2024年大數(shù)據(jù)行業(yè)預(yù)測(cè)（五）

圖

減少幻覺(jué)-放大內(nèi)容！到2024年，以快速發(fā)展的語(yǔ)言模型為動(dòng)力，以知識(shí)圖譜為基礎(chǔ)的生成式人工智能將減少幻覺(jué)，并產(chǎn)生越來(lái)越具有上下文相關(guān)性和洞察力的內(nèi)容。這將為自然語(yǔ)言理解、定制內(nèi)容創(chuàng)建以及醫(yī)療保健、藥物發(fā)現(xiàn)和工程等各個(gè)領(lǐng)域的復(fù)雜問(wèn)題解決方面的突破性發(fā)展鋪平道路。–Jans Aasman博士，F(xiàn)ranz Inc.首席執(zhí)行官

知識(shí)圖譜將幫助用戶消除數(shù)據(jù)孤島：隨著企業(yè)繼續(xù)將更多的數(shù)據(jù)遷移到數(shù)據(jù)云中，其在云中收集了數(shù)百、數(shù)千甚至數(shù)萬(wàn)個(gè)數(shù)據(jù)孤島。通過(guò)利用各種數(shù)據(jù)源之間的關(guān)系，知識(shí)圖譜可以很容易地驅(qū)動(dòng)語(yǔ)言模型來(lái)導(dǎo)航所有存在的數(shù)據(jù)孤島。在新的一年里，我們將看到各種支持智能應(yīng)用發(fā)展的成熟和新穎的人工智能技術(shù)出現(xiàn)。—Molham Aref，RelationalAI創(chuàng)始人兼首席執(zhí)行官

圖數(shù)據(jù)庫(kù)將繼續(xù)徹底改變數(shù)據(jù)科學(xué)和工程團(tuán)隊(duì)處理大規(guī)模實(shí)時(shí)數(shù)據(jù)集的方式，使其能夠提取更深入的見(jiàn)解，并實(shí)現(xiàn)更快的價(jià)值實(shí)現(xiàn)。隨著數(shù)據(jù)量和速度持續(xù)呈指數(shù)級(jí)增長(zhǎng)，尤其是興趣點(diǎn)和人流量等實(shí)時(shí)數(shù)據(jù)，團(tuán)隊(duì)將需要重新考慮其數(shù)據(jù)管理技術(shù)堆棧以跟上。希望越來(lái)越多的團(tuán)隊(duì)將轉(zhuǎn)向圖數(shù)據(jù)庫(kù)來(lái)導(dǎo)航復(fù)雜的數(shù)據(jù)集、提高效率，并以保護(hù)消費(fèi)者隱私的方式完成這一切。–Emma Cramer，F(xiàn)oursquare工程高級(jí)經(jīng)理

