附录表格1汇总了高德纳2010—2020年每年十大战略技术。从附录1可以看出,2010—2020年,一些与云计算(Cloud Computing)、智能等相关的技术频频出现,也有一些技术,如物联网(Internet of Things,IoT)、大数据(Big Data)和闪存(Flash Memory)等,在前几年兴起后逐渐被普遍接受,不再作为新兴焦点的战略技术。一些2010年的战略技术在2020年依然属于需要关注的战略技术,但侧重点发生了改变。例如,战略技术中,云计算拓展到分布式云计算(Distributed Cloud),安全—活动监控(Security—Activity Monitoring)发展到透明度与可追溯性(Transparency and Traceability)和人工智能安全(Artificial Intelligence Security),以及移动应用(Mobile Applications)延展到人类增强(Human Augmentation)。 在高德纳公司每年发布的十大战略技术报告中,自2014年起,与智能相关的战略技术逐渐成为热点。2014年与2015年提及的智能机器(Smart Machines),将环境感知技术与深度信息分析结合,设计了能让系统认识环境、自我学习以及自主行动的高级算法。2016年的自主代理与物体(Autonomous Agents and Things)讨论了如何利用万物联网信息和先进机器学习算法带来智能软件的解决方案。2017年与2018年的智能物件技术(Intelligent Things),利用人工智能和机器学习(Machine Learning)来实现高级行为。2019年和2020年的自主物件(Autonomous Things),倡导利用人工智能技术实现传统只能由人类执行的任务,从而更自然地与周边环境及人员进行互动。在2010—2020年发布的十大战略技术中,除2016年与2017年外,其余年份均直接有所提及文字带有“云”的战略技术。继2010年、2011年、2012年连续三年提及“云计算”后,2013年起高德纳公司对和“云”相关技术的关注开始聚焦于个人云(Personal Cloud),个人用途的云计算重要性越发凸显。2014年十大战略技术中与“云”有关的技术占据三个席位,分别是混合云和IT成为服务经纪人(Hybrid Cloud and IT as Service Broker)技术、云/客户端架构(Cloud/Client Architecture)技术、个人云时代技术,强调了设备向服务的转移以及云服务整合。 值得一提的是,自2014年起,战略技术名单就不再提及内存技术,一方面内存技术已成为诸多技术的基础,不属于新兴战略技术;另外也有部分原因是与云计算相关的技术在2014年榜单呈现“井喷式”增长,战略技术的关注焦点由采用客户端的内存计算转向了在具有共享性的云端储存进行的运算。2015年的云/客户端计算则将重点放在内容与应用程序状态在多重设备间同步,为应用程序向多重设备方向发展奠定了基础。2016年与2017年虽未提及带有“云”字眼的战略技术,但其中对物联网、会话系统等技术的解读均出现了云服务等字眼,云技术已经成为一些战略技术发展的核心与基础。自2018年起,从云到边缘的技术发展开始成为主流,这是由于物联网技术的出现使得信息数据呈现爆炸式增长,集中式的云计算模型已经无法满足万物互联背景下的海量数据的高效传输以及处理需求。在2019年和2020年的十大战略技术名单中,边缘计算(Edge Computing)技术均位列其中。凭借对海量数据进行实时处理的边缘计算平台,边缘计算技术正在成为未来战略技术的一大热点。物联网技术在2012—2016年连续被十大战略技术发展趋势提及。这一技术的关键要点在于嵌入各种移动设备,如感应器、图像识别和近场通信(Near Field Communication,NFC)支付技术。2014年和2015年对物联网的关注聚焦于将各种事物数字化,结合数据流提供服务。2016年的万物互联信息(Information of Everything)则关注数字网络下的物联网元素如何推动新架构及新平台能力的需求,来支持物联网解决方案。