隨著大模型和生成式人工智慧的出現，我們正在進入一個「暴力計算」的時代。Gartner發布了2024年10大戰略技術趨勢預測，本文對著10大戰略技術進行相關解讀，一起來看看吧。
隨著大模型和生成式人工智慧的出現，我們正在進入一個「暴力計算」的時代。Gartner發布了2024年10大戰略技術趨勢預測，本文對著10大戰略技術進行相關解讀，一起來看看吧。
由於很多大模型、生成式人工智慧的出現，我們正在進入一個「暴力計算」的時代。買卡、造晶片、訓練大模型，這些技術很多時候不僅會帶來更多碳排放，同時也會對企業的IT運維提出挑戰。Gartner預測：到2025年，75%的組織都會面臨持續的電力短缺。
Gartner預測：到2026年，超過80%的企業將使用生成式人工智慧的API（應用程式編程接口）或模型，或在生產環境中部署支持生成式人工智慧的應用，而在2023年初這一比例不到5%。
「在2024年十大戰略技術趨勢背後有一個共同的主題，其實就是AI。」Gartner研究副總裁高挺（Arnold Gao）說，「這些趨勢很多時候也不是一個單獨的技術，而是一種架構上的變化。」
10月16日，研究機構Gartner發布了2024年十大戰略技術趨勢，分別為：人工智慧信任、風險和安全管理 (AI TRiSM）；持續威脅暴露管理（CTEM）；可持續技術；平台工程；人工智慧增強開發；行業雲平台；智能應用；全民化的生成式人工智慧；增強型互聯員工隊伍；機器客戶。以下為高挺對十大戰略技術趨勢的解讀。
研究機構Gartner發布了2024年十大戰略技術趨勢
圖片來源：Gartner
一、全民化的生成式人工智慧（Democratized Generative AI）
生成式人工智慧應用可以讓企業用戶訪問並使用大量內部和外部信息源，這意味著生成式人工智慧的快速採用將極大地促進企業知識和技能的全民化。
Gartner預測：到 2026年超過80%的企業將使用生成式人工智慧的API（應用程式編程接口）或模型，或在生產環境中部署支持生成式人工智慧的應用，而在2023年初這一比例不到5%。
解讀：
未來生成式人工智慧平台的入門門檻會變得非常低，幾乎可以為所有人提供「生成、創造、編寫數字內容」的能力。入門門檻低，意味著成本也低。這個「低成本」實際上還能夠提高生產力，取代或輔助一些工作，用來研發一些新的產品。
舉個例子，二手車零售商CarMax用微軟Azure OpenAI的服務，把萬餘條「客戶評論」匯總成一個簡短的描述，包括它庫存里每種汽車的品牌、型號、年份，以及一些關鍵評論的要點。
對於商業用戶來說，如果我們將來可以無處不在地獲取以前不可能獲得的知識和技術，那麼這預示著一波新的生產力浪潮即將到來。「雲」和「開源」的融合會使生成式人工智慧更加民主化，會超越只是某些大型科技巨頭能夠掌握這件事的局限性。但它也有一個問題，即這種不受限制地獲取知識和技能的方式，必須以治理和風險管理作為基礎。
二、人工智慧信任、風險、安全管理（AI Trism）
AI Trism 指「AI Trust，Risk，Security Management」，是一組關於AI信任、風險、安全管理的架構性趨勢，比較簡單的說法是「AI治理」。
AI Trism（AI Trust，Risk，Security Management）
圖片來源：Gartner
解讀：
越來越多的人工智慧成為工作中不可或缺的一部分，尤其是在生成式人工智慧爆火的今天。一旦我們缺乏對人工智慧模型有效的治理，實際上就存在人工智慧技術「失控」的風險。對於企業來說，人工智慧在整個生命周期中可能都會有一些安全風險，從最早的「訓練數據投毒」，到應用生成式人工智慧時的「提示詞攻擊」，從各個方面來講，人工智慧有很多風險敞口。
基於這樣的現實情況，Gartner提出這套「AI Trust」框架。它關注的是人工智慧模型的治理，以及公平性、可解釋性、透明度、數據保護等，由6個模塊組成，分別是：模型運維（ModelOps）、主動數據保護、AI特定安全、模型監控（包括對數據漂移、模型漂移和/或意外結果的監控）以及第三方模型和應用輸入與輸出風險控制工具。這是AI Trism連續第二年入選「十大趨勢」。
三、持續威脅暴露面管理（CTEM）
CTEM指「Continuous Threat Exposure Management」，是Gartner提出的安全態勢修復和改進的框架，其與傳統安全技術的區別在於：
