Gartner 預測 2016 年 10 大策略科技趨勢

作者 | 發布日期 2015 年 10 月 08 日 19:50 | 分類 3D列印 , 市場動態 , 物聯網 follow us in feedly
flickr Kārlis Dambrāns

國際研究暨顧問機構 Garner 近日於 Gartner Symposium/ITxpo 中提出 10 種將在 2016 年影響多數企業組織的策略性科技趨勢的研究結果。



根據 Gartner 定義,策略科技趨勢指可能對企業組織帶來重大影響的技術趨勢。重大影響因素包括:可能對業務、終端使用者或 IT 層面造成顛覆性效果;需要大舉投入資金;或是太晚採用相關技術便會導致風險。此外,這些技術也足以影響企業組織的長期規畫、方案與活動。

Gartner 副總裁暨院士級分析師 David Cearley 表示:「Gartner 所列出的 10 大策略科技趨勢,將構成 2020 年之前的數位商業商機。前 3 項趨勢針對的是實體與虛擬世界的整合,還有數位網格(digital mesh)的崛起。目前企業組織都把焦點放在數位商業上,但運算業務正在逐漸崛起。藉由運算我們可以得知事件之間的關聯性與互連性,而這恰恰定義了未來商業。在運算業務當中,很多都是源於人們並非直接涉入的背景資訊。這樣的技術是拜智慧機器所賜才能實現,在接下來的 3 項趨勢裡也會提到。最後 4 項則是 IT 領域為了支援數位及運算業務而產生的現有或新型架構及平台趨勢。」

  • 裝置網格

裝置網格(device mesh)指為數越來越多、用來存取應用程式與資訊或與其他人、社群、政府及企業互動的端點。裝置網格包含行動裝置、穿戴式產品、消費性與家用電子裝置、自動裝置與環境裝置──例如物聯網(IoT)當中的感測器。

David Clearley 指出:「到了後行動時代,趨勢重點將轉移到行動使用者身上,他們四周將圍繞著由各式裝置所組成的網格,影響範圍遠超過傳統行動裝置所能及。」

雖然有越來越多裝置透過各種網路連結後端系統,但往往是各自獨立運作。隨著裝置網格逐漸演進,我們預料連網模式將會擴大,裝置之間的合作性互動也將更上一層樓。

  • 環境使用體驗

裝置網格將為持續不斷的新形態環境使用體驗(ambient user experience)提供基礎。具備擴充實境與虛擬實境功能的沉浸式環境握有極大商機,但其實只是體驗的其中一個面向而已。環境使用體驗能跨越裝置網格、時間與空間的界線而保有延續性。這樣的體驗可在各式各樣的裝置與互動管道之間無縫流動,當使用者移動時也能混合實體、虛擬以及電子環境。

David Clearley 表示:「對企業來說,行動應用程式的設計仍然是重要的策略性重點之一。然而設計的重點優勢,在於提供的體驗是否能跨越物聯網感測器等各種裝置、汽車等一般物件,甚至是工廠,並且善加利用。到了 2018 年,設計出這種先進體驗的能力將,成為獨立軟體供應商(ISV)與企業達成市場區隔的最佳利器。」

  • 3D 列印材料

3D 列印技術不斷提升,已經可以利用鎳合金、碳纖維、玻璃、導電油墨、電子、藥品與生物材料等各式各樣的材料。這些創新技術持續帶動使用者需求,同時 3D 印表機的實際用途也拓展到更多產業,包括航太、醫療、汽車、能源與軍事。適用於 3D 列印的材料種類越來越多,預計 2019 年以前將帶動企業用 3D 印表機出貨量達成 64.1% 的年複合成長率。在這樣的進展之下,必須重新構思組裝與供應鏈流程,才能善加利用 3D 列印技術。

David Clearley 指出:「未來 20 年內,可用於 3D 列印的材料種類將穩定增加,列印物件的速度將會加快,也會有新的零件列印與組裝模式崛起。」

  • 萬物聯網資訊

數位網格裡的所有物件都能製造、利用並傳輸資訊。這樣的資訊不限於文字、語音或影像格式,範圍涵蓋感測與情境資訊。萬物聯網資訊可解決這種策略與技術的匯入,連結來源各異的各種資訊。資訊其實一直存在且來源五花八門,但往往僅為不具備智慧特質的不完整片段資訊,因此無法利用。圖學資料庫(graph database)等語意學工具不斷進步,再加上其他資料分類與資訊分析技術逐漸崛起,都將賦予看似雜亂的大批資訊更多意義。

