以下是对这张信息图的解释：

1）时间上的影响

• 2016 年，看如今的解决方案如何处理这些需求
• 2017 年，通过试运行思考潜在的解决方案
• 2018 年，了解现在，思考潜在的影响以及如何解决问题
• 2019 年以后，现在开始跟随这些技术，观察技术如何演变

2）商业影响

• 转型（Transformational）影响，指公司需要进行转变了
• 高（High）影响，指对人类家庭生活和工作有较高影响
• 中等（Medium）影响，指代将会冲击公司的流程、服务，影响用户和消费者生活
• 低（Low）影响，指代有小幅度提高而不是巨大的改变

3）成熟度（Maturity)

• 新兴阶段，主要是指在学术界和少量专业市场能看到这些技术
• 青年期，指这些技术更多是被分析师或者思想领导者讨论
• 早期采用，指这些技术已经开始被客户关注、寻求解决方案
• 主流期，指这些技术明显被需要，客户开始执行解决方案

这一雷达图展示了所有研究成果，能让你快速理解颠覆性的新兴科技是如何发展的，并开始考虑需要采取的行动。极坐标系描述了这些技术影响你业务的可能时间，也描述了这些技术影响的潜在规模。同时，技术颜色代表了每一技术如今所处的发展阶段。

每一个趋势都会从三个角度进行分析：业务影响的潜在规模；可能对你业务产生影响的时间以及成熟度。

一、3D打印

1）定义

3D打印也可被成为叠加制造技术，是一种制造方法，将用CAD(计算机辅助设计)程序创建的虚拟3D对象做成实物。可打印的实物尺寸范围很广，小至纳米级别，大至建筑物般大小。

打造物体零件过程中，3D打印机可使用各种添加流程，对材料进行层层叠加，而后整个物体才会被创造出来。

2）应用

• 快速成型——使用CAD工具，可以快速简易地制造出物体部件或模型。
• 快速制造——生产少量零件，价格低廉
• 大规模定制——用户通过基于网络的接口，直接对要生产的独特产品进行个性化要求
• 维护——生产汽车，飞机，机械等零件
• 铸造——创建铸造零件的加工模式
• 零售——客户可以足不出户地购买和下载产品设计，并打印下来
• 健康护理—— 创建定制的膝盖、臀部、耳朵、血管、心脏瓣膜等其他身体部位的置换物
• 制药——因人制宜地制造药物

3）影响

• 改变产品的供应链，消除对组件和成品的运输需求
• 因为组件可以在任意地方创建，全球可能会产生一个新的制造业搬迁浪潮
• 减少材料浪费，缩短交货时间，同时简化客户定制流程
• 车辆和飞机制造商可以制造轻量部件，以提高燃油效率
• 减少铸件的成本，同时提高精度
• 更换的部件立即可用，提高售后维护体验
• 为需要制造小规模物件的人降低投资门槛
• 像在知识共享应用中分享内容，或通过开源行为分享软件块一样，个人能够以同样的方式对打印个体进行设计和分享。

4）演进

• 3D打印最初用于制造业产品开发早期阶段的原型设计。
• 3D打印机价格的下降，企业开放硬件的举措，以及大众的「Do It Yourself」（DIY，自己动手做）运动的出现，都使得3D打印迅速传播开来，并受到「makers」（创客）群体的青睐。
• CAD对象（object）设计库逐渐形成，人们在家中就可以分享和定制他们的产品，并打印下来。
• 亚马逊以及其他企业已经开通了在线3D打印商店，配置有商用3D打印机和扫描仪。
• 随着3D打印技术的进步，多种材料组成的复合对象也可被打印。
• 通过对高机械性能新材料，如钢或钛的研究，更多领域中开辟了3D打印的新用途，比如，SpaceX公司创建了第一批3D打印的火箭零件。
• 打印生物材料及其他材料方面也取得进展，比如混凝土、玻璃、塑料、金属、陶瓷及食品等。
• 大批量打印方面也取得进展。
• 三维扫描技术可以收集对象形状和尺寸方面的数据，与3D打印技术互补，创建初始设计更容易。

5）问题

• 3D打印将需要与当前的制造系统链接起来，以实现产品制造中端到端的可视化。
• 设计模型和计算机辅助设计方面，可能会出现知识产权争端。
• 3D打印可能会使各国的国际贸易战略变得难以执行。
• 在3D打印的特定价值链中，追溯某原材料的使用情况可能更加复杂

二、5G

1）定义

5G 代表下一代通信网络与服务。不再是传统通信技术的演进版本，5G将会是一种新的通信方式，以满足未来的应用和场景的需求。因此，传统的 4G LTE 技术将继续并行演进。

2）应用

• 连接万亿个智能设备——通过物联网（IoT）
• 提供大规模宽带接入——服务于高清电视、移动设备、视频会议，以及其他应用的视频流等。
• 支持高度实时应用——如增强现实
• 提供超可靠应用——如电子医疗和能源服务，生产控制和联网车辆等
• 提供生命线通信——比如自然灾害中的急救电话
• 支持车辆通信——提升交通安全性，用实时交通路况辅助驾驶员，提高车辆可靠性能等

3）影响

• 基于软件定义网络（SDN）和网络功能虚拟化（NFV）支持的分析功能，提供网络高度灵活性和动态网络重构
• 提供更高级别的安全性，改进用户隐私控制问题
• 预计将减少约2毫秒的网络延迟，助力互联汽车等创新发明
• 预计将提升1000倍的无线容量，而后可为移动视频流、视频会议等应用提供所需容量
• 预计最多节省90%的能源，主要节约部分位于无线接入网
• 预计将连接物联网内为70多亿人提供服务的7万多亿台无线设备
• 加速服务到市场的时间，有可能将平均制造时间的周期从90小时减少到90分钟

4）演变

• 当前研究主要关注5G网络架构，功能与性能。
• 预计2020年出现第一批5G网络部署。
• 同时，传统4G LTE 技术将继续演化，形成基于全IP的集成系统，为室内室外提供优质和高安全性的高速服务。
• 比如， LTE-A (LTE Advanced)技术与之前的技术相比，速度，性能，容量，密度都得以提高。

5）问题

• 世界不同区域正在争先引领 5G 标准化运动
• 5G技术必须能够同时适用于不同垂直领域的广泛的用户案例，且每种情况下的服务都需要满足延迟，弹性，覆盖和带宽等方面更严苛的需求。
• 在标准化过程的早期阶段就需要考虑这些用户案例，因此，非电信行业（汽车、IT服务、消费品、医疗及其他）也需要考虑在内。
• 5G是多种科技的结合，在首次部署5G之时，对应技术的成熟度将可能发生变化。

三、先进的数据可视化

1）定义

数据量不断增长，我们需要更简易的方式掌握数据的含义。在复杂数据集中，可视化呈现技术（数据可视化技术，也可称为dataviz ）是一种更自然地理解模型和关系的方式之一。

很多解决方法也支持这些数据集之间的交互（比如，操纵数据，改变视角等），这样就可以通过更深层地探索数据，发现大量变量之间隐含的联系和相关性等。

整个世界日益相连，我们还需要找到方法去探索这些几乎瞬时的海量数据。数量增长的数据集不再是静态数据，先进的  dataviz 技术可对快速演变的数据集进行可视化和探索。

有些时候，可视化可以不局限于 2D 屏幕，而是通过增强现实，或现实环境，甚至是沉浸式洞穴以提供 3D 的呈现形式。

2）应用

• 科学计算
• 工程
• 金融
• 健康
• 制药
• 大数据项目
• 社交网络图
• 地理图
• 发展方向

3）影响

• 提高了决策效率，在企业中尤其明显
• 扩充了数据科学家的工作成果

4）演变

• 最初，可视化技术仅使用于生产解决方案和商业智能（BI）解决方案中的特定类型的商务图表。
• 大数据提高了人们用更直观和可视化的方式遍历内容的需要。因此，当今很多 BI 产品都具有先进的数据可视化能力。
• 开源数据可视化工具正在迅速发展，但通常比较底层，缺乏用户友好性。
• 人机接口方面的数据可视化或许会有迅猛发展，比如，航空，健康科学领域已经部署了先进的三维图像技术等沉浸式系统，用于分析股票市场等方面复杂的经济数据。
• 不久，先进的数据可视化工具将成为主流解决方案，更加民主化。
• 数据集不再是静态的，将实时（或快速演变）的数据进行可视化后探索将变得有所益处，甚至成为必须执行的任务。
• 随着可用数据量不断增长，数据仓库的范式将逐渐过时，我们不再要对三年，三个月甚至三天的历史数据进行挖掘，而需要对几乎瞬时的海量数据进行探索。

5）问题

• 高交互能力的可视化技术可能会极其复杂，需要操作者有相关知识。
• 即使工具处于改进过程，可视化技术仍然相对底层，经常需要一定程度的编码。
• 可视化技术若被错误使用或理解，则可能出现不正确的结果或造成误导。

四、先进的机器人技术

1）定义

因为人工智能和计算机视觉方面的进展（应用在软件或硬件中的人工视觉计算机系统，能够对如图像和视频等视觉数据进行认知，处理，和理解），机器人领域得以蓬勃发展。

当今的先进「智能」机器人是自动化的，能够根据自己的行动做出适宜的决定。机器人互联性也在不断提升，能够成为物联网的一部分与周围环境及其他智能机器进行交互。其外形不一定是人形，且大多数担任机器甚至车辆的角色，比如无人驾驶汽车。

2）应用

• 工业加工过程——比如执行重复性任务，精确指导等。
• 服务型和知识型工作者——包括在工作，公共或者有毒场所。
• 监控——特别是在恶劣或危险的环境中。
• 防火——包括探测和灭火。
• 工业检查——比如维修网络。
• 清理，分类，传送——比如邮件。
• 机器人医生——医生可以远程对病人进行诊断甚至是治疗。
• 护理——如老年人。
• 自动化车辆——如无人驾驶汽车。
• 航天器——如星际导航方面。
• 农业——如给绵羊剪毛。
• 还有社会，娱乐，运动，甚至教学领域。

3）影响

• 在火灾现场，核电厂等危险环境中取代人类工人，提升人们的安全性
• 提高人工智能系统的识别、学习和优化人们难以察觉的数学模型，最大限度地提高效率和降低成本
• 机器人无需休息且可以无限期地维持一贯的性能水平，因此生产力可以最大化
• 所需的唯一费用就是最初购买的以及后续的维护费用，可减少成本
• 能够适应不断变化的工作环境，从而增强工作的灵活性
• 能够采用最符合要求的规格，提高可定制性

4）演进

• 机器人的历史很长，且多数与工厂自动化有关
• 人工智能的进展，互联性的提高，以及分布式计算模型（云）给这个领域注入了新的活力。
• 机器人的智能不断提高，不仅可以在工厂中做重复性任务，并且已经可以根据自我的行动作出适宜的决策。
• 很多大型飞机现在基本是上机器人，可以自主飞行，飞行员只是用来安抚乘客。
• 日本历史性地推出了机器人，以补偿因老龄化程度加重，国家对日益缺乏的劳动力的依赖
• 谷歌等新的企业玩家，携各自的人工智能研发技术，投入了先进机器人的这场浪潮。
• 军事无人机等新型应用日益重要，越来越多的人们加以关注。
• 未来某天我们可能会目睹一场机器人部队进行的战役。
• 未来的机器人可能会有社会智能，人工情感，以及更多的自然化交互功能。

5）问题

• 媒体对机器人的描述经常扭曲事实
• 「莫拉维克悖论」仍然正确：机器人在复杂的任务上表现良好，但在日常工作中或许无计可施（有时相当痛苦），如爬楼梯或打开门等。
• 机器人从辅助到取代人类劳动力的过程中，人类劳动力可能会加以抗议和抵制。
• 互联机器人就像其他互联设备一样，将引发人们对于隐私问题的关注。
• 个人应用场景中，比如健康和金融领域，人们会更喜欢与人类打交道。
• 设计有瑕疵的智能机器人可能会与目的性能不符，并可能会带来人们不希望的严重后果。
• 产业专家和科学家都非常关注，当技术奇点到来时——机器人比人类更智能的时候，未来会是什么样子。

五、自动驾驶汽车

1）定义

自动驾驶汽车是车辆运输和机器人功能交集产生的新兴领域，其中包括采用人工智能的环境传感器，环境意识和自主决策。自驾车辆能够依靠这些技术自己开车，同时识别、响应周围环境。

这个领域的主要参与者包括相互之间既竞争又合作的汽车和技术公司。

2）应用

• 私人交通工具：包括谷歌和特斯拉开发的自动（和半自动）汽车
• 工业监控和交通：尤其在恶劣，空旷或者难以接触的环境，例如矿井，管道或交通堵塞中
• 紧急或专业运输：包括空中搜索和救援无人机
• 无人机快递：例如亚马逊和谷歌开发的产品
• 高容量物流：包括单人司机控制数量卡车
• 农业运输：例如监测农作物或监管牛群
• 军事运输和监视：尤其在危险的环境

2）影响

• 减少人为错误造成的事故数量
• 优化道路上车辆数目
• 加速点对点物流
• 最小化军事等危险现场中的风险
• 帮助不能开车的群体，包括儿童，老年人和残疾人
• 让人们负担得起昂贵服务，比如空中摄影
• 提供目前运输的替代方法
• 为基于合作的新型服务开辟机会
• 预计对汽车，保险，能源，医疗，国防和城市规划有变革性的影响
• 车辆完全自动化后会产生更大影响，因为相互化将会变得更容易

