今年十大重要战略技术趋势榜单涵盖三大主题：人工智能的必要性与风险、计算新前沿、人机协作。
人工智能的必要性和风险驱动因素
01
智能代理 人工智能
商业价值：
虚拟代理团队可以协助、共享和增强人类或传统应用程序的工作。
挑战：
需要强有力的保障措施来确保提供商和用户意图的一致性。
基于代理的人工智能通过自主规划和采取行动来实现用户定义的目标。基于代理的人工智能为能够共享和补充人类工作的虚拟劳动力带来了希望。预计到 2028 年，至少 15% 的日常工作决策将由人工智能代理自主做出，而 2024 年这一比例为 0%。该技术的目标导向能力将使适应性更强的软件系统能够完成各种任务任务。
基于代理的人工智能有潜力满足企业首席信息官 (CIO) 提高生产力的愿望。这种动机促使公司和供应商探索、创建和构建提供强大、安全和值得信赖的基于代理的人工智能所需的技术和实践。
02
人工智能治理平台AI
商业价值：
创建、管理和执行政策，确保负责任地使用人工智能，解释人工智能系统如何工作，进行生命周期管理，并提供透明度以建立信任和问责制。
挑战：
人工智能指导因地区和行业而异，因此很难建立一致的实践。
人工智能治理平台是不断发展的人工智能信任、风险和安全管理（TRiSM）框架的一部分。 AI TRiSM 使企业能够管理其人工智能系统的法律、道德和运营绩效。该技术解决方案支持创建、管理和执行负责任的人工智能使用政策，解释人工智能系统的工作原理，并提供透明度以建立信任和问责制。
预计到2028年，采用综合人工智能治理平台的企业，与没有此类系统的企业相比，人工智能相关道德事件将减少40%。
03
虚假信息安全
商业价值：
通过增强身份验证控制减少欺诈；
通过持续的风险评分、情境感知和持续适应性的信任模型来防止账户被接管；
通过识别有害的叙述来保护品牌声誉。
挑战：
需要一种不断更新的、多层次的、自适应的学习团队方法。
虚假信息安全是一个新兴的技术类别。该技术可以系统地识别信任级别，旨在提供一种方法系统，可以确保信息完整性、评估真实性、防止冒充者并跟踪有害信息的传播。预计到 2028 年，50% 的企业将开始采用旨在处理虚假信息安全用例的产品、服务或功能，而目前这一比例还不到 5%。
用于恶意目的的人工智能和机器学习工具的广泛可用性和先进地位预计将增加针对企业的虚假信息事件的数量。如果这种趋势不加遏制，虚假信息可能会对企业造成重大而持久的损害。
04
后量子密码学
商业价值：保护数据免受量子计算出现带来的安全风险。
挑战：PQC算法不能直接替代现有的非对称算法。当前的应用程序可能存在性能问题，需要测试，并且可能需要重写。
后量子密码学可以保护数据免受量子计算解密的风险。基于过去几年量子计算的发展，目前广泛使用的几种传统加密技术将被淘汰。由于更改加密方法并不容易，因此公司必须有更长的准备时间来为任何敏感或机密信息提供强有力的保护。
据预测，到2029年，量子计算技术的进步将使大多数传统非对称加密技术变得不安全。
05
环境隐形智能
商业价值：
实现低成本、实时的物品跟踪和感知，提高可视性和效率；
潜在的不可伪造的来源以及对象报告身份、历史和属性的新方法。
挑战：
提供商需要解决隐私问题并获得某些类型数据使用的同意；
用户可以选择禁用标签以保护隐私。
环境隐形智能是通过成本极低、紧凑的智能标签和传感器实现的，这些标签和传感器可以提供大规模、经济高效的跟踪和传感。从长远来看，环境隐形智能将使传感器和智能技术无缝融入我们的日常生活。
到 2027 年，环境隐形智能的早期示例将侧重于解决当前问题，例如零售库存检查或易腐货物物流，通过实现低成本、实时的物品跟踪和传感来提高可视性和效率。