LLM和技術(shù)融合加速了知識(shí)圖譜的采用：減緩知識(shí)圖譜(KG)采用的一個(gè)關(guān)鍵因素是，開(kāi)發(fā)必要的領(lǐng)域模型的廣泛（且昂貴）的過(guò)程。LLM可以優(yōu)化多項(xiàng)任務(wù)，包括分類法的演變、實(shí)體分類以及從非結(jié)構(gòu)化數(shù)據(jù)中提取新屬性和關(guān)系。如果做得正確，LLM可以降低信息提取成本，因?yàn)檫m當(dāng)?shù)墓ぞ吆头椒梢怨芾砦谋痉治龉艿赖馁|(zhì)量，并以當(dāng)前所需工作的一小部分來(lái)引導(dǎo)/發(fā)展知識(shí)圖譜。LLM還可以通過(guò)應(yīng)用自然語(yǔ)言查詢和摘要來(lái)更輕松地使用知識(shí)圖譜。標(biāo)記屬性圖(LPG)和資源描述框架(RDF)也將有助于推動(dòng)KG的采用，因?yàn)樗鼈兌际菑?qiáng)大的數(shù)據(jù)模型，結(jié)合起來(lái)具有強(qiáng)大的協(xié)同作用。因此，雖然RDF和LPG針對(duì)不同的事物進(jìn)行了優(yōu)化，但數(shù)據(jù)管理者和技術(shù)供應(yīng)商意識(shí)到，它們共同提供了一種全面且靈活的數(shù)據(jù)建模和集成方法。這些圖形技術(shù)堆棧的結(jié)合，將使企業(yè)能夠創(chuàng)建更好的數(shù)據(jù)管理實(shí)踐，以高效且面向未來(lái)的方式處理數(shù)據(jù)分析、參考數(shù)據(jù)和元數(shù)據(jù)管理、數(shù)據(jù)共享和重用。一旦建立了有效的圖基礎(chǔ)，其就可以在組織之間重用和重新調(diào)整用途，以交付企業(yè)級(jí)結(jié)果，而不是僅限于斷開(kāi)連接的知識(shí)圖譜實(shí)現(xiàn)。隨著數(shù)字孿生、物聯(lián)網(wǎng)、人工智能和機(jī)器學(xué)習(xí)等創(chuàng)新和新興技術(shù)進(jìn)一步獲得人們的關(guān)注，數(shù)據(jù)管理將變得更加重要。結(jié)合使用LPG和RDF的功能，組織可以表示AI和ML模型之間的復(fù)雜數(shù)據(jù)關(guān)系，并跟蹤IoT數(shù)據(jù)以支持這些新用例。此外，隨著數(shù)據(jù)規(guī)模和多樣性的增加，這種組合也將滿足對(duì)更好性能的需求。因此，隨著企業(yè)尋求連接、處理、分析和查詢當(dāng)前使用的大量數(shù)據(jù)集，預(yù)計(jì)知識(shí)圖譜的采用將繼續(xù)增長(zhǎng)。–Atanas Kiryakov，Ontotext創(chuàng)始人兼首席執(zhí)行官

硬件

有限的芯片可用性推動(dòng)了常識(shí)，并降低了人工智能的期望。人工智能的瘋狂發(fā)展，使得GPU和相關(guān)芯片生產(chǎn)的需求達(dá)到了極限。由于制造更多此類芯片的能力有限，人工智能處理將在2024年遇到瓶頸。這種短缺將對(duì)云提供商、Meta、Tesla和OpenAI等大型買家產(chǎn)生最嚴(yán)重的影響。–Forrester

GPU的使用變得越來(lái)越昂貴且競(jìng)爭(zhēng)越來(lái)越激烈，這將開(kāi)啟云行業(yè)的新篇章。傳統(tǒng)的提供商，如AWS、Microsoft Azure和Google Cloud，無(wú)法滿足開(kāi)發(fā)人員的需求，小企業(yè)發(fā)現(xiàn)很難負(fù)擔(dān)和保留訓(xùn)練大型語(yǔ)言模型所需的計(jì)算能力。因此，越來(lái)越多的組織將轉(zhuǎn)向分布式且無(wú)需許可的云網(wǎng)絡(luò)來(lái)訪問(wèn)GPU，包括在許多情況下閑置的不太復(fù)雜的芯片。展望2024年，對(duì)“小型”GPU的新關(guān)注將有助于維持人工智能的繁榮，并減輕人們對(duì)Microsoft、Alphabet和Meta將主導(dǎo)技術(shù)轉(zhuǎn)型的擔(dān)憂。那些在GPU壓力下尋求替代方案的企業(yè)，將通過(guò)使用不太密集的數(shù)據(jù)集要求、部署更高效的技術(shù)（例如低秩適應(yīng)(LoRA)）來(lái)訓(xùn)練語(yǔ)言模型，以及以并行方式分配工作負(fù)載來(lái)取得進(jìn)展。這涉及部署較低級(jí)芯片集群，以完成相當(dāng)于少量A100和H100的任務(wù)。一個(gè)云計(jì)算的新時(shí)代將會(huì)出現(xiàn)，在這個(gè)時(shí)代，權(quán)力是分散的，而不是掌握在少數(shù)人手中。–Greg Osuri，Akash Network創(chuàng)始人兼首席執(zhí)行官