3）演化

• 长期目标是让自动驾驶汽车补充甚至取代传统驾驶汽车
• 虽然仍处于活跃的研发期，但是，很多公司已经在内测自动驾驶汽车
• 关注的是如何帮助司机轻松抵达目的地，同时确保司机感到满足和安全
• 在起草相关法规和提供研发资金中，各国政府正发挥着更积极的作用
• 预测广泛采用将发生在2020年左右，不过有点乐观了

4）问题

• 成本：自动驾驶汽车中使用的传感器，例如，照明和分析反射光所使用的激光雷达 (LIDAR) 仍然很昂贵
• 复杂的环境：(气候，环境和其它变量) 条件变化非常复杂
• 测试：测试很顺利，但大部分在可控条件下执行
• 安全性：介于人身安全的考虑，对安全性要求非常高
• 规定：几乎灭有规制自动驾驶车辆的规定。而制定这样的法律是一个复杂的过程
• 道德：在与人工智能和机器人相关的各个领域中，道德很重要，因为机器可能做出危害人类生命的狡猾决策

六、生物计算机

1）定义

生物计算机，使用例如DNA和蛋白质等生物材料，来执行包括储存，检索和处理数据在内的计算机计算任务。它们利用生命功能，依靠纳米生物技术，去设计提供计算功能的生物分子系统。

2）应用

• 演绎生命过程：基于我们DNA编码的生物分子之间的复杂生物分子互动
• 提供分析细菌和病毒的先进生物模板：推动其它生物力学技术的发展，因为它是目前所知道的唯一自我复制计算技术
• 执行需要极端平行的计算：通过数十亿分子彼此同时互动来实现
• 解决无法在多项式时间内确定解决的问题
• DNA显示出，作为长期储存信息机制的可能性

3）影响

• 可能提供代替硅基础的系统：有望更快，更小，更节能地解决一些专业问题
• 不浪费和低能源消耗的前提下，有望提供大规模并行处理，海量储存和高层次的人工智能
• 可能在医疗行业和生命科学领域里，提供一个全新的创新领域：比如在细胞内检测癌细胞活动并在诊断后释放抗癌药物

4）演化

• 不到十年前，加州技术研究所使用RNA分子 (像DNA一样携带遗传信息的分子) 发明了一种居住在酵母细胞中的基础逻辑门
• 在比利时鲁汶，世界著名的纳米电子研究中心IMEC正在指导研究生物芯片
• 几年前，美国斯坦福大学使用DNA和RNA开发出需要建立生物计算机的最终组件，被称为 「转录因子 (transcriptor) 」的首个生物晶体管
• 在2016年2月，在蛋白丝中利用生物代理的并行计算实现
• 生物计算可能在未来提供有趣的应用

5）问题

• 今天，生物计算机依然是一个值得研究的领域
• 虽然能够执行大量并行计算，DNA和计算机的生物计算方法处理速度缓慢，响应时间可能是数小时或数天，而不是毫秒
• 生物计算结果比数字计算机结果更难分析
• 公众关心生物计算机与基因组学的关系，担心生物灾害的可能性

七、生物识别技术

1）定义

生物识别技术指具体测探，衡量人类特征的检测。在某种确定的程度上，该技术可以被用来识别个体。精准度可以通过将多种不同生物计量机制结合成 「多模式生物识别系统 (Multimodal Biometric Systems) 」得以提高。

众所周知的例子包括指纹，视网膜血管，红膜识别和语音识别，虽然也有很多其它在特定情况下可以用作识别个体的人类特征。这些包括心率和行走速度。DNA提供了终极的生物识别，不过，目前所需的分析时间太长，并不是目前最可行的选择。

2）应用

• 识别和验证个体：生物识别技术的独一无二性
• 启用多因素身份验证：与类似智能卡片等安全机制结合
• 提供目前安全机制的补充或替代：如智能手机上的指纹识别
• 增强消费设备的安全性：尤其针对智能手机
• 在国防或国土安全情景中，提供强大安全性：包括在边境检测嫌疑犯，控制人群

3）影响

• 介于生物识别技术独一无二，它可以提供强有效的身份验证
• 优于访问控制的密码和安全系统，因为生物识别技术不需要记忆

4）演化

• 一些例如指纹扫描仪等生物识别系统拥有悠久的历史
• 传感器和识别软件上的进步意味着错误的不匹配率 (干扰合法用户) 和错误的匹配率 (即存在安全隐患) 正在减少：尽管尚需平衡成本，响应时间，方便性和可靠性
• 目前在受信赖的设备上本地使用生物识别系统接受度很广
• 在生物识别系统降价以及与软件身份验证和授权标准集成的推动下，生物识别系统也受到客户端设备青睐
• 人工视觉的进步正在提高基于图片或视频生物识别技术，其中包括面部识别
• 行为或被动生物识别系统利用动态特征：包括案件，鼠标移动，甚至例如步态等复杂的肢体动作来实现持续验证
• 未来信任和依从模型，在追求永无止境的缓和接触控制方面，将会利用以下两种功能的结合：生物识别安全系统和新智能手机功能。

5）问题

• 生物识别需要专门的设备捕捉生物统计特性
• 不同的生物特征识别机制准确率偏差很大，表现也非常不同；一小部分的用户面临持续困难
• 结合以上，生物计量适合作为传统认证方法的补充存在
• 身份验证的适用性有限，决定一个人是谁并且核实真实性很难，因为需要容忍。
• 信赖感很差，因为它是非常个人化的，并且用户不能像更改密码一样更改信赖感。
• 此外，隐私担忧导致用户接受度低和监管问题
• 生物识别技术会引发应用的道德和社会问题
• 生物识别系统可以被欺骗。例如，面部识别系统可以通过2D或3D面具愚弄。为了解决这个问题，抗欺骗技术正在涌现

八、区块链

1）定义

区块链是分布式数据库的一种形式，使用密码技术以确保档案按顺序储存并且防止篡改。

公共，私人或社区的区块链提供由单个实体维护和集中控制总账的替代方法。这样做的时候，它们建立一个允许信任建立的对等网络 (peer-to-peer network) 新模型，而不需要委托第三方。

2）应用

• 财务应用：包括簿记，加密货币和交易安全
• 非金融应用：包括 (在某种程度上的) 知识产权管理 (anteriority)，数字标识，电子健康信息，投票，供应链认证和智能合同

3）影响

• 通过移除关口和中介过程，青睐用户间直接可信的交易改变价值链：包括针对商户，服务提供商和客户
• 挑战强制性需要中央总账的行业：例如银行和保险
• 颠覆需要委托第三方的领域
• 赋予需要中央总账但不可能在位的新兴行业可能性

4）演化

• 区块链作为比特币交易的公共总账闻名，支持其它各种加密货币
• 它的应用已经扩大到几乎所有领域的各种应用
• 行业内和一些政府组织正在大量投资建设用于特定用途的概念验证
• Ethereum是一个允许建立并自动化操作智能触点的平台，也是实现应用成熟案例
• 区块链技术公司R3是引领40家银行组成的财团，正在测试使用区块链解决方案推动债务工具交易
• Hyperledger Project是一个合作项目，推动区块链技术的发展，试图找出并解决分布式分类账的重要跨行业开放标准
• 区块链协议不断在发展中拓展功能，解决安全隐患并且提高能力

5）问题

• 包含比特币在内的区块链目前仍处于缺乏综述的试验阶段
• 区块链加密技术目前不是后齐次 (Post-Quantic) 并且可能被量子计算威胁
• 安全性取决于区块链节点的多样性和独立性，因此，控制多数节点的单一玩家在理论上可以绕过一些安全机制
• Proof of Work 使用大量计算力量和能量，虽然有更节能的，例如 Proof of Stake和Proof of Burn等代替品正在被寻找和探索
• 为了保证主流应用所需要的交易量，系统需要进步
• 需要不应用案例需要不同的区块链

九、脑机接口

1）定义

脑机接口是一种在电脑和外接设备之间，以作大脑生成的神经活动为基础的直接交流通道。虽然大多数的接口方式是通过微创设备来实现，现在最具前景的方案则是基于无创手段。在这里，脑电图（EEG）设备会记录大脑活动，其精确的时间分辨率、使用的简易、便携性和低廉的开发费用让它成为最被广泛研究的无创借口的潜力候选人。

2）应用

• 起初，简单地探测明确的外界信号以及与事物最基础的互动
• 如今，主要用于辅助、扩大或修复人类认知或感觉动作功能—例如：为了操控假肢
• 同时也用于游戏行业—粗糙的脑电图设备已经可以用于游戏控制了
• 之后，提供更高级的通讯—包括注重于基础音位和语言模式的演讲口语辨认功能
• 在未来，激活与电脑设备等机器的交流和互动

3）影响

• 让人们可以在没有动作或运动时与电脑和设备互动
• 提供一个全新的交流渠道—特别无创科技和更先进的互动（主要是交流方面）
• 影响着人机接口的几乎所有方面—个人以及职业生活方面都包括

4）演化

• 在 1924 年被首次发明后，研究人员们便开始全面的追寻以脑电图为基础的脑机接口
• 在上个世纪 70 年代，当微创技术可以实现对假肢机动做以控制时，研究者们在灵长类动物身上做了实验
• 神经影像分辨率和脑电图能力的提升让人们可以个更精确地控制设备
• 最初的消费电子设备比较粗糙，主要用于游戏和压力控制。
• 近期的进步表明脑电图为基础的脑机接口可以完成微创脑机接口在类似程度完成的任务
• 这最终也许会成为用于和电脑设备互动的最先进的方法之一。

5）问题

• 侵入模式需要复杂的医学手续，还会有不期望的负面效果。确保与大脑某些区域的联系永远维系下去，这很难，因为连接也会衰减。
• 非侵入的 EGG 仍然处于研究的早期阶段
• 大脑活动是永久的，独立出显著信号，也不容易做到。非侵入技术需要额外的努力
• 大脑非常复杂，基于电子信号分析模式还是很有挑战性的，而且会与个体不同混杂起来。
• 更长期来看，或许会有道德风险，比如读心术，心智控制

十、云服务集成

1）定义

新的计算连续体（ continuum）会是一个异构环境，它建立在去中心化和各种不同计算实体和资源拓扑结构的联合基础上。包括多个云（以及云联合）模型，这些模型具有他们不同的、去中心的自主管理以及混合云模型，这些混合云模型横跨内部和外部云服务、或公私以及社区提供商的边界。

云服务集成（CSI）为集成这些不同的、以云为基础的元素提供了灵活手段，为横贯IT领域的商业过程提供支持。计算工作量被部署于跨多个云环境中，提供最优的配送模式。

2）应用

• 全球商业——动态协作计算跨地理位置载荷（loads）成为可能
• 集成制造——支持信息透明以及MES/MOM, ERP 和 PLM 系统的合作
• 工业——帮助，例如煤气公司，优化提取物，方法是加紧集成煤气涡轮制造商的PLM云服务，公司自己的资产管理云服务以及地下（sub-surface）分析云服务。
• 提升信息服务质量——允许组织利用第三方服务来增强自身服务
• 商业连续性——减少灾后复原成本，同时提升灵活性和机敏性。

3）影响

• 帮助公司平衡功能性、灵活性和投资保护
• 降低成本
• 加速计算资源配送，同时提升资源供给以及优化资源利用
• 帮助中小型云公司处理最大载荷，当需要时，获得额外功能
• 让工作量更靠近所需之处，消除不需要的潜在因素
• 确保符合国际规则

4）演进

• 简单多个云功能，最先通过 API 提供给大家
• 现在，这些正演化成一个全球化、以服务为基础的结构
• 在向产业展示各种服务提供商如何能被带到一个单独平台上，ServiceNow 扮演了关键角色
• 从更长远的角度来看，多数公司可能会采纳多个云的服务策略，从多个提供商那里获取服务
• 未来，会提供更多不同服务提供场地，允许用户安排日程，并将他们的工作量自动化传递到最合适的云端
• 信托信息中介（Trusted Information Brokers）将确保无缝授权，以及接触信息和服务控制。他们会使用信息咨询者的特征信息，比如年纪，组织或公民身份等，同时确保私人信息不会被在没有必要的情况下，散播开来。

5）问题

• 跨服务兼容性仍然是个开放问题，   内部云服务的业务开通
• 多个云环境加速了服务水平协议的复杂性。
• 多云环境将需要设立真实的跨云服务商网络。然而，糟糕的网络布线是一块拦路石。
• 动态多云管理模型，使得安全参数的持续变化将成为可能，这个变化正在扩大当前的安全的担忧

十一、认知计算

1）定义

认知计算时一种集成，集成了数学和来自不同领域的方法（比如，人工智能、机器学习，自然语言处理等）。打破传统神经科学和计算机科学、认知计算的边界，就能学习、理解自然语言，实现人与传统可编程系统的自然互动。

认知计算有三个主要功能类型

• 具有参与能力的系统改变了人类和系统的交互方式，延伸了人类能力
• 基于证据、具有决策功能的系统，会通过新的信息、结论和行动，持续进化
• 具有发现功能的系统可以揭示出哪怕是最聪明的人也发现不了的洞见

2）应用

• 认知计算的应用很多，还会变得更广泛：
• 专家助理——完成任务或长期项目，回答问题，给建议，揭示模式。比如，个人助理
• 直觉交流——理解个人的真实意图，态度、意思、情感和情绪，建议有效的沟通策略。比如电视广告，政治竞选等。
• 损伤的可访问性（Accessibility for the impaired ）——专门的设备，内嵌软件对简单的直觉手势做出反应。
• 智能叙述——提供自动化的，不过是自然语言的，对复杂信息做出深刻总结。比如，对分析结论的自然语言解释。
• 预测客户参与——  链接CRM系统，获取相关知识，利用这些知识了解用户数据，发现模式，推断关系，预测用户需要、行动，因此，预测最佳参与策略。

