前不久，Gartner 對外發(fā)布了企業(yè)機構(gòu)在 2023 年需要探索的十大戰(zhàn)略技術(shù)趨勢。根據(jù) Gartner 的調(diào)研，全球絕大部分的 CEO 都認為 2023 年全球經(jīng)濟可能會出現(xiàn)衰退。因此，整份報告以“如何應(yīng)對未來的不確定性”為主題，從業(yè)務(wù)目標的角度試圖理清楚“三大主題、十大方向”，進而幫助企業(yè)渡過難關(guān)。本文，InfoQ 試圖通過 Gartner 分析師的分享為大家解讀這十大技術(shù)趨勢的具體含義。

“數(shù)字免疫系統(tǒng)”的概念最早于上世紀 90 年代被提出，當時指的是一套完全自動化的防病毒解決方案。但是今天的“數(shù)字免疫系統(tǒng)”指的是一套用來構(gòu)建穩(wěn)定系統(tǒng)的軟件工程方法、技術(shù)和實踐。

在傳統(tǒng)的軟件工程領(lǐng)域，我們主要依靠一套基于測試的軟件質(zhì)量體系來保證軟件的健壯性。而今天光靠測試已經(jīng)不夠了，“數(shù)字免疫系統(tǒng)”意味著通過給向數(shù)字免疫系統(tǒng)“打疫苗”這種類似的手段，來提高系統(tǒng)的健壯性。當然，這確實并不是單個技術(shù)，而是包含六大核心模塊的一套組合打法。這六大核心模塊分別是可觀測性、人工智能增強測試、混沌工程、自動修復(fù)、站點可靠性工程以及應(yīng)用供應(yīng)鏈安全。

以下為部分模塊介紹：

可觀測性的概念起源于幾十年前的“控制論”，其含義是通過檢驗一個系統(tǒng)外部輸出的數(shù)據(jù)或信息去推斷或者衡量系統(tǒng)內(nèi)部狀態(tài)，這樣的系統(tǒng)稱之為“可觀測的系統(tǒng)”，這種方法叫作“可觀測性”。

“混沌工程”的理念最早是由互聯(lián)網(wǎng)公司 Netflix（奈飛）創(chuàng)造的，其含義是在系統(tǒng)里面放進一只搗亂的猴子，這只搗亂的猴子在系統(tǒng)中上竄下跳直到搞掛系統(tǒng)。我們會用這種方法測試系統(tǒng)的不確定性，或者說通過傳統(tǒng)方式無法檢測出的隱患?！盎煦绻こ獭痹趯嵺`過程中與傳統(tǒng)的測試會共用很多測試工具，例如錯誤注入工具等。但是這兩者之間的思想是有本質(zhì)區(qū)別的，因為傳統(tǒng)測試主要基于“預(yù)設(shè)條件輸出”的方法來判斷測試是否出錯。也就是說，測試時需要對所有可能出現(xiàn)的情況進行預(yù)估、預(yù)評判，而混沌工程則是在沒有預(yù)設(shè)條件的情況下逐步測試系統(tǒng)的穩(wěn)定性以及系統(tǒng)未知的脆弱。

這是谷歌提出來的理念，其思想是用軟件工程的方法解決復(fù)雜的運維問題。在傳統(tǒng)的運維模式下，很多工作是通過人工操作來完成的，而“站點可靠性工程”強調(diào)通過開發(fā)一些自動化工具來替代人工操作。谷歌公司的運維團隊（SRE）要求平時的運維工作要限制在 50% 的時間以內(nèi)，另外 50% 的時間開發(fā)一些自動化的工具用來減少人工干預(yù)。這種模式不僅降低了人力成本，而且解決了運維與開發(fā)之間的一些矛盾。

“可觀測性原理”是通過觀察系統(tǒng)外部輸出的信息來判斷系統(tǒng)內(nèi)部的狀態(tài)，進而優(yōu)化系統(tǒng)，當我們將這種理念從單純的“IT 觀察”或者“IT 監(jiān)控”的角度推廣到企業(yè)運營中去的時候，我們將其叫作“應(yīng)用可觀測性”。

企業(yè)中每一個決策的發(fā)生都會產(chǎn)生相應(yīng)的數(shù)據(jù)結(jié)果。即使我們不知道決策是什么，或者即使決策的執(zhí)行和計劃有出入，但最終都會通過數(shù)據(jù)的形式反饋給我們真實的數(shù)據(jù)結(jié)果。當我們收集到這些輸出的反饋數(shù)據(jù)結(jié)果以后，可以疊加“場景信息”，通過行業(yè)知識和對行業(yè)的理解，對數(shù)據(jù)進行解讀，應(yīng)用 AI 分析的方法給決策提供建議，實際上就是為了優(yōu)化決策。優(yōu)化完決策之后，這個決策會被再次執(zhí)行，生成更多數(shù)據(jù)，我們就可以此創(chuàng)作出反饋循環(huán)進而做出更加精準的數(shù)據(jù)驅(qū)動決策。

