3月18日，由国务院发展研究中心主办的“中国发展高层论坛2017年会”在京开幕。科技巨头掌门库克、罗睿兰等人也将出席。

今年论坛的主题为“中国与世界：经济转型和结构改革”，涉及的议题包括“发力供给侧结构性改革”、“制造业全球布局新趋势”、“从新科技革命到新产业革命”等。

事实上，随着经济保持稳健发展和结构性改革所带来的经济转型，新科技革命和新产业革命已经成为各界热议的焦点。

*近8年来的技术趋势变化图

商业竞争环境日益激烈，各式各样的技术力量日趋成熟，因此，灵活的战略调整、精准的商业模式，是当下任何公司都需要的品质。就像篮球教练John Wooden所说的：失败本身并不致命，致命的是未能改变。

德勤的这份技术趋势报告主要围绕信息技术转化（IT unbounded）、数据分析（Dark analytics）、机器智能（Machine intelligence）、混合现实（Mixed reality）、面向云的开源架构（Inevitable architecture）、现代化服务（Everything-as-a-service）和区块链（Blockchain: Trust economy）七大主题展开分析，并盘点了科技界新兴的，有机会转化为产业动力的热点。

IT转化：利用云和自动化加强联动性

*CIO调研：衡量IT水平的标准是什么？

信息技术（IT）是企业进行数字化转型的关键环节，其行业的壁垒正逐渐被打破，包括现代化的IT操作和交付模型。福特最近还砸了1.822亿美元投资一个基于云计算的软件平台公司，进一步加强其软件开发能力和交付创新给客户更迅速。

对于IT技术官们来说，他们的视野需要超脱本身的经验专业限制，用一种全新的角度来布局运营和战略，加速现有的IT部门向基于云的信息技术转化服务（Cloud-based SaaS）升级，并与开发和运营（DevOps）一同优化企业驱动的各种资源，引进机器人过程自动化、认知自动化、智能自动化等，鼓励工程师开源项目。他们应该想办法简化开发和测试过程，取代冗杂的传统手段，发挥信息技术的高效性，加强部门/工程师之间的联动性。

具体来说，IT主管需要采取以下5步：

1、说服老板。IT转化的目标是建立一个敏捷的团队，发展合作，那就必须先得到商业领导人的信任。

2、抛去旧的IT观点。不要再强调为商业提供服务，强调可靠性、可伸缩性、可用性、可维护性和安全性。

3、解放人才。引进云技术和自动化（后端流程和工作流程），利用机器人和认知系统消除低层次的工作，提高运营效率。

4、建立创新委员会。建一个这样的跨职能“臭鼬工厂”，为日常的业务、营销、财务等创新交流提供平台。

5、逃离回音室。走出自己擅长的专业圈子，开拓新的运营视野，破坏一成不变的群体思维，树立更为广阔的创新、合作全局观。

预计未来18-24个月，IT将应用于人才市场、新型供应关系、更灵敏的业务战略制定、协调合作伙伴，推动团队项目开发、驱动创新、孵化器、技术研发等，提供更有效，更智慧的服务，突破传统运作和交付模式的限制。

数据分析：挖掘黑暗数据宝藏

*爆炸式的数据增长

非结构化数据，或者说“黑暗”数据，来源于设备和传感器的洪流信息，包括图像、音频和视频文件，可以说是面向智能化物联网“深层网络构建”的巨大宝藏。

而近来大热的分布式数据架构, 内存中处理、机器学习可视化、自然语言处理和认知分析为企业利用非结构化数据提供了更好的方式和业务决策。这些新的技术，能够帮助企业通过非结构化的“黑暗”数据来提高业务的精细度，挖掘潜在目标，提高商业竞争力。

点亮“黑暗”数据，首先需要开展以下三步：

1、积累未开发的传统数据。即便是非结构化的数据库，也是宝藏，比较传统的非结构化数据主要包括邮件、笔记等文本内容，它们蕴含着客户行为、市场竞争的潜在讯息。

2、积累新型的非结构化数据。这类数据主要包括音频、静态图像、视频文件等。随着计算机视觉、先进模式识别、视频和声音分析的发展，这些数据将有助于企业理解顾客、员工和市场运营。

