Gartner发布重要战略科技趋势，中国企业该关注哪些？

在疫情成为新常态下，很多企业CEO都希望在2022年，企业的业绩都会有一些反弹，可以利用数字化技术助力业绩的恢复增长，并且在推动数字化的同时保证企业的利润和现金流。企业核心目标的改变，也导致CIO的工作重点也要相应做出变化，包括找到适合自己企业的加速数字化的技术，从而赋能业务增长，创建一个可扩展的技术底座来保证现金流和利润的实现。

为此，Gartner日前发布了“重要战略科技趋势”，围绕工程化信任、塑造变革和加速增长三大主题，帮助企业推动数字化发展。Gartner高级研究总监高挺在采访中表示，相较于2021年的重要战略科技趋势，今年偏技术和架构的话题相对多了一些，例如数据编织、云原生平台等。

[[434720]]

Gartner高级研究总监高挺

工程化信任 构建安全可靠的数据处理基础设施

工程化信任，本质上是一组关于增强安全和数据处理效率的技术趋势，构建一个安全可靠的数据处理基础设施，它是为数字经济夯实数据的基础，包括数据编织、网络安全网格、隐私增强计算和云原生平台。

Data Fabric，中文叫做数据编织，是一种新型的数据管理设计理念，目的是为了达到灵活的、可复用的数据管道和数据服务，以支持多应用、多平台的数据运营和数据分析等应用场景。简单来说，数据编织是构建一个跨数据中心、多云以及边缘的统一数据架构，在企业集团的范围内，提供一个对数据的全局访问平台。在业务层面，企业可以借助数据编织这一统一化的技术框架，解决各种不同格式、形式的碎片化数据问题，从而真正地将数据使用起来。

大数据时代，数据无处不在，传统的以数据中心为核心的中心化架构，已经逐渐不能满足“云化”或者“边缘化”的安全需求，因此企业需要一种全新的安全架构。Gartner将这种安全架构称为网络安全网格（Cybersecurity Mesh）。高挺解释道，之所以称之为网格（Mesh），是因为它整合了一系列的网络安全服务，提供身份内容以及策略等方面的认证，通过分布式的形式来提供。高挺指出，网络安全存在木桶效应，接入网络的方式存在于任何地方，虽然这些“点状”位置都有解决方案，但是互相之间无法进行协调，一旦其中一个安全“点”出现问题，那么整个系统有可能被攻破。其中一种解决办法是由中央控制台收集所有可能进入到一个网络的终端或边缘端触发的事件日志，并将其汇总在一起进行分析；另一种解决方案就是网络安全网格，以“多对多”的方式，让安全工具产生更多协作，除了起到中心化的网络安全模式集中式的安全以外，还可以实现模块化或可编排化。

基于网络安全网格可以保证数据安全的前提下，要让数据产生价值，就需要处理并分析数据，利用数据构建AI模型，如何保证隐私不会在处理或分析数据的过程中泄露？尤其是在和第三方进行数据合作或数据外包的场景中如何避免这样的问题出现？这里就引出了隐私增强计算背后的逻辑。根据Gartner的预测，到2025年前会有60%的大型企业准备开始采用隐私增强计算。Gartner将隐私增强计算分为三类：（1）为敏感数据的处理或分析提供一个可信环境 。这里的可信环境，包括可信第三方或硬件可信执行环境 ，这类隐私增强计算也被称为“机密计算”。（2）在不泄露数据的情况下对数据进行本地处理或分析。这一类技术往往通过分布式的形式来实现，包括联邦学习、隐私感知机器学习等。（3）在处理或分析数据之前对数据和算法进行转换。使得数据和算法在处理的过程中不会泄露隐私。具体的技术包括：差分隐私、同态加密、安全多方计算、零知识证明等等。

