d40ba6c1f755732.png

450786abf160fe3f4a0bf5b276ead9d0.png

7772d73f7b8431114563ccb889e9c6bb.png

6e37d961f6e1851de299be1d54a11f12.png

a7ca17390556182e0a1e388e1ae0b82b.png

95e3842e02ed6ccf8182a7dbbf619a8d.png

c2e4fb23d76c054826781e69c180b40e.png

22446eae802b5594999e9a3e4ce895b7.png

c663043bbf9da3b7e8f71724a7f661fc.png

e0050f485608a06e9d7e5df6afaccb77.png

0ef47a5c069f45517978faba7acb89eb.png

ed938edb3fc038c4f56010e73e53c300.png

90c4c1708c8a628a637632272e75d8b7.png

b65ee0230591c659f4fd231d4c313457.png

1385b8a6b88b811bf52b59fb8c3e0338.png

a4d3b81b498a2f827ab789bad4a8b4bb.png

a024bbdaf222c89a9d19dbefddcb4d2f.png

28df43f0bfad98544b217efffb311fdc.png

a71691fea57a0a643a89bb15cbe0ca0b.png

8381300dd880f830dd410a5567eaa062.png

53ab6db836a8205fc71dbc30cc52fc7a.png

0a5d7babf16091c43f6d79e35a1e5414.png

928356c4f84c2661069ed752861332a5.png

69d085e3a6284d300682fff7023f4fe3.png

e7b87028d467617e71c3bdde64fabebd.png

56a2d9d58d4cd5955723923d93d79644.png

未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)大脑研究计划,构建互联网(城市)大脑技术和企业图谱,为提升企业,行业与城市的智能水平服务。每日推荐范围未来科技发展趋势的学习型文章。目前线上平台已收藏上千篇精华前沿科技文章和报告。

  如果您对实验室的研究感兴趣,欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”

7eab151614bb8ea11c53c965ab98ab85.png

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/482265.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

7 操作系统第二章 进程管理 进程同步与互斥

文章目录1 进程同步与互斥1.1 进程同步1.2 进程互斥1.3 进程同步机制遵循的原则1.3 进程同步、互斥小结2 进程互斥实现方法2.1 互斥的软件实现方法2.1.1 单标志法2.1.2 双标志法先检查2.1.3 双标志法后检查2.1.4 Peterson算法2.1.5 互斥的软件实现方法小结2.2 互斥的硬件实现方…

8 操作系统第二章 进程管理 信号量 PV操作 用信号量机制实现 进程互斥、同 步、前驱关系

文章目录1 信号量机制1.1 整形信号量1.2 记录形信号量1.3 信号量机制小结2 用信号量机制实现进程互斥、同 步、前驱关系2.1 信号量机制实现进程互斥2.2 信号量机制实现进程同步2.3 信号量机制实现前驱关系2.4 信号量机制实现进程互斥、同 步、前驱关系小结1 信号量机制 用户进程…

一文掌握深度学习、神经网络和学习过程的历史

来源:算法与数学之美本质上,深度学习是一个新兴的时髦名称,衍生于一个已经存在了相当长一段时间的主题——神经网络。从20世纪40年代开始,深度学习发展迅速,直到现在。该领域取得了巨大的成功,深度学习广泛…

2022年后人工智能/深度学习八大应用方向

来源:电子工程专辑 人工智能、机器学习、深度学习已经成为当下最热门的前端科技之一。这三者其实是子-子集的关系。随着技术发展和应用的深入,深度学习越来越重要,成为AI的金字塔。本文总结了人工智能领域在2022年及以后数年内最热门的八大应…

多生产者-多消费者问题

文章目录1 问题描述2 问题分析3 代码实现4 分析总结1 问题描述 桌子上有一只盘子,每次只能向其中放入一个水果。爸爸专向盘子中放苹果,妈妈专向盘子中放橘子,儿子专等着吃盘子中的橘子,女儿专等着吃盘子中的苹果。只有盘子空时&am…

​Nat. Commun.速递:深度学习在计算生物学中的应用综述

来源:集智俱乐部作者:郭瑞东 审校:梁金 编辑:邓一雪摘要蛋白质结构预测是计算生物学中一个长达半个世纪的重大挑战,最近,深度学习在这方面取得了前所未有的进展。4月1日,一项发表在 Nature Comm…

吸烟者问题

文章目录1 问题描述2 问题分析3 代码实现:1 问题描述 假设一个系统有三个抽烟者进程和一个供应者进程。每个抽烟者不停地卷烟并抽掉它,但是要卷起并抽掉一支烟,抽烟者需要有三种材料:烟草、纸和胶水。三个抽烟者中,第一…

无人驾驶出租车遭警察拦截后欲“潜逃”,AI 是原罪?