3）影响

• 重新定义人和日益无处不在的数字化环境之间的关系性质
• 可能会让机器接管繁冗的活动，变革工作，公司，产业以及市场和经济
• 或许开启新的机会和商业模式

4）演化

• 上世纪六十年代以来， 使用人工智能的计算机已经成为学术和研究实验的研究领域
• 但是，当时的世界还缺乏数字基础设施、算法以及知识基础，来铆钉这样的系统——直到近期
• 计算能力和存储规模已经到了一个关键点
• 大量新结构和非结构化数据可以提供给计算机，用于分析和比较
• 人工智能改善了语音、文本以及视觉识别
• 无处不在的软件以及移动性，开启了高度语境软件的发展机遇
• 会受到认知计算影响的整个过程范围和领域仍然具有伸缩性和紧迫性
• 作为一个专家的助手，有一天，认知计算可能会真的自动运行于不同的问题解决场景中。

5）问题

• 认知计算需要独特技巧
• 系统会受专业和数据的限制
• 已经引发人们的担忧，比如侵犯隐私，机器取代人类劳动力
• 企业还没有准备好将计算机系统视为合作伙伴
• 商家和最终用户必须接受培训，知道可以从认知计算这里获得什么

十二、容器

1）定义

容器，是一种轻量级虚拟技术，可以在一个单独操作系统中，为应用提供一个独立的运行环境。容器为用户和在容器里运行的的应用，提供一种错觉和体验，就像运行在他们自己专用的机器上。

2）应用

• 提供端到端管理，从原型和研发到生产
• 跨服务提供商搬运工作量
• 封装解决方案
• 软件定义每件事情的解决方案成为可能
• 提供自适应应用或基础设施即代码（Infrastructure-as-Code），工作量会对自身起反应并进行重组，以容纳基础设施变化
• 软件补偿解决方案架构成为可能，包括微服务

3）影响

• 允许应用预先打包在现成、易于部署的容器中
• 改善服务攻击（更大的灵活性、维持性、可靠性、故障容忍性和安全性），为诸如Zero Downtime和100% SLAs这样的概念开启可能
• 降低成本，提升功能管理能力
• 在云服务中，更加容易实现交互操作性。
• 云本地方法来在云端部署应用，扮演了关
• 很好地集成了新兴的结构和研发工具
• 削减测试、质保过程的成本
• 改善疑难排解功能

4）演进

• 基础技术已经在基于UNIX的操作系统中存在多年了，比如 Linux 或 Solaris
• 容器是通过Docker赢得市场通行证的，它为虚拟技术提供了一个轻量级选择
• 对软件打包和分发来说，容器正变成一个更加可欲的模型
• 容器市场正形成某种程度的标准化和互操作性
• 有许多创新，包括

先进的的工作量安全

信赖的容器计算

内嵌设备的本地支持

针对容器的最佳基础操作系统

和其他云技术的集成

5）问题

• 技术生态系统仍然年轻，在演进过程中，体验着极度易变性
• 太多工具存在不同程度、可疑的成熟度问题
• 标准化和互操作互动仍然有限
• 对一些遗留技术的支持仍然有限
• 需要更加强大的安全模型
• 从虚拟转换、变形到容器，将需要过程、时间、技巧、文化以及组织边界的变化。

十三、背景代理（Context Broker）

1）定义

背景代理收集和存储各种数据，然后利用根据数据之间的交互推断背景，之后再基于背景信息触发动作。这样做使它们能通过提取数据的相对于数据其它部分的意义有效地使数据具有能力，从而实现数据的全部潜力，否则该数据可能就会被隔离利用。

背景代理在背景丰富的服务中起着至关重要的作用，这些服务可以使用关于一个人或物体的信息主动预测该用户的需求并向其提供最合适的内容、产品或服务。

2）应用

• 从多个来源获取与背景相关的信息——包括智能手机、传感器、互联汽车和家与办公室中的互连物体
• 基于推理的行动——分析背景并基于结果采取行动，比如电动汽车中的地图会优先选择有电动充电站的加油站
• 营销——基于消费者当前的背景提供相关的优惠服务
• 管理功能——如隐私和用户偏好管理
• 商务支持——包括交易、计量和支付

3）影响

• 提高 IT 服务的灵活性、针对性和精确度
• 通过基于 IT 的业务模型（包括订阅和广告等）驱动创收和提高客户忠诚度
• 通过确保更相关的个性化服务提升用户体验，尤其是当与推荐算法等先进分析技术相结合时
• 能将背景丰富的服务引入移动和物联网（IoT），其中的信息推送往往过载，而且终端设备的处理也可能是有限的
• 提升智慧城市、智能制造、智能农业食品、智能能源和家庭自动化等领域的经济增长潜力

4）演化

• 背景代理有望在未来的物联网场景中扮演关键的角色，协助企业寻找进入移动领域的机会，尤其是为获取和联合内容的复杂性提供答案。
• 它们所处的中心位置与获取各种信息的权限为结合领先的分析算法创造了显著的潜力。
• FIWARE 等加速器项目中的投资提升了创造许多关键技术的潜力，这些技术是支持广泛的背景代理理解所需要的。

5）问题

• 根据用户不同的心态，在相似的情形中不同的用户可能有不同的需求，因此，确定什么对他们最相关是非常困难的。
• 人们的接受和使用将依赖于围绕个人隐私和保护、防范信息泄露的保证。
• 分布式的但相关的事件可能难以建立联系，比如那些来自同一个人控制的多台设备的事件。
• 因为被分析的数据来自多个数据源且有多种格式，所以其质量和复杂性可能会发生变化。
• 目前的解决方案缺乏实时聚合和过滤。

十四、深度学习（Deep Learning）

1）定义

深度学习是机器学习的一个分支，其根植于神经网络，其中多层神经网络算法尝试为数据中的高水平抽象建模。

目前大多数应用都使用监督学习（supervised learning），其中网络通过一个大型的未标记的数据样本集为每一种分类获得训练（例如，一张猫的图像被标记了「猫」），然后生成一个可被用于映射新样本的模型。而另一方面，在无监督学习中，机器可以在没有相关数据集的特定训练下识别物体、文本和图像。

一些深度学习模型可以从文本中构建多维空间。其中网络可以「发现」词之间隐藏的语义关系，并根据其临近的词放置该词。比如，在一个根据历史书创建的词空间中，它可能会确定一个这样的等式：国王-男性+女性=女王。其它模型为了实现目标，会跟随从样本中学到的模式来生成文本或优化动作序列。

2）应用

• 图像和语音识别——如语音命令系统、自动驾驶汽车、面部识别、视频监控、图像标记和可视化诊断
• 文字识别——包括自动翻译、情感分析、关键字提取、摘要文本、自动问答机器和信息检索
• 行动规划——包括生成营销策划
• 游戏——如国际象棋或围棋
• 机器人——比如帮助机器人在没有人工辅助下学习物体
• 欺诈和安全性——主要是检测异常行为

3）影响

• 在大规模图像处理和自动语音识别等难题上已经实现了显著的进展
• 优于之前所有的图像和语音识别技术，能以前所未有的准确度迅速识别数以千计的分类
• 为自然语言处理和文本挖掘提供了非常有效的方法，因此很有可能取代其它基于规则的技术
• 为理解和规划提供了一种突破性的方法

4）演化

• 2000 年代中期神经网络算法中的一个突破让以大规模并行形式构建和训练非常大型和多层的网络成为可能。
• 然后神经网络被与其它机器学习和人工智能技术结合到了一起以执行复杂的任务。
• 深度学习模型根据新应用的初始模型的样本和设置时间获得预训练以减少初始投资。
• 之后计算机结构基于单精度图形处理单元和现场可编程门阵列进行了优化。
• 谷歌的一个深度学习程序在围棋比赛中击败了人类冠军。

5）问题

• 需要非常特殊和稀缺的资源。
• 提供答案但不提供结果的推理过程的黑箱。
• 不同的问题需要不同的算法，因此它并不总是易于再使用。
• 过度依赖可能会造成安全的假象，并产生结果不正确的问题。
• 结果可能会导致不良的社会后果：比如鼓励对特定人群的歧视

十五、数字化工作平台（Digital Workplace）

1）定义

• 数字化工作平台是异步消息、实时语音和视频通信、屏幕共享、内容和背景的结合。这些内容和背景的元素通过文档、图片、网址、声音和视频提供。
• 最简单的数字化工作平台可以被看作是以下三个领域融合成一个的工作平台：
• 围绕语音和视频的统一通信（UC）
• 围绕文档和项目的现代团队协作
• 来自现有业务和办公应用的事件，如计划会议、新接订单或新的销售线索
• 它可能还包括企业社交网络、共享磁盘、会议、笔记、演示文稿、任务管理和内容管理。尽管事实上在这样的协作和通信环境中已有很多不同的能力和功能可用，但每天仍有新的相关技术和解决方案出现。

2）应用

• 连接内部员工以解决特定问题，管理特定的内部项目、文件和工作流程，并融合跨职能领域的知识
• 为合作伙伴、客户和按需工作的人建立社区，并简化与同行、客户和合作伙伴的合作
• 提升客户支持、市场参与和合作伙伴支持的客户体验，并驱动来自面向客户的团队的见解
• 有效处理时间紧迫的团队合作任务——包括下一代急救和报警解决方案中的紧急呼叫
• 在严重灾难场景中帮助拯救生命和社区重建
• 让国土安全部更高效
• 提供智能辅助
• 增强虚拟现实应用
• 带来传感设备的实际应用

3）影响

• 为协作和通信提供一个单一的工具，将对话和内容集中到一个地方
• 提高工作效率，带来基于背景的通信
• 通过将电子邮件移出工作流程而显著降低电子邮件的负担
• 在整个客户体验生态系统上驱动更深度的客户洞察（customer insight）、无缝交互和创新

4）演化

• 传统工具是纯粹专注于内部或外部的协作，而统一通信（UC）工具并没有解决围绕文档的团队协作，反之亦然。
• 已建立的消息和统一通信应用得到了发展，而新的本地数字化工作平台产品开始涌现。
• 统一通信解决方案和团队协作解决方案受对电子邮件的失望情绪的驱动而融合。
• 一些统一通信供应商已在提供数字化工作平台解决方案。
• 数字化工作平台可以从其它新兴技术领域中受益，如：百亿亿次计算——比如共享实时仿真；大数据分析——比如，分析已有的数据以及在团队之间共享项目仪表盘；深度学习与人工智能——比如，寻找与团队所定义的特征或问题相关的数据、图像和文本
• 数字化工作平台的架构仍在发展，从轻量级代理的中心化系统向更智能的工作平台演进。
• 云和移动的发展已经带来了新架构的又一次发展。

5）问题

• 变更管理对新的合作倡议是至关重要的，这样才能确保人们采用以实现投资回报。
• 因为改变的缘故，知识工作者有抗拒改变的趋势，但如果该改变能让他们的工作更简单、结果更好，那么他们将乐意拥抱改变。
• 与大量合作者的任务的外部协作与通信可能需要个人化特征和共享信息以进行验证。
• 为了解决隐私和道德等问题，尤其是在紧急应用中，需要对标准进行定义。

十六、数字标牌（Digital Signage）

1）定义

数字标牌使用电子技术来显示信息或提供内容。内容可以根据背景进行调整，比如是否有人在看或人们只是经过，标牌还能通过触摸界面或运动检测系统等与用户交互。

2）应用

• 广告——包括提供促销和鼓励回访
• 娱乐——用在主题公园、博物馆、电影院等地方
• 显示信息——如新闻、天气、路线、交通状况、价格、菜单、节目甚至紧急信息
• 提高可见性——包括在虚拟商店中向购物者提供一种物品的所有变体
• 提高零售体验——让用户虚拟地尝试新式服装（与增强现实相结合）
• 提供信息——用在自助服务终端和自动贩卖机上

3）影响

• 为标志和海报提供一种更灵活替代选择
• 提升标牌的有效性
• 通过其提供的互动提升用户体验
• 让娱乐体验更精彩
• 可以方便、实时地更新，可以远程、集中式地管理
• 让内容可以动态适应背景和观众
• 通过先进的多点触摸、3D 渲染引擎和响应设计带来更丰富更沉浸式的体验

4）演化

• 早期的数字标牌使用视频投影或 LED 墙显示数字内容，但那成本很高，还有显示质量的问题。
• 数字标牌从简单的信息显示迈向交互式和沉浸式的设备。
• 数字标牌越来越多地使用大平板、高清晰度屏幕（等离子、液晶）。
• 自助服务终端和数字标牌正在融合，并正快速成为全频道数字体验中的必需部分，尤其是在零售方面。
• 与移动应用和增强现实的融合将带来更具交互性和个性化的用户体验，丰富的交互式内容将变得越来越重要。
• 正在将分析能力结合起来。通过检测点击、浏览和互动，帮助零售商扩大影响并改善用户的旅程。
• 数字标牌正在进入云计算和物联网（IoT）。它很快就可以与信标、传感器和穿戴式进行交互。
• 人们正在探索使用人工智能和深度学习让数字标牌更好地帮助用户和更好地与用户交互。
• 包括 LCD 显示器在内的透明屏幕正在涌现。当屏幕关闭时，玻璃看起来就像是一个窗户；开启时，画面就会出现。
• 裸眼 3D 和全息图像不断涌现，但目前影响力还很有限。
• 在某种程度上可以适应不同形状的可弯曲屏幕是一个重点研究主题。这些柔性屏幕主要依赖现有的OLED（有机发光二极管）或AMOLED（有源矩阵发光二极管）技术。

5）问题

• 这一领域还很年轻。有效的数字内容看起来怎样，关键成功因素又是什么——这些问题尚未完全清楚。
• 设备比传统的显示器更昂贵；尽管成本可以和收益平衡。
• 多通道体验增加了实施和整合的风险与复杂性。
• 丰富的内容和丰富的沉浸式与响应式用户体验增加了额外的复杂度和成本
• 不断增多的设备种类和它们不同的外形尺寸与操作系统也越来越复杂。