如今，AI 的應(yīng)用變得越來越廣泛。對于 AI 應(yīng)用、AI 模型背后的“可解釋性”或者說“公平性”，實際上存在一些問題。比如，一些互聯(lián)網(wǎng)電商巨頭可以通過 AI 系統(tǒng)追蹤每一名物流倉儲部門員工的工作效率，統(tǒng)計每一名員工的“摸魚時間”，然后自動生成解雇指令。用這種 AI 程序的方法去決定一個人的招聘或者解雇，不禁讓人疑惑應(yīng)用的算法是否公平。

事實上，許多企業(yè)機構(gòu)未做好管理 AI 風險的充分準備。Gartner 在美國、英國和德國開展的一項調(diào)查顯示，41% 的企業(yè)機構(gòu)曾經(jīng)歷過 AI 隱私泄露或安全事件。但該調(diào)查也發(fā)現(xiàn)積極管理 AI 風險、隱私和安全的企業(yè)機構(gòu)在 AI 項目中取得了更好的成果。與未積極管理這些功能的企業(yè)機構(gòu)的 AI 項目相比，在這些企業(yè)機構(gòu)中有更多的 AI 項目能夠從概念驗證階段進入到生產(chǎn)階段并實現(xiàn)更大的業(yè)務(wù)價值。

企業(yè)機構(gòu)必須使用新的功能來保證模型的可靠性、可信度、安全性和數(shù)據(jù)保護。AI 信任、風險和安全管理（TRiSM）需要來自不同業(yè)務(wù)部門的參與者共同實施新的措施。

“行業(yè)云平臺”本質(zhì)上是一種新的“云服務(wù)”模式，這與傳統(tǒng)模式的區(qū)別在于：我們一般會把“云服務(wù)”分成三層（IaaS 層、PaaS 層、SaaS 層）。常見的應(yīng)用方法是在 IaaS 層和 PaaS 層之上構(gòu)建自己的應(yīng)用，這是一種路徑。另外一種路徑是直接采購一站式的 SaaS 解決方案，這樣就不需要擔心基礎(chǔ)設(shè)施的事情、反正廠商已經(jīng)做了定制化的方案。

“行業(yè)云平臺”本質(zhì)上是在這兩者當中找到一個新的細分市場，結(jié)合了現(xiàn)在公有云的 IaaS+PaaS 層，然后以此作為技術(shù)底座，其上的 SaaS 部分并不是給企業(yè)提供一個一站式的方案，而更像是把 SaaS 里面具體化的定制化方案拆解開來變成可重復(fù)使用的業(yè)務(wù)功能模塊，企業(yè)根據(jù)此做自定義的研發(fā)，這種模式比今天的“IaaS+PaaS 模式”多了更多業(yè)務(wù)功能，但是比今天的 SaaS 模式更加靈活，實際上是介于這兩種模式之間的一種新的“云服務(wù)模式”。

“平臺工程”實際上是 DevOps 的補充形式。DevOps 之所以形成是因為企業(yè)希望將“運維”和“開發(fā)”兩件事情融合起來。在這個過程中，有些企業(yè)應(yīng)用 DevOps 比較成功，另外一些企業(yè)在應(yīng)用 DevOps 的時候走了彎路。有些組織會把 DevOps 理解成：讓開發(fā)人員去負責運維的工作。這種模式最大的問題在于給開發(fā)人員的負擔太重了，因為許多開發(fā)人員并不太想處理這些運維的問題，也不太想去碰復(fù)雜的基礎(chǔ)設(shè)施。更何況有些時候?qū)τ谄髽I(yè)來說，開發(fā)周期是比較稀缺的資源。

如果企業(yè)面臨上述問題，可以嘗試使用“平臺工程”這樣一種新的架構(gòu)?！捌脚_工程”本質(zhì)上是通過工具和流程，為企業(yè)的軟件開發(fā)團隊提供自助開發(fā)門戶或者叫“內(nèi)部開發(fā)平臺”，該平臺實際上可以涵蓋應(yīng)用程序的整個生命周期，由專門的平臺工程團隊創(chuàng)建和維護，開發(fā)人員提交代碼后，由平臺上的自動化工具負責做自動化發(fā)布。對開發(fā)人員而言，這樣可以避免在運維流程過多介入，同時不需要觸碰底層的基礎(chǔ)設(shè)施。

由于沒有一項技術(shù)能夠占據(jù)主導地位，企業(yè)將使用一系列無線解決方案來滿足辦公室 Wi-Fi、移動設(shè)備服務(wù)、低功耗服務(wù)以及無線電連接等所有場景的需求。Gartner 預(yù)測，到 2025 年，60% 的企業(yè)將同時使用五種以上的無線技術(shù)。

“無線價值實現(xiàn)”本質(zhì)上指現(xiàn)在各種各樣的無線協(xié)議變得越來越成熟，甚至已經(jīng)可以給我們帶來一些落地的商業(yè)價值。當然，這種商業(yè)價值很多時候還是以一種比較碎片化的形式出現(xiàn)，不是“一站式的解決方案”，更多的是一些垂直的碎片化方案。

