正文
根据麦肯锡最新的全球人工智能现状调查，65% 的受访者表示，他们的组织在至少一项业务职能中经常使用新一代人工智能，高于去年的三分之一，新一代人工智能用例每年可能创造 2.6 万亿至 4.4 万亿美元的价值。然而，我们必须认识到使用这项强大技术所带来的风险，包括偏见、错误信息和深度伪造。展望 2024 年及以后，我们预计组织将投资于扩大新一代人工智能所需的风险缓解、运营模式、人才和技术能力。
应用人工智能
展望 2024 年，分析型人工智能技术（包括机器学习 (ML)、计算机视觉和自然语言处理 (NLP) 的应用）的影响将继续在各个领域增长。公司正在利用数据来获取洞察力，以实现流程自动化、业务转型和做出更好的决策。同时监管者和政策制定者都注意到人工智能的影响力日益增强，例如欧洲议会通过了统一的《欧盟人工智能法案》。
然而，人工智能的采用之路充满了挑战和学习机会，例如转变组织文化以促进协作、信任和适应新的工作方式；获取、利用和组织有价值的大型数据集来源；以及解释模型输出以建立最终用户对它们的信任。鉴于人工智能的跨领域性质，领导者应该预见到整个企业的治理冲突等挑战，以及监管和道德环境的快速发展。尽管存在这些挑战，但建立协议以及有效的变更管理可以帮助降低风险并确保将人工智能成功纳入业务运营。
机器学习的工业化
工业化机器学习 (ML)，也称为机器学习操作 (MLOps)，是在企业内扩展和维护 ML 应用程序的过程。
展望 2024 年，MLOps 工具正在迅速发展，功能和互操作性都得到了改善。
这些工具正在促进从试点项目到强大业务流程的过渡，实现分析解决方案的扩展，并提高团队生产力。
MLOps 最初由几家先驱公司引入，随着越来越多的公司将 AI 用于更广泛的应用，MLOps 也得到了越来越广泛的采用。生成式 AI 的兴起重塑了 AI 格局，要求 MLOps 功能也进行相应升级以满足其独特需求。这是工业化 ML 趋势中新发展的最新领域。MLOps 和基础模型操作 (FMOps) 对于安全高效地实现工业化和扩展生成式 AI 至关重要。
二、构建数字化未来
下一代软件开发
软件开发领域目前正在经历一场变革性的转变，其推动力是生成式人工智能 (gen AI) 和云原生架构等尖端技术的涌入。2023 年，基于人工智能的工具数量显著增加，这得益于前几年软件开发和 DevOps 自动化方面的进步（例如，持续集成、持续交付、基础设施即代码和改进的集成开发环境）。这些创新正在彻底改变工程师在整个软件开发生命周期 (SDLC) 中的运作方式，从规划和测试到部署和维护。
虽然大规模采用的道路可能需要更多时间，但采用人工智能软件开发工具的增加是有希望的。早期采用者已经体验到了生产力的提升，为不久的将来更广泛的采用奠定了基础。今年有望出现更多突破性的可能性，因为用户友好的低代码平台、整个 SDLC 中的人工智能助手、与支持新一代人工智能的产品管理工具的集成以及可扩展的云架构等成熟技术正在融合，从而实现民主化开发、超高效率和卓越的适应性。
数字信任和网络安全
随着组织在企业内部采用新兴和成熟的技术（例如云计算和边缘计算、应用人工智能和下一代软件开发），数字信任和网络安全的重要性日益增加。虽然采用这些新兴技术带来了令人兴奋的新好处，但也使组织面临网络安全和其他风险，从而增加了对数字信任技术的需求。然而，数字信任和网络安全的采用受到一系列因素的影响，包括集成挑战、组织孤岛、人才短缺以及其作为价值主张关键组成部分的考虑有限。要充分利用数字信任和网络安全的好处，需要自上而下的领导，并对从战略和技术到企业能力的多个活动领域进行深思熟虑的变革。
三、计算和连接前沿
先进连接
先进的连接技术可能会彻底改变消费者和移动、制造业和农业等行业的体验。
各组织一直在广泛采用成熟的技术来增强其连接基础设施，但由于投资回报率不明确，他们对于投资某些最新的连接技术更加犹豫不决。
然而，随着最新一代卫星连接、私有 5G 网络以及最终的 6G 等尖端技术的快速发展，电信公司和其他企业必须做好准备，充分利用这些创新带来的好处。日益互联的世界将要求企业仔细思考其战略、投资和商业模式，以发现并释放新的增长机会。
沉浸式现实技术
沉浸式现实技术让用户可以体验增强现实或虚拟世界，同时为消费者和企业揭示一系列新用例。这些技术模拟在现实世界中添加对象，并通过使用空间计算来渲染用户周围的物理空间，实现虚拟世界中的交互。行业参与者采取了不同的方法，范围从增强现实 (AR) 到混合现实 (MR) 再到虚拟现实 (VR)。2023 年的投资和消费者需求都很脆弱，初创企业资金减少了约 50%，VR 耳机的销量比 2022 年下降了 40%。一些值得注意的亮点，例如 Apple Vision Pro 耳机的推出以及企业对数字孪生技术的持续兴趣，尽管面临财务和市场障碍，但仍表现出韧性。
云计算和边缘计算
企业正在从传统的现场存储和管理向跨多个基础设施点的分布过渡，这些基础设施点包括远程超大规模数据中心和企业边缘的现场服务器。公共云允许企业远程托管工作负载并按需扩展计算和存储资源的消耗，从而实现更好的规模经济、灵活性和应用程序部署速度。借助边缘计算，组织可以在更接近数据来源的地方处理数据，与云相比，提供更低的延迟、更低的数据传输成本和更高的数据隐私（同时遵守数据驻留法律）。云计算和边缘计算增强了 AI 在基础模型上的训练和推理能力，并将继续成为采用这些技术的主要驱动力。在云端和边缘（以及两者之间的位置）之间平衡工作负载将使企业能够大规模优化资源、延迟、数据隐私和安全性，进而释放业务价值。