云计算经过这十几年的快速发展，已经深入人心。但在传统“上云”模式下，企业将传统应用直接部署在云端，会产生兼容性问题，也不会很好地发挥云的优势，因此很多企业会采用“云原生平台”来作为打造数据底座的闭环的最后一个环节。高挺解释道，云原生平台可以让应用程序从设计、开发到部署都在云的环境中完成，是天生为“云”设计的平台，充分利用和发挥“云”平台的弹性和分布式的优势。高挺强调，“云原生平台”最大的好处是企业在开发时可以把应用和基础设施的关联性剥离，然后充分利用公有云的优势，缩短上线的时间。

塑造变革 提高韧性和效率

塑造变革，是一组用来加速数字化的技术趋势，帮助企业提高商业韧性和效率等问题，包括组装式应用程序、决策智能、超级自动化和AI工程化。

传统应用开发可能会面临几大挑战，比如没有足够的开发能力，选错技术方向，交付不够迅速等。而最常见的、战术性的解决方案就是代码重用。而Gartner提出的“组装式应用”，试图从架构上的解决这些问题，通过引入模块化的理念使得技术和业务团队可以更加敏捷，更有效地进行代码重用。组装式应用的核心是需要通过“封装的业务能力”（Packaged Business Capability，PBC）来实现，PBC是一种软件定义的最小化业务功能，可以是一种单一的对象或者功能。PBC与传统开发交付不同的之处是在于颗粒度方面，传统ERP等软件开发交付的是系统，属于基于项目的封装应用，部署完成后框架和体系是不能修改的，而基于微服务的开发方式是基于产品的封装应用，虽然可以提高开发的敏捷性，但本质上依然是一种封装应用。而基于PBC的交付更像是颗粒度更小的、高度定制化的可重复使用的组装应用，如果说PBC像一个个原子的话，组装式应用就是将原子重新组合后形成的分子，不同类型的用户，例如部门、团队和个人，都可以根据自身业务的需要来重新排列组合自己需要的业务能力。

Gartner预测，到2023年，超过33%的组织会由分析师进行决策智能，包括决策建模。复杂的商业决策本质是一个多因素考量的过程，利用各种数据源或数据分析的结果来进行商业决策的框架体系。高挺指出，很多复杂决策能否使用机器来替代主要考量两点，一是数据是否够大，二是AI在其中扮演的角色，不同场景中AI与人类进行决策的比例会有所不同。

超级自动化是去年Gartner提出的重要战略科技趋势之一，但今年的提出更加强调两个方面，一是需要搭建一个包含IT和业务部门的融合团队，二是超级自动化包含了多种技术，包括AI、机器学习、RPA、BPMS等。在疫情的倒逼下，很多企业在关键流程上已经实现了自动化运营。例如西非马里共和国的斯亚马（Syama）金矿号称“全球第一个实现完全自动运营的矿山”，这个矿山使用了诸如自动卡车、装载机和钻机等设备进行24小时的全时段运营。再比如24小时无人值守便利店，通过计算机视觉、语音识别、NLP等技术进行自动运营，都是超级自动化在目前阶段的例子。高挺表示，虽然很多企业暂时还不能实现超级自动化，但是Gartner认为超级自动化已经成为了必然。

人工智能工程化在2020年的重要战略科技趋势中也出现过，虽然大家对AI期望很多，但实际中AI的应用仍然是被低估的，Gartner发现很多AI项目价值只能体现在“点对点”的一次性方案中。高挺解释道，DevOps在软件开发领域是快速地交付而后在软件有新的功能需要升级维护时可以很好地运维。而在AI项目中会多了数据和模型两个模块，因此需要考虑DataOps和ModelOps。现阶段的AI本质上就是一个基于大数据的统计分析型的技术，因此所有AI项目都离不开数据和模型，当AI应用时，对于数据要实现的内容还比较多，例如数据清洗、训练、标注、建模等等。而工程化的方法论可以将AI应用大规模落地。高挺强调，AI工程化并不只是一个技术问题，更多时候是流程和方法的问题。在“AI工程化”的路途中，有许多的地方、细节、方法是需要注意的。而这些方法注意了以后，才有可能真正地让AI算法、已有的数据发挥一些价值和作用。