當(dāng)今的計(jì)算、內(nèi)存、網(wǎng)絡(luò)技術(shù)將嚴(yán)重限制大規(guī)模部署，從而限制人工智能的經(jīng)濟(jì)影響。在這三個(gè)方面都需要新技術(shù)，而不僅僅是過(guò)去幾年我們所看到的由炒作推動(dòng)的未經(jīng)驗(yàn)證的技術(shù)投資。計(jì)算、內(nèi)存和網(wǎng)絡(luò)方面的基本技術(shù)障礙，將推動(dòng)針對(duì)不同用例配置文件和模型的專門推理基礎(chǔ)設(shè)施。我們將看到對(duì)推理基礎(chǔ)設(shè)施（生成預(yù)測(cè)以做出決策）的大量專門投資，以解決規(guī)模部署的關(guān)鍵瓶頸。隨著我們走向規(guī)模化部署，可持續(xù)性問(wèn)題將成為限制人工智能大規(guī)模部署的關(guān)鍵因素之一。其中包括能源消耗和對(duì)地球的影響。生成式人工智能的早期價(jià)值應(yīng)用，將側(cè)重于內(nèi)部效率提高以降低成本，而不是外部/面向客戶的收入增長(zhǎng)。開(kāi)源模型將實(shí)現(xiàn)對(duì)生成人工智能的廣泛早期探索，但終端用戶將需要投資于專門的內(nèi)部團(tuán)隊(duì)或聘請(qǐng)外部合作伙伴，以利用開(kāi)源模型或自定義模型進(jìn)行價(jià)值部署。–Naveen Verma博士，EnCharge AI首席執(zhí)行官

計(jì)算能力是新的石油：GPU需求的飆升已經(jīng)超過(guò)了全行業(yè)的供應(yīng)，使得具有正確配置的專業(yè)計(jì)算成為稀缺資源。計(jì)算能力現(xiàn)已成為新的石油，組織正在將其作為競(jìng)爭(zhēng)優(yōu)勢(shì)。到2024年，隨著人工智能工作負(fù)載的持續(xù)爆炸式增長(zhǎng)，我們預(yù)計(jì)將出現(xiàn)更大的創(chuàng)新和技術(shù)采用，以提高計(jì)算效率和擴(kuò)展容量。此外，TPU、ASIC、FPGA和神經(jīng)形態(tài)芯片等專用人工智能硬件，將變得更容易使用。–Haoyuan Li，Alluxio創(chuàng)始人兼首席執(zhí)行官

物聯(lián)網(wǎng)和邊緣計(jì)算

邊緣計(jì)算對(duì)2024年技術(shù)投資的影響：2024年，邊緣計(jì)算的重要性將繼續(xù)增長(zhǎng)。組織將投資邊緣基礎(chǔ)設(shè)施，以支持需要低延遲的應(yīng)用，如自動(dòng)駕駛汽車、增強(qiáng)現(xiàn)實(shí)和工業(yè)自動(dòng)化。–Srinivasa Raghavan，ManageEngine產(chǎn)品管理總監(jiān)

邊緣人工智能的成功將取決于輕量級(jí)人工智能模型的進(jìn)步：圍繞人工智能的創(chuàng)新令人興奮，而邊緣計(jì)算是實(shí)現(xiàn)新人工智能應(yīng)用的一種方式。然而，為了使邊緣人工智能成為可行的選擇，人工智能模型需要輕量級(jí)，并且能夠在資源有限的嵌入式設(shè)備和邊緣服務(wù)器中運(yùn)行，同時(shí)繼續(xù)以可接受的精度水平提供結(jié)果。模型需要取得適當(dāng)?shù)钠胶猓@意味著模型必須小且計(jì)算密集度要低，以便其可以在邊緣高效運(yùn)行，同時(shí)提供準(zhǔn)確的結(jié)果。雖然模型壓縮方面已經(jīng)取得了很大進(jìn)展，但預(yù)測(cè)這一領(lǐng)域?qū)?huì)持續(xù)創(chuàng)新，再加上邊緣AI處理器的進(jìn)步，將使邊緣AI無(wú)處不在。–Priya Rajagopal，Couchbase產(chǎn)品管理總監(jiān)

期待已久的邊緣計(jì)算：隨著人工智能應(yīng)用的開(kāi)發(fā)，企業(yè)將尋求更接近應(yīng)用使用地點(diǎn)的處理能力。這意味著數(shù)據(jù)中心將專注于讓繁重的計(jì)算更接近數(shù)據(jù)實(shí)際使用的地方。–Michael Crook，Corning Optical Communications數(shù)據(jù)中心市場(chǎng)開(kāi)發(fā)經(jīng)理