不是指單純從技術上去修復一個安全漏洞，而更加關注業務層面的風險暴露面，包含五個模塊：Scoping（範圍界定）、Discovery（發現）、prioritization（優先級排序）、Validation（驗證）、Mobilizatlon（動員）。
解讀：
首先，「威脅暴露面」不僅僅指網絡安全漏洞，它的風險範圍、風險敞口可能還包括一些傳統設備、應用程式、社交媒體帳戶等。其次，不能簡單地以單個維度把風險進行「高、中、低」的分類，比如傳統的做法可能是不考慮低風險的漏洞，但還要考慮風險暴露以後被利用的可能性，以及對於業務的影響程度等維度的綜合判斷。最後，對於風險控制的措施不可能完全自動化，一個比較現實的做法是接受與風險共存，同時提高業務韌性。
四、可持續技術（Sustainable Technology）
可持續技術是一個數字解決方案框架，其用途是實現能夠支持長期生態平衡與人權的環境、社會和治理（ESG）成果。人工智慧、加密貨幣、物聯網、雲計算等技術的使用正在引發人們對相關能源消耗與環境影響的關注。因此，提高使用IT時的效率、循環性與可持續性變得更加重要。
Gartner預測，到2025年，75%的組織都會面臨持續的電力短缺，這種電力短缺會加速推動可持續IT技術的發展。到2027年，25%的CIO（首席信息官）的個人薪酬將與他們對可持續技術的影響掛鉤。
解讀：
今年是「人工智慧大年」，由於很多大模型、生成式人工智慧的出現，我們正在進入一個「暴力計算」的時代。買卡、造晶片、訓練大模型，這些技術很多時候不僅會帶來更多碳排放，同時也會對企業的IT運維提出挑戰。
更加重要的是，由於整個世界、整個社會的數字化程度越來越高，IT產業的耗電量占全球年電力生產量的比重也會越來越高。所以，數據中心的電力緊缺將會是一個即將到來的風險，像新加坡、愛爾蘭、荷蘭這些國家，其實已經有類似的問題浮現出來，這種風險未來有可能會蔓延到其它地方。
五、平台工程（Platform Engineering）
平台工程指的是通過一系列工具和流程，為企業的軟體開發團隊提供一個自助開發門戶，或者稱之為內部開發平台。這個平台可以涵蓋應用程式整個生命周期里所有的操作，但它需要由一個專門的平台工程團隊去創建和維護。
解讀：
這跟傳統的開發有什麼區別呢？傳統開發都是項目制，很多開發人員是根據業務部門的需求做定製化開發。這導致了一個問題，比如一個企業開發了3個應用，3個應用里有很多功能是類似的，那麼就會有重複開發的資源浪費問題。
平台工程更像是開一家自助餐廳，顧客可以根據自己的要求去挑選合適的菜品，就是所謂的「自助式服務」。這樣可以在短時間內滿足需求、提升開發效率，同時可以比較大限度地規避菜品重複的浪費問題。餐廳里的廚師就變成了「平台工程師」，這也是為什麼平台工程要有一個專門的團隊去維護。
平台工程有3個關鍵詞：可組裝、可復用、可配置。本質上它背後的思想就是把軟體開發從項目管理的思維轉化到產品管理的思維，把本來相對獨立的開發項目流程模塊化和集中化。
六、AI增強開發（AI-Augmented Development）
AI增強開發指使用生成式人工智慧、機器學習等AI技術協助軟體工程師進行應用設計、編碼和測試。主要包括：AI代碼生成、AI增強測試、從設計到代碼的過程。
解讀：
在第一個模塊里進行「AI代碼生成」，對於下面幾種場景特別有幫助：樣板代碼、重構代碼，以及對舊的框架或程式語言進行學習。
「AI增強測試」即會有很多測試任務逐漸被AI開發替代，主要集中在3個方面：編寫測試代碼、生成測試數據、生成單元測試中的「測試樁」。
從設計到代碼，在某種意義上是人工智慧參與整個開發全生命周期的過程。目前還沒有完全實現，屬於對未來的展望。
七、行業雲平台（Industry Cloud Platforms）
Gartner預測，到2027年，將有超過70%的企業使用行業雲平台（ICP）加速其業務計劃，而2023年的這一比例還不到15%。ICP通過可組合功能將底層IaaS（基礎設施即服務）、PaaS（平台即服務）、SaaS（軟體即服務）服務整合成全套產品，推動與行業相關的業務成果。這些功能通常包括行業數據編織、打包業務功能庫、組合工具和其他平台創新功能。
解讀：
換句話講，即在傳統的「雲」上加一層「業務模塊層」。它之所以會成為趨勢，因為現在企業更關注在「雲」投資可以如何產生可量化的商業價值，而不是像以前只是為了達到技術和基礎設施改進的目的。「行業雲平台」有兩大特徵：可組裝、模塊化。
