2022年新興技術趨勢確定了25種需要了解的新興技術，主要包含三個主題：沉浸式體驗的演進、加速人工智能自動化和優化技術人才交付。

2022年Gartner新興技術成熟度包含了25項“必須了解”的創新，以推動競爭差異化和效率。

只有少數有望在兩年內被主流采用，很多需要10年或更長時間才能被采用。

部署處于萌芽期的技術也意味著風險更大，但對早期采用者也有一定的潛在收益。

其中，元宇宙、超級應用和Web3是推動沉浸式體驗發展的核心技術；云可持續性和數據可觀測性正在幫助技術人員滿足新興業務需求；自主系統和因果AI正在支持AI模型創建與部署提速。

Gartner研究副總裁Melissa Davis表示：“新興技術為企業提供了轉型的潛力，但首席信息官和技術創新領導者所面臨的挑戰是，盡管資源瓶頸變得愈發嚴重，仍需要在擴展數字化功能的同時提高可持續性。企業機構必須正確看待有關新興技術的市場炒作，利用創新技術來推動差異化競爭并提高效率，從而加速變革進程。”

在Gartner的一系列技術成熟度曲線報告中，新興技術成熟度曲線報告屬于最為獨特的一種。因為此類報告從Gartner每年覆蓋的逾兩千種技術和應用框架中發掘獨到見解，并言簡意賅地對值得企業機構重視的新興技術和趨勢進行介紹。這些技術和趨勢有望在未來二至十年內為企業機構帶來高度的競爭優勢（參見圖一）。

Gartner杰出研究副總裁Gary Olliffe表示：“在今年的技術成熟度曲線上，所有技術都處于相對早期階段，但部分技術處于萌芽期并且在發展上存在巨大的不確定性。雖然部署此類技術面臨的風險更大，但早期使用者如能根據自身對于未經驗證技術的接納能力來評估和利用這些技術，則可能會帶來更大的收益。”

新興技術趨勢的三個主題

主題1：沉浸式體驗不斷發展和擴展

沉浸式體驗是數字體驗的未來發展方向。部分新興技術通過客戶和人們的動態虛擬表示、環境和生態系統以及新的用戶互動模式來支持這種體驗。

個人可以使用這些技術管理自己的身份和數據，并且體驗已集成數字貨幣的虛擬生態系統。這些技術也將幫助企業機構以新方式接觸客戶，加強或開辟新的收入來源。

這類技術包括：元宇宙（metaverse）、非同質化代幣（non-fungible tokens，NFT）、超級應用（super apps）和Web3、去中心化身份（decentralized identity）、數字人類（digital humans）、客戶數字孿生（digital twin of the customer）以及內部人才市場（internal talent marketplace）。

‍客戶數字孿生(DToC)是客戶的動態虛擬表示，可以模擬、學習和預測行為。它可用于修改和增強客戶體驗(CX)并支持新的數字化工作、產品、服務和機會。DToC需要5到10年才能被主流采用，將對組織帶來很大影響。

沉浸式體驗中的其他關鍵技術包括：

去中心化身份(DCI)允許實體（通常是用戶）利用區塊鏈或其他分布式賬本技術(DLT)以及數字錢包來控制自己的數字身份。

數字人類是一種AI驅動的，交互式的表示，具有人類的一些特征、個性、知識和思維方式。

內部人才市場將內部員工以及在某些情況下的臨時員工人才庫，與有時間限制的項目和各種工作機會相匹配，而無需招聘人員參與。

元宇宙是一個集體虛擬3D共享空間，由虛擬增強的物理和數字現實的融合創建。元宇宙具備持久性，提供增強的沉浸式體驗。

非同質化代幣(NFT)是一種基于區塊鏈的獨特可編程數字項目，可公開證明數字資產（如數字藝術或音樂）或代幣化的物理資產（如房屋、汽車或文件）的所有權。

Superapp是一個復合移動應用程序，作為平臺構建，可提供模塊化微應用程序，用戶可以激活這些微應用程序以獲得個性化的應用程序體驗。

Web3是用于開發去中心化Web應用程序的新技術堆棧，使用戶能夠控制自己的身份和數據。

主題2：AI自動化提速

AI正在日益普及并成為產品、服務和解決方案的一個重要組成部分。這一趨勢正在加快專用AI模型的創建速度，然后用來支持自動化模型的開發、訓練和部署。AI自動化重新聚焦人類在AI開發中的作用，可提高預測與決策的準確性并縮短實現預期效益的時間周期。