06
节能计算-
商业价值：应对法律、商业和社会压力，通过减少碳足迹来提高可持续性。
挑战：需要新的硬件、云服务、技能、工具、算法和应用程序；迁移到新的计算平台将是复杂且昂贵的；随着对绿色能源需求的增加，能源价格可能在短期内上涨。
IT 在很多方面影响可持续性。到 2024 年，碳足迹将成为大多数 IT 组织最关心的问题。人工智能训练、模拟、优化和媒体渲染等计算密集型应用由于能耗最高，可能成为企业碳足迹的“最大贡献者”。
预计 2020 年代末将出现一些新的计算技术，例如光学、神经形态和新的加速器。这些新技术将致力于人工智能和优化等特殊任务，并显着降低能源消耗。
07
混合计算
商业价值：高效、高速、变革性的创新环境； AI性能超越当前技术限制；由更高水平的自动化驱动的自主业务；人类能力的大幅增强，可实现实时个性化，并将人体用作计算平台。
挑战：新兴的高度复杂的技术需要专门的技能；自主模块化系统带来安全风险；涉及实验技术，成本高；需要编排和集成。
新的计算范式不断涌现，包括中央处理单元、图形处理单元、边缘、专用集成电路、神经形态以及经典量子计算、光学计算范式。混合计算结合了不同的计算、存储和网络机制来解决计算问题。这种计算形式可以帮助企业探索和解决问题，让人工智能等技术突破当前的技术限制。混合计算将用于创建比传统环境更高效的变革性创新环境。
人机协作
08
空间计算
商业价值：
满足消费者对游戏、教育、电商等沉浸式、互动体验的需求；
满足医疗保健、零售和制造领域对复杂可视化工具的需求，以支持决策并提高效率。
挑战：
头戴式显示器价格昂贵且体积庞大，需要频繁充电，会隔离用户并增加发生事故的潜在风险；
用户界面复杂；数据隐私和安全是主要问题。
空间计算利用增强现实和虚拟现实等技术以数字方式增强物理世界。它将物理和虚拟体验之间的交互提升到一个新的水平。在未来五到七年里，空间计算的使用将通过简化工作流程和增强协作能力来提高业务效率。
预计到2033年，空间计算市场将从2023年的1100亿美元增长到1.7万亿美元。
09
多功能机器人
商业价值：
提高效率；
更快的投资回报；
无需修改建筑或固定基础设施，意味着快速部署、低风险和可扩展性；
可以替代人类或与人类合作。
挑战：
该行业尚未对价格或所需的最低功能进行标准化。
能够执行多项任务的多功能机器人正在取代旨在重复执行一项任务的特定任务机器人。这款新型机器人的功能提高了效率和投资回报 (ROI)。多功能机器人可以与人类一起工作，并且可以快速部署和轻松扩展。
预计到2030年，80%的人类将每天与智能机器人互动，而目前这一比例还不到10%。
10
神经增强
商业价值：
人类技能提升
安全改进
个性化教育
允许老年人延长工作时间
下一代营销。
挑战：
初始成本高，电池和移动性有限，以及无线连接选项；
侵入性且有风险；
UBMI（脑机接口）和BBMI（脑脑接口）直接与人脑对接，带来安全挑战；
道德问题（例如，改变用户对现实的看法）。
神经增强利用读取和解码大脑活动的技术来提高人类的认知能力。这项技术能够利用单向脑机接口或双向脑机接口（BBMI）读取人的大脑，在人类技能增强、下一代营销和绩效三个主要领域具有巨大潜力改进。神经增强将提高人类认知能力，帮助品牌了解消费者的想法和感受，增强人类神经功能以达到最佳效果。
预计到2030年，30%的知识工作者将通过BBMI等技术提高自身能力（资金来源包括雇主和个人），并依靠这些技术来适应人工智能在工作场所的兴起。到2024年，这一比例将低于1%。
