2023年的技术预测:人工智能、云计算、边缘计算、网络安全的发展趋势

人工智能
新的一年已经到来,一些行业领先的科技公司高管对未来几年将推动IT行业增长的发展趋势做出了预测。

 

行业专家指出,从来没有预见过如此迅速变化的发展前景。随着创新的步伐突飞猛进,IT的主要子行业已经变得越来越复杂: 

•人工智能:ChatGPT在去年11月的惊人亮相让行业人士注意到,人工智能正在呈指数级增长,提供了一个在不久前还很科幻的工具集(免费)。 

·云计算:云计算如今已经成为技术的基础,从来没有一种技术能够如此彻底地持续发展。大部分企业采用的是多云。因此,客户可以从云计算的巨大潜力中受益,可以缓解令人沮丧的管理和成本压力。 

•边缘计算:边缘计算的应用在2022年爆发,很多企业高管都认为这是一个新的主要关注点。物联网的沉浸式计算环境正在创建一个数据丰富的基础设施,支持商业和协作,并最终支持元宇宙。 

•数据分析:数据分析是驱动决策制定的引擎,并且已经衍生出一系列迅速发展的子行业,从预测分析到数据可视化再到实时数据挖掘。数据分析不再是一个独立的学科,而是作为一个核心元素被构建到越来越多的应用程序中。越来越多的企业喜欢挖掘数据来获得洞察力,因为它正变得无所不在。 

鉴于科技行业日新月异的变化,科技行业的收入将继续螺旋式快速上升。 

以云计算市场为例,其年复合增长率为14.4%。预计全球云计算市场规模将从2022年的4830亿美元增长到2030年的1.5万亿美元。与人工智能相比,这一增长速度并不快。人工智能市场预计将以38%的年复合增长率增长,从2021年的1.47亿美元跃升至2030年的1.6万亿美元。 

2023年及以后的技术预测 

在新的一年到来之际,行业专家和企业高管通常会预测科技的未来发展方向,以下是他们对2023年及以后将影响企业发展的技术和发展趋势进行的预测。 

数字化转型 

(1)值得关注的六大趋势 

BMC Software公司的首席执行官Ayman Sayed表示,随着企业继续发展他们的远程工作和分散的IT运营,支持他们的企业拥有与他们的需求和新的运营模型相一致的产品将是很重要的。2023年有六个主要的宏观趋势值得关注。 

·首先,人们的工作方式发生了改变。如果说人们从新冠疫情中学到了什么的话,那就是工作地点和方式在不断变化。创新技术将继续是实现这种灵活性的关键。 

·经济增长转变。全球金融市场出现动荡。推动全球经济增长的国家正在发生变化,地缘政治挑战改变了商业运作方式。预测市场变化并找到成功的方法需要大量的数据分析和洞察,这会在未来一年中继续增长。 

·包括采购、制造、分销、库存和最后一公里交付在内的供应链已经发生了变化,数据和洞察变得至关重要。对于许多企业来说,要确保适应供应链的变化,以达到客户和员工的期望,他们现在面临着难以置信的压力。

·网络安全。网络安全不再只是企业首席安全官的工作,而是每个人的工作。然而,这需要以一种不制造摩擦或减缓业务的方式来完成。 

·数据的价值。根据Statista公司发布的一份调查报告,到今年年底,全球每人平均将产生97ZB的数据。如果能够捕捉、分析并应用它来获得更好的业务结果,这就创造了巨大的机会。 

·对社会负责的企业为每个人创造了机会和希望,让每个人都能做出正确的决定,共同影响气候变化、多样性和包容性,让世界变得更美好。 

(2)元宇宙技术仍将只是炒作,而数字化转型技术将快速发展 

Onymos公司的创始人兼首席执行官Shiva Nathan表示,虽然围绕元宇宙技术可能会出现一些令人眼花缭乱的产品,但在2023年,元宇宙不会产生任何大规模采用或改变游戏规则的影响。在可预见的未来,这些技术仍将只是炒作,直到越来越多的企业更好地了解这个领域及其影响。 

以降低成本为重点的加速数字化转型的技术将在2023年获得动力。在新冠疫情期间开始的数字化转型趋势会继续加速,企业会寻找新的方法来提高系统和流程的效率。 

(3)IT的可持续性和降低成本 

1E公司的首席技术官Ian van Reenen表示,到2023年,远程工作仍然是一个不变的趋势,随着越来越多的员工选择在家工作,人们将看到更多关于IT可持续性的讨论,包括如何降低IT成本,以及如何对环境产生更积极的影响。 