MLOps（機(jī)器學(xué)習(xí)操作）將顯著發(fā)展，不僅提供部署、擴(kuò)展、監(jiān)控等操作功能，還將包括模型優(yōu)化。這將涵蓋從超參數(shù)調(diào)整到調(diào)整模型性能，再到特定芯片組和用例的模型大小/量化和性能優(yōu)化的一切。–Yeshwant Mummaneni，Altair云首席工程師

低代碼/無(wú)代碼

低代碼抽象框架：像DBT Labs這樣的抽象框架可以促進(jìn)基于SQL的代碼，這些代碼可以在各種底層平臺(tái)上無(wú)縫運(yùn)行，如Snowflake和Databricks。這種抽象簡(jiǎn)化了技術(shù)轉(zhuǎn)換，提供了增強(qiáng)的靈活性，并減少了與平臺(tái)變更相關(guān)的工作量和成本?？紤]到該領(lǐng)域人才稀缺，其目標(biāo)是使公民數(shù)據(jù)分析師能夠獨(dú)立操作平臺(tái)，減少對(duì)專家的依賴。–Arnab Sen，Tredence Inc.數(shù)據(jù)工程副總裁

LLM不會(huì)取代低代碼——人工智能將推動(dòng)現(xiàn)有的低代碼解決方案做得更多：展望明年，一些低代碼供應(yīng)商已提議將人工智能用于生成代碼，作為修復(fù)其平臺(tái)缺陷的一種手段。結(jié)果可能是應(yīng)用程序不太穩(wěn)健、技術(shù)債務(wù)更高以及客戶的成本和風(fēng)險(xiǎn)更大。與其讓人工智能生成大量有缺陷的自定義代碼，并創(chuàng)造出隨著時(shí)間的推移只會(huì)變得更糟的應(yīng)用，倒不如在2024年將網(wǎng)站設(shè)置為具有人工智能的超級(jí)強(qiáng)大的低代碼解決方案。我們將看到人工智能使低代碼平臺(tái)更加直觀，降低企業(yè)用戶創(chuàng)建自己的智能業(yè)務(wù)流程的門檻，并比以往任何時(shí)候都進(jìn)一步推動(dòng)公民發(fā)展。–Anthony Abdulla，Pega產(chǎn)品營(yíng)銷高級(jí)總監(jiān)

低代碼/無(wú)代碼工具將在2024年主導(dǎo)軟件開(kāi)發(fā)：2024年，低代碼/無(wú)代碼工具將主導(dǎo)軟件開(kāi)發(fā)，因?yàn)槠錇檎麄€(gè)企業(yè)的用戶帶來(lái)應(yīng)用開(kāi)發(fā)的力量?！肮耖_(kāi)發(fā)者”的興起證明，隨著我們走向無(wú)代碼的未來(lái)，沒(méi)有編碼經(jīng)驗(yàn)的人們正在改變工作世界。隨著技術(shù)企業(yè)采用低代碼/無(wú)代碼工具，將節(jié)省時(shí)間和金錢，而不是落后于早期采用者。–Jason Beres，Infragistics高級(jí)副總裁

自然語(yǔ)言將為無(wú)代碼的下一次發(fā)展鋪平道路：自動(dòng)化只有在一線團(tuán)隊(duì)實(shí)施時(shí)才有效。五年前，將強(qiáng)大的自動(dòng)化功能交給非技術(shù)團(tuán)隊(duì)的最佳方法是通過(guò)低代碼或無(wú)代碼界面?，F(xiàn)在，有了讓人們使用自然語(yǔ)言的人工智能聊天機(jī)器人，從銷售到安全的每個(gè)團(tuán)隊(duì)成員都具備足夠的技術(shù)能力，可以利用自動(dòng)化來(lái)解決自己的獨(dú)特問(wèn)題。人工智能的突破在于用自然語(yǔ)言迭代的新能力，只需要求LLM做一些稍微不同的事情，然后再稍微不同。生成式人工智能和LLM正在消除進(jìn)入壁壘，就像無(wú)代碼工具曾經(jīng)為需要知道如何編碼而做的那樣，而無(wú)代碼將是下一個(gè)被打破的障礙。我們已經(jīng)從Python等編程語(yǔ)言轉(zhuǎn)向Microsoft Excel或拖放界面。明年，我們將看到越來(lái)越多的人工智能聊天功能取代無(wú)代碼界面。我們可以期待整個(gè)組織中的非技術(shù)團(tuán)隊(duì)，以其從未想過(guò)的方式擁抱自動(dòng)化。自然語(yǔ)言是前沿的未來(lái)。–Eoin Hinchy，Tines聯(lián)合創(chuàng)始人兼首席執(zhí)行官

