2023年Gartner新技术与AI成熟度曲线

1. Gartner 将生成式 AI 置于 2023 年新技术成熟度曲线的顶峰，新兴人工智能将对商业和社会产生深远影响

根据 Gartner, Inc. 2023 年新兴技术成熟度曲线，生成式人工智能 (AI) 处于成熟度曲线期望的顶峰，预计将在两到五年内实现转型效益。生成式人工智能包含在更广泛的新兴人工智能主题中，这是这个技术成熟度曲线上的一个关键趋势，正在为创新创造新的机会。

Gartner 杰出副总裁分析师 Arun Chandrasekaran 表示：“许多新人工智能技术的普及将对商业和社会产生深远影响。大规模的预训练和AI基础模型的规模，对话代理的普及以及生成性人工智能应用的激增，预示着新一轮的劳动力生产力和机器创造力的浪潮。”

新兴技术成熟度曲线在 Gartner 炒作周期中是独一无二的，因为它从 Gartner 每年介绍的 2,000 多种技术和应用框架中提炼出关键见解，形成一套简洁的“必须了解”的新兴技术。这些技术有潜力在未来两到十年内带来变革性效益（见图 1）。

Gartner 副总裁分析师梅丽莎·戴维斯 (Melissa Davis) 表示：“虽然现在所有人的目光都集中在人工智能上，但首席信息官和首席技术官也必须将注意力转向其他具有变革潜力的新兴技术。” “这包括增强开发人员体验、通过无处不在的云推动创新以及提供以人为本的安全和隐私的技术。”

戴维斯补充道：“由于技术成熟度曲线中的技术仍处于早期阶段，因此它们将如何发展存在很大的不确定性。此类新兴技术的部署风险更大，但对早期采用者来说可能会带来更大的好处。”

新兴技术趋势的四大主题

• 新兴人工智能：除了生成式人工智能之外，其他几种新兴人工智能技术也为增强数字客户体验、做出更好的业务决策和建立可持续的竞争优势提供了巨大的潜力。这些技术包括人工智能模拟、因果人工智能、联合机器学习、图数据科学、神经符号人工智能和强化学习。

• 开发人员体验 (DevX)：DevX 是指开发人员与开发和交付软件产品和服务的工具、平台、流程和人员之间交互的各个方面。增强 DevX 对于大多数企业数字化计划的成功至关重要。这对于吸引和留住顶尖工程人才、保持团队士气以及确保工作具有激励性和回报也至关重要。
  增强 DevX 的关键技术包括人工智能增强软件工程、以 API 为中心的 SaaS、GitOps、内部开发人员门户、开源项目办公室和价值流管理平台。

• 云的普及：未来10年，云计算将从技术创新平台发展成为普及的业务创新的重要驱动力。为了实现这种普遍采用，云计算变得更加分散，并将重点关注垂直行业。最大化云投资的价值需要自动化的运营扩展、对云原生平台工具的访问以及充分的治理。
  支持普及云的关键技术包括增强型 FinOps、云开发环境、云可持续性、云原生、从云到边缘、行业云平台和 WebAssembly (Wasm)。

• 以人为本的安全和隐私：人类仍然是安全事件和数据泄露的主要原因。通过实施以人为本的安全和隐私计划，组织可以变得具有弹性，该计划将安全和隐私结构融入到组织的数字设计中。许多新兴技术使企业能够在许多团队之间的决策中创造一种相互信任和共同风险意识的文化。
  支持扩展以人为中心的安全和隐私的关键技术包括 AI TRISM、网络安全网状架构、生成式网络安全人工智能、同态加密和后量子密码学。

2. 生成式人工智能及其周围的创新占据主导地位并具有变革性影响。

2023 年 Gartner 人工智能 (AI) 成熟度曲线™ 确定了能够提供显着甚至变革性效益的创新和技术，同时还能解决易出错系统的局限性和风险。人工智能战略应考虑哪些提供最可信的投资案例。

Gartner 总监分析师 Afraz Jaffri 表示：“人工智能技术成熟度曲线中有许多创新值得特别关注，这些创新将在两到五年内成为主流采用，其中包括生成式人工智能和决策智能。早期采用这些创新将带来显着的竞争优势，并缓解与在业务流程中使用人工智能模型相关的问题。”

两种类型的 GenAI 创新占主导地位

生成式人工智能正在主导人工智能的讨论，它使用 ChatGPT 等系统以非常真实的方式提高了开发人员和知识工作者的生产力。这导致组织和行业重新思考其业务流程和人力资源的价值，将 GenAI 推向技术成熟度曲线上期望过高的顶峰。

Gartner 现在认为生成式 AI 运动在走向更强大的 AI 系统的道路上有两个方面：

• GenAI 将推动创新。
• 将推动 GenAI 进步的创新。
  

生成式人工智能将推动创新

生成式人工智能影响业务，因为它涉及内容发现、创建、真实性和法规。它还具有自动化人类工作以及客户和员工体验的能力。

属于此类别的关键技术包括：

• 通用人工智能（AGI）是机器的（目前假设的）智能，它可以完成人类可以执行的任何智力任务。

• 人工智能工程是企业大规模交付人工智能解决方案的基础。该学科创建连贯的企业开发、交付和基于人工智能的运营系统。

• 自主系统是执行领域限定任务的自我管理物理或软件系统，具有三个基本特征：自主性、学习性和代理性。

• 云人工智能服务提供人工智能模型构建工具、预构建服务的 API 和相关中间件，支持构建/训练、部署和使用在预构建基础设施上作为云服务运行的机器学习 (ML) 模型。