人们使用的笔记本电脑约70%的碳足迹来自制造过程,因此企业可以采取切实行动,以提高成本效益和可持续性,评估如何延长笔记本电脑和其他设备的生命周期。企业领导者要问的一个关键问题是,他们所在的公司如何更有效地重新利用和更新IT设备。 

人工智能和数据 

(1)从机器人到智能自动化的重大扩展 

沃尔玛公司的全球科技美国全方位技术执行副总裁Srinivasan Venkatesan表示,在过去的几十年,自动化的价值主要来自于使用机器人来复制人类的行为,并消除费力而重复的任务。在2023年,预计将见证从机器人到智能自动化的重大扩展,智能自动化使用人工智能和分析来执行数据驱动的任务,几乎不需要人工交互。这种实现将对人力的依赖转移到技术上,因此工作人员可以将注意力集中在业务的其他领域。

 随着越来越多的企业采用这种更新的结构,他们会发现企业的日常任务效率更高。想象一下,只需操作键盘和鼠标,就可以简化数百个流程和决策,从确定员工工作任务的优先级,到确定货架上的产品库存,再到自动化客户联系。优化工作流程和降低成本的可能性和机会是无限的。

(2)企业将寻求能够实现目标的人工智能解决方案 

NVIDIA公司DGX系统副总裁Charlie Boyle表示,2023年,不支持并行处理的低效x86传统计算架构将让位于加速计算解决方案,这些解决方案能够提供构建语言模型、推荐器等所需的计算性能、规模和效率。

在经济逆风中,企业将寻求能够实现目标的人工智能解决方案,同时简化IT成本并提高效率。使用软件集成跨基础设施工作流的新平台将带来计算性能的突破,降低总体拥有成本,减少碳足迹,并在变革性人工智能项目上获得可观的投资回报,从而取代更浪费、更陈旧的架构。 

(3)人工智能将彻底改变安全、风险和欺诈 

Intuit公司的高级副总裁兼首席数据官Ashok Srivastava表示,人工智能和强大的数据功能重新定义了企业的安全模型和功能。安全从业者和整个行业将拥有更好的工具和及时的信息,他们应该能够以更高的精度隔离安全风险。他们还将使用更多类似营销的技术来了解异常行为和不良行为。 

(4)个性化将塑造员工体验 

风险投资商General Catalyst公司的总经理Quentin Clark表示,个性化已经成为企业和消费者寻求建立忠诚度的主要目标之一。2023年,这种个性化将在工作场所变得更加普遍(个性化的福利、奖励、入职、培训计划)。 

员工在本质上是消费者,他们将越来越多地期待在日常生活中习惯的个性化服务进入工作场所。在员工招聘方面仍然具有挑战性,企业正在为放缓的增长速度做准备的时候,个性化可以帮助企业用更少的资源做更多的事情,并确保人才的稳定性。 

(5)安全自动化的主动足迹继续扩大 

Torq公司的联合创始人兼首席技术官Leonid Belkind说,安全自动化部署将转向积极主动的方法,帮助在网络攻击发生之前进行预防,而不是基于历史攻击回溯性地构建工作流和流程。 

其中包括安全团队利用早期威胁情报信号,并在工作流程中构建针对它们的防御措施。其结果将是一个全面的新的防御攻击的能力框架,将整个安全堆栈整合到迄今为止最强大的保护方法中。 

(6)人工智能和机器学习系统必须实时工作 

HiLabs公司的数据科学高级副总裁Kuldeep Jiwani表示,医疗保健人工智能将很快从被动状态转变为主动状态。要实现这一点,人工智能和机器学习系统必须实时工作。这可以通过以下几种方式来实现: 

·实现主动或预测人工智能的一种方法是拥有一个基于MLOps的闭环系统,其中机器学习模型训练在后台进行,以生成仅应用于实时数据的模型。观察预测质量,如果预测质量下降,则触发自动闭环,重新训练数据以生成新模型,并将新版本放回流预测管道中。 