3、挖掘深层网络数据。这里尚未开发的信息数据，可能来源于学者、协会、政府机构、社区和其他第三方域名，可能难以搜索，也可能涉及侵权。

三年后，这些非结构化数据将为企业提供决策和行业洞见。

这就涉及以下6个举措：

1、问对的问题。也就是识别潜在的黑暗分析来源和包含的未开发的机会，把你要分析的工作和数据流，特别是根据数据来源，对应起来。

2、开拓视野。不要局限在自己想到的，多了解其他数据，帮助分析团队产生更多的想法。比如医生诊疗时注意哮喘病人的病例之外，还可以看看当地花粉季。

3、增加数据人才。数据科学家将是宝贵资源，谁能更巧妙地结合深建模和统计技术与行业，运用机器学习和深度学习，谁就有可能提供更为建设性的见解和合理可靠的决策。

4、升级可视化工具。数据可视化可以解释复杂的“什么”和“为什么”，从而获取管理层同事的认同。

5、视之为业务驱动力。数据分析不仅仅是简单的书面工作，更应该被视为市场洞见、业务运营决策支持，帮助管理者更深思熟虑地处理资产，决定日程和业务目标等。

6、看远一点。把数据分析开发成一个新的能力和策略，利用它开拓业务，发展客户，联系供应商和合作伙伴，为自己和一些合作方提供参考体系。

机器智能：高效+自动+专业

*2014-2016年机器智能方面的收购和投资

机器智能在很久之前就成为重要的技术趋势话题。它是重要的海量复杂的数据分析工具，可以提高员工绩效、开发新的产品和服务、将越来越复杂的工作进行自动化，发展“认知代理”，甚至模拟人类思维。

早期的机器智能项目主要出现在医疗研究（分析100亿张遗传和基因图像）、金融服务领域（处理27000个会话和几十种语言）。德勤预计，2019年之前，针对机器智能的投资将近313亿美元。接下来的几个月，机器智能将出现在更多领域。

机器智能的主要背景是爆炸式增长的数据、更快的分布式系统和更为智能的算法（机器/深度学习、概率推演、语义计算、自然语言引擎、机器人过程自动化等）。

财富500强公司和风险投资公司已经意识到了机器智能的潜力和战略投资建立新的能力。在德勤 2016 年全球 CIO 调查中，1200 名IT 高管被要求说出他们计划在未来两年投入大量资金的新技术：其中有 64% 的人列举了认知技术或 MI。

机器学习创造的价值主要体现在以下3个方面：

1、认知洞见。机器学习将通过数据和模型来预见将会发生什么，帮助商业领导人应对职员、客户支持、订单安排、调查计费等。

2、认知参与。也就是将认知技术应用到与人的交往中去，面向消费者，执行数字化任务，比如调低空调温度、电视换频道。

3、认知自动化。这需要开发特定领域的专业知识库，然后制定自动化任务，比如医疗保健领域的放射学图谱辨认等。

AIG全球首席技术总监Mike Brady认为，企业向自动化转型需要以下三步：

1、稳定。因为改进涉及整体网络，根据经验，很可能每周都要停机一次，对企业客户的影响比较大。

2、优化。需要优化的内容包括自助服务配置、自动化和成本效率。

3、加速。节约研发和运营策略涉及的整体流程和部署时间。

这4点可能是机器学习突破应用瓶颈的关键：

1、助理数据：也就是自动化的数据分类、本体定义、合理化，来维护主数据。机器学习会根据每一块数据派生近似质量的数据，寻找方法弥补缺失背景和问题数据。

2、封闭的问题：提炼业务涉及的封闭的数据集，明确问题的目的，对机器学习提出针对这一封闭的问题的描述。在面对复杂问题的时候可以调用这些结论。

3、放开合作：不管是初创企业，还是供应商、学者、相关意见人士，都应该建立合作关系，分享新的技术。

4、工业化分析：数据已经成为企业战略资源，但机器学习的各个环节都还不完善。工业化分析换言之就是利用平台，发挥数据工具、人才和企业机器智能，进行数据摄取、集成、归档、访问权利、加密和管理。