這類技術包括：自主系統（autonomic system）、因果AI（causal AI）、基礎模型（foundation model）、生成式設計AI（generative design AI）和機器學習代碼生成（machine learning code generation）。

自主系統（Autonomic systems）是人工智能自動化加速的例子。自主系統是自我管理的物理或軟件系統，執行具有三個基本特征的域界任務：自主、學習和代理。當傳統的人工智能技術無法實現業務適應性、靈活性和敏捷性時，自主系統可以協助處理。自主系統需要5到10年才能被主流采用。

加速AI自動化的其他關鍵技術包括：

因果人工智能(AI)識別并利用因果關系，突破了基于相關性的預測模型，讓AI系統朝著更有效更自主地推薦行動的方向前進。

基礎模型是基于Transformer架構的模型，例如大型語言模型，它體現了一種深度神經網絡架構，可以上下文環境中計算文本的數字表示，強調單詞的序列。

生成式設計AI或AI增強設計，是使用AI、機器學習(ML)和自然語言處理(NLP)技術自動生成和開發數字產品的用戶流程、屏幕設計、內容和表示層代碼。

機器學習代碼生成工具包括可插入專業開發人員集成開發環境(IDE)的云托管ML模型，IDE是基于自然語言描述或部分代碼片段提供建議代碼的擴展。

主題3：技術人員交付得到優化

成功的數字業務都是通過構建獲得，而不是通過購買獲得。部分新興技術專注于融合團隊等產品、服務和解決方案構建者社區及其使用的平臺。這些技術可提供反饋和洞察，支持產品、服務及解決方案交付優化和加速，提高業務運營的可持續性。

這類技術包括：增強型敏捷金融（augmented FinOps）、云數據生態系統（cloud data ecosystem）、云可持續性（cloud sustainability）、計算存儲（computational storage）、網絡安全網格架構（cybersecurity mesh architecture）、數據可觀測性（data observability）、動態風險治理（dynamic risk governance）、行業云平臺（industry cloud platform）、最小可行架構（minimum viable architecture）、可觀測性驅動開發（observability driven development）、開放式遙測（OpenTelemetry）和平臺工程（platform engineering）。

云數據生態系統體現了優化的技術人員交付。它們提供了一個統一的數據管理環境，能夠支持從探索性數據科學到生產數據倉庫的所有數據工作負載。云數據生態系統提供簡化的交付和全面的功能，易于部署、優化和維護。它們將需要兩到五年的時間才能被主流采用。

優化技術人員交付的其他關鍵技術包括：

增強型敏捷金融（augmented FinOps）通過應用AI和機器學習(ML)實踐，將敏捷性、持續集成和部署以及最終用戶對財務治理、預算計劃和成本優化工作的反饋等傳統DevOps概念自動化。

云可持續性是利用云服務在經濟、環境和社會系統中實現可持續性效益。

計算存儲(CS)將主機處理從中央處理單元(CPU)的主存儲器卸載到存儲設備。

網絡安全網格架構(CSMA)是一種新興的方法，用于構建可組合的分布式安全控制，以提高整體安全效率。

數據可觀測性是通過持續監控、跟蹤、警報、分析和故障排除事件來了解組織數據環境、數據管道和數據基礎設施健康狀況的能力。

動態風險治理(DRG)是一種新方法，用于定義風險管理的角色和責任這一關鍵任務。DRG針對每種風險適當地定制風險治理，使組織能夠更好地管理風險并降低保障成本。

行業云平臺利用底層SaaS、PaaS和IaaS服務，為確定的垂直行業提供與行業相關的打包業務和技術能力，并將其整合為一個產品。

最小可行架構(MVA)是產品團隊用來確保及時、合規地開發和迭代產品的標準化框架。

可觀測性驅動開發(ODD)是一種軟件工程實踐，它通過將系統設計為可觀察（觀測）的，為系統狀態和行為提供細粒度的可見性和上下文。

開放式遙測（OpenTelemetry）是規范、工具、應用程序編程接口(API)和軟件開發工具包(SDK)的集合，用于描述和支持軟件的開源儀器和可觀察性框架的實施。

平臺工程是為軟件交付和生命周期管理構建和運營自服務內部開發人員平臺(IDP)的學科。

附：Gartner 2021-2023年大型企業新興技術路線圖