十七、分布式社交网络

1）定义

分布式社交网络（DSN）是指由社交网络倡议开发的、以一种联合和分布式的模式运营的社交网络平台。许多这样的项目都在「联合社交网络（Federated Social Web）」的旗帜下进行联合。

关键的社交网络功能（如个人信息共享、通信、关系管理和内容分享）是通过新兴的开放标准和协议实现的。

尽管 DSN 和中心化的社交网络可能具有相似的应用场景，但它们更加重视私人和对个人数据的控制。许多人在努力确保（个人）数据被终端用户持有，而不是处在系统/服务器管理员的控制之下。它们点对点的运营模式和对隐私的关注意味着它们更倾向于关注特定的应用场景。

2）应用

• 重在隐私的兴趣社区
• 短暂或临时的社区
• 跨组织的社区

3）影响

• 消除被锁定在一个集成方案上的的风险
• 对曝光在社交网络上的数据有更好的控制，加强数据安全和隐私
• 让创造商业收入更困难，因为个人数据由终端用户持有

4）演化

• Facebook 这样的集中化社交网络的统治地位引发了对社交网络公司的个人数据控制和金钱利益的担忧。
• Diaspora 这样的创业公司提出了分布式的模型、标准和协议以确保数据的所有权归于用户，数字身份、即时消息、远程通信和网络世界中建立的标准不断发展。
• 但是，这些计划倡议难以成长到能与已经建立的巨头相竞争的程度。
• 比如 Diaspora 仍然是一个非营利性的开源项目。

5）问题

• DSN 仍深受其背景以及成熟度和标准缺乏的影响。
• 社交网络最重要的元素——知识共享和发现的意义——已经被隐私替代。
• 用户遇到的审查工作不利于包容。
• 有大社区存在的地方，从已有网站上迁移一般都很慢。
• 有来自新兴通信技术的额外竞争，如消息平台。
• 围绕消费者隐私的立法很可能让已有的社交网络调整他们的态度，从而消除对 DSN 的需求。
• 寻找健康的 DSN 商业模式并非易事，因为不能轻易将个人数据收集和利用起来赚钱。

十八、边缘计算（Edge Computing）

1）定义

物联网（IoT）的成长和越来越丰富的云服务的出现共同带来了对网络边缘数据处理的需求。边缘计算也指雾计算（fog computing）、网式计算（mesh computing）、露点计算（dew computing）和远程云（remote cloud）。它将应用、数据和服务从中心化模式的云计算移向了位于网络末端的更为分散的模式。

无处不在的（而且有时是自动的）设备——包括便携式计算机、智能手机、平板电脑和可能不会持续连接到网络的传感器——彼此之间和与网络之间通信与协作以在没有第三方干预的情况下执行存储和处理任务。

边缘计算涵盖了许多类型的技术：从无线传感器网络和移动数据采集到分布式点对点自组式网络和处理等等。

2）应用

• 车联网——使用它们的各种交互和连接（包括车对车、车对基础设施和无线与移动网络）
• 工业 4.0——确保智能工厂计划是可扩展的
• 智慧城市——让城市可以扩展数据驱动的市民服务
• 智能家居——将互联网带宽的负担释放成分享越来越多信息的越来越多的智能设备
• 网上购物——让频繁变化的购物车更贴近消费者
• 移动商务——例如金融、广告和零售的移动商务模式可为潜在的计算密集型分析带来可负担的规模
• 移动医疗——包括健康监测服务和病人的病历管理系统
• 资源密集型终端用户应用——包括增强现实、手机游戏、流媒体、家庭多媒体分享

3）影响

• 让计算和存储更靠近数据源，确保分析结果和其它处理对最需要它们的系统快速可用和高度可获取
• 解决在大型物联网（IoT）场景中检测到的延迟问题
• 随着越来越多联网的「物」和互连设备生成越来越多的数据，通过消除不必要的网络传输节省带宽和减少隐私和安全风险
• 减轻集中式云服务服务器的负载
• 有望为传统云计算不能满足的领域带来广阔的应用场景和应用范围

4）演化

• 网络与典型的云计算原理结合以创造去中心化和分布式的云平台。
• 越来越多的物联网创造的数据被越来越多地在或靠近网络边缘的地方存储、处理、分析和执行。
• 边缘计算目前依赖于特定供应商的解决方案。

5）问题

• 为边缘场景编写的应用常常需要在异构环境下工作。
• 来自不同「物」的数据可能具有各种不同的格式。为了边缘和传统云计算环境中设备与传感器互相之间的可操作性，就必需要标准化。
• 边缘计算配置中可能出现的数千、甚至数百万个小型设备和传感器将需要一种新的设备管理方法。这可能潜在地需要进行去中心化以及能够扩展到在今天已有的云架构中前所未见的程度。
• 设想多用户的边缘计算配置将需要特定的隔离机制以避免安全和隐私问题。

十九、百亿亿次级超级计算（Exascale）

1）定义

百亿亿次超级计算机是指每秒至少能执行 100 亿亿（10^18）次计算（exaFLOPS）的高性能计算（HPC）系统，这超过了今天的千万亿次超级计算机速度的一千倍。它将在解决 21 世纪的新挑战上提供重要的推动力，满足各个领域（尤其是产业界、学术界和科学界）对越来越高的强大计算系统的需求，并可使其可利用认知计算来解决涉及到不断增长的数据量的问题。

人们相信要让神经网络的处理能力达到人脑一样，百亿亿次正是所需要的数量级；因此，这也是 Human BrainProject（欧盟人脑计划）要实现的目标能力。

2）应用

具有高质量城市服务的智慧城市——管理市级交通、监测城市周边的市民活动、提供数据驱动的房地产估值、监控疾病传播等

气候——提供细粒度的和更可靠的预测，以及了解灾害性天气现象的确切地点和时间

环保发动机——在设计阶段更精确地模拟燃烧室性能，以减少二氧化碳排放、油耗和降低噪音水平

基因组学——包括提供预先诊断、更有效的治疗和个性化给药

石油和天然气勘探——例如，在钻井开始之前更准确地预测油井能否达到预期

农业——能考虑到气候变化、土地质量改变和植物行为；通过发展精密农业和减少农药使用重塑农业，以满足 21 世纪的需求

天体物理学——例如更好地了解我们的太阳系和宇宙，以及为未来的太空任务提供计算

3）影响

帮助解决由对密集型计算和巨量数据流分析的需求所带来的挑战

实现解决目前不可能在合理的时间内解决的复杂问题的解决方案

通过放宽时间受限的处理和加速决策来提高生产力和竞争力

让产品可被设计得更快更高效

通过更精细的细节水平上的模拟，帮助预测有多个维度的现象，如气候变化

还将通过其在电源效率和可靠性上的创新推进消费类电子产品和企业信息技术的发展

4）演化

百亿亿次对帮助解决研究、应用科学、工业和社会中挑战是至关重要的

大国雄心勃勃地要实现成为百亿亿次领导者的目标——建设大型的专门研究项目和联合高性能计算（HPC）供应商

在欧洲，欧盟委员会在其 Horizon 2020 方案中支持了多个百亿亿次的项目。这些项目与欧洲高性能计算技术平台（ETP4HPC）提议的战略研究议程（Strategic Research Agenda）相一致，而这些项目的开拓先驱是 Atos 的技术品牌 Bull。2015年年底，Bull 宣布率先开进百亿亿次超级计算机范围（Bullsequana x1000）

在美国，百亿亿次研究得到了美国国家战略计算计划（NSCI）的支持。

在日本，RIKEN 先进计算科学研究所计划在 2020 年实现一个百亿亿次系统

中国在百亿亿次上也有很强的雄心

5）问题

百亿亿次取决于新一代解决了以下四个主要挑战的超级计算机：

– 要减少功耗需求。

– 计算将需要能够应对从拍字节（petabytes）上升到艾字节（exabytes）的巨量数据池

– 具有上千万路并行计算的应用程序的性能需要加速

– 因为具有大量关键的硬件和软件组件，系统会每天经历多次各种故障，所以自愈系统（弹性）是必需的

还需要新一代大规模并行软件来实现更多的并行计算、处理越来越混合的配置、并支持更大的异构性

二十、基于纤维丛的计算（Fabric-BasedComputing）

1） 定义

随着服务器管理变得越来越依赖软件定义，基于纤维丛的计算模型由一个协同工作的互连节点网络组成，这个节点网络从远处看就像是一个统一的编织品。

这些节点在外围设备旁边包含松散耦合的虚拟化存储、联网、处理和记忆功能，其中，每一个节点都可以独立于其它节点进行扩展。这些资源可以被轻松地、甚至自动地改变用途。数据中心基础设施管理（DCIM）层和潜在的应用层与数据中心服务供应层动态地协商它们的资源需求。

和网格计算（grid computing）相反，结构解决方案并不针对某个特定的场景。

2）应用

使用其提升过的灵活性和减少的执行时间使全软件定义的数据中心成为可能解决大数据和语境智能移动（contextual smart mobility）有时近乎实时的需求

3）影响

提供全互连物理网络，软件定义的数据中心可以在其上定义它的服务

提供调整资源所需的高水平粒度（granularity）以完美匹配要求

旨在解决限制整个数据中心全面虚拟化的问题

减少所需的物理变化的次数，并从服务供应上将它们隔开

允许部署和配置更改近乎实时地执行

意味着 IT 资源可以快速与变化的商业需求保持一致

优化性能和功耗

预计能将整体资源利用率提高到平均 80% 以上

通过更好的资源利用率和自动化降低成本

4）演化

基于纤维丛的计算最初沿着特定的架构，为解决性能或点问题而开发的。

开放计算项目（Open Compute Project）正在使用基于结构的方法，其目标是为大型用户生成高性价比的通用硬件

5）问题

基于纤维丛的计算需要对数据中心进行根本性的架构改变——包括物理水平上更高的开关速度和由软件定义的网络

操作系统和管理程序需要能充分利用基于结构的计算的可扩展性和粒度（granularity）

应用开发框架将需要能够感知结构

目前的解决方案大多是私有的，硬件互操作性有限，管理界面是定制的

需要标准来防止结构变成新的大型机，这些都在相互独立进行且具有显著的成本

二十一、沉浸式体验（Immersive Experience）

1）定义

沉浸式体验是指用户的注意力完全被吸引，让用户与真实世界断开并在模拟的空间中失去自己的体验。沉浸式体验技术涵盖多个种类的帮助体验更为沉浸化的设备，并通过这些设备来让该技术对用户更无形。

这些设备包括：3D 显示器——创造深度感的显示设备；触觉设备——添加触摸的感觉；全息用户界面——基于激光的立体显示，用户可在其中与全息图像交互；虚拟现实（VR）——真实世界环境的数字模拟

2）应用

娱乐——包括电影、电视和游戏

健康——被外科医生和放射科医生使用，以及简化远程手术

维护——在诊断中辅助工程师

营销——用于展示

GUI（图形用户界面）——3D 应用程序和网站

自然界面——用于用户输入和反馈

数据可视化

会议

3）影响

支持与计算设备进行更自然的交互

将计算设备变成信息家电，这给用户带来更加积极的感觉

4）演化

第一款触觉输入设备前一段时间已被开发出来，但没有真正的目的

第一代消费虚拟现实产品现在已经可以买到，但要将这些设备整合到工作活动中还需要一点时间

作为信息家电，解决方案将随着时间变得更为无形

下一代触觉反馈系统将使虚拟现实更逼真（因而沉浸感更强）

显示屏（VR）和输入（触觉）将渐渐开始附着到人体上

最终这些可能会被半机械的植入物所取代

5）问题

沉浸程度将受到可用信息的质量的限制

需要新的概念思考以确定适合的沉浸式体验

需要高水平的计算能力来驱动高清晰度的沉浸式显示

二十二、内存内计算（In-Memory Computing）

1）定义

内存内计算是一种计算方式，计算机或者运行应用的网络计算机的中央内存充当首要的数据存储器，来存储这些应用所使用的——可能有多TB——数据组。然后，这些应用使用传统硬盘驱动持续不断地存储内存数据，以回复、管理过载情况以及输送数据到其它地点。

2）应用

信息的近实时接入（不仅仅是数据）——数秒内，而非几小时或几天，如联网生活，电子商务，客户关系管理或企业资源计划

精细分析——领域，如商业智能，大数据和客户关系管理的洞察平台，工业 4.0，智慧城市，供应链规划和安全情报

复杂事件处理——如高频交易，预测监控，智能计量以及欺诈和风险管理

边缘计算——利用内存计算平台从而让本地物联网数据能够得以实时分析，这也让实时决策成为可能

3）影响

驱动商业转换并开创更多机遇

为一直增长的数据流量提供更加快速的处理

低延时应用信息传递、将处理和分析在同一数据集内完成、缩短批处理和传递实时语境时间相关性及处理，以此提升性能表现

免于组织从事非生产性的活动，如数据整合

提升灵敏性，让公司能够实时运营

简化下一代数据处理过程——包括统一数据分析

加速过程，速度提升至 1000 倍，更深刻分析即时洞见

促进策略性决策，让利用预测性工具变得更加简单

4）演化

SAP 已经接管了策略决策，将所有应用移到它的 SAP HANA 内存平台

其他公司也逐渐跟了上来，开发策略和时间敏感类应用

开源解决方案在该领域兴起，比如Alluxio公司

5）问题

内存内计算激活应用是硬件技术密集型，要求新一代拥有超高内存能力的服务器来处理大量数据，以保证完美的服务质量和安全性

领先的服务器供应商正在积极创新来应对此次变革，技术的撬动往往来源于高性能计算

在它们之中，就速度和内存而言， Atos 的bullion 服务器被认为是当今世界上最强大的 x86 服务器

二十三、商业洞察平台（Insight Platforms）

1）定义

洞察平台是第三代商业分析平台。第一代平台为商业智能，关注于绩效跟踪。第二代为大数据分析，关注于行为分析。

这个平台将现有技术和新技术进行了整合，从联网环境中实时收集并分析海量数据集，快速将数据转化为具有可行性（规范的）的商业洞见。以下便是几个实例：

流分析（Streaming analytics）：在运转中实时分析数据从而提升获得洞见的速度

分布式分析（Distributed analytics）：在分布式架构中就地分析数据

规范分析（Prescriptive analytics）：它是基于大数据分析来作出预测，然后给出决策建议

2）应用

工业 4.0 、智慧城市，智能公共事业，联网的医疗健康和智慧电网：从数十亿的感应器中收集并分析数据以主动提升用户体验，优化资产价值和生活质量，创造新型服务并降低风险