混合现实：沉浸感交互和展示

*混合现实之于工厂

我们不再讨论赢得是虚拟现实（VR）还是增强现实（AR），我们已经接受了混合现实（MR）作为一种科技互动方式。已经出现了很多产品用例，消费者口碑、周边、内容（游戏和娱乐）逐渐增长，当然，这可能仅仅是因为人们对于新事物的好奇。

MR也逐渐衍生出娱乐之外的功用，比如，一个工人穿在远程智能眼镜检查系统，诊断信息视野显示系统故障。如果工人不能自己解决问题，熟练技术人员能够远程发送详细的数字指令修理故障，快速有效地修复过程。

与此同时，物联网概念的兴起也为MR的产业链（平台、设备和软件生态系统），特别是底层传感器，提供了有利环境。物联网与MR合作的用例有，将MR集成到制造环境中，从车间入手改善制造流程。通过数字技术的更新实时信息，工厂可以减少工人暂停和机器空转期。。

MR的应用主要体现在以下五个领域：

1、培训、教育和学习：AR和VR可使员工/学员沉浸在高度真实的虚拟工作环境，传授教育信息，进行互动，突破传统培训的局限性，尤其是复杂的和潜在的危险的设备和场景演示。

2、操作：利用物联网和数字化工作流程，MR可以根据特定的任务指导现场服务技术人员、仓库农户、流水线工人提高生产效率，简化工作流程，提高工作步骤的准确性。

3、沟通和协作：比如跨学科的小组会议，MR可以增强互动感；而跨空间的工作，工人们可能很好的交流数字工件。据悉，已经有汽车制造商将MR用于可视化设计，加速全球团队运作。

4、市场营销和客户服务：MR不仅仅可以提供具体的功能经验，还能根据客户的个性化内容、交易历史和偏好为用户展示产品的真实面貌。

5、购物：想象一下，你很真实的沉浸在一个虚拟的邮轮，或者小屋，或者酒店套房，或者珠宝店中，你可以感受一切，而不仅仅是普通的定价或者信息化描述。

AR/VR已经有不少平台，限定及承载相应的内容、体验和交互，并有望重新定义我们熟知的工具、模式和商业流程，随着MR设备、软件及标准的不断进化，行业也出现了暂时不可解除的挑战，包括网络安全顾虑、事件流处理、渲染体验、用户动作捕捉等。

短期来看，MR将经历以下5步：

1、接受：自己尝试一下，了解MR是怎样的一种体验。

2、创新：不要期待短期内交互、画面、用户界面技术有着颠覆性的改变，尝试一些大胆的创新的场景。

3、务实：不要迷恋科幻小说，在政府和学术界都在积极推动MR产业化落地的时候，在边上观望只会让你落后于人。

4、避免设备“打吡”：认清MR需要的设备和元件，考虑更广泛的消费市场，避免撞上寡头垄断“赢家”，设计更为包容的产品架构。

5、操作与信息：MR将对某些行业提供操作技术和信息技术的交融平台，提供更好的管理和构架。

架构趋势：开源+虚拟化+集成

*基础设施管理工具

可以说，新的架构平台是以“云第一”的移动的心态去构造的，这是更灵活的标准化体系结构模型，更高效，有利于节约成本，提高转化率。技术人员的任务是使其无缝衔接。

未来架构将主要有以下6个特征：

1、宽容的联动体系：即基于核心程序联动各个应用层，发展分布式项目。

2、集成：分布式的项目是碎片化的，对于平台和底层基础设施的依赖是抽象的，所以需要更好的文件配置。

3、速度优于效率：商业对技术产品的以来越来越严重，速度第一，效率第二已经是科技圈地战的重要精神。

4、开源：如果你仅仅依靠你自己的员工, 你永远不会解决所有客户的需求。

5、容错：涉及体系框架时应考虑可能出现的错误，注入系统组件，提高容错性。

6、自动化平台： 包括自动化测试、构建、部署以及大规模的应用和操作自主平台。

现代化服务：XaaS重置业务流程

*充值业务服务流程

过去十年，商业界有两个趋势，一个是技术驱动的工作架构和流程部署，另一个救赎数字媒体产品和服务，从而衍生新的客户和业务关系、生态和交付模式。通过XaaS，企业可以扩大源操作，包括开箱即用的ERP、遗留系统、业务流程外包或云产品，从而进行信息系统资源整合及服务。SaaS就是XaaS的一个典型例子：软件服务。