機(jī)器學(xué)習(xí)

機(jī)器學(xué)習(xí)是檢測(cè)物聯(lián)網(wǎng)設(shè)備安全異常的關(guān)鍵：隨著連接的設(shè)備越來(lái)越多，網(wǎng)絡(luò)攻擊的風(fēng)險(xiǎn)及其后果不斷升級(jí)。在威脅成為嚴(yán)重安全風(fēng)險(xiǎn)之前，機(jī)器學(xué)習(xí)將日益成為幫助識(shí)別威脅的關(guān)鍵。到2024年，可以期待大量新的機(jī)器學(xué)習(xí)驅(qū)動(dòng)的解決方案進(jìn)入市場(chǎng)，以幫助解決物聯(lián)網(wǎng)設(shè)備這一日益嚴(yán)重的問(wèn)題。–Mike Wilson，Enzoic創(chuàng)始人兼首席技術(shù)官

對(duì)可重用數(shù)據(jù)的需求，將推動(dòng)與AI/ML功能集成的數(shù)據(jù)管理和統(tǒng)一工具的采用：我們正處于數(shù)據(jù)復(fù)興的風(fēng)口浪尖，與AI和ML功能無(wú)縫集成的復(fù)雜數(shù)據(jù)管理和統(tǒng)一工具，將增強(qiáng)和徹底改變我們自動(dòng)化和交付數(shù)據(jù)產(chǎn)品的方式。這是關(guān)于針對(duì)許多業(yè)務(wù)用例量身定制經(jīng)過(guò)認(rèn)證、輕松使用且高度可重用的數(shù)據(jù)資產(chǎn)。我們討論的不僅僅是讓數(shù)據(jù)更智能；我們正在構(gòu)建一個(gè)未來(lái)，讓數(shù)據(jù)成為決策和運(yùn)營(yíng)的命脈，推動(dòng)各行業(yè)前所未有的效率和創(chuàng)新。–Manish Sood，Reltio創(chuàng)始人、首席執(zhí)行官兼董事長(zhǎng)

量子計(jì)算

量子神經(jīng)網(wǎng)絡(luò)將使機(jī)器更像人類一樣交流：量子神經(jīng)網(wǎng)絡(luò)的發(fā)展有望重塑人工智能領(lǐng)域，特別是在自然語(yǔ)言處理和圖像識(shí)別領(lǐng)域。量子增強(qiáng)能力將帶來(lái)更準(zhǔn)確、更高效、更通用的人工智能模型，推動(dòng)各行業(yè)創(chuàng)新，為人工智能應(yīng)用帶來(lái)新的可能性。QNN還將解決語(yǔ)言中的遠(yuǎn)程依賴性和模糊性的挑戰(zhàn)，從而在對(duì)話式人工智能中產(chǎn)生更加上下文準(zhǔn)確和類似人類的響應(yīng)。–Jans Aasman博士，F(xiàn)ranz Inc.首席執(zhí)行官

量子計(jì)算將成為現(xiàn)實(shí)：雖然量子技術(shù)的全面商業(yè)利用可能還需要數(shù)年的時(shí)間，但市場(chǎng)上有越來(lái)越多的解決方案正在解決現(xiàn)實(shí)世界的問(wèn)題。到2024年，更多基于量子的用例將成為現(xiàn)實(shí)，因?yàn)檫@項(xiàng)技術(shù)從實(shí)驗(yàn)室環(huán)境轉(zhuǎn)移到數(shù)據(jù)中心，其會(huì)變得更容易被企業(yè)使用。除了更多的商業(yè)投資，我們還將繼續(xù)看到來(lái)自美國(guó)、英國(guó)和其他國(guó)家政府的更多資金，以解決安全障礙和其他不斷發(fā)展的技術(shù)挑戰(zhàn)。–Holland Barry，Cyxtera高級(jí)副總裁兼首席技術(shù)官