安全运行：搜集和分析IT和安全组件的数据，侦测威胁和攻击，执行防御措施

防御和国土安全：收集和分析不同来源信息，做出并执行最佳战略决定

零售和营销：搜集和分析用户需求、欲求以及行为，提升用户体验和创造新的服务内容

3）影响

让智能的自动化能够实时根据人类、商业和事物来感知，预测并进行协调。

让分析和商业结果相连。商业洞见平台作为组织的数字神经系统，被期待成为物联网的基础，也是未来数字策略的核心。

4）演变

在发展初期，商业洞察平台被认为是未来最重要的科技。

就规划分析而言，尤其它们将会越来越多地利用认知计算的学习能力。

这些平台被期望植入到大规模解决方案中，如物联网和工业 4.0，同时也可以作为定制平台。

独立软件供应商和开源社群将会为平台提供不同组成部分，同时整合解决方案将来自集成商和 SaaS 供应商。

5）问题

建造这些平台需要广泛的能力：

— 从数十亿的感应器实时收集、集合并清洁数据的先进能力

— 在飞速写入或快速模拟中对艾字节信息进行分析并生成含义的极限计算能力

— 实时自动化或者制定出人类般决策的先进算法

— 对用于行动的规范洞察和强大的嵌入式安全系统的实时编配

对于企业和政府特定部门来说，大规模平台往往需要进行订制化

二十四、万物联网（Internet of Everything）

1）定义

万物联网是一个无所不在的通信网络，它有效的从几十亿的现实物体和物理活动中捕捉、管理并传递数据。 将人、过程、地点和其他事物包含进来也可以对物联网进行延伸。

空间分布式的传感器和执行器（节点）组成的网络，每一个节点都有一个接收器和控制器用于在网络环境上进行通信，从而探测和检测时间（传感器）或者激发动作（执行器）。每一个节点都有一个独一无二的标签，以及不需要人人或人机互动，只通过网络进行数据交换的能力。

传感器和执行器有多种尺寸和价格，一些甚至只有用显微镜才可以看到。此类微型设备可以植入许多不同物体中，并应用到不同环境中——像边远地区的恶劣环境中。

感应器可能包含以下功能，如 GPS、无线射频识别（RFID）、 Wi-Fi 联网接入。一些甚至还具有探测其它节点的准确地点的能力。

案例包括心脏监控植入、农畜物芯片转发器、沿海水域的电子蛤，嵌入感应器的汽车或能够帮助消防队员展开搜救的现场操作设备。

2）应用

自动化业务操作

监控财产健康，穿戴和地点，交通或者环境

优化医疗健康

提供监控和安保，包括预先警报系统

获取运动和/或数字地面模型信息

管理能源和水资源的使用情况

3）影响

提供大量数据，这些数据将用于分析并让做出更加明智的商业决策

在节点失败时自动重编路由数据以优化可用性，从而保证数据的可用性

在医疗保健、零售业、城市管理等领域，实现大量的增值服务

4）演化

作为普适计算之后的事件，物联网的概念在 20 世纪 90 年代开始流行起来

随着无线和移动网络以及低功耗微控制器的发展的成本的降低，将任何事物都连接到网络上，让物联网走进日常生活逐渐变得可能

物联网最早和制造业，能量系统和公用工程系统的机器对机器的协作紧密相关，现在它开始覆盖到更广泛、也最通用的范畴

有预测表明到 2030 年将有 100 万亿 的连接装置。照此，需要更广泛应用 IPv6 以克服 IPv4 的地址稀缺问题

5）问题

安全，隐私和信任必须纳入到物联网/万物互联解决方案的发展中

公司必须决定存储什么数据以及如何储存，以保证它们有足够的存储空间来存储个人数据（消费者驱动）和大数据（企业驱动）

万物互联将会显著加大对数据中心资源的需求，这甚至可能意味着数据处理、网络连通以及互联网带宽都要被重新架构

二十五、IPv6

1）定义

IP(互联网协议)是当下网络的主要通信协议，如因特网。为了取代IPv4，在20 世纪 90 年代设计出了IPv6(互联网协议版本 6) 。

IPv6 包含了一些新特征，如地址分配，网络重新编号和自动配置。它通过提供支持给组播，并更有效率地管理移动数据流量来解决 IPv4 的缺点。此外，IPv6 可以嵌入一些配置和发现机制从而加入到 IPv4 的标准网络。

2）应用

实时联网——随着自动化汽车、远程遥控手术、工业自动化、视频直播和网络语音传输（voice over IP）的需求增长，IPV6 能够突破 IPv4 在这些领域应用案例中所暴露出来的人工瓶颈

移动性——以 5G 与 IPv6 的组合为决定性要素，为路由层面提供无限的覆盖范围

物联网——提供近乎无线的（IP）地址

创新平台——相比 IPv4，IPv6 运行得更好，配置更加简单易用

3）影响

允许更多已连接的物体与本地局域网范围外的另一个物体相连接

对可持续发展的互联网、移动网络或物联网相关商业起决定性作用

— 一个 128 比特的地址空间意味着可能 IP 地址的数量从 IPv4 的数十亿增加到 340 trillion trillion trillion个

— 地址分配是基本自由的，对于物联网下需要编码的大量事件来说至关重要

包含分层寻址，国际安全协议的鉴别和安全，并提升承载多媒体数据的能力

简化管理，并消除对变通方法的需求，如网络地址转换（Network AddressTranslation）

4）演化

IPv4 部署于 1981 年，而 IPv6 则在 1999年

IPv4 地址空间开始完全耗尽是在 2011 年 2 月

隧道机制和网关由互联网工程任务组（Internet Engineering Task Force）确定标准以绕开 IPv4 的局限和解决IP 地址的紧张

迁移至 IPv6 的工作已经在不同领域进行，目前主要是集中在中央基础设施方面，然而搭建纯粹的 IPv6 网络需要仍需要比预期更长的时间

使用 IPv6 的 IP 流量的部分仍比 IPv4 要低得多：举例来说，大约 26%的美国应用是原生 IPv6 ，有10% Facebook的全球用户流量使用的是 IPv6

一些网络社区正在提倡全球转换

随着应用数量的增长，IPv6 协议的需求也在增长

5）问题

从IPv4 转化为 IPv6的行动开始于 1995 年，预计将在 2000 年完成，然而现在显然比预期缓慢很多

尽管大部分操作系统都支持 IPv6 的转换，但是许多传统设备还无法升级到可以支持 IPv6 ，并且这些设备也不能在短期内被替换

像运营商级别的网络地址转换(NAT)这样的技术，以及近期的监管局做都对 IPv4的存在有利，因此这也将对 IPv6 的部署不利

二十六、下一代行动定位的服务（Location-Based Services NG）

1）定义

地理信息系统（GIS）获取、存储、分析和显示根据地理位置所引用的信息。下一代会将第三个维度考虑进去。这种 3D（空间）方式提供了一个对世界更加逼真的表征。

空间数据可以有非常广泛的来源，包括全球定位卫星、信标、WiFi 热点、远程传感器和 LiFi 等可见光通信（VLC）源。可视化技术让企业可以从这种空间数据中提取见解。

其最基本的应用案例是基于地理围栏（geofence）或地址列表推送内容或激活或关闭功能。更先进的空间（3D）分析可以使用用户或物体的确切地理位置，以提供基于背景的信息和服务。

2）应用

识别与了解资产和客户——从简单商店定位器到送货司机位置事实显示或密度管网实时显示这些任何事情

保护敏感数据——通过地理围栏

带来本地化体验——当顾客进入商店时触发优惠信息

研究声音的传播、光照（阴影）或雨水流动

3）影响

提升客户亲密度，因为客户会期望获得基于其当前位置的背景化产品和服务

驱动创新，超越传统上使用 GIS 的行业

通过提供个性化的客户体验提升品牌喜爱度

通过提供更有效的、影响购买决策的营销方式来增加收入

4）演化

大数据技术让大型空间数据集的存储和处理变得经济可行，且具有扩展空间

云计算把增加带有行动定位情境的解决方案变得简单

新工具让空间分析得到更广泛的应用

智能手机、以及智能眼镜和其它可穿戴设备的普及将强化这一市场

5）问题

定位技术基本上不成熟，尤其是信标技术

当结合传统定位技术时，这些技术通常只能在第三个维度上提供足够水平的准确度

GPS 一般无法在建筑物内使用。需要与室内定位技术进行集成以确保持续的定位

精确的室内定位需要特定的装备

空间分析要消耗大量计算资源

当涉及到有针对性的营销时，需要对过去行为、偏好、需求和情形的见解，以向个客户提供相关的信息，但是，该技术越精确，其范围就越窄。此外，智能语境信息难以大规模提供

基于距离的营销和店内位置跟踪已经引发了对隐私的担忧

二十七、低功耗广域网（LPWAN）

1）定义

低功耗广域网（LPWAN）无线通信技术也被称为超窄带（ultra-narrowband），具有很低的功率需求和长程的范围，但数据率较低。

LPWAN 的设计目的是让没有高功率源的物体能够连接起来，主要是物联网（IoT）。毕竟，大部分连接到物联网的物体只需要传输很少量的数据（如命令和状态），而那样的操作也只需要很小的功率。

2）应用

计量——尤其是燃气和水

监控——包括废料、停车场、土地、牲畜、森林和管道

跟踪——如集装箱、自行车、宠物、室内财产等条目

故障报警——比如用在家用电器和警报器上

控制——比如街道照明和机械厂

3）影响

让数百万个物体可以低成本地连接在一起

比起为高性能数据传输设计的传统蜂窝网络，LPWAN 是物联网的更简单和更有效的解决方案

4）演化

最早的 LPWAN 使用者出现在 2014 年

国家级和世界级的网络已在部署中

废料监控和遥测系统，其刷新周期在每天一到四次之间，而且已经在使用来自 LoRa 或 Sigfox 的 LPWAN 的解决方案了

远程监控运营商已经开始将 LPWAN 作为 GSM 的更可靠的替代选择用来监控报警系统

尽管该技术在迅速扩张，但地域覆盖程度仍然有限

LPWAN 有望在 2017 年左右变成主流

5）问题

目前有多种 LPWAN 标准，这影响了互通性

要让物联网真正腾飞，LPWAN 调制解调器的成本必须降到 1 美元以下，配置成本需低于 2 美元，而数据成本应该为零

二十八、忆阻器（Memristors）

1）定义

忆阻器是一种非线性的无源电子元件，其阻值会根据流过电荷的历史记忆而发生变化。这种组件的阻值反映了这种历史，因此它的名字是「记忆（memory）」和「电阻（resistor）」的组合。

基于忆阻器的存储器是非易失性的，其数据密度可超过每立方厘米 100 TB，具有很高的速度和较低的功率需求。

2）应用

提供先进的存储器技术，如非易失性随机存取存储器

因为基于晶体管的逻辑只知道 0 和 1 而忆阻器函数使用一个连续的区间，所以忆阻器能带来高速、紧凑和低功耗的仿神经元件

通过构建神经忆阻系统（一种类型的神经形态计算机）实现神经可塑性

3）影响

神经网络可以具备自己的物理实现能力，而不再仅依赖于计算机模拟

在神经形态系统上拥有更长期的潜力

可以通过紧凑的神经忆阻系统以传统计算机一小部分的功耗实现超越传统计算机的性能

4）演化

忆阻器的名字于 1971 年提出，当时是作为一种补充电阻器、电容器和电感器的理论上的无源电子元件

其第一个物理实例于 2008 年被开发出来，从而为具体应用开启了道路

基于聚合物忆阻器的实验性有机神经网络正在开发中

5）问题

忆阻器仍处于实验阶段

二十九、自然用户界面（Natural User Interfaces）

1）定义

自然用户界面（NUI）是设计用来让人机交互感觉尽可能自然的系统。其所包含的广泛的技术让用户可以利用日常行为、直观的操作和他们自然能力控制交互式应用。其中可能包括触觉、视觉、语音、运动和更高级的认知功能，比如表情、感知和回忆。

