四大架构、十大战略经济，科技界的未来全靠它们了

2025年，所有行业都将完成数字化转型;2017年至2020年，"数字经济"将向"算法经济"进化。

我们最新遴选和发布的2016年度全球十大战略技术趋势，是"数字经济"的关键推动者，也是未来"算法经济"的坚实基础。

———大卫·希尔利

Gartner2016全球十大战略技术趋势近期发布。近日，报告第一撰写人、美国高德纳　(Gartner)　研究副总裁大卫·希尔利应上海市科学学研究所邀请来沪做了一场报告，对这十大战略技术将如何支撑"算法经济"的未来，作了详细的解读。

"后移动时代"的数字网络

先讲一个关键的概念～～～"后移动时代"，这个概念与计算能力的不断演进有关。以前我们说"后PC时代"，是指移动应用让我们摆脱了对个人电脑的依赖;进入"后移动时代"，移动终端不再是一个个孤立的东西，世界上所有的设备、终端、人、业务等都可以通过数字网络的构建，形成一个动态、灵活、无缝的生态链接。

数字网络的构建包含了三项关键元素:终端网络、环境用户体验和3D打印，也是三个主要的技术趋势。

终端网络

到了后移动时代，越来越多的设备，包括移动设备、可穿戴产品、消费性家用电子设备、汽车设备与环境设备　(物联网中的传感器)　等，将组成网络终端。融合到一个平台之后，其影响范围远非传统移动设备所能及。

随着终端网络逐渐演进，预计联接模式将更为扩大，设备之间的合作性互动也将更上一层楼。

环境用户体验

设备与设备、设备与人交互后，会产生很多的数据，然后生成个体云，为用户提供各种能力体验。

在界面方面，具备扩充实境和虚拟实境功能的沉浸式体验具有极大的商机，但这只是用户体验的一个方面。环境用户体验能跨越终端网络、时间与空间的界线而保有延续性。

微软、谷歌、安卓、苹果的操作系统已经让我们看到了环境用户体验的构建，包括各种各样应用程序的开发。未来3-4年的新技术将是在云端构建一个APP，拥有向不同终端推送的能力，并且持续加强用户体验。基于不同场景的一些体验，将真正从2018年开始到来，并且在2020年后成为主流技术。

3D打印材料

3D打印现已成为一个主流，这项技术能够将虚拟世界和真实世界很好地连接起来。

这一技术现在面临三个需要解决的拐点:第一是先进的新材料;第二是打印速度;第三是在一台设备上实现多材料同时打印。无论哪个方面，一旦取得实质性突破，都将催生全新的3D打印模式。

未来20年内，可用于3D打印的材料种类将稳步增长，打印物品的速度将会加快，并会有新的零件打印与组装模式崛起。

预计2019年前，带动企业用3D打印机的出货量将达到64.1%的年复合增长率。在这样的进展之下，企业机构必须重新构思组装与供应链流程，才能善加利用3D打印技术。

智能机器将呈爆发式增长

企业机构目前都把焦点放在数字业务上，但运算业务正在崛起。在运算业务中，很多都是源于人们并非直接涉入的背景信息。这样的技术只能依靠智能机器才能实现。

智能机器包括三个方面，最主要的是智能机器的学习认知，可能会有非常重大的一个突破，现在看到的可穿戴设备、机器人、无人机、无人驾驶汽车，包括一些智能个人助理等，都属于这个范畴。

万物联网信息

数字网络里的所有物品都能制造、利用并传输信息，这些信息来源五花八门，往往是孤立、难以理解的不完整片段，因此无法利用。

这样的信息不限于文字、音频或视频格式，范围涵盖感官与情境信息。我们所面临的问题，是一种割裂的环境，如有苹果生态、谷歌生态、微软生态，还有其他很小的散落在各个角落的环境生态。

万物互联的信息架构是深度机器学习的基础。面对现实中割裂的环境，做完整图景的构建对于机器深度学习是非常重要的。

未来技术的趋势就是做出一些移动计算，或者说开发移动应用程序，能够构建出这种场景，供机器深度学习。

估计未来十年中，割裂的环境生态会得到很好的改观，其实这给很多开发商带来了潜在的机会。

高等机器学习

在人工智能方面，多年来最大的一个问题就是我们所输入的数据和信息还是远远不够的，没有足够数据的输入，使得人工智能不是真的那么智能。

今天的高等机器学习具备以下几个要素:海量的信息和非常先进的算法。在未来，人们不断地开发一个先进的系统架构，能够使其平衡处理能力达到一个相对比较好的层面，所以机器的学习速度也会得到进一步的增加。

