2022年新兴技术成熟度曲线发布，这三大趋势值得关注

　　小海按：高德纳咨询公司新公布的 2022 年新兴技术成熟度曲线包含了 25 项推动差异化竞争与效率提升＂必须知晓＂的创新。其中部分技术需要 10 年或更长时间才能被接受，而技术处于萌芽态也意味着部署的风险更大，但对早期采用者的潜在收益也更大。
　　2022 年 Gartner 技术成熟度曲线确定了 25 种必须了解的新兴技术，值得企业架构和技术创新领导者关注：
　　拓展沉浸式体验
　　加速人工智能（AI）的自动化
　　优化技术专家交付
　　预计这些技术可在未来 2 到 10 年内对商业和社会产生极大影响，但对于 CIO 和 IT 领袖来说，这些技术对实现数字业务转型的帮助作用尤其显著。
　　新兴技术在本质上是颠覆性的，竞争优势不会是众所周知或经过验证的。为了抓住机遇，了解潜在用例，知道技术被主流采用的途径是什么至关重要，这个过程需要时间，短至两年，长则需 10 年或更长时间。
　　Gartner 副总裁兼分析师 Melissa Davis 表示：＂这些技术都还处在早期阶段，但其中有些仍处在萌芽阶段，其未来演进仍存在很大的不确定性。部署处在萌芽态的技术风险会更大，但同时给早期采用者带来的收益也更大，这就是它们与期望膨胀期内的战略技术趋势的不同。＂
　　2022 年新兴技术成熟度曲线
　　2022 年 Gartner 技术成熟度曲线主要聚焦于新兴技术，里面提炼了 2000 多种技术洞察，汇总成精简的高潜力技术集合。大多数技术都有多个用例，但企业架构和技术创新领导者的优先考虑应该是那些可以为组织带来最大潜在利益的技术。（还需要启动概念验证项目，证明技术对目标用例的可行性。）
　　以下是关于 2022 年技术所属的三个主题的更多信息：
　　主题 1：演进/拓展沉浸式体验
　　这些技术带来的好处是，可以为个人提供更多对身份和数据的控制权，并将体验范围拓展到可与数字货币集成的虚拟场所和生态体系。这些技术还提供了接触客户的新方法，可加强或开辟新的收入来源。
　　客户的数字孪生（DToC）是客户的动态虚拟表示，这种技术可模拟和学习客户，从而模仿和预测客户的行为。DToC 可用于改进和增强客户体验（CX），为新型数字化工作、产品、服务和机会提供支撑。 DToC 需要 5 到 10 年才会被主流采用，但对于组织来说，这种技术是变革性的。
　　沉浸式体验中的其他关键技术包括：
　　去中心化身份（Decentralized identity ，DCI）可利用区块链或其他的分布式账本技术（DLT）和数字钱包，让实体（一般是人类用户）控制自己的数字身份。
　　数字人类（Digital humans）是一种 AI 驱动的，交互式的表示，具备了人类的部分特征、个性、知识与思维方式。
　　内部人才市场（Internal talent marketplaces）实现了在不需要招聘人员参与的情况下，内部员工以及某些情况下临时工人才库，与有时间限制的项目和各种工作机会的匹配，而无需招聘人员参与。
　　元宇宙（Metaverse）是一个共同的虚拟 3D 共享空间，融合了虚拟增强的物理现实与数字现实。元宇宙具备持久性，可提供增强的沉浸式体验。
　　非同质化代币（Non-fungible token,NFT） 是独特的、可编程的、基于区块链的数字物品，可公开证明数字资产（如数字艺术或音乐）或代币化的实物资产（如房屋、汽车或文件）的所有权。
　　超级应用（Superapp）是一种综合式的移动 app，开发成平台的形式，可提供模块化的小程序，用户激活这些小程序后可获得个性化的应用体验。（编者注：微信就是超级应用的先驱）
　　Web3是一个新的技术栈，可用来开发去中心化的 Web 应用，让用户管理自己的身份和数据。
　　主题 2：加速的人工智能自动化
　　加大人工智能的采用范围是发展产品、服务和解决方案的关键手段。这意味着加速建立专门的人工智能模型，将人工智能应用到模型的开发和训练上，并将其部署到产品、服务以及解决方案交付中。其结果是预测和决策会更准确，获得预期收益会更快等。而人类的角色会更侧重于成为消费者、评估者和监督者。