一些自然用户界面依赖于媒介设备，而其它更先进的系统对用户来说要么不显眼——或甚至是不可见的。其最终目标是让人机界面近乎消失。例子包括：

增强现实——在自然生活之上增加一个额外的智能层

虚拟现实——提供真实或想象的环境的沉浸式数字表征

混合现实——融合真实和虚拟世界以生成物理和数字目标共存和实时交互的环境

神经接口——基于大脑产生的神经活动，提供大脑和外部设备之间的直接通信路径

虚拟视网膜显示器——直接在视网膜上播放影像，有效增强现实世界

身体监测——读取比手势更进一步的肢体语言

触觉——模仿身体感觉的数字反馈

自适应接口/情感跟踪——根据变化的背景或用户需求改变布局和元素

关系意识（relational awareness）——作为用户代理的设备了解用户与其他人处于何种关系。

功能可见性——提供实际物体的数字表征，让用户可以利用所有他们所知道的如何使用该物体的知识。

3D 显示器——创造深度感的显示设备

全息用户界面——基于激光的立体显示，用户可在其中与全息图像交互

物理控制——其中物理输入被转换成数字输出

2）应用

语音控制——用语言来访问大量的命令集

会话代理——让用户在不知道系统命令的情况下也能进行交互

音频通道——开启全新的数据传输通道

协作——允许多个用户同时控制接口

利用三个维度——通过在运动中利用深度，提供更直接的内容连接

监控物理运动——帮助系统（和用户）更了解自己以学习和适应

音频安全性——通过语音签名提供身份识别和认证

视觉安全——通过视觉图像提供身份识别和认证

生物安全——通过其它生物特征提供身份识别和认证

3）影响

通过在用户界面设计上结合越来越多必需的组件而为用户减少复杂性，从而使用户界面尽可能自然

降低所需的用户训练水平——训练主要集中于领域知识而不是与界面的交互

允许计算机和人类以多样化且稳健的方式进行交互，能为单个用户的能力和需求进行定制

让我们能与物理世界中的数字对象进行更复杂的交互

4）演化

自然用户界面首次尝试是为了提供命令行界面（CLI）和图形用户界面（GUI）的替代选择

之后人们的注意力转向了开发使用与真实世界自然交互的用户界面策略

触控和语音识别现在越来越多地与更传统的鼠标和键盘一起出现

界面也开始整合手势、手写和视觉

5）问题

在开发真正自然和无缝的界面上，我们还没有所需的复杂技术

三十、近距离无线通讯技术（NFC）

1）定义

近距离无线通讯技术（Near field communication/NFC）允许设备之间（比如手机、可穿戴产品与标签、卡等）无线短距离通讯，为设备与实物的交互提供了一种自然而直观的方法，手机更显著地释放了 NFC 的潜能。

2）应用

NFC 标签——例如，使访问、提供相关信息或处理一笔交易成为可能

智能海报——例如提供优惠券或打开网页

无触点或双向通讯智能卡——传递文件及产品更新信息

NFC 电子货架标签——主要实现了用户设备与支持 NFC 的商店的连接

票务——作为（无线）一个徽章、优惠券或门票使用

支付及微支付——磁卡消费

数据交换——轻击以交换数据，例如电子名片

忠诚度——比如挑选信息和报酬

安全——比如授权访问

打印——比如传输图片到打印机

零售——提供了进行交易/产品信息/目录等信息的途径，支持在线选购及支付

3）影响

规范并便利了终端用户无线电子通讯设备的一体化

— 拓展了产品功能

— 实现了与已有非接触式基础设施之间的互操作性

票务、徽章、名片的无纸化

简化支付行为，NFC 手环更增加了微支付及感应支付旅行（tap-to-paytravel）的名气

或可推动科技公司瓦解传统支付/交易价值链

能够加强未来手机应用领域的隐私保护

4）演变

诺基亚在 2006 年介绍了一款支持 NFC 的手机

谷歌于 2010 年生产了它的第一款安卓 NFC 手机

2011 年 9 月第一次出现的 App 谷歌钱包（Google Wallet），使用 NFC 实现移动端支付功能

谷歌于 2013 年宣布了支持主机卡模拟（Host CardEmulation /HCE）的安卓版本，确保了移动端支付及接入问题的安全性

Visa 及 Mastercard 增加了 HCE 功能，带动了银行界对 NFC 的广泛采用

苹果于 2014 年进入市场，随后当年出现了 ApplePay

NFC 支付的发展势头正猛，为 NFC 本身的增长打下了良好的基础

NFC技术已被整合进可穿戴设备、医药、工业掌上电脑等领域

免支付 NFC 应用正被看好，尤其在零售业

5）问题

行业标准刚开始出现

设备类型缺乏一致性，意味着解决方案不能一以贯之

设备可能需要同时支持两个版本的安全模型（SE 及 HCE）

需要可信服务管理（Trusted Service Management/TSM）以确保来自不同发行商（包括电话公司、银行、运输公司、政府和城市）的应用软件安全共存

完备性、一致性缺乏及短生命周期问题，可能导致基础设施资产在没有 NFC 作为主要移动端策略的情况下建立

三十一、开源硬件

1）定义

开源硬件模型拓展了流行于开源软件发展中的观念及方法论。参考文件——包括图表，图解，零件清单及相关产品说明书——拥有开源执照即可出版，因此其他团队可根据特殊需要修改并完善这些资料。

这些模型有时与相较而言更传统的开源软件结合，像是操作系统，计算机固件或拓展工具。例如 Linux 和 Android 系统正被应用在嵌入式设备中。

2）应用

新设备原型，比如联网传感器设备

避免供应商依赖

通过促进硬件设计的可利用性，达到对系统的长期（几十年）维系

为互联网规模的数据中心提供服务器和网络基础设施

促进工业供应商对核心技术标准的采用，以吸引合作伙伴形成生态系统

加速创新

普及 MIT 提出的分布式 fab lab 模型

3）影响

促进了硬件创新及统一标准的发展

提高了长期维护能力

实现了低成本设备及基础设施的创造

为商业数据中心服务器和网络基础设施提供了其他选择

使得创业者可根据需要开发材料，促进了来自开源社区贡献者间的协作发展

4）演化

最初主要起源于开源社区

商业世界的发展势头——从行业用户到硬件供应商——在增强

人们对不同产业的兴趣在扩大——包括处理器、服务器、3D打印机和原型机制造、环境监测设备、移动手机、笔记本和机器人

新兴市场国家对此有强烈的好奇心

开源硬件被认为将继续在以下三个方向发展：

— 支持硬件的创新及标准规则的推行

— 保证（系统）的长期维系能力

— 制造低成本设备及基础设施，包括网络基建。

5）问题

商业模型适用于核心技术，使得用户和供应商基于分享创新，促进标准化及最小化成本问题上有着共同的利益

证书被普遍要求——比如安全认证或无线电干扰认证——很多小项目团体无法提供

制造通常出现在追求低成本效率的小项目小批量生产中。知识产权问题会给产业发展带来一些阻碍

三十二、塑料晶体管(Plastic Transistors)

1）定义

塑料晶体管反映了材料科学的进步，给我们提供了除传统电子器件之外的其他选择。基于拥有电特性的有机聚合物，包括有机发光二极管（organic light-emitting diodes/OLED ），这些材料可被轻易地印刷在不同类型基材上，允许可弯曲塑料上呈现出复杂电路——这对于传统电子器件来说根本不可能。

2）应用：

曲面显示

导电油墨

可印刷的计算机电路

透明电路

可穿戴计算设备

智能绷带

电子标签（Radio Frequency Identification/RFID射频识别技术）

塑料太阳能电池

3）影响

为计算功能提供灵活性，可搭载于动态环境中，包括服装，密封外壳及有机组织

易于与其他增材制造方法整合，比如3D打印机

对于分布式解决方案的普及（比如电子标签）来说，实现了必要的低成本体量制造

4）演变

20 世纪后 25 年，围绕有机电子学的研发工作开始展开

OLED 屏及印刷的电子标签如今被广泛应用，在消费类设备中流行，比如手机和电子阅读器

其他有机电子技术在制造便宜耐用的太阳能板方面被看好

5）问题

电转换效率低，与传统电子器件相比可能影响部分使用

某些领域包括与健康相关的设备，安全问题可能会限制它的应用

要使技术真正发挥作用，需要将它与其他出现了的制造技术相整合，比如运用 3D 打印制作你自己的电子模型

三十三、隐私增强技术(Privacy-Enhancing Technologies)

1）定义

隐私增强技术（Privacy-enhancing technologies/PETs）指牵涉到个人数据（无论是雇员、客户或是公民）的保护或掩蔽技术，以顺应数据保护法规并维持与客户的信任关系。

它不仅保护敏感数据（比如信用卡信息，金融数据或健康记录），也给与个人信息以保障（包括消费习惯，兴趣，社会关系及交往），数字时代用户反感于被一些服务商利用，然而部分隐私的披露是可容忍的。

因此，隐私增强技术超越了传统的专注于保护数据机密性的技术（比如权限控制和加密）；它也包含了确保数据使用被限定在被保护及被意指的目的中的技术，包括同型加密、数据掩蔽、匿名及假名。

2）应用

贸易、金融、电话公司、公共服务及健康管理——消费者可能留下个人敏感信息的各个领域

社交媒体、互联网及协作服务机构——消费者会分享特定数据给特定观众的领域

个人职业数据

3）发展

给与个人向数字服务商分享或交易个人数据权限的信心

实现了新型数据货币生意模式，确保合乎各种数据保护法规

减轻违规的金融和法律风险

支持企业社会责任

4）演变

最早开始于 19 世纪 70 年代中期，伴随着匿名和不可追踪概念的出现

那时介绍了隐私同态技术，但有许多限制和弱点

2009 年突破性的完全同态加密（fully homomorphic encryption/FHE）设计被提出

更近一点，尊重隐私的数字一体化管理机制已成为行业关注点

如今，简化的设计（somewhat homomorphic encryption/SHE部分同态加密）能够有效评估一些简单而具体的逻辑函数

隐私增强技术领域正将与「个人数据经济」的概念一同发展

5）问题

隐私的概念是一个文化上的演变，界限在不同年代间游走

信息一致性的概念是必要的，然而长期或许不行，因为你今天同意分享的数据可能在以后令你难堪

最终，这个领域正将围绕两个对立趋势进行演变：

— 一些玩家提出，数字时代不存在隐私的绝对概念

— 然而，公共当局正频繁出台新条例（比如欧洲的「被遗忘权」）以保护消费者和公民的隐私

三十四、量子计算

1）定义

量子计算机是利用量子力学现象（比如叠加与纠缠），对数据进行运算的计算系统。量子计算的基本元素是量子比特（量子的叠加态，可以同时有多个值），相比最优的经典计算方案，其主要优点在于能够以成倍快于前者的速度执行一些量子算法。

这些算法正在迅速发展，未来有一天或能打破当前组合分析的一些技术限制。量子计算应用范围广泛，如解密、运筹学、优化、仿真（结合齐次多项式模型）和大数据分析（神经网络）。

2）应用

突破加密标准——开发量子计算的加密技术，研究新型加密方法以抵御攻击

交易——应用于金融领域

模式识别——国防、国土安全、电信、公用事业和保险领域

加快发现先导化合物——医药行业

加快仿真过程——化学工业和量子物理

3）影响

实现短时间内解决大型复杂问题

加快机器学习和规范分析

可对现有加密标准带来威胁

或对现行的安全加密算法安全性带来不确定因素

4）演化

二十世纪最后的二十五年里，量子计算的理论基础建立

第一台真正的量子计算设备在千禧年左右面世

第一个基于量子技术（D-Wave）的商用系统在 2010 年左右投放市场

虽然量子计算机目前的实际应用还限制在几十到几百量子比特，但未来的快速发展指日可待

大型互联网公司（如谷歌）最近开始测试量子技术

美国国家安全局、中国以及其他政府正加快发展量子安全项目

量子计算（以及其他量子技术）有望成为欧盟的旗舰工程

Atos是世上少数几家开发量子计算技术的公司，着眼于大数据和安全应用

5）问题

量子计算会对传统的信息安全系统带来威胁，需要在量子计算机大量投入使用前开发出可抵御量子计算的加密技术

卡巴斯基实验室曾把人类因对量子攻击毫无准备造成的恶果称为「加密毁灭」（Cryptopocalypse）

这一领域极为复杂，缺少专业人才，人们往往无法意识到量子计算对商业和社会的巨大影响

量子逻辑将对工程水平的发展带来障碍

现在的技术水平需要实现低温、物理隔离等其他技术上的难题，这些比计算本身的成本更高

目前仍无法确定不同量子计算体系在未来的前景

三十五、软件定义一切（SDx）

1）定义

SDx（软件定义一切）是指用商用硬件上运行软件来取代老式受物理机制限制（往往是专用的）硬件设备。这一概念可应用于 IT 系统中的诸多方面，比如网络、计算、储存、管理、安全等。

2）应用

软件定义网络（SDN）——与物理网络设备解耦的可编程遥控器通过网络传输数据

软件定义计算（SDC或虚拟化）——使CPU和内存资源与物理硬件解耦，创造出独立的软件容器（虚拟机），在同一个物理服务器上同时运行

软件定义存储（SDS或存储虚拟化）——使存储功能（包括备份和回复）与存储硬件解耦，用软件实现存储资源供应的自动化和优化

软件定义数据中心（SDDC）——使所有资源（包括CPU、内存、存储和安全）虚拟化并作为服务提供

网络功能虚拟化（NFV）——把SDC、SDS和SNS结合起来，作为电信行业的解决方案

3）影响

提高基础设施管理的自动化程度

使资源更容易管理，优化资源利用

使资源得以动态、按需（再）分配，提高运行效率

允许资源状态发生虚假变化，以提高可用性并实现自动化

降低复杂程度和出错率，因为不需了解基础设施的细节

提高资源状态的可视性，因而可以开发更复杂的控制功能、服务和应用

使传统的集散式控制变得有逻辑、集中化

4）演化

当前的标准化进程影响广泛，且将继续发展

比如，SDN的发展就主要受到ONF（开放网络基金会）的带动，同时得到IETF（网际网路工程任务编组）和ETSI（欧洲电信标准化协会）的欢迎

行业和开源社区内部也在进行其他相关方面的努力（如OpenDaylight和OpenNFV对SDN的支持）

公司普遍倾向于利用开放实现和开放性规范（二者有可能成为实际的技术规范）

5）问题

从遗留系统到 SDx 的转型或会很复杂

集中式的逻辑可能成为失败的引爆点，不过也有能够分配这种逻辑上的集中控制的解决方案

管理政策的变化可能导致暂时的循环或错误，这可能导致失败。未来的研究将着眼解决这个问题

三十六、自适应安全（Self-Adaptive Security）

1） 定义

随着云、API 和物联网（IoT）的发展，互联网犯罪的数量、复杂程度和影响持续增长，因此安全范式必须进行变革。在上世纪九十年代的边界安全技术（强调网络防御）和二十一世纪的深度防护（强调多个保护层）之后，互联网防御策略正向新型的自适应性安全原则转变。这种先发制人确保安全的方法把重点从保护转向实时侦测和响应，随时改变防御策略。