整理:苏宓出品:CSDN(ID:CSDNnews)所谓开车在路上,最讨厌的有几种人,一是插自己队和不让自己插队的,二想必就是晚上开远光灯和不开灯的。在交通交规下且汽车正常行驶过程中&#xff0…

人工智能,装在罐子里

来源:学术头条作者:Rich Heimann“装在罐子里的大脑”(brain in a jar)是一项对脱离身体、生活在一罐食物中的人类大脑进行的思想实验。这个思维实验探索了人类对现实、心灵和意识的概念。本文将探讨一个反对人工智能(…

10 操作系统第二章 进程管理 死锁、死锁的处理策略 银行家算法

文章目录1 死锁1.1 死锁定义1.2 死锁、饥饿、死循环的区别1.3 死锁产生的必要条件1.4 什么时候会发生死锁1.5 死锁的处理策略1.6 死锁的概念小结2 死锁预防2.1 破坏互斥条件2.2 破坏不剥夺条件2.3 破坏请求和保持条件2.4 破坏循环等待条件2.5 预防死锁小结3 死锁避免3.1 安全序…

短期记忆容量必需有限

来源:CreateAMind介绍一篇论文:预测性大脑的短期记忆能力肯定是有限的短期保持信息的能力可能是人类认知的一个标志, 因为它是许多领域所需要的,如感知、行动计划和语言。没有大脑的这一核心功能,人类无法思考、推理或计算,甚至可能无法感知。尽管短期记…

读者-写者问题

文章目录1 问题描述2 问题分析3 代码实现1 问题描述 有读者和写者两组并发进程,共享一个文件,当两个或两个以上的读进程同时访问共享数据时不会产生副作用,但若某个写进程和其他进程(读进程或写进程)同时访问共享数据时…

9 操作系统第二章 进程管理 管程

文章目录1 管程1.1 为什么引入管程1.2 管程的定义和基本特征1.3 管程小结1 管程 1.1 为什么引入管程 产生原因:信号量机制存在的问题:编写程序困难、易出错 能不能设计一种机制,让程序员写程序是不需要再关注复杂的PV操作,使得代…

2021年世界科技进展100项

来源:三思派 作者:李万,钱娅妮1生命、生物、医药健康01新冠疫情1. 首次看清新冠患者体内蛋白质变化中国科学家分析出新冠肺炎死亡患者体内多器官组织样本中蛋白质分子病理全景图,相当于将医生在显微镜下看到的人体感染新冠病毒后细…

图灵奖获得者、信息安全常青树Adi Shamir:从密码学到AI对抗性样本研究|智源大会嘉宾风采...

来源:智源大会导读:RSA 算法是通信、金融产业中被广泛使用的安全基本机制,是信息时代的支柱技术。而在这个跨时代算法背后的设计者之一,正是密码学先驱 Adi Shamir。除了RSA 公钥密码算法以外,零知识证明、差分密码分析…

11 操作系统第三章 内存管理 内存的基本知识 内存管理 内存空间扩充 连续分配管理方式

文章目录1 内存概念1.1 内存作用1.2 逻辑地址VS物理地址1.3 装入的三种方式1.3.1 绝对装入1.3.2 可重定位装入1.3.3 动态重定位装入1.4 链接的三种方式1.4.1 静态链接1.4.2 装入时动态链接1.4.3 运行时动态链接1.5 内存的基础知识小结2 内存管理2.1 内存管理的任务2.2 内存保护…

Nature长文:打破AI黑盒的“持久战”

来源:大数据文摘2020年2月,随着 COVID-19在全球迅速传播且抗原检测难以获得,一些医生转向人工智能(AI)来尝试诊断病例。一些研究人员采用深度神经网络通过查看X射线和胸部计算机断层扫描(CT)扫描来快速区分患有COVID-19肺炎的人和未患肺炎的人…

12 操作系统第三章 内存管理 非连续分配管理方式 基本分页存储管理 基本分段存储管理 段页式存储管理

文章目录1 基本分页存储管理1.1 什么是分页存储1.2 重要的数据结构——页表1.3 基本地址变换机构1.4 具有快表的地址变换机构1.4.1 什么是快表(TLB)1.4.2 引入快表后,地址的变换过程1.4.3 地址变换过程小结1.5 两级页表1.5.1 单级页表存在的问…

13 操作系统第三章 内存管理 虚拟内存 请求分页管理方式 页面置换算法 页面分配策略

文章目录1 虚拟内存1.1 传统存储管理方式的特征、缺点1.2 局部性原理1.3 虚拟内存主要特征1.4 如何实现虚拟内存技术1.5 虚拟内存的基本概念小结2 请求分页管理方式2.1 页表机制2.2 缺页中断机构2.3 地址变换机构2.4 请求分页管理方式小结3 页面置换算法3.1 最佳置换算法 OPT3.…

视觉意识的主动推理模型

来源:CreateAMind论文介绍:在这里,我们旨在通过推进全球神经元工作区的扩展(预测性全球神经元工作区(PGNW))来克服这些限制,该工作区将 GNW 的基本方面与更近期的(贝叶斯)主动推理方法相结合,以理解大脑功能。具体来说,我们提出了一个基于主动推理的视觉…