• 复合人工智能是指不同人工智能技术的组合应用（或融合），以提高学习效率，拓宽知识表示的层次。它以更有效的方式解决更广泛的业务问题。

• 计算机视觉是一组技术，涉及捕获、处理和分析现实世界的图像和视频，以从物理世界中提取有意义的上下文信息。

• 以数据为中心的人工智能是一种专注于增强和丰富训练数据以推动更好的人工智能成果的方法。以数据为中心的人工智能还解决数据质量、隐私和可扩展性问题。

• 边缘人工智能是指在非IT产品、物联网端点、网关和边缘服务器中嵌入人工智能技术的使用。它涵盖消费、商业和工业应用的用例，例如自动驾驶汽车、增强的医疗诊断功能和流视频分析。

• 智能应用程序利用学习适应来自主响应人和机器。

• 模型运营化 (ModelOps) 主要关注高级分析、人工智能和决策模型的端到端治理和生命周期管理。

• 运营型人工智能系统 (OAISys) 支持生产就绪型企业级人工智能的编排、自动化和扩展，包括机器学习、DNN 和生成型人工智能。

• 即时工程是以文本或图像的形式向生成式人工智能模型提供输入以指定和限制模型可以产生的响应集的学科。

• 智能机器人是由人工智能驱动的、通常是移动的机器，旨在自主执行一项或多项物理任务。

• 合成数据是人工生成的一类数据，而不是从对现实世界的直接观察中获得的数据。

推动生成式人工智能进步的创新

“得益于稳定扩散、中程、ChatGPT 和大型语言模型的流行，生成式 AI 探索正在加速。大多数行业的最终用户组织都在积极尝试生成式人工智能，”Gartner 副总裁分析师 Svetlana Sular 表示。

“技术供应商组建生成式人工智能小组，优先交付生成式人工智能应用程序和工具。 2023 年出现了众多利用生成式 AI 进行创新的初创公司，我们预计这种情况将会增长。一些政府正在评估生成式人工智能的影响并准备出台法规。”

属于此类别的关键技术包括：

• 人工智能仿真是人工智能和仿真技术的结合应用，共同开发人工智能代理以及可以训练、测试甚至部署人工智能代理的模拟环境。

• 人工智能信任、风险和安全管理（AI TRiSM）确保人工智能模型治理、可信性、公平性、可靠性、稳健性、有效性和数据保护。

• 因果人工智能识别并利用因果关系，超越基于相关性的预测模型，转向能够更有效地规定行动并更自主地行动的人工智能系统。

• 数据标记和注释 (DL&A) 是一个对数据资产进行进一步分类、分段、注释和增强的过程，以丰富数据，以实现更好的分析和人工智能项目。

• 第一原理人工智能 (FPAI)（又名物理信息人工智能）将物理和模拟原理、控制定律和领域知识融入人工智能模型中。 FPAI 将人工智能工程扩展到复杂系统工程和基于模型的系统

• 基础模型是大参数模型，以自我监督的方式在广泛的数据集上进行训练。

• 知识图是物理和数字世界的机器可​​读表示。它们包括遵循图形数据模型的实体（人员、公司、数字资产）及其关系。

• 多代理系统（MAS）是一种由多个独立（但交互式）代理组成的人工智能系统，每个代理都能够感知环境并采取行动。代理可以是人工智能模型、软件程序、机器人和其他计算实体。

• 神经符号人工智能是复合人工智能的一种形式，它将机器学习方法和符号系统结合起来，创建更强大、更值得信赖的人工智能模型。它提供了推理基础设施，可以更有效地解决更广泛的业务问题。

• 负责任的人工智能是在采用人工智能时做出适当的商业和道德选择的总称。它包含确保积极、负责和符合道德的人工智能开发和运营的组织责任和实践。

3. Gartner发布2023年中国数据分析和人工智能技术成熟度曲线

Gartner预测，到2026年，中国超过30%的白领岗位将被重新定义，使用和管理生成式AI的技能将大受欢迎。

Gartner2023年中国数据分析和人工智能技术成熟度曲线揭示了与中国数据、分析和人工智能相关的四个基本主题：业务成果优先的中国数据战略，区域数据与分析和人工智能生态系统，数据中台的崩塌，以及人工智能成为新的国力象征。

数据编织

数据编织是一种设计框架，用于获得灵活而且可复用的数据管道、服务和语义，涉及数据集成、主动元数据、知识图谱、数据剖析、机器学习和数据分类。数据编织颠覆了现有的数据管理主导方法，不再针对数据和用例“量身定制”，而是“先观察再使用”。

Gartner高级研究总监张桐表示：“数据、分析和AI用例的出现，以及快速变化的数据安全法规，导致了中国数据管理的复杂性和不确定性。数据编织能充分利用沉没成本，同时也能为数据管理基础设施方面的新支出提供优先级排序和成本控制指导。”

组装式数据和分析

组装式数据和分析（D&A）利用基于容器或业务微服务的架构和数据编织理念，将现有资产组装为灵活、模块化和用户友好的数据分析和人工智能（AI）能力。这项技术可在低代码和无代码能供的支持下，综合运用一系列技术将数据管理和分析应用转变为数据分析和AI组件或其他应用模块，并且支持自适应和智能决策。

面对瞬息万变的业务环境，中国企业机构需要提高敏捷性，加快洞察产出速度。组装式D&A有助于企业机构使用模块化数据和分析能力，在各项措施中融合多个洞察与参考信息，避免割裂式开发。企业机构可通过组装或重组D&A能力进一步提高交付的灵活性，应对不同使用场景。

参考：
What’s New in Artificial Intelligence from the 2023 Gartner Hype Cycle, August 17, 2023
Gartner Places Generative AI on the Peak of Inflated Expectations on the 2023 Hype Cycle for Emerging Technologies, August 16, 2023
Gartner发布2023年中国数据分析和人工智能技术成熟度曲线， 2023-08-31