“超級應(yīng)用”實際上是從中國傳出來的技術(shù)趨勢，最大的案例是支付寶和微信。這些超級應(yīng)用都有巨量的用戶、流量以及很強的小程序生態(tài)。這種趨勢也被眾多西方國家仿效，很多企業(yè)在復(fù)制這種模式。

“自適應(yīng) AI”本意是傳統(tǒng)的 AI 系統(tǒng)需要面對不斷變化的環(huán)境，具體要求為：一是模型訓練好以后，由于外部環(huán)境不斷改變，模型是否可以繼續(xù)應(yīng)用到不斷變化的環(huán)境中；二是模型訓練好以后，需要添加更多的訓練數(shù)據(jù)迭代模型，但是我們現(xiàn)在看到很多的訓練數(shù)據(jù)都是一些小數(shù)據(jù)而非大數(shù)據(jù)；三是希望模型最后在推理的時候產(chǎn)生一些個性化的結(jié)果，而非一般化的結(jié)果。這三個新的要求實際上對 AI 模型來說是希望模型訓練和推理逐漸走向在線訓練、在線推理。

“在線推理”比較好理解，各大短視頻或者電商 APP 會結(jié)合用戶興趣持續(xù)推薦可能感興趣的內(nèi)容；“在線訓練”是指背后的 AI 模型需要實時更新，只有實時更新才能更好響應(yīng)進一步輸入的工作，進而讓訓練和推理形成正向循環(huán)，這個叫作“自適應(yīng) AI”。

Gartner 定義的“元宇宙”是一個“虛擬共享空間”，這個“虛擬共享空間”有五個不同的維度（五個屬性）：Persistent（持久性）；Immersive（沉浸式）；Device-independent，實際上是和設(shè)備無關(guān)的，現(xiàn)在看到的 AR/VR 眼鏡只是早期“元宇宙”進入的一個端口；Not beowned by a singlvendor，不會被某一家廠商所壟斷；Virtual economy，一個虛擬經(jīng)濟體，不只單純的是一個游戲，更多的是跟物理世界平行的一個商業(yè)的數(shù)字世界。

Meta 的實踐不是“元宇宙”所有的內(nèi)涵，因為 Meta 走的技術(shù)路線更像是一個 VR 路線，而 Gartner 定義的“元宇宙”是一個“虛實結(jié)合”的路線，Gartner 有三個“T”：Transform、Transport、Transact。Transport 的意思是將人傳送到數(shù)字世界，VR 更像是 Transport；Transform 的意思是將數(shù)字世界拉到物理世界里面，類似于 AI 的路徑；Transact 的意思是元宇宙不是另外一個更加高級的游戲，很大程度上是我們另外一種生活方式。

很多時候，我們會認為“元宇宙”這樣的一個趨勢離我們好像有點遠，但是實際上也并不完全是這樣，一些新的商業(yè)模式還是比較有希望的，比如“數(shù)字人”、“工業(yè)元宇宙平臺”等。

以“工業(yè)元宇宙平臺”為例，西門子和英偉達聯(lián)手創(chuàng)作了“工業(yè)元宇宙平臺”。西門子作為制造業(yè)的巨頭有很多制造業(yè)的經(jīng)驗可以用來輸出，通過這種類似于系統(tǒng)化的或者是 IT 化的方式賦能其它行業(yè)，而英偉達主要提供算力資源?！肮I(yè)元宇宙”實際上面對的場景非常復(fù)雜，可能是工廠中的一條流水線需要改造，在改造的過程中傳統(tǒng)做法是把現(xiàn)在的流水線停掉，然后再改造、試運行、投產(chǎn)，這個過程實際上浪費了大量的金錢和時間成本，如果可以做一個數(shù)字化的平臺，高度模擬和仿真現(xiàn)有流水線的情況，并且在“數(shù)字世界”里將流水線先改造，做一些虛擬制造或者做模擬制造，模擬測試沒問題之后再對物理空間中的真正流水線開始動手改造，效率會提高很多，時間也會省很多，成本也會降很多。

“工業(yè)元宇宙”的商業(yè)邏輯是合理的，但可能存在行業(yè)化的問題，這取決于廠商本身是做什么的，如果跨到不太熟悉的行業(yè)，難度會非常高。

“可持續(xù)性”這件事情實際上是全球很多企業(yè)都在談的一個問題，這個問題對于中國的客戶、企業(yè)或者場景來說，很多時候講的是“雙碳”。實際上我們做“雙碳”也要看怎么做，做“雙碳”不僅僅是為了保護環(huán)境，更多是為了保證能源安全。能源安全的自主可控實際上是一個很大的國家戰(zhàn)略問題。很多企業(yè)其實在做“綠色數(shù)據(jù)中心”有關(guān)的事情，如果眼光放長遠去看，利用一些可持續(xù)的技術(shù)主動把“碳”減下來，減下來的“碳”可能會變成企業(yè)另外一個收入來源。

在其他條件同等的情況下，注重“雙碳”層面投入的企業(yè)也更有可能獲得企業(yè)和投資者的青睞。

來源：AI前線