　　自主系统（Autonomic systems）是人工智能自动化加速的例子。自主系统是可自我管理的实体系统或软件系统，可执行具有三个基本特征领域（自主、学习和代理）的任务。当传统的AI技术无法实现业务的适应性、灵活性和敏捷性时，自主系统可以提供帮助。自主系统需要 5 到 10 年的时间才能获得广泛采用，但对于组织来说具有变革性的作用。
　　加速的 AI 自动化的其他关键技术包括：
　　因果推理人工智能（Causal artificial intelligence）识别并利用了因果关系，突破了基于相关性的预测模型，让AI系统朝着更有效更自主地推荐行动的方向前进。
　　基础模型（Foundation models）是基于 Transformer 架构的模型，比如大型语言模型就是例子，其具体表现是一种深度神经网络架构，可以在上下文环境下计算文本的数字表示，强调的是词序。
　　生成式设计AI（Generative design AI）或AI增强设计（AI-augmented design）。这种技术利用了 AI、机器学习和自然语言处理技术，自动生成和形成数字产品的用户流程、屏幕设计、内容以及表示层的代码。
　　机器学习代码生成工具（Machine learning code generation tools）包括了云托管的，可植入到专业开发者集成开发环境（IDE）的机器学习模型，是基于自然语言描述或部分代码片段提供代码建议的插件。
　　主题 3：优化技术专家交付
　　这些技术专注于建立数字业务的关键要素：产品、服务或解决方案开发者社区（如Fusion Team），以及他们使用的平台。这些技术可提供反馈和洞察，优化并加速产品、服务和解决方案的交付，同时提高业务运营的可持续性。
　　云数据生态体系（Cloud data ecosystems）是优化的技术专家交付的典范。云数据生态体系提供了一个统一的数据管理环境，可支持从探索性数据科学到生产数据仓库的各种数据工作负载。云数据生态体系提供了流水化的交付与全面功能，很容易部署、优化和维护。这种技术需要 2 到 5 年的时间才会得到广泛采用，对用户来说也很有好处。
　　优化技术专家交付的其他关键技术包括：
　　增强型财务运营（FinOps，将技术、财务和业务融于一体的运营框架）通过应用AI和机器学习实践，将敏捷、持续集成与部署，以及最终用户对财务治理、预算计划与成本优化工作的反馈等传统的 DevOps（开发运营）概念自动化。
　　云可持续性（Cloud sustainability）是利用云服务实现经济、环境和社会体系（ESG）的可持续性效益。
　　计算存储（Computational storage ，CS）将主机的处理从 CPU 的主存储器卸载到存储设备身上。
　　网络安全网格架构（Cybersecurity mesh architecture ，CSMA）是一种用于设计可组合的分布式安全控制的新式做法，可提高整体的安全效率。
　　数据可观察性（Data observability）是通过对事件进行持续监控、跟踪、告警、分析和故障排除，来了解企业的数据环境、数据管道与数据基础设施健康状况的能力。
　　动态风险治理（Dynamic Risk Governance ，DRG）是一种用来定义风险管理角色和责任这个关键任务的方法。DRG针对每种风险定制适当的风险治理，让组织能够更好地管理风险，降低保障成本。
　　行业云平台（Industry cloud platforms）利用底层的 SaaS、PaaS 和 IaaS 服务，为特定的垂直行业提供与行业相关的打包业务和技术能力，并将其整合为一个产品。
　　最小可行架构（Minimum viable architecture,MVA）是产品团队用来确保产品研发及时性与合规性，并支持迭代的标准化框架。
　　可观察性驱动开发（Observability-driven development，ODD）是通过将系统设计为可观察的，为系统状态和行为提供细颗粒度的可见性和上下文的软件工程实践。
　　OpenTelemetry是一系列的规范、工具、应用编程接口（API）与软件开发工具包（SDK），用来描述和支持开源仪器与软件的可观察性框架的实现。
　　平台工程（Platform engineering）这门学科研究的是如何为软件交付与生命周期管理开发和运营自服务的内部开发者平台（internal developer platforms，IDPs）。
　　创业政策详情