日前，Gartner發布了「新興技術的Hype Cycle, 2022」，並在其中增加了25項新興技術。Gartner表示，這些技術正在推動沉浸式體驗的進化和擴展，加速人工智慧（AI）自動化，優化技術人員的交付。
這些新興技術與Gartner在2021年Hype Cycle中的三個主題截然不同。Gartner解釋說，這些主題是動態的，它們「會被推薦一到兩年，之後它不會跟蹤它們，為其他新興技術騰出空間。」
這些技術和趨勢有可能在未來2到10年提供高度的競爭優勢。
「新興技術為企業提供了轉型潛力，但面對日益擴大的資源限制，首席信息官和技術創新領袖面臨著擴大數字能力、同時提高可持續性的挑戰。」Gartner的VP分析師梅麗莎•戴維斯（Melissa Davis）在一份聲明中表示：「重要的是，企業要突破圍繞新興技術的噪音，利用創新來推動競爭性的差異化和效率，加快變革。」
Gartner公司的VP分析師加里•奧利夫（Gary Olliffe）在一份聲明中表示，所有處於 Hype Cycle 的技術都處於早期階段，有些還處於初期階段，它們將如何發展還存在「巨大的不確定性」：「這種技術在部署時存在更大的風險，但對於早期採用者來說，潛在的好處更大，他們可以根據企業處理未經驗證技術的能力來評估和利用它們。」
今年早些時候，行業專家提到了將在2022年塑造企業戰略的新興技術，包括可組合應用、網絡安全網格和隱私增強計算。
新興技術趨勢的三個主題
發展和擴大沉浸式體驗
數字體驗的未來是沉浸式的。一系列新興技術通過動態虛擬表現、客戶和人的環境和生態系統，以及用戶參與的新模式來支持這種體驗。通過這些技術，個人可以控制自己的身份和數據，並體驗與數字貨幣相結合的虛擬生態系統。這些技術有助於以新的方式接觸客戶，以加強或打開新的收入來源。
這些技術的好處是，它們為個人提供了對自己身份和數據的更多控制，並將他們的體驗範圍擴大到可以與數字貨幣集成的虛擬場所和生態系統。這些技術還提供了接觸客戶的新途徑，以加強或開闢新的收入來源。
面向客戶的數字孿生（Digital twin of the customer，簡稱DToC）是客戶的動態虛擬表示，它模擬並學習模仿和預測行為。它可以用來修改和增強客戶體驗（CX），並支持新的數位化努力、產品、服務和機會。DToC將需要5到10年的時間才能被主流採用，但對企業來說將是革命性的。
沉浸式體驗的其他關鍵技術包括：
- 去中心化身份（Decentralized identity，簡稱DCI）允許實體（通常是人類用戶）通過利用諸如區塊鏈或其他分布式帳本技術（dlt）以及數字錢包等技術來控制自己的數字身份。
- 數字人類（Digital humans）是交互式的、由人工智慧驅動的表現形式，具有人類的一些特徵、個性、知識和思維模式。
- 內部人才市場（Internal talent marketplaces）在沒有招聘人員參與的情況下，將內部員工（在某些情況下，還包括一些臨時員工）與固定時間的項目和各種工作機會進行匹配。
- 元宇宙（Metaverse）是一個集體的虛擬3D共享空間，由虛擬增強的物理和數字現實的融合創造。元宇宙是持久的，提供增強的沉浸式體驗。
- 不可替代代幣（Non-fungible token ，簡稱NFT）是一種獨特的、基於區塊鏈的可編程數字項目，可公開證明數字資產的所有權，如數字藝術或音樂，或被代幣化的物理資產，如房屋、汽車或文件。
- 超級應用（Superapp）是一個複合移動應用，作為一個平台，提供模塊化的微應用，用戶可以激活個性化的應用體驗。
- Web3是一種新的技術棧，用於開發分散的web應用程式，使用戶能夠控制自己的身份和數據。
加速人工智慧自動化
擴大人工智慧的應用是發展產品、服務和解決方案的關鍵途徑。這意味著加快專門人工智慧模型的創建，將人工智慧應用於人工智慧模型的開發和培訓，並將其部署到產品、服務和解決方案交付中。結果包括更準確的預測和決策，以及更快地獲得預期收益。人類的角色也更側重於充當消費者、評估者和監督者。
自主系統（Autonomic systems）是加速人工智慧自動化的例子。它們是自我管理的物理或軟體系統，執行領域內的任務，表現出三個基本特徵：自主性、學習和代理。當傳統AI技術無法實現業務適應性、靈活性和敏捷性時，自主系統可以成功地幫助實現。自主系統將需要5到10年的時間才能被主流採用，但對企業來說將是革命性的。
加速人工智慧自動化的其他關鍵技術包括：