到2024年，如果忽視“早期量子采用”，該行業(yè)將面臨落后的風(fēng)險(xiǎn)：就像人工智能的興起一樣，量子計(jì)算等強(qiáng)大的新技術(shù)給安全行業(yè)帶來(lái)了巨大的未知數(shù)。不知道量子是否會(huì)被證明是比資產(chǎn)更大的威脅，這種模糊性暴露了一個(gè)令人深省的現(xiàn)實(shí)，即即使是最具技術(shù)含量的受眾也難以理其是如何工作的。為了為量子進(jìn)化做好充分準(zhǔn)備，安全行業(yè)必須避免坐等其他人如何準(zhǔn)備的錯(cuò)誤立場(chǎng)。相反，其必須是針對(duì)量子的防御協(xié)議的早期采用者。–Jaya Baloo，Rapid7首席戰(zhàn)略官

未來(lái)的量子計(jì)算：量子計(jì)算將實(shí)現(xiàn)規(guī)模飛躍，并將我們對(duì)技術(shù)的期望變?yōu)楝F(xiàn)實(shí)。首席信息官應(yīng)該依靠過(guò)去的模式為未來(lái)做好準(zhǔn)備，而量子計(jì)算的處理規(guī)模將把20天縮短到20毫秒。檢查用于組織數(shù)據(jù)收集和安全性的基礎(chǔ)系統(tǒng)，并開(kāi)始準(zhǔn)備基礎(chǔ)設(shè)施，以便能夠處理由此帶來(lái)的負(fù)載增加。我們?cè)谶h(yuǎn)程工作中看到了同樣的過(guò)程——大多數(shù)應(yīng)用和基礎(chǔ)設(shè)施最初并不是為遠(yuǎn)程工作而構(gòu)建的，必須進(jìn)行重構(gòu)以適應(yīng)互聯(lián)網(wǎng)速度、移動(dòng)設(shè)備和新應(yīng)用。關(guān)于遠(yuǎn)程工作導(dǎo)致IT人員倦怠的討論很多，但真正的根本原因是應(yīng)用并不是為支持遠(yuǎn)程工作而構(gòu)建的。如果我們的環(huán)境還沒(méi)有為下一次技術(shù)發(fā)展做好準(zhǔn)備，那么當(dāng)量子計(jì)算起飛時(shí)，也會(huì)看到同樣的倦怠。–Robert Grazioli，Ivanti首席信息官

到2024年，隨著量子計(jì)算從理論承諾穩(wěn)步走向?qū)嶋H實(shí)施，計(jì)算領(lǐng)域?qū)⒗^續(xù)經(jīng)歷變革。雖然它們擁有解決世界上一些最嚴(yán)重問(wèn)題的驚人能力，但也給當(dāng)今廣泛使用的公鑰基礎(chǔ)設(shè)施(PKI)加密技術(shù)帶來(lái)了巨大風(fēng)險(xiǎn)。幾乎所有加密保護(hù)的基礎(chǔ)都是PKI，隨著量子計(jì)算機(jī)在2030年左右越來(lái)越多地上線，這些算法將很容易受到攻擊。隨著進(jìn)步的加速，量子計(jì)算預(yù)計(jì)將變得更加容易實(shí)現(xiàn)，預(yù)示著計(jì)算能力的新時(shí)代。轉(zhuǎn)向后量子密碼學(xué)（PQC）將是防御量子計(jì)算攻擊的關(guān)鍵。由于量子計(jì)算機(jī)威脅到當(dāng)前的加密標(biāo)準(zhǔn)，迫切需要加強(qiáng)數(shù)字安全以防范潛在的漏洞。《商業(yè)國(guó)家安全算法套件(CSNA)2.0》和《量子計(jì)算網(wǎng)絡(luò)安全準(zhǔn)備法案》等美國(guó)政府法規(guī)已生效，并強(qiáng)制要求某些關(guān)鍵基礎(chǔ)設(shè)施組件最早從2025年開(kāi)始轉(zhuǎn)向量子彈性安全算法。美國(guó)國(guó)家標(biāo)準(zhǔn)與技術(shù)研究院(NIST)預(yù)計(jì)將在2024年發(fā)布PQC算法的最終版本。同時(shí)，隨著威脅形勢(shì)的不斷發(fā)展，量子計(jì)算的激增要求同時(shí)關(guān)注網(wǎng)絡(luò)彈性。加強(qiáng)基礎(chǔ)設(shè)施，以抵御日益復(fù)雜的網(wǎng)絡(luò)攻擊并從中恢復(fù)將變得至關(guān)重要，因此需要采取積極主動(dòng)的方法來(lái)保護(hù)量子驅(qū)動(dòng)的未來(lái)中的數(shù)字資產(chǎn)。FPGA等靈活的解決方案對(duì)于引領(lǐng)行業(yè)新一輪創(chuàng)新浪潮至關(guān)重要，以確保面對(duì)不斷變化的威脅時(shí)的數(shù)據(jù)保護(hù)和系統(tǒng)完整性。–Mamta Gupta，Lattice Semiconductor運(yùn)營(yíng)總監(jiān)