相关技术和流程纳入了安全操作中心（SOC），这还需要新一代的安全信息与事件管理（SIEM）技术结合机器学习和规范分析。

自适应安全还需要依赖新的情景识别安全技术（包括身份和访问管理、网络安全、设备和智能机器安全），从而对威胁进行动态适应。

2）应用

• 保护无边界企业和开放商业生态系统的信息系统
• 更好地保护免受最新威胁的危害，包括高级持续性渗透威胁（APT）
• 使安全策略对不同行业的不同组织相应作出适应性调整，应对其特定的商业挑战

3）影响

• 减少攻击（包括黑客入侵、黑手党的网络犯罪、诈骗、行业间谍和网络攻击）。而在过去，这些攻击往往会严重威胁到系统的可用性、保密性和数据完整性
• 通过有效和精准的数据收集协助取证

4）演化

• 专家估计，IT 业安全侦测和响应的比重将从今天的不到 30% 增加到 2020年 的 75%
• 开放平台正在不断发展，将促进多厂商安全产品的双向沟通
• 自适应安全依靠安全技术和大数据技术的结合，在 SIEM 技术中引入机器学习也能达到显著效果
• 解决方案使数据来源快速增长（包括暗网），这能远远超越传统的安全传感器和设备，用于分析可疑行为，预测或侦测攻击行为
• 自适应安全的垂直化趋势日益显著，可应对金融、制造、公用事业等其他领域的行业特定风险

5）问题

• 自适应安全需要强大的业务驱动型管理、风险分析和符合性分析来帮助系统学习哪些是必须警醒监测并作出响应的方面
• 安全设备之间的无缝通讯需要得到保障，以确保语境信息在各内部组件间共享，通过自动化配置变更提高安全性、避免攻击行为发生
• 自适应安全往往需要依赖人类智能来确认，在自动侦测风险后做出适应性行为。这对于避免对误报信号做出过度反应、对业务造成不可预测的影响至关重要
• 提高对快速侦测和响应的关注不意味着降低防护水平。相反，防护水平应该更加精准灵敏。同理，作为对自适应安全的补充，往往还需要建立起终端到终端的安全措施、「反托拉斯」安全结构以及针对关键应用的高安全区域（比如应用程序资源岛）

三十七、语义技术（Semantic Technologies）

1）定义

语义技术包括一套多种多样的技术，其目的在于帮助机器理解大量或复杂的数据，而不需实现提供与数据相关的任何背景知识。本质上来说，这类技术给信息带来结构和意义，方法往往是提供机器可读的元数据，这些元数据与人类可读、意义详细的内容存在联系。

2）应用

• 自然语言处理（NLP）——处理非结构化的文本内容
• 数据挖掘技术——从大量数据中发现模式（趋势和相互联系）
• 人工智能系统——使用推理模型解答复杂问题
• 分类计数——利用探试学和规则对数据进行分类
• 语义网——允许程序抓取特定的信息并回答潜在的问题
• 关联数据——语义网的一个子集，也是语义网上发布数据的一种方式，以此来相互连接并变得更有用，使得计算机自动阅读成为可能
• 语义数据集成——通过组合不同的数据源增进分析和决策能力
• 语义搜索技术——使用户能够用概念定位信息

3）影响

• 通过明确提供意义使基于语义的技术自动化成为可能，机器就不需从数据中推导
• 帮助人类和及其相互理解和沟通，就像人类相互沟通一样
• 允许机器代表用户自动使用服务
• 通过结合不同的数据来源、用公开数据库扩大企业数据库，使企业数据集成更进一步
• 让计算机用更好地方式来表达、交换和处理知识
• 通过处理知识而非数据提高灵活性
• 允许计算机自己学习（机器学习）
• 使出于特定目的搜集而来的数据也可用于其他语境

4）演化

• 引入了RDF（用于储存语义元数据）和OWL（决定本体，可明确信息意义和关系），并在后来得到标准化
• SPARQL语义查询语言也得到引入并在后来标准化
• 蒂姆·伯纳斯-李在W3C官网发表了自己对于关联数据的思考
• 全球语义网仍是空中楼阁，但与之相关的想法、概念、标准和技术正在更小的层面投入应用以提供语义丰富的服务
• 已有公司提供语义解决方案的商业支持服务，并将之应用到生产中
• 现有和遗留的基于SQL的数据集成方案正转变成语义数据云
• 为了日后完全转型（RDB2RDF）所做的标准化工作使得更多有价值的信息能从现有的复杂数据中提取出来，这是通过结合其他数据源实现的
• 商业公司越来越多地提供基于NLP的语义搜索引擎服务

5）问题

• （语义网）本体不容易设计，其重要性也常有争议
• 对本体达成共识相当困难，即使在非常专门化的领域也是如此
• 筛选出本题中的虚假信息相当困难
• 数据提供者往往从广告中获取营收，而广告需要接触用户，因此可能无法提供语义丰富的信息
• 当不同数据源使用不同概念定义时，需要有一个能在词汇之间自动建立联系的方式
• 由于这一目标过于庞大以及复杂，语义网仍未被意识到

三十八、智能机器

1）定义

智能机器指代配置认知计算能力的系统，它们能够在没有人类干预的情况下自主做决定、解决问题，执行之前由人类引导的活动或任务，从而提高效率和生产力。

2）应用

• 自动机器人或自驾汽车——重塑交通、物流、分发以及供应链管理
• 专家系统——模仿人类的决策能力解决问题，尤其是需要专家投入解决问题的行业，比如汽车行业、消费电子产品行业、医疗健康行业、工业
• 智能虚拟助手——比如 Avatar，能为客户提供信息和服务帮助
• 传感器——在没有人类直接干预的情况下，收集我们周围物质世界的数据信息

3）影响

• 提高效率和生产力
• 增加收入和利润率空间
• 在增强劳工技能需求的同时，为缺乏技能的劳工提供一个可行的替代选择
• 弥补计算机进化也无法取代的任务

4）演化

• 是现在已有的自动驾驶汽车、先进的机器人、虚拟个人助手、智能顾问的原型
• 基于传感器数据的爆炸式增长，将为智能机器提供更多关于物理世界的背景
• 由于认知计算、先进算法和人工智能，智能机器工作将更加自动化
• 随时间变化，更多、更好的机器将进入我们的生活。依照摩尔定律它们将发展更快、价格更低
• 人工智能、语音识别、机器学习的进步意味着知识型工作现在也可以自动化
• 机器将能够做出越来越重要的商业决策，这样的决策中人类会逐渐减少控制
• 在未来，这样的机器有潜力影响到发达国家中至少1/3产业中的商业动态

5）问题

• 公司的首席信息官们必须要让公司认识到更自动化的智能机器在支持公司业务目标时所带来的风险和机遇
• 真的有必要担心智能机器可能会取代从制造业到仓储业到运输业中的众多白领、蓝领工作

三十九、集群计算（Swarm Computing）

1）定义

也被称之为集群智能、蜂巢计算。集群计算指代大规模分布、自组织系统中的所有代理能共同朝着一个确定的输出目标协同工作。系统中的每一个代理都有自己的一套规则且只与局部环境互动。所有代理的聚集行为能导致全体行为「智能」的产生。

由于预测到物联网节点会增加，而众多独立节点的计算能力有限，所以每一个节点都将连接到社区中的其他物体上，从而创造出一个 IoE 集群。

2）应用

• 优化物流链和交通
• 控制无人驾驶汽车，优化行车时间和道路
• 配合智能城市、分布式电网这些概念复杂的基础设施的经营
• 预测复杂系统的行为，比如交通或物流网络
• 在军事场景中提供监测
• 传递传感器网络安全
• 群众管理
• 使机会主义合作成为可能
• 管理参与者经济，有助于合理使用资源、鼓励贡献、优化服务。

3）影响

• 创立一个网络-现实世界设备的动态生态系统，其中的每一个节点为集体能力和洞见做出贡献。
• 允许操作和交互根据背景环境进行适应
• 通过以下几点改善提供服务的效率和可靠性
• 使临时合作成为可能，帮助建立服务网络
• 优化交付日程和交流模式,从而让信息和服务能共享以及交流
• 增加不稳定资源的可靠性，有助于管理不稳定因素
• 能让工作分布到不同的简单设备（或机器人）身上
• 补充其他形式的人工智能
• 促进了大规模分布计算机模型的发展

4）演变

• 集群计算的概念首次出现于 20 世界 90 年代
• 之后不久开始对算法和仿真的研究
• 集群计算首次使用于物流和仿真
• 适时地，移动硬件的微型化使得微型机器人集群成为可能
• 现在，集群计算与机器人、物联网、分布式云模型紧密联系在一起
• 未来长期发展中，比如，纳米机器人集群可能有助于医疗产业

5）问题

• 基于代理的编程是复杂且高要求的，此时的实践者不是那么容易就能做到的
• 将集群与其他中央控制机器结合起来也非常复杂
• 安全是个重大忧患，尤其是集群中的单独一个机器人被其他机器人或组织主要控制时
• 通信协议需要较好的统一标准，从而让灵活的、动态互动成为可能
• 也可能存在一些不确定的行为，比如非预期的或失去控制自主产生的行为
• 集群病毒，集群的行为可能会受到流氓组件的不利影响，也可能自己成为流氓组件。这在使用中可能产生巨大影响

四十、可信任（常用）设备（Trusted Devices）

1）定义

可信任设备是指终端机、软件支持的物件和机器这样的设备有保护数据处理可用性、完整性和隐私安全性的可信任能力。这包括智能手机、支付终端机这样的人机交互设备，以及智能家居和智能机器这样的自动化设备。2）应用

• 保证人类使用数字系统通信和交互的安全
• 确保对重要基础设施和自动化程序的防护——比如智能电网、智慧城市、智能交通
• 医疗连接设备

3）影响

• 提供通过设计确保安全的可信任终端机和智能机器，这些机器有着值得信任的应对风险的水平
• 在网络犯罪普遍的时代，这能缓和黑客攻击和欺诈的风险

4）演变

• 在民用终端机中已经存在防护级别的技术，尤其在政府职员和公司高层的智能手机中
• 如今的主要趋势是加强物联网关键流程中的设备安全性能
• 下一个演变将注重于保证智能机器、自动化机器的安全。毕竟，我们对手术机器人、智能汽车、自动化无人机的依赖越来越大，绝对的可信任非常重要

5）问题

• 大部分可信任设备需要硬件和软件安全的结合,因为单独的软件安全会增加劫持风险
• 在如今连接不断加强的世界建立信任需要各种安全组分（安全的物联网）和大量认证

  管理方式（下一代认证和访问管理、大数据）的整合

• 这可能也要求植入情境智能，这样侵入意图就能被侦测到，并自动做出合适的应对措施（比如敏感信息的自摧毁）

四十一、无处不在的个人信息管理（Ubiquitous PIM）

1）定义

如今大部分人使用多于四种以上的信息孤岛（information silos）存储、管理、转移他们的私人信息，包括谷歌、Outlook、Facebook、Twitter、WhatsApp、本地磁盘、USB 硬盘、OneDrive 网盘、Dropbox 等。无处不在的个人信息管理（普适 PIM）是一种存储个人信息的新方法，把所有的信息存储在统一的一个存储系统中，但仍然可以通过多种应用接触到这些信息。大部分信息类型都适用于无处不在的 PIM 方法，包括信息（电子邮件、社交博文、公共网站回应信息）、联系方式、文档（文本、图片、视频）和日志。

2）应用

• 企业社交网络——让所有应用使用同一个存储层，可以交换/共享所有需要的信息
• 合作——提供多样的接入同种信息的合作工具，每一个工具都根据用户的专业水平和个人喜好进行定制
• 业务交流——统一交流方式，这样用户们只需要专注于对话本身不需要操心技术问题

3）影响

• 减少复杂性，消除信息孤岛问题
• 通过增加各种不同应用中信息的相关性和一致性，从而提高信息可用性
• 削减了能量消耗，因为不再需要到处 copy 信息，保持信息同步
• 把个人从多种专用的社交网络、协作和交流工具中解放出来
• 允许个人选择最适合自己的网络和工具
• 打开通向新产品和新服务的更为广阔的领域
• 能与物联网结合在一起

4）演变

• 各种应用的本地文件系统开始分享越来越多的信息
• 混合本地和云存储的解决方案出现，一些能共享信息，但更多的是交流信息
• 混合本地、云和无处不在的 PIM 存储的解决方案开始出现，刚开始时是通过适配器结合各种联系方式、通信、合作和文档
• 很快，各种应用将利用全球普适储存方式，与无处不在的 PIM 标准化进行信息交流
• 在未来，人们将需要为信息担心，一种全新的 IT 领域应用将开始兴起

5）问题

• 为了实现无处不在的 PIM 还有大量的工作需要完成，但现在只有小部分团体和个人在研究存储信息的新方法
• 事实上，在理论知识和如何做到之间还有很大鸿沟
• 直到现在的数据交流系统分裂变得更加严重时，这种现状才会改变