  • 先進機器學習

在先進機器學習方面,深度神經網路(DNN)超越了典型運算與資訊管理技術,創造出能獨力自主學習如何理解各種事物的系統。資料來源爆炸加上資料日益複雜,讓手動分類與分析變得滯礙難行且不合經濟效益。深度神經網路能自動執行這些任務,如此一來要解決萬物聯網資訊趨勢所帶來的各項重大挑戰,也就不再遙不可及。

深度神經網路(是一種先進形式的機器學習,尤其適用於複雜的大型資料集)就是讓智慧機器看起來「聰明」的關鍵所在。深度神經網路能讓硬體或軟體機器自行學習環境當中所有特徵,範圍小至枝微末節,最大則可掃描抽象類內容。相關領域持續快速演進,企業組織必須評估該如何應用相關技術以取得競爭優勢。

  • 自動代理與智慧物件

機器學習提供了實現智慧機器自主(或至少半自主)運行的光譜,包含機器人、自駕車、虛擬個人助理(VPA)以及智慧顧問。隨著實體智慧機器的進步,像是機器人得到極大的關注,以軟體為基礎的智慧機器有了更短期並更廣泛的影響,虛擬個人助理像是微軟(Microsoft)的 Cortana 以及蘋果(Apple)的 Siri 都變得更為智慧,可以說是自動代理(autonomous agents)的前身。助理的新興概念讓自動代理成為主要使用介面的環境使用體驗,使用者直接對著應用程式說話,而非與智慧型手機上的主選單、表單與按鍵互動,實際上就是智慧代理。

David Clearley 表示:「在接下來的 5 年內,我們會演化成後應用程式(postapp)世界,智慧代理將傳遞動態且連續的動作與介面,IT 領導者需探索如何利用自動物件(autonomous thing)與自動代理強化人類行為,並將人力解放到只有人類能夠做的事;然而,他們必須認知到智慧代理與智慧物件都是在接下來 20 年會持續變革並擴張用途的長期現象。」

  • 適應性資安架構

數位經濟及運算經濟的複雜性與新興的「駭客產業(hacker industry)」結合,顯著提升組織的威脅面。仰賴網路外圍防禦及規則基礎的資安(rule-based security)已不適當,特別是當組織採用了更多以雲端為基礎的服務,以及為了整合系統而開放 API 給客戶或合作夥伴。IT 領導者需專注於偵測並回應威脅,同時以更多傳統阻擋與其他方法防範攻擊。程式自我保護、使用者與實體行為分析都會協助實現適應性資安架構。

  • 進階系統架構

數位網格與智慧機器需要精密的運算架構才能實現,而高能量、超高效率的神經型態架構(neuromorphic architecture)才能符合這種需求。以現場可程式化閘陣列(field-programmable gate arrays,FPGA)驅動的架構是神經型態架構的重點技術,這樣的技術有顯著的好處,例如能夠在比每秒一兆次浮點運算更高速的高能量效率下運行。

David Clearley 表示:「在 GPU 與 FPGA 建立的系統會以與人類腦部相似的方式運作,如此一來便特別適合智慧機器的深度學習與其他尋找吻合模式的演算法。以 FPGA 為基礎的架構允許將演算法細分,只需要在裝置中使用相當少的電力就能讓智慧機器學習物聯網最小的終端裝置的能力,例如家庭、汽車、手錶,甚至是人的行為。」

  • 網格應用程式與服務架構

整體的線性應用設計(例如三層架構,three-tier architecture)提供更鬆散的連接方式,即為應用程式和服務架構。這種透過軟體定義應用服務(software defined application services,SDAS)啟動的新管道促成網路規模的性能、彈性和敏捷性。微型服務結構不論對內部或者雲端來說,都是支援應用程式靈活地傳輸和規模性布建的新興模式。容器(container)技術竄起成為關鍵技術,讓結構發展與微型服務更靈活。引領手機與物聯網相關要件的應用程式與服務結構,創造了後台雲端計算的規模性與前端裝置的網格體驗的全面性解決方式。應用程式的開發小組必須創造新的現代架構,以提供靈活、有彈性、能夠變動的以雲端為基礎的應用程式與使用者體驗。

  • 物聯網平台

物聯網平台補充了網格應用程式和服務結構。管理、安全、與其他科技的整合,以及物聯網平台的標準,是建構、管理與保障物聯網的最基礎要素。從建築和技術的角度來看,物聯網平台構築 IT 的幕後工作,使物聯網成為現實。物聯網是數位網格的組成部份,環境使用體驗和新興而活躍的物聯網平台則是實現物聯網的主要元素。

David Clearley 表示,任何擁抱物聯網的企業將需要發展物聯網平台策略,但在 2018 年之前,不完全競爭供應商的進逼將使標準化遇上阻礙。

(首圖來源:Flickr/Kārlis Dambrāns CC BY 2.0) 

發表迴響