- 因果人工智慧（Causal artificial intelligence）識別並利用因果關係，從而超越基於相關性的預測模型，走向能夠更有效地規定行動並更自主地行動的AI系統。
- 基礎模型（Foundation models）是基於轉換器架構的模型，例如大型語言模型，它體現了一種深度神經網絡架構，該架構在周圍單詞的上下文中計算文本的數字表示，強調單詞的序列。
- 生成設計AI（Generative design AI） 或者 AI 增強設計（AI-augmented design），是利用AI、機器學習（ML）和自然語言處理（NLP）技術自動生成和開發數字產品的用戶流程、屏幕設計、內容和表示層代碼。
- 機器學習代碼生成工具（Generative design AI）包括插入專業開發人員集成開發環境（IDE）的雲託管ML模型，它是基於自然語言描述或部分代碼片段提供建議代碼的擴展。
優化的技術人員交付
這些技術專注於構建數字業務的關鍵要素：產品、服務或解決方案構建者社區（如融合團隊）以及他們使用的平台。這些技術提供反饋和洞察力，優化和加速產品、服務和解決方案交付，並提高業務操作的可持續性。
雲數據生態系統（Cloud data ecosystems）是優化技術交付的例證。它們提供了一個內聚的數據管理環境，能夠有力地支持從探索性數據科學到生產數據倉庫的所有數據工作負載。雲數據生態系統提供精簡的交付和全面的功能，可以直接部署、優化和維護。它們將需要2到5年的時間才能被主流採用，並且將對用戶非常有益。
優化技術交付的其他關鍵技術包括：
- 增強版FinOps（Augmented FinOps ）通過人工智慧和機器學習（ML）實踐的應用，實現了傳統DevOps的敏捷性、持續集成和部署以及終端用戶對財務治理、預算和成本優化工作的反饋的自動化。
- 雲可持續性（Cloud sustainability）是指利用雲服務在經濟、環境和社會系統中實現可持續性利益。
- 計算存儲（Computational storage，簡稱CS）將主機處理從中央處理單元（CPU）的主內存轉到存儲設備。
- 網絡安全網格體系結構（Cybersecurity mesh architecture，簡稱CSMA）是一種新興的構建可組合、分布式安全控制的方法，可以提高整體安全效率。
- 數據可觀察性（Data observability ）是指通過持續監視、跟蹤、警報、分析和排除故障來了解企業數據環境、數據管道和數據基礎結構的健康狀況的能力。
- 動態風險治理（Dynamic risk governance，簡稱DRG）是一種新的方法來解決定義風險管理角色和責任的關鍵任務。DRG針對每個風險適當地定製風險治理，使企業能夠更好地管理風險並降低保證成本。
- 行業雲平台（Industry cloud platforms）利用底層SaaS、平台即服務（PaaS）和基礎設施即服務（IaaS）雲服務，向確定的垂直產品提供行業相關的打包業務和技術能力。
- 最小可行體系結構（Minimum viable architecture，簡稱MVA）是一個標準化的框架，產品團隊使用它來確保產品的及時和兼容的開發和疊代。
- 可觀察性驅動開發（Observability-driven development，簡稱ODD）是一種軟體工程實踐，它通過設計可觀察的系統，為系統狀態和行為提供細粒度的可見性和上下文。
- OpenTelemetry是一個規範、工具、應用程式編程接口（API）和軟體開發工具包（SDK）的集合，描述和支持軟體的開源設備和可觀察性框架的實現。
- 平台工程（Platform engineering）是構建和運營用於軟體交付和生命周期管理的自助內部開發人員平台（IDPs）的學科。
參考資料：
3 Exciting New Trends in the Gartner Emerging Technologies Hype Cycle
Gartner identifies 25 emerging technologies in its 2022 hype cycle | TechRepublic
Gartner Identifies Key Emerging Technologies Expanding Immersive Experiences, Accelerating AI Automation and Optimizing Technologist Delivery