|
2016年10大技术趋势：3D打印材料入围 1、设备网格 设备网格（The Device Mesh）：设备网格是指一组扩展的端点，人们用于访问应用程序和信息或者与他人、社会团体、政府、企业进行互动。设备网格包括移动设备、可穿戴、客户与家庭的电子设备、汽车设备以及环境设备——比如物联网传感器。“后移动世界的焦点转移到了被设备网格所包围的移动用户，其扩展远超传统的移动设备。”Cearley如是说。 虽然设备通过各种网络逐步连接到后端系统，但它们通常相互隔离操作。随着设备网格的发展，我们期待连接模型用于扩展和加大设备之间的合作互动能够出现。 2、环境用户体验 环境用户体验（Ambient User Experience）：这种设备网格创建了一个新的连续的环境用户体验基础。沉浸式环境使得增强和虚拟现实具有很大的潜力，但仅有一方面的体验。环境用户体验保持跨越设备网格、时间和空间界限的连续性。这种体验随用户从一个地方移动到另一个地方，无缝穿行移动着的设备以及混合现实、虚拟和电子环境的互动通道。 “设计移动应用程序仍然是去也企业重要的战略重点。然而，这种设计的领先优势在于专注跨越和利用不同设备的体验，包括物联网传感器、通用对象（如汽车，甚至是工厂）。设计这些先进的体验将是2018年独立软件供应商和企业的主要区别。” 3、3D打印材料 3D打印材料（3D Printing Materials）：3D打印方面的进展已经使得3D打印可以使用广泛的材料，包括先进的镍合金、碳纤维、玻璃、导电油墨、电子产品、医药以及生物材料。这些创新推动着用户的需求，3D打印机的实际用途扩展到了更多的行业，包括航天航空、医疗、汽车、能源及军事。3D打印材料的日益扩大，将为提供3D打印机的企业带来64.1%的复合年增长率（至2019年）。这些进展将需要重新考虑装配线和供应链过程，以便利用3D打印。 “3D打印将满足接下来20年那些可打印材料的稳定增长，打印速度的提升以及新模式的出现来打印和组装复合构件。” 4、信息相关 信息相关（Information of Everything）：数字网格中生产、使用并传输信息的所有相关。其中信息不仅包括文本、音频和视频，还包括感觉及上下文信息。所有的信息相关都涉及到从所有不同数据源连接数据的策略和技术的大量涌入。信息无处不在，却又被孤立、不完整、不可用或不明智。语义工具（如图像数据库及其他新兴的数据分类和信息分析技术）的发展将给通常混乱泛滥的信息带来新的意义。 5、高级机器学习 高级机器学习（Advanced Machine Learning）：高级机器学习当中，深层神经网络（DNNs）超越经典计算和信息管理来创建可以自主学习从而感知世界的系统。数据源的爆炸和信息的复杂使得人工分类和分析变得不可行也不经济。DNNs自动完成这些事情，并可能解决信息相关的一切趋势的关键挑战。 DNNs（特别适用于大型复杂数据集的一种高级机器学习形式）是使智能机拥有“智能”。DNNs可以是基于硬件或软件形式的机器，为自己学习环境中的所有特点，从细微的细节到抽象内容。这个领域正处于快速发展当中，各个单位必须评估如何应用这些技术来赢得竞争优势。 6、自主代理 自主代理（Autonomous Agents and Things）：机器学习引发了一系列以自主（至少是半自主）方式运行的智能机，包括机器人、自主汽车、虚拟个人助手（VPAs）以及智能顾问。物理智能机器（如机器人）的发展获得了极大的关注，基于软件的智能机器具有更短期和更广泛的影响。VPAs（如谷歌Now、微软Cortana、苹果Siri）正变得越来越智能，是自主代理的前兆。新兴的助理概念植入到环境用户体验当中，其中自主代理将成为主要的用户界面。用户不再在智能手机上与菜单、表单和按钮进行互动，而是与应用程序进行对话，这是真正的智能代理。 Cearley说：“接下来的五年时间，我们将发展一个利用智能代理提供动态和相关操作以及界面的后应用世界。IT领导者本应该探索如何使用自主代理，从而加强人类活动，并将人从那些只能由人来完成的工作中解放出来。然而，必须认识到，智能代理是一个长期的现象，将在今后的20年间不断发展和扩大。” 7、自适应安全架构 自适应安全架构（Adaptive Security Architecture）：数字业务和算法经济的复杂性与新兴的“黑客产业”相结合，大大威胁了组织。依托周边防御和以规则为基础的安全性是不够的，特别是对于那些为客户和合作伙伴提供更多云服务并开放APIs来整合系统的企业而言。IT领导者必须专注于检测和应对威胁，以及更加传统的拦截和其他防止攻击的措施。自我保护应用，以及用户和实体行为分析将有助于实现自适应安全架构。 8、高级系统架构 高级系统架构（Advanced System Architecture）：数字网格和智能机需要密集的计算架构。提供这些需求是高能耗、超高效神经形态的架构。利用现场可编程门阵列（FPGAs）作为强调技术的神经架构，可为这种架构提供重要的支持，比如能够以高的能量效率运行超过万亿次的浮点运算速率。 “基于GPUs和FPGAs的系统将更像人类大脑的功能，特别适合应用于智能机器使用的深度学习和其他模式-匹配算法。基于FPGAs的构架允许进一步算法分配成更小的形式因子，大大降低了设备网格中的电力消耗，从而提高机器学习繁殖成微小物联网终端（如房屋、汽车、手表、甚至是人类）的能力。” 9、网格应用程序与服务架构 网格应用程序与服务架构（Mesh App and Service Architecture）：单片、线性应用程序设计（比如三层体系结构）正让位于更加松散耦合的智能方法：应用程序与服务架构。软件定义的应用服务这种新方法具有Web级性能、灵活性和敏捷性。微服务架构是一种构建分布式应用的新兴模式，支持灵活交付和可扩展部署，无论是在内部部署还是在云端。将移动和loT元素带到应用与服务架构当中，创建了解决终端云扩展和前端设备网格体验的全面模型。应用团队必须创建新的现代架构，以提供灵活、敏捷和动态的云应用给那些跨越数字网格的用户体验。 10、物联网平台 物联网平台（Internet of Things Platforms）：loT平台补充了网格应用程序和服务架构。loT平台的管理、安全、集成及其他技术和标准是loT当中构建、管理和安全元素的基本功能。loT平台构成了有效的IT，从结构和技术角度来看，使loT成为了现实。loT是数字网格和环境用户体验的一个组成部分，loT平台的兴起和动态世界使其成为可能。 “任何拥有loT的企业都将需要开发一个loT平台战略，但不完整的竞争供应商方法将使得标准变得困难（至2018年）。” |
|
|