·实现主动人工智能的另一种方法是实现一个持续学习框架,在这个框架中,相同的模型从错误中学习,并随着时间的推移自动纠正自己。 

(7)人工智能方法将基于自我监督和生成式人工智能算法的使用 

iRhythm公司的数据科学高级总监Evangelos Hytopoulos表示,如今的大多数人工智能模型都是基于监督学习的,其中标签与测量相结合,以教授一种预测未知数据的算法。然而,创建一个标记的数据集需要大量的工作,因此,通常只有数据的一个子集可以被标记,从而限制了当前模型的学习能力。 

在未来几年,可以期待看到基于使用自监督和生成式人工智能算法的人工智能方法,以促进在模型训练中纳入更大量的数据。 

监督学习能够学习底层测量的重要特征,这些特征是数据的更丰富的表示。生成算法的优点是创建合成数据——标签来自不同的信号域,重要的特征是从感兴趣的域学习的。在这两种情况下,都需要进行适当的验证,以证明算法的有效性,并证明其预测中没有任何偏差。 

(8)自动化、AIOps和经济衰退 

BigPanda公司的产品营销副总裁Mohan Kompella表示, 与人们在新冠疫情开始时看到的情况非常相似,2023年的经济衰退将迫使企业弄清楚如何通过自动化和AIOps等技术来扩大规模,而不是通过增加员工数量实现规模扩张。

由于很多公司冻结员工招聘,并被迫以固定的预算工作,除了裁员之外,企业必须找到支持现有员工的方法,并为IT、SRE和DevOps团队创造一个压力较小的工作环境,以避免员工倦怠。因此必须采用有效的、自动化的解决方案。 

(9)行业认可的开放式Lakehouse将会出现 

Ahana公司的联合创始人兼首席执行官Steven Mih表示, 随着市场进一步选择表格式、计算引擎和接口的开放选项,Lakehouse版本的LAMP堆栈将会出现。Linux基金会和Apache软件基金会的项目将成为其中的组件。 

云计算 

(1)重新调整多云策略 

思科公司的首席战略官兼应用总经理Liz Centoni表示, 随着去全球化和数据主权问题的加速,在未来的一年里,将看到企业利用多云架构的明显转变。尽管89%的企业出于各种原因(地缘政治、技术、供应商多样化)采用多云策略,但好处在于连接、保护和观察多云环境的额外复杂性。 

人们将看到向新的多云框架(如主权云、本地区域云、零碳云和其他新颖的云产品)的巨大转变。这将创造一条通往更多私有云和边缘云应用程序和服务的道路,开创一个新的多云运营模式。 

(2)云计算实现合规性 

Cloudflare公司的现场首席技术官John Engates表示,对企业IT团队来说,遵守最近通过的全球隐私和数据法规已经成为一场噩梦。2023年,云计算服务将最终减轻这些团队的合规性负担,并自动确定数据可以合法存储和处理的位置。 

相信大多数云计算服务很快就会内置合规性功能,云计算本身应该减轻企业的合规性负担。开发者不应该被要求确切地知道如何以及在哪里可以合法地存储或处理他们的数据,合规性的负担应该主要由开发人员正在构建的云计算服务和工具来处理。 

网络服务应该在遵守所有数据主权法律的同时,高效而安全地路由流量。存储服务本质上应该遵守数据驻留规则,并且处理应坚持相关数据本地化标准。 

(3)可用性将是2023年获胜的关键 

MariaDB公司的产品经理Patrick Bossman表示,近年来了解到的一件事是,宕机可能会对业务造成严重影响。2023年,可用性将成为区分赢家和输家的秘密武器。企业需要避免锁定,并拥有扩大规模的灵活性。通过多样化的云计算环境,企业将最大限度地减少中断对其持续运营能力的影响。 

(4)协同努力实现云计算的现代化 

Core BTS公司的创新总监Andy Glassley表示,在过去的十年,看到了企业向云计算转移的巨大增长。内部部署基础设施能够完全适应企业保持竞争力所需的不断变化的技术的日子一去不复返了。人们现在处于云计算革命的时代,通过重新托管、重构等等,可以更好地实现应用程序的现代化。

在2023年,人们将继续看到企业将业务向云平台迁移,也将看到一致努力实现云计算的现代化。企业将利用现有的云投资做更多的事情,并通过云原生应用程序、混合应用程序和现代数据基础进行创新。 

