全球权威的 it 市场研究与咨询公司 gartner，发布了 2019 年度新科技的技术成熟度曲线(hype cycle，以下简称「gartner 曲线」)。简单来说，这是一条描述新技术产生后社会预期随时间变化的曲线，它能呈现新技术的市场热度和现实发展的偏离程度，从而帮助企业更好地利用成熟技术以及寻找潜在机遇。

早在 1995 年，gartner 就设计出了这一分析工具。他们结合分析员、专家和行业人士的判断，画出了一条有起有落的曲线，用来罗列年度*备受瞩目和具有商业前景的新技术，并预测它们到成熟所需的时间。gartner 曲线由两条曲线叠加构成，一条是反映公众对技术的虚高期望值的「炒作程度」(hype level)曲线，另一条是工程或商业的成熟度曲线。基本上，抛概念和「讲故事」的新技术一开始会受到媒体的热烈追捧，但一旦接受市场的验证，新技术此前宣传的泡沫将会慢慢被吹散，然后进入「高开低走」的阶段，后面逐渐爬升至成熟期。

gartner 曲线由两条曲线叠加构成 | gartner

从坐标来看，y 轴代表人们对新技术的期望，而 x 轴对应的是时间，从左到右有「触发期」、「期望膨胀期」、「低谷期」、「复苏期」和「成熟期」5 个阶段。另外，每项技术都标注有达到生产成熟期需要的年限。

2019 年度新技术成熟度曲线 | gartner

今年，gartner 从 2000 项技术中选出了 29 项，并由此总结出了企业决策者应该纳入考虑范围的五大创新技术趋势。gartner 研究副总裁 brian burke 在接受 cio dive 采访时指出，「人工智能渗透到了其他所有趋势中。」

五个突出趋势

传感和移动(sensing and mobility)

随着传感技术和 ai 的发展，自主机器人将能更好地理解周围环境。传感和移动这一趋势的特点就是机器移动和操控物体的能力日益增强，例如 3d 传感摄像(3d sensing cameras)负责采集大量数据，而 ai 能洞察这些数据并将其应用在各种情景中。例如，轻型货运无人机(light-cargo delivery drones)将能更好地导航和操控货品。

除此之外，押注这一技术趋势的企业还应该考虑增强现实云(ar cloud)、自动飞行汽车(flying autonomous vehicles)以及 l4 和 l5 级别的自动驾驶(autonomous driving levels 4 and 5)。

人类能力增强(augmented human)

「(人类能力增强)不是替代人类做决策，而是在他们执行任务时提供指导。这种增强就像是给人类装上了义肢，无论是在物理层面，还是在认知意义上。」burke 说道。这种增强技术包括生物芯片(biochips)和情感 ai(emotion ai)等。其中，情感 ai 正被用在保险欺诈检测上，区别于以往需要结合索赔分析、计算机程序和人工检测，有了情感 ai，保险公司通过来电者的陈述就能完成检测。

这一趋势还包括人格化(personification)、增强型智能(augmented intelligence)、沉浸式工作空间(immersive workplace)和生物技术(培养组织或人工组织)。

后经典计算和通信(postclassical compute and comms)

几十年以来，经典核心计算、通信和集成技术通过对传统架构进行改进而快速发展，催生了更快的 cpu、更高的存储密度和不断增加的吞吐量。而后经典计算和通信将使用全新架构。比如，下一代蜂窝网络标准 5g 将依赖核心网切片(core slicing)和无线边缘(wireless edge)，而这些新架构又能推进一系列渐进式的技术改进——使得近地轨道卫星群(low-earth-orbit satellite systems)能在距地 1200 英里以内的高度运行。它们将辐射到 48% 目前还没有接入网络的用户，在社会意义和经济效益上都将带来巨大影响。

除此之外，后经典计算和通信还包括下一代存储(next-generation memory)和纳米级 3d 打印(nanoscale 3d printing)等技术。

数字生态系统(digital ecosystems)

企业应该突破只关注自身产业链条的局限，与更多的企业、人和物进行跨行业的共享和合作。而数字化生态系统正在分解这种传统价值链，发展出更无缝、更灵活的连接。因此，企业将在区块链上寻找解决方案。

企业可纳入考虑的关键技术包括数字运营(digitalops)、知识图谱(knowledge graphs)、合成数据(synthetic data)、去中心化网络(decentralized web)和分布式自治组织(decentralized autonomous organization)。

*人工智能和分析(advanced ai and analytics)

*分析使用更复杂的工具对数据或内容进行自动或半自动检验，而且通常超出传统商业智能(bi)的范围。比如，迁移学习(transfer learning)专注于存储已有问题的解决模型，并将其利用于其他不同但相关问题上。例如用来辨识汽车的模型也可以被用来提升识别卡车的能力。这种*分析能提供更深入的见解、预测和建议。

落在 gartner 曲线上的新技术还包括自适应机器学习(adaptive ml)、边缘人工智能(edge ai)、边缘分析(edge analytics)、可解释的人工智能(explainable ai)、人工智能平台即服务(ai paas)、生成式对抗网络(generative adversarial network)和图表分析(graph analytics)。

渗透到所有趋势中去的 ai

在今年的 gartner 曲线上，自动飞行汽车、l4 和 l5 级别的自动驾驶、生物技术、生物芯片、知识图谱、边缘人工智能、人工智能 paas 和 5g 和去年重合。其中，5g 在今年进入了期望膨胀期区间，距离技术成熟还有 2-5 年时间。进入此区间的还有边缘人工智能、近地轨道系统、l5 级别自动驾驶、边缘分析、ai paas、生物芯片和图表分析。滑入低谷期的有下一代存储、3d 传感摄像机和 l4 级别自动驾驶，其中，后者被标注为距离技术成熟还有超过 10 年时间。

2018 年度新技术成熟度曲线 | gartner

另外，今年 gartner 将 21 项新技术放到了曲线上，「淘汰」了像去年落在膨胀期区间的物联网和区块链等技术。「今年 gartner 将重点放在新技术的体现上，」外媒 computerworld 评论道，「但这并不意味着『旧』技术已经不再重要。」比如，物联网被「分解」成分支技术 3d 传感摄像机，区块链技术由分布式自治组织等技术体现。

不变的是，今年的 gartner 曲线仍在强调 ai 对企业的重塑。

gartner 所描述的未来图景是，到 2029 年，在各大行业都可以看到那些企业都在使用*分析技术，并且利用自动化为员工增加劳动力。这些企业还将利用区块链，在复杂的数字生态系统中和多方展开合作，并用传感技术和下一代计算实现效率，进而在激烈的竞争中脱颖而出。

gartner 研究副总裁 brian burke 在接受 cio dive 采访时指出，「人工智能渗透到了其他所有趋势中。」ai 能够对海量数据进行更精细的挑拣，提供决策支持，替代一部分人力，同时助推其他技术的发展。毫无疑问，ai 将会对商业的发展产生巨大影响。

但在利用 ai 方面，企业首先需要克服以下障碍：「能让任何 ai 解决方案奏效的关键，在于算力、算法、海量数据和熟练运用 ai 的员工。」it 公司 l&t infotech 执行副总裁 soumendra mohanty 说道。据 gartner 的数据，到 2020 年，ai 将创造 230 万个工作岗位。与此同时，50% 的组织会缺乏相关的 ai 和数据分析人才。

以上是网络信息转载，信息真实性自行斟酌。