未来18到24个月，这种现代化业务和操作模型：一切皆服务——XaaS（Everything-as-a-service）将提高企业业务产品和效率，遗产核心资产被升级到最新的ERP平台或重构老化的自定义代码。而XaaS的主要技术背景则是IT和云部署。

想要组建XaaS，需要以下5步：

1、重新定义当前产品服务：回顾你的当前系统和产品，它们作为服务可以如何扩大或加速你的商业模式。注意定价、库存或物流等传统的事务系统以及其他的业务线、数字体验等功能。

2、从边缘开始：先从基于服务的云平台开始，比如系统追踪、客户服务台之类的，别一上来就想重构企业系统。记住这个经验：先转变，然后现代化。

3、五个重新：重新升级平台，更新软件，或者转移到现代操作环境；重新定义底层核心流程和数据；重新引入新解决方案部分的核心，比如合作伙伴、产品和服务等；重新想办法缩减开支。

4、获得不同的技能组合：XaaS可能对于公司的人才结构提出新的要求，比如工程师、设计师、IT人才等可以作为干细胞，要注意项目的优先级。

5、强化根基：向XaaS过渡的期间，企业的整个工作流、安全性和整体性会受到影响，要强化基本系统使其顺利的将新的服务融入进去。

区块链：数字身份时代

*区块链经济三级：存储数字记录、交换数字资产、智能执行合同

区块链经济是世界日益数字化的一个产物，依赖于交易和数字身份，信任，或者说信任是一个重要环节。公司和个人的信用指标变得重要，新指标的可信度或将扰乱现有信托协议等银行系统、信用评级机构和合法的交易机构，涉及金融或专业历史、税务信息、医疗信息、或消费者偏好等。

因此，公司的资产或个人的在线身份和声誉正变得越来越有价值的和脆弱。在接下来的18到24个月,在全球范围内的实体可能会开始探索区块链机会以及数字身份信用。我们已经看到公司在运作信任的先锋经济承认区块链的潜力，比如Airbnb。渐渐的，我们会对数字身份的便携性、可管理性、安全性提出各式各样的要求。

德勤建议通过以下5布开启区块链之旅：

1、保持信心：区块链目前是金融服务行业的试验先锋，他可能破坏现有的很多机制，但也会带来机会收益和组织内部的效率提升。应该以区块链应用到企业核心业务为远景。

2、积极探索：学会理解产品的内容和区块链的定义，从而探索新的可能新。

3、放开声音：即便是对区块链不赞同的声音也要听，客观思考上行和下行领域去快链的潜力和挑战。

4、找伙伴：区块链提升了用户身份价值，那就会涉及数字信用、应用程序等多个层面，你可能需要找大的财团来合作。

5、保持目标：你可以头脑风暴，可以狂热追求，但不要迷失目标。

潜力技术观察名单

1、纳米工程材料：不仅是在化工、电子领域，还有医疗、制造业等等，都可能迈入纳米时代。

2、能量存储：除了基于碳的能源，风能、太阳能、水电等可再生能源正迅速增长。

3、合成生物学：生物技术将覆盖卫生保健、农业、化工、能源和自然资源、高科技产品等领域。

4、量子优化：即将量子力学应用于计算、传感、密码学和模拟。

*未来的量子应用

金准数据认为，企业数字化或者说现代化不仅贯彻了企业的产品和服务管理，还将渗透企业决策、行业关系调整、业务流程和系统框架管理等，优化整体工作效率，节约运营和研发成本，突破时间和空间的局限性（比如MR），开拓新的业务领域。这七大趋势化技术显然都渗透了基于云和传感器的物联网技术，基于大数据分析、计算机视觉和深度学习等的智能化和自动化技术。