(5)云计算的采用受到成本优化的严重影响 

Alluxio公司的创始人兼首席执行官Haoyuan Li表示, 2023年对成本优化的更大关注正在影响云计算的采用。尽管公有云已经促进了很多企业的业务增长,但全球经济的不确定性将推动具有数据密集型工作负载的大型企业重新调整其云战略,更加强调成本优化,例如降低出口成本。 

重点将放在其基础设施的投资回报率(ROI)和总体拥有成本(TCO)上,无论是在云中还是内部部署设施,还是两者兼而有之。 

(6)云迁移和遣返将继续下去,并带来新的需求 

SIOS科技公司的客户体验副总裁Cassius Rhue表示,由于过去几年改变世界的事件,许多企业快速跟踪了他们的云采用之旅,并将业务从内部部署数据中心迁移到云平台。这种云迁移将持续下去,与此同时,许多企业将意识到迁移本身并不是一个万能的解决方案,也不是解决应用程序可用性问题的灵丹妙药。 

对云中有状态应用程序高可用性的需求将促使企业使用集群软件。重新部署的系统将利用解决方案最大限度地减少客户流失,并满足多个应用程序可用性的需求。 

(7)云计算成本管理将使企业占据上风 

Virtana公司的工程副总裁Amit Rathi表示,成本和资源优化将是2023年的关键。考虑到潜在的经济不确定性,大多数企业都希望详细了解云计算支出以及控制支出和优化其资源利用的能力。在过去几年的数字化转型的推动下,企业根据各自的业务需求采用了多种云平台。 

因此,大多数企业对支出、与业务应用的相关性以及潜在的成本节约可能性知之甚少。随着企业开始走向云采用的成熟,加上减少支出的业务压力,具有积极主动方法的企业将在处理不确定性方面占据显著优势。 

边缘计算 

(1)私有5G将在边缘收集比以往更多的数据 

日立Vantara全球数字创新营销和战略高级总监Bjorn Andersson表示,在大量使用传感器和机器人的制造业等工业环境中使用专用5G网络,将开始实现设备连接、机器可重构和实时数据分析的承诺。 

私有5G的使用增加将使新的连接设备成为可能,在边缘收集比以往更多的数据,此外在2023年将更广泛地采用支持工业物联网的解决方案。 

(2)边缘开发人员将接受开放标准和框架 

Azion公司的首席执行官Rafael Umann表示,如果这些平台决定提高价格或做出其他重大改变,那么通过不提供易迁移性的平台开发应用的开发者将几乎没有追索权。供应商锁定对于必须仔细计划预算的公司来说是不可接受的。

因此,在2023年,预计将大力关注确保边缘web应用程序依赖于开放标准和框架。这种关注将增加企业对Web Assembly、Jamstack和其他不依赖于特定提供商的技术的兴趣。使用这些技术构建应用程序使开发人员能够根据需要从一个平台转移到另一个平台,以优化成本和性能。 

(3)超特异性机器学习和人工智能将催化边缘应用 

NS1公司的联合创始人兼首席执行官Kris Beevers表示,在不久的将来,人工智能和机器学习模型将变得高度个性化。每个模型都将针对特定的人员、地点或应用程序进行优化,考虑到他们的特定需求和特性。 

创建这些模型将需要处理和部署大量数据集,其规模远远超过中央数据湖所能处理的规模。因此,边缘基础设施将成为使这些模型的创建和存储更具可持续性的关键方式。 

(4)2023年企业将数据空间化 

Kinetica公司的首席执行官兼联合创始人Nima Negahban表示,当它们在时间和空间中移动时,能够广播其经度和纬度的传感器和设备的成本正随着相应的广泛应用而迅速下降。据预测,到2025年,40%的联网物联网设备将能够共享其位置,2020年的这一比例为10%。 

空间思维将帮助创新者优化现有运营,并在智慧城市、联网汽车、透明供应链、近距离营销、新能源管理技术等领域推动人们期待已久的数字化转型。 

(5)边缘计算将蓬勃发展 

Spectro Cloud公司的联合创始人兼首席执行官Tenry Fu表示,作为数据中心的操作系统,Kubernetes可能已经很受欢迎,但它的真正价值可能在边缘,它的可迁移和弹性应用程序工作负载可以为几乎无限多的数字业务流程和客户体验提供动力。 