与虚拟现实相关的技术自2017年起成为十大战略技术名单的“常客”。2017年提及的虚拟现实(Virtual Reality,VR)与增强现实技术(Augmented Reality,AR)改变了人与人和人与软件系统交互的方式。2018年和2019年的沉浸式体验技术扩展了AR和VR的混合现实,带给用户沉浸式体验,构造无形的沉浸式环境。2020年的多重体验技术则注重为用户带来多重感官与模式的体验。虽然大数据技术受到各方面的强力关注,但是作为战略技术,大数据仅短暂地出现在2012年和2013年的十大战略技术名单之上,强调组织必须抛弃单一企业数据仓库包含所有决策信息的概念,转向多个系统,并将数据服务和元数据相互结合,组建“具有逻辑”的企业数据仓库。在2014年及以后的榜单上,由于大数据已经隐含在所有相关的计算以及人工智能技术中,因此,大数据不再作为新兴战略技术被提及,其发展更多体现在更为具体的技术应用,如人工智能、机器学习、数字孪生(Digital Twins)、超自动化(Hyperautomation)等技术。2017—2020年的十大战略技术发展趋势报告中,区块链技术(Blockchain)一直占有一席之地。在2018年后续几年高德纳公司对区块链技术的态度更加谨慎,认为“虽然区块链具有长远潜力,但是在至少今后两三年,区块链的现状比区块链承诺的前景慢一拍。企业需要清楚地了解潜在的商业机会,还要了解这项技术的能力和局限性”。这也与区块链技术本身一些特性有关:去中心化是区块链技术强调的核心特征,而实施去中心化的过程中不可避免地会造成效率的损失。因此,从商业角度进行评估时,高德纳公司对于带来效率损失的区块链技术会采取审慎的态度。随着大数据、云计算、人工智能以及人机结合技术的发展,隐私与安全问题以及数据伦理已经成为政府、社会和企业关注的重点。近年来,高德纳公司明确指出今后数据隐私和伦理将影响企业的大数据投资和业务的成功。 2010年,安全—活动监控技术首次在十大战略技术中被提及。2015年出现的基于风险的安全和自我防卫技术(Risk-Based Security and Self-Protection)主张不应仅仅依靠周边防御和防火墙,而应该直接在应用程序当中内建安全防护的全新模式,实现自我感知及自我防卫。2016年与2017年提出了自适应的安全架构(Adaptive Security Architecture),构建全方位自我保护的实时应用程序系统。2018年关注的持续自适应风险和信任技术(Continuous Adaptive Risk and Trust)要求实现实时的决策机制,对安全赋能的数字企业实现自适应响应。2019年的数字伦理与数据隐私(Digital Ethics and Privacy)将视角由商业信息转向个人信息,认为隐私应建立在数字伦理和信任的基础之上并主张发展相关的技术。在信任体系尚待完善的背景下,2020年的战略技术:一方面,强调透明度与可追溯性(Transparency and Traceability),要求在使用AI及其他先进技术时确保遵循道德方法,并为此提供支持的技术与实践;另一方面,强调AI安全,倡导管理者考虑利用AI增强系统防御能力和警惕AI为恶意黑客所用。
与当下经常看到的信息技术走向市场成熟过程等所呈现的成熟度曲线发展阶段类似,高德纳公司的技术成熟度曲线描述技术创新从萌芽到成熟的五阶段发展过程:技术萌芽期(Technology Trigger)、期望膨胀期(Peak of Inflated Expectations)、泡沫破裂低谷期(Trough of Disillusionment)、稳步爬升恢复期(Slope of Enlightenment and Climbing the Slope)以及进入高速发展阶段而形成实质生产的生产成熟期(Entering the Plateau of Productivity),如图1高德纳公司提出的2019年技术成熟度曲线。技术成熟度曲线的横轴为“时间”,表示一项技术将随时间发展经历各个阶段。技术成熟度曲线的不同纵向形状显示在技术发展过程中预期随时间的膨胀和收缩情况,是由市场对技术未来价值的评估决定的。