四十二、虚拟助手

1）定义

虚拟助手是帮助我们完成服务和任务的助手。他们可以理解问题并用自然语言的方式回答。它们利用人工智能、机器学习、语音处理、推理和知识表征来使人机交互的过程变得更加容易，更加自然，更加富有吸引力。

它们执行的任务和服务依赖于用户键入或语音输入的信息、情境感知以及可访问的例如天气或交通状态、新闻、股票价格、日程表、零售价格等互联网资源。

2）应用

• 行政协助——例如即时建议、询问和提醒，同时支持个人和商业应用场景
• 持续的专家协助——包括长期项目或专家工作，该领域它们的学习能力体现在随着它们的处理内容的增加，他们的协助表现也会变得更好
• 用户服务协助——包括零售、银行、保险和电信行业在内的人类客户服务代表将被人工智能助手补充甚至取代
• 大规模结构化或非结构化数据组的数据挖掘——搜索（潜在的）模式和异常，预先识别问题，发现机会并支持决策制定
• 预测性的专家协助——预测事件发生并在事件发生之前采取行动
• 虚拟个人购物助手——基于用户的口味、需求和欲望来学习、预测、服务以帮助用户优化购物决策过程

3）影响

• 降低成本并提高效率，统一客户服务平台不同频段的企业形象来提升用户满意度
• 加强应用的功能并提升信息处理任务的表现
• 在未来将被期待用于越来越多的日益复杂的数字化生活
• 在这种情况下，也许将会转变公司于客户互动的客户接触模型，从直接接触转变为虚拟助手的帮助；这意味着交互需要变得更加清晰和简洁——这将使情感化营销显著客观化

4）演变

• 2000-2010 年，搜索引擎进化到包含了更多语境（分析）、精炼搜索结果，从而增强结果的相关性
• 自然语言处理系统进化到可以让用户通过语言与计算机交互
• 可用的计算能力更多，意味着自然语言将被更加高效地处理。例如 Siri 这样的虚拟助手的出现意味着搜索进化到了更加个性化、可提供交互服务和由更强大软件协助的生态系统的地步
• 虚拟助手将被装载到云上，这使得它能被应用于多种设备：可穿戴、办公室、住所和车辆中的多种设备上
• 未来的助手将能够侦测用户的确切位置
• 传感器的进步（例如，智能手机内置的麦克风、相机、加速计和 GPS）将为虚拟助手提供更多可利用的额外的背景信息
• 虚拟助手也将借由语音分析和面部表情学习如何检测情感，无论用户是正在移动、静止或在车辆中，都可以准确识别
• 在它们获得相关数据组权限或允许助手将数据用于新领域的前提下，实时学习能力将确保助手做出即时反映

5）问题

• 个人数据日益增加的碎片化和复杂性削弱了虚拟助手能实时提供服务的表现
• 普适个人信息管理（PIM）将帮助虚拟助手注释我们所有的数字信息，但是它们现在需要转换器来连接像Outlook、Gmail、MicrosoftLive、Facebook、Twitter、LinkedIn 等应用以及本地文件系统中的多种数据
• 用户需要一切皆在掌控（例如他们的数据被用于那些场景、被谁使用）的感觉，这将帮助他们信任助手是基于用户的利益而运行的
• 帮助用户网上购物的虚拟助手将有能力加强某些公司的业务，与此同时，削弱另外一些公司
• 当下计算机和人工智能取代人力工作的现象将随着虚拟助手功能的强化而激起社会焦虑的攀升

四十三、可穿戴设备

1）定义

可穿戴设备装载了具有感知、计算和通信能力的微型电子器件。它们利用穿戴者的情境信息（由嵌入式传感器侦测到）来提供一般的或特定的服务，从而让用户对自身数据信息做出实时反应。

尽管现在最热门的可穿戴设备是智能手表，仍然有很多穿戴在其他部位的可穿戴设备。

• 手腕——例如智能手表、手镯和手环
• 头部——包括头带和头盔
• 眼部——例如眼镜、隐形眼镜、生物增强设备
• 耳部——例如耳塞
• 可移植/嵌入式芯片——例如助听器
• 手掌——手套或者数字笔
• 智能衣物和织物——包括绷带、T恤、夹克、袜子、文胸、腰带和鞋子
• 嵌入式首饰——包括指环和耳环
• 皮肤——例如纹身

2）应用

全产业

• 安全——增强授权、认证和追踪
• 场地服务和维护——例如，整合 SCADA （数据采集与监视控制系统）来帮助问题解决
• 支付和花费——提升移动端能力
• 训练——提供支持和记录以及分享活动
• 状态监测——收集健康和环境信息
• 和智能物体的直接交互——初始时基于云的服务
• 信息——简化获取资源和分享信息的过程

特定行业

• 健康医疗——训练医生、协助手术、监视病人和医生的健康、记录治疗、支持和监视医疗康复计划
• 零售——分享产品信息、推销、仓储和库存管理
• 军事和国土安全——监视活动、记录行动、导航和身份识别
• 交通——导航、追踪、检测司机健康
• 运动——检测关键参数、比较结果、适应环境和记录活动

3）影响

• 和认知计算结合，将加强人类能力
• 帮助客户服务代表理解用户的需求和偏好
• 使体域网（Body Area Network）概念成为可能——随着物联网（IOT）放大了设备对穿戴者的了解，从而增强了设备对穿戴者情境的整体描绘
• 提升领域服务和客户维护的性能，并降低成本
• 带来新的商业机遇
• 提供市场人员可利用的健康见解
• 为交换可穿戴设备的使用和数据提供奖励机制
• 连接移动支付和客户忠诚度
• 为之前品牌难以触及的新奇的客户问题提供解决方案

4）演变

• 可穿戴设备最初用于军事、医疗健康和医药领域
• 现在主要集中于健康和监控 B2C 市场活动
• 利益正被拓展到 B2B 市场的全新领域，智能手表、数字徽章和智能手环最初似乎是该领域最有利可图的商品，智能眼镜和新涌现的智能织物和嵌入式配件紧随其后
• 可穿戴设备的出货量将在 2017 年之前有望达到 6000 万个
• 2018 年各公司对可穿戴设备技术的计划投入将接近 200 亿美元
• 长期来看，可穿戴设备将成为我们个人生活、职业生活紧密结合的重要部分，成为一种比智能手机更私密化的替代品同时也通过提供附加的视野来加强智能手机的功能
• 一些人将可穿戴技术视作通向环境计算（ambient computing）的下一步

5）问题

• 基于设备的尺寸、意图和人机工程学来调整交互模式
• 设备将从能够自动描述更大范围的背景环境而获利
• 但是可穿戴设备的技术进步取决于其他技术的进步——包括传感器、显示器、电池、通信和增强现实
• 材料对人类器官的影响（例如过敏反应）和辐射必须是可控的
• 小型设备的电量管理和散热是极富挑战的难题
• 电源以及备援策略，需要某些场景下在完整的使用周期可用
• 在关键情形下，例如医疗任务，可穿戴设备及其使用者需要遵从法律约束
• 可穿戴设备需要保持数据在传输、存储和处理过程中的透明度，尤其是这些数据被分享到更广阔的生态系统时

四十四、大规模万维网计算（Web-scale Computing）

1）定义

超大规模运算，也被称为大规模万维网计算，是一种大规模的、分布式、网化的计算环境，随着数据规模和工作量的增加可以有效的扩展，有时这种扩展是指数级别的。计算、记忆、网络、存储资源将变得更为快速，具有成本效益。

超大规模加速硬件通常建立在剥离的商业硬件基础上。潜在地，数以百万计的虚拟服务器会协同工作来满足日益增加的计算需求，不需要额外的物理空间、冷却设备和电力资源。

利用超大规模运算，总体拥有成本（TCO）随后将显然依据高可靠性、实现应用和/或传递数据的单一价格决定。

2）应用

• 使云、分布式存储和和更多基于网络具有的大规模分布式站点成为可能
• 为必须处理极大规模数据或处理数百万种业务（只有极少准备时间）的商业提供支持，包括银行、零售、石油挖掘和开采、健康和医药
• 为新兴技术提供支持——例如认知计算和物联网

3）影响

• 为未来集中的数据处理提供稳健灵活的环境，帮助企业最大化利用他们日渐增长的大规模数据
• 提供一个通用的、可扩展的平台来轻松地适应不断变化的商业和技术前景
• 利用它集装箱化的数据中心单元来节省空间和能量
• 要求更少的服务器，削减硬件和行政管理成本
• 拥有改变现代企业使用和管理 IT 的潜力

4）演化

• 公有云服务巨头例如谷歌、Facebook和亚马逊最初发展该技术来支撑他们急剧的增长，并在不牺牲服务质量和可用性的条件下提供他们所需的灵活性
• 不久其他的企业也开始利用这些开源软件
• 超大规模计算现在正在被其他商业领域的企业开发，包括那些拥有更小和更传统的 IT 环境的企业
• 进一步的技术进步正在奠定更快、更便宜和更大规模系统的基础
• 超大规模运算预期将最终被全球范围内半数的企业应用

5）问题

• 超大规模运算调整了 IT 的角色和企业所需的技能
• 任何计算能力极速的增长——包括超大规模计算——都会挑战能源资源

四十五、网页实时通信（WebRTC）

1）定义

IETF、W3C、WebRTC 同心协力的结果是一个免费开放的互联网标准，使通过标准浏览器和移动设备运载的跨平台、基于互联网的、免插件的实时通信系统成为可能。

本质上，WebRTC 定义了置入浏览器中的声音和视频媒体处理软件的标准。这是一个可拓展标准，并且提供了一个联合了HTML5 的标准 API 接口，该接口通过特定机制处理通信过程中参与者在以往环节产生的数据。

商业实现是可行的并通过提供差异化的信号定义方式和协作模型来区分彼此，并且使多方参与成为可能。

2）应用

• 浏览器间通信——包括声音、视频聊天、会议、屏幕共享、客户互动、娱乐、游戏和文件转换及分享
• 企业通信——例如一键直呼、呼叫中心、联合通信以及现代团队协作
• 教育和训练——包括虚拟教室和同步学习
• 分配信息和调度——允许人类和机器可以通过更加自然和透明的方式交互

3）影响

• 简化部署和并通过减少专有插件和应用的需求来削减基于浏览器通信解决方案的成本
• 使潜在的传输协议和安全机制标准化
• 允许任何带有 WebRTC 标准浏览器的设备成为通信设备
• 使声音和视频在基于浏览器的应用中更容易地被访问
• 提升客户交互并通过开放更丰富的交互模式了来增加收入
• 允许人类和机器以更自然和更透明的方式交互
• 为受到 OT语音服务威胁的电信运营商开放新服务领域的大门，鼓励他们活跃地参与

4）演变

• WebRTC 最初诞生于 2011 年，是谷歌赞助的实现不同浏览器实时通信技术免费开源项目
• Firefox、Opera 及其他浏览器在仅仅一年之后开始支持 WebRTC
• WebRTC 现在支持几乎所有主流桌面和移动浏览器，并被一些逐渐增长的消费者服务（例如FacebookMessenger）和现代企业协作服务（例如 Unify’s Circuit）使用来增强声音和视频通信
• WebRTC 是 HTML5 的一部分，预期会在逐渐发展的过程中得到更广泛的支持
• 到 2018 年，预计潜在的支持 WebRTC 的设备数量将达到 50 亿，而嵌入式设备是全新的基于 WebRTC 应用的主要运行平台
• P2P 基于 WebRTC 的视频服务将会快速地被普及
• 长期看来，WebRTC 预期会取代现有的协议
• 企业级别的多方参与的 WebRTC 应用和联合协作服务在未来的五年间仍将具有极大吸引力

5）问题

• WebRTC1.0标准尚未完成，社区开发者对它的许多方面仍未达成共识（存在分歧）
• 标准的缺乏将导致很多高阶服务可能存在兼容性和/或互通性问题以及市场的碎片化，使得商业产品产生分化
• 主流浏览器支持的缺少使得标准的修改缓慢
• 和其他非互联网 RTC 通信平台协作要求额外的软件
• WebRTC 将会导致全新的安全威胁，这些威胁要求全新的创新性的解决方法

四十六、无线供电（Wireless Power）

1）定义

无线供电描述了不需要实体线路，通而过电磁场替代的电力传输方式。现有两种电力传输方式：利用电磁感应和电容性充电的近场充电（NFC）；利用电磁装置辐射电磁波的远场或辐射充电。

2）应用

• 可穿戴设备——包括智能手表
• 健康设备——包括助听器和计步器
• 电力交通——包括汽车和公共汽车
• 消费产品——包括智能手机和平板
• 工业——包括工厂和仓储的资产

3）影响

• 允许电力设备在输电线不方便、危险以及不可用的情况下充电
• 解决电动汽车的能源存储问题，大大增强了电力汽车的可用范围和可靠性
• 敞开了通向不中断的、普适计算环境的通道，在这种环境中，电力的即时可用性是至关重要的

4）演变

• 感应充电不是一项新技术，但是它的应用范围限于极少数设备
• 该技术正向更远距离，更高级别的充电方式演变
• 规范化的程度似乎正在提高，最重要的标准集中在 AirFuel Alliance
• 可穿戴设备和传感器组的爆炸性发展及其有限的电力存储容量，使得无线供电传输成为一项更有趣的议题

5）问题

• 能源效率需要通过除去潜在的能量损失获得进 一步提升
• 能源管理将通过流程简化而大大获利
• 现有的多种标准限制了互通性
• 安全隐患限制了无线供电的应用环境
• 社会担忧限制了无线供电的充分利用，尽管对它影响健康的忧虑是毫无科学根据的