数字化技术连接 加速增长

加速增长是一组将数字化技术用以连接物理和虚拟世界，以构建一种新的工作方式，包括分布式企业、全面体验、自治系统和生成式AI。

分布式企业的本质是许多员工开始远程工作，并且远程工作已经成为了新常态。在企业将远程办公变成新常态后会发现，原来企业的运作模式在悄然发生改变，例如远程办公能够满足公司的业务要求还能降低成本，例如交付场景和背后的基础设施的需求也在发生变化，同时会带来新的商机或者新的趋势。高挺表示，从趋势的角度来看，构建以人为中心、整合物理空间和虚拟空间的技术将会成为一个主流的趋势，同时它会带来一些商业模式的变化。分布式企业会在推出服务和产品的时候，采用数字优先、远程优先的逻辑，来实现加速增长。

Gartner把体验分为四个模块，分别是客户体验、用户体验、员工体验、多重体验。高挺指出，这四个“体验”模块中，企业可能最关注的是“客户体验”和“用户体验”。因为这两种体验涉及到了潜在客户和用户从购买到使用产品和服务的全部流程，而这个流程中体验的好坏，决定了客户是否会复购以及用户是否会把企业的产品推荐给其他人。多重体验是贯穿其中的一系列的数字化能力，通过技术更有效地触达客户和用户，并赋能员工提供更好的产品和服务。全面体验的关键在于需要把四个模块综合起来考虑，才能提升客户和员工的信心、满意度、忠诚度和拥护度，从而增加收入和利润。

随着企业的发展，传统的基于规则的应用或简单的自动化将无法扩展。自治系统是从自动系统和自主系统逐渐衍化而来的。例如，扫地机器人是一个典型的自动系统，它的算法固定不变，行为也是固定的。第二个阶段是自主系统，例如自动驾驶汽车，它的算法还是相对固定的，但是其行为可以根据周围的环境而改变。第三个阶段是自治系统，它的行为会随着环境的变化而变化，算法也是在实时更新的。高挺表示，例如AlphaGo Zero可以通过强化学习不断地提升算法，改变行为并打败自己的前辈AlphaGo Master就是一个早期的自治系统的案例。虽然自治系统有一些早期案例，但是其还处于萌芽期，也会出现一些问题，例如有时候会变得不可控，遇到道德伦理等情况。

今天对于AI的使用，很多时候是需要AI做出判断，做出结论，而一种新的AI用法正在出现。生成式AI可以利用AI来创造一些新的事物，包括AI创造文章、视频、合成数据或者是研发新药等等。高挺表示，在未来一段时间内，AI会逐渐地从一个做判断的机器变成一个创造的机器。生成式AI不仅可以判断还可以创造，利用已有的数据生产模型后，可以生成更多的合成数据。合成数据可以用作训练新的AI模型，而这个数据不属于任何人。从某种意义上来说，就避免了数据隐私被侵犯的痛点。

中国企业该关注哪些？

Gartner发布的重要战略科技趋势有十二个方面，不同企业在应用时是否有先后的优先级策略呢？高挺指出，严格意义上来讲，十二个趋势全部都是平行的。如果要排序，可以从两大维度展开。第一是技术成熟度，企业可以根据自己的业务情况来选择成熟度不同的技术趋势。成熟度比较高的技术趋势包括超级自动化、全面体验、分布式企业等。成熟度中等水平的技术趋势包括隐私增强计算、云原生平台等；成熟度相对较低的技术趋势包括生成式AI、网络安全网格、数据编织、决策智能等。

第二个维度是企业业务。高挺强调，数字化转型只是一个总方针，具体转型的思路每家企业都各不相同，因此不能一概而论，企业应该根据自己的业务情况而定。

此外，Gartner预测的重要战略科技趋势是全球性质的，对于中国企业来说，高挺认为，由于中国企业关注的重点往往比较具象和落地，因此，在隐私增强计算、决策智能等方面目前看来是中国企业比较关注的。

【51CTO原创稿件，合作站点转载请注明原文作者和出处为51CTO.com】