深度神经网络能自动执行这些任务，如此看来，要解决万物联网信息趋势所带来的各项重大挑战，将不再遥不可及。

自主代理与物体

机器人、无人机、无人驾驶汽车等技术的应用，带来了生产自主和半自主代理的可能性。

微软公司的Cortana以及苹果公司的Siri是自主代理的前身。用户直接对着应用程序说话，而非与智能手机上的菜单、表单与按键互动，实际上就是智能代理。

在未来1-2年中，智能代理会有一个加速发展。目前智能代理只是提供一些基础的控制和基础的自动化，后续这部分会得到一个加速，之后就是一些新的服务、应用和新的平台的开发。

无人驾驶汽车领域主要是可控环境内特殊领域的应用，比如在农业、采矿业的无人驾驶汽车。普适性商用环境下的无人驾驶汽车，我觉得至少应该是2018年才能出现大众化的应用，普适性的推广至少应该在2020年或2025年。

在无人机领域，其趋势和无人驾驶汽车应该会非常相似，发展的轨迹或者时间也几乎一样。无人机领域最大的趋势是无人机群队。智能机器结群的概念来源于无人机，也会延伸到机器人以及无人驾驶汽车方面，如果在未来我们能够真正实现多个智能设备之间的通信，将真正给我们的业务带来更大的价值。

四大技术架构新型平台

数字经济及算法经济的复杂性与新兴的"黑客产业"结合，显著提升了其对企业机构的威胁;数字网络与智能机器也需要精密的运算架构才能实现;微型服务结构不论对内部或者云端来说，都是支持应用程序灵活地传输和规模性部署的新兴模式。在IT领域，未来为了支持数字及运算业务，必将产生新型的架构及物联网平台。

自适应安全架构

现在，安全性架构已经不能通过简单的防守来完成，需要去假设在任何时候都有可能被黑客攻击，或者防火墙在任何时候都可能存在某些问题。

我们需要做的，就是做一个多层次的应用程序的开发，保证应用程序本身能够自我保护，并且能够实现扩展。在应用的过程中，要时刻跟踪运营环境当中周围发生的事情，并且能够应对各种各样的黑客活动，能够保证黑客活动被截查到的同时自动关闭应用程序。

程序的自我保护、用户与实体的行为分析，都会协助实现这种自适应安全架构。

高级系统架构

数字网络与智能机器需要精密的运算架构才能实现，而高能量、超高效率的神经形态架构才能符合这种需求。但是，目前在数据存储这块存在相应的挑战。比如一个汽车的仪表盘，每个小时生成10T的数据，其中只有25个G会储存起来;但是这25个G也不是永远储存在这里，需要不断实现数据瞬间迁移，因此在信息架构方面遇到一些挑战。

大数据已经为大家所熟知，但是更重要的是到底拿这些数据来做什么，这是最重要，也是需要先回答的问题。有了这个问题之后，你就知道要给谁开放这些数据，最后自动就会把所有的问题都一一解决。

以现场可编程门阵列　(FPGA)驱动的架构是神经形态架构的重点技术。以FPGA为基础的架构允许将算法细分，它会以与人类脑部相似的方式运作，便特别适合智能机器的深度学习与其他模式匹配算法。

网络应用程序与服务架构

特定环境中的微服务会变得更有吸引力，这个微服务其实是支持基于不同领域的一个设计，可以做出独立性的扩展，以及把独立性的服务开发做到不同产品中去。

微服务本身是由一些电商　(易贝和亚马逊等)　开发的能够高度扩展且高度灵活的一个环境，目前已经慢慢成为了企业的主流。企业若想很好地去运用，必须现在依赖很多手动的编程，包括代码的书写。几年之后你将会看到，很多供应商做出的开发工具，比如说IBM公司，为了更好地将微服务渗透到产品中去，已经开发形成了一些工具，现在真正需要的是持续整合的能力，需要将开发和运营进行整合。

物联网平台

物联网平台补充了网络应用程序和服务架构。要想实现真正的万物互联，包括构建一些技术传感器阵列，将所有的物体连接在一起，一定要构建一个物联网平台。这个平台包括了分析能力、数据整合管理、事件整合、如何应用各种API和各种接口等。

物联网是数字网络的组成部分，环境用户体验以及新兴、动态的物联网平台，则是实现物联网的主要元素。

对于企业而言，需要构建一个自己内部的物联网平台，运营和技术两者要实现一个完美融合。关于公司内部的物联网平台，谷歌更多关注消费层和智能家居的解决方案系统，而GE则可能更多关注工业级别、工业网络或者电厂、飞机等智能物联网设备，或者说工业互联网的平台搭建。

随着平台公司的兴起，物联网平台的建设将变得越来越容易，但是，目前这些公司的解决方案没有一家是完整的，而且技术都还不是特别成熟。

孟海华　(上海市科学学研究所副研究员)　本文根据大卫·希尔利现场报告并结合高德纳　《2016年度全球十大战略技术趋势》　整理