研究发现,35%的生产行业的Kubernetes用户已经在边缘运行Kubernetes,并且更多的用户计划在一年内这样做。这些应用案例千差万别,从采摘水果的无人机到核磁共振机器上的人工智能,其中许多都有可能为正确使用它们的企业带来收入和竞争差异化。 

但从可管理性到安全性,面临的挑战同样巨大。2023年是转折点,届时挑战将迎头赶上,边缘技术将真正成为主流。 

网络安全 

(1)强调机器学习的安全性、威胁和漏洞 

NetSPI公司的研究副总裁Nick Landers表示,机器学习已经部署在许多技术中,特别是与安全有关的技术,例如电子邮件过滤器、安全信息和事件管理(SIEM)仪表板以及端点检测和响应(EDR)产品。 

如果人们认为可以延迟机器学习的安全对话,需要认真考虑。越来越多的安全研究人员专注于对抗性机器学习,其中包括对模型本身的攻击(反转、提取、克隆等)以及在网络攻击和社交工程中使用机器学习。在即将到来的一年里,人们将看到越来越多的针对机器学习集成系统的漏洞被公布出来。 

(2)零信任的发展 

SOTI公司的产品战略高级副总裁Shash Anand表示,零信任是一种心态;不要相信任何人或任何未经验证凭证就想访问数据或加入网络的东西。虽然对一些人来说,这可能会导致生产力的损失,因为它可能需要更长的时间,但出于安全目的,证明真实的身份很重要。企业必须有合适的工具来提供单点登录和基于多重身份验证因素的验证。 

人们可以期待零信任来提高移动安全,因为它确保只有经过身份验证的用户才能访问。 

(3)网络安全透明度将成为一项优势 

GitHub公司的副总裁Jacob DePriest表示, 企业在改进检测和防御网络攻击的方法的同时,也必须改进与网络攻击相关的沟通方式。人们在2022年已经看到了很多的数据泄露事件,2023年也不会有什么不同。 

人们将看到更多的企业进一步将透明度作为加强对其业务信任的一种手段。越来越多的安全领导者将专注于构建这样一个环境,在这个环境中,安全团队是一个被授权的、值得信赖的业务合作伙伴。围绕安全事件优先进行公开、透明的沟通,以便与内部和外部利益相关者建立信任,这很重要。 

内部隐私和数据保护的门槛自然将会提高,外部共享安全事件的门槛将会降低。 

(4)安全问题是IT领导者的首要任务 

Atera公司的首席产品官Tal Dagan表示,企业正更加关注网络安全,并寻求解决方案,使他们的设备不那么容易受到攻击。人们期望更多的IT部门实施IT监控解决方案,因为企业对服务质量的要求越来越高,越来越害怕不断增加的网络攻击。 

(5)将需要基于行为的分析检测 

RevealSecurity公司的首席技术官Adam Koblentz表示,2022年的许多事件表明,双因素身份验证不足以防止高级持续威胁(APT)。 

2023年,企业将需要采取行动,以更快的速度检测网络威胁(这只能通过自动化来实现)。企业不会使用噪音太大或不准确的检测工具,因为它们会给团队带来太大的负担。基于行为的分析检测将被要求处理企业面临的威胁。

责任编辑:庞桂玉 来源: 企业网D1Net
相关推荐

2019-12-17 14:30:36

云计算多云

2017-12-28 09:09:07

云计算趋势预测

2020-07-15 11:51:16

人工智能机器学习技术

2020-12-21 10:50:27

云计算公共云

2018-12-27 15:07:06

2022-12-09 10:28:00

人工智能OpenAI

2022-01-07 13:42:07

云计算云计算环境云应用

2022-04-06 18:58:03

云技术云计算云服务

2022-01-14 13:54:37

人工智能AI深度学习

2013-12-25 08:51:47

云计算公有云私有云

2021-11-15 16:02:51

网络安全网络攻击网络威胁

2020-11-25 12:58:15

网络安全权限攻击

2021-04-01 14:35:47

人工智能

2021-04-01 14:05:42

人工智能技术物联网

2023-01-16 11:56:04

边缘计算

2021-03-01 11:29:10

人工智能

2019-04-12 15:43:50

2020-12-07 10:02:46

人工智能网络安全AI

2023-02-01 09:39:38

人工智能发展趋势

2020-06-04 10:23:17

云计算云平台技术
点赞
收藏

51CTO技术栈公众号