它實際上是把一些通用的業務能力模塊化之後放在「公有雲」上，然後讓它重新排列組合進行組裝。根據現在的整理，我們在超過20個行業當中找到了大概有超過270個「行業雲平台」，以下是大致的分布。
在超過20個行業中有超過270個「行業雲平台」
圖片來源：Gartner
八、智能應用（Intelligent Applications）
Gartner將智能應用中的「智能」定義為自主做出適當響應的習得性適應能力。在許多用例中，這種智能被用於更好地增強工作或提高工作的自動化程度。作為一種基礎能力，應用中的智能包含各種基於人工智慧的服務，如機器學習、向量存儲和連接數據等。
在2023年Gartner執行長（CEO）和業務高管調查中，26%的CEO認為對企業機構破壞力最大的風險是人才短缺。吸引和留住人才是CEO在人力資源方面的首要任務，而人工智慧被認為是未來3年對他們所在行業影響最大的技術。
解讀：
其目標是最終成為可以像人類一樣去思考、判斷和適應環境的應用。這種智能應用自適應的學習能力，背後實際上是包含各種基於人工智慧的服務，如機器學習、語意引擎、連接數據等。比如蘋果手機或蘋果手錶有一個「優化充電」的功能，即根據用戶每天的充電習慣，通過機器學習的方式找到規律，比如起床時間、出門時間，然後在你出門之前一個小時左右才充電到100%。
這就是通過「學習適應的模式」去改變，讓手機壽命更長一點。像輔助駕駛/自動駕駛，包括一些做機器人的公司，如特斯拉的AI機器人，本質上也是一種智能應用。
一個有意思的例子是「AI讀心術」。在2023年5月，美國德克薩斯州的奧斯汀分校研究團隊在《自然·神經科學》雜誌上發表文章，公布了一個基於AI預訓練大模型的大腦活動解碼器，它可以將大腦活動轉化為連續的文本流，通過一種非侵入式的方法學會「讀心術」。實際上目前的識別率雖然不算特別高，但還是很有意思。
九、增強型互聯員工隊伍（Augmented-Connected Workforce）
增強型互聯員工隊伍（ACWF）是一種優化員工價值的戰略。ACWF使用智能應用和分析，提供助力員工隊伍體驗、福祉和自身技能發展的日常環境與指導。
解讀：
其關鍵的核心在於提供員工的數字體驗。如何用人工智慧「增強」？它指的是，對從終端應用知識庫甚至是員工情緒中提取出的數據進行接近實時的處理和反饋。比如，企業從員工在線工作的時間，包括郵件里的措詞、訪問各個應用的數據，分析出員工目前的工作狀態和壓力。另外一個角度是，從員工在某些系統里逗留的時間、所做的操作，可以看到企業里需要改善的流程，甚至找到一些「員工的離職傾向」等。這裡要考慮「安全和隱私」問題。但它的一個要點是用人工智慧的方式對員工進行關懷，人工智慧最後不會取代人類的關懷，但是可以增強，至少給人類提供一些數據方面的支撐。
十、機器客戶（Machine Customers）
機器客戶（也被稱為「客戶機器人」）是一種可以自主協商併購買商品和服務以換取報酬的非人類經濟行為體。到2028年，將有150億台聯網產品具備成為機器客戶的潛力，這一數字還將在之後的幾年增加數十億。到2030年，該增長趨勢將帶來數萬億美元的收入，其重要性最終將超過數字商務的出現。
在戰略上應考慮為這些算法和設備提供便利甚至創造新型客戶機器人的機會等。Gartner預測：到2027年，超過50%的銷售和服務中心將接聽機器客戶的電話。
解讀：
這個「機器客戶」當然不是一蹴而就的，它的整個進化過程分成3個階段：
第一，人類主導，由機器通過一定的規則去購買特定的商品。
第二，人類和機器共同主導，優化購買的選擇，最終由機器根據規則執行購買操作。第一個階段已經實現了，第二個階段也已經實現了一部分了。
第三，機器推測人類的需求，根據規則、場景和偏好進行自主化購買。
一個有意思的案例是，前不久OpenAI的一位創始人發表TED演講，演講之前他做了一件事：用聊天機器人ChatGPT和文生圖工具Dall·E幫他準備晚餐的菜單，然後用Dall·E把晚餐的菜單文字轉化為圖片的請柬，最後用ChatGPT創建一個「購物清單」。
文章來源：澎湃新聞/Gartner
專欄作家
九七，人人都是產品經理專欄作家。某網際網路大廠產品市場營銷打工仔，擅長內容營銷、數字營銷、產品市場等相關知識。
本文原創發布於人人都是產品經理，未經許可，禁止轉載
題圖來自Unsplash，基於 CC0 協議