RPA、自動(dòng)化、機(jī)器人

到2024年，對(duì)企業(yè)產(chǎn)生更大影響的是自動(dòng)化，而不是人工智能：雖然明年人工智能可能會(huì)繼續(xù)成為頭條新聞，但從實(shí)施角度來(lái)看，自動(dòng)化將成為對(duì)企業(yè)更具影響力的技術(shù)。事實(shí)是，當(dāng)今世界大部分地區(qū)的自動(dòng)化程度還不是很高。如果現(xiàn)在查看任何技術(shù)堆棧，可能會(huì)發(fā)現(xiàn)一些實(shí)施不佳的自動(dòng)化和大量手動(dòng)流程。然而，隨著企業(yè)尋找2024年提高效率的方法，大多數(shù)企業(yè)將轉(zhuǎn)向自動(dòng)化，特別是其工程和基礎(chǔ)設(shè)施功能。這是因?yàn)樽詣?dòng)化效率很高，并且只需要很少的人來(lái)管理。對(duì)于許多用例，企業(yè)可以建立完全自動(dòng)化的系統(tǒng)，其運(yùn)行效果與人類甚至人工智能增強(qiáng)人類一樣好，甚至更好。–David Hunt，Prelude Security聯(lián)合創(chuàng)始人兼首席技術(shù)官

自動(dòng)化工具將對(duì)開(kāi)發(fā)人員的速度，以及開(kāi)發(fā)人員的工作衡量方式產(chǎn)生更明顯的影響。今年人工智能和機(jī)器學(xué)習(xí)的爆炸式增長(zhǎng)，正在推動(dòng)企業(yè)生產(chǎn)力預(yù)期發(fā)生前所未有的轉(zhuǎn)變。到2024年，人工智能和機(jī)器學(xué)習(xí)驅(qū)動(dòng)的自動(dòng)化工具的擴(kuò)展可訪問(wèn)性，將繼續(xù)提高代碼質(zhì)量、可靠性和安全性的基準(zhǔn)，以滿足對(duì)快速軟件交付不斷增長(zhǎng)的需求。–Sairaj Uddin，The Trade Desk技術(shù)高級(jí)副總裁

自動(dòng)化和人工智能工具將結(jié)合在一起，形成一個(gè)中央“企業(yè)自動(dòng)駕駛儀”。將流程挖掘和任務(wù)挖掘與人工智能和自動(dòng)化相結(jié)合，最終將在2024年實(shí)現(xiàn)數(shù)字化轉(zhuǎn)型。這些技術(shù)將不再單獨(dú)運(yùn)行，而是將結(jié)合起來(lái)，充分發(fā)揮自動(dòng)化的潛力。將人工智能和自動(dòng)化整合到一個(gè)統(tǒng)一系統(tǒng)中的企業(yè)，將連接分散的流程和系統(tǒng)的工作，從而實(shí)現(xiàn)企業(yè)迫切需要的智能和敏捷性，以跟上數(shù)字化轉(zhuǎn)型的步伐。–Anthony Abdulla，Pega產(chǎn)品營(yíng)銷高級(jí)總監(jiān)

未完，待續(xù)…

若想查看“2024年大數(shù)據(jù)行業(yè)預(yù)測(cè)”相關(guān)篇章，請(qǐng)點(diǎn)擊：

生成海報(bào)

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來(lái)自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁(yè)或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說(shuō)明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開(kāi)相關(guān)鏈接。