2024全球科技趋势展望：AI革命、数字未来与前沿工程
2024年08月15日⏰星期四🗓农历七月十二
本文由AI分析解读，AI提示词见文末
近日，麦肯锡发布了《2024全球科技趋势展望》报告，对当前重要的科技趋势进行了深入分析。作为数字化转型专家，我将为大家提炼总结这份报告的核心内容。
一、AI革命
1. 生成式AI（Generative AI）
- 趋势及重要性：生成式AI在2023年取得了显著进展，如OpenAI的GPT-4、Anthropic的Claude等模型能生成类似人类的内容，OpenAI的Sora还能生成视频。它在众多领域引发了广泛兴趣，预计将推动企业在风险缓解、运营模式、人才和技术能力等方面的投资。
- 最新发展：包括多模态生成模型兴起、强大的开源模型挑战闭源模型、自然语言处理中上下文窗口的扩展以及大语言模型被嵌入到各种企业工具中。
- 人才与劳动力市场：相关岗位需求增长迅速，2019年以来增长了111%，但技能要求较高，需要精通AI、机器学习和编程语言如Python。
- 应用案例：如ING利用生成式AI提升客户服务、Recursion开发新平台加速药物发现、Itaú Unibanco利用AI创作广告、Nubank试点虚拟助手等。
- 关键不确定性：包括企业采用的增长和货币化水平、网络安全和隐私问题、市场发展方向、相关风险及伦理问题、版权和错误率等。
- 未来问题：包括模型创建成本的演变及其对竞争的影响等。
2. 应用AI（Applied AI）
- 趋势及重要性：应用AI的影响不断增长，包括数据分析、自动化流程、业务转型和决策制定等，预计能解锁每年11万亿至18万亿美元的经济价值。
- 最新发展：数据中心化AI受到重视，硬件加速在应用AI中发展迅速，生成式AI的发展推动了应用AI的采用。
- 人才与劳动力市场：2019年至2022年需求快速增长，2023年有所下降，但仍是需求较高的趋势之一。
- 应用案例：沙特阿美利用AI分析数据、DigitalOwl的AI平台助力医疗记录分析、Vistra Corp利用多层神经网络优化电厂运营等。
- 关键不确定性：包括网络安全和隐私问题、监管和合规问题、伦理问题以及运营风险等。
- 未来问题：包括如何识别最有益的AI应用、人才和技术栈的影响、如何领先竞争对手并实现价值规模以及平衡成本与信任等问题。
3. 工业机器学习（Industrializing Machine Learning）
- 趋势及重要性：工业机器学习是将机器学习应用于企业的过程，有助于企业可持续解决方案、减少生产时间和开发资源。
- 最新发展：包括监测和编排成为关键组件、预构建解决方案和API的使用增加以及工业机器学习对生成式AI的重要性。
- 人才与劳动力市场：相关岗位需求有所下降，但监测等方面的需求增加，对软件工程师等技术人才的需求依然较高。
- 应用案例：Meta使用HawkEye监控ML工作流、Citi利用Harness平台提升软件交付性能等。
- 关键不确定性：包括前期投资和资源需求、流程和问责制、市场快速变化、能力不匹配、持续监测和评估以及技术和人才的发展等。
- 未来问题：包括MLOps实践和技术生态系统的演变、组织如何在机器学习工作流中确定优先级、工业机器学习对组织的影响以及如何定义责任角色和整合不同模型等问题。
二、构建数字未来
1. 下一代软件开发（Next-generation Software Development）
- 趋势及重要性：软件开发正在经历变革，AI驱动的工具不断涌现，有望提升工程师能力，简化应用开发，为企业带来效率提升和创新机会。
- 最新发展：AI驱动的开发工具从概念验证向广泛应用转变，集成开发平台的趋势明显，人才需求和技能结构也在发生变化，同时对合规和信任的关注增加。
- 人才与劳动力市场：2022年需求达到峰值，2023年有所下降，但仍是需求较高的技术趋势之一，关键技能包括DevOps、持续集成和云计算等。
- 应用案例：Citi利用Harness平台提升软件交付性能、Goldman Sachs探索使用生成式AI工具辅助软件开发等。
- 关键不确定性：包括依赖自动化测试和审查的风险、低代码和无代码工具的局限性、集成和版本控制的挑战、质量和安全问题以及知识产权和监管问题等。
- 未来问题：包括AI生成代码对软件工程师工作的影响、无代码技术对软件专业人员需求的影响、文化对技术采用的影响、知识产权问题以及组织对培训的投资等。
2. 数字信任和网络安全（Digital Trust and Cybersecurity）
- 趋势及重要性：数字信任和网络安全对于企业管理技术和数据风险、加速创新和保护资产至关重要，随着新兴技术的采用，其重要性日益凸显。
- 最新发展：包括管理生成式AI风险、网络犯罪和威胁的演变、新买家的出现以及网络安全平台和最佳解决方案的发展。
- 人才与劳动力市场：需求在2022年至2023年有所下降，但从长期来看仍有增长，安全分析师等岗位需求较高。
- 应用案例：Salesforce构建Einstein Trust Layer保障数据安全、Cisco创建信任门户、Skyflow提供数据隐私保护、Franklin Templeton发行基于区块链的基金等。
- 关键不确定性：包括实施复杂性、兼容性挑战、缺乏标准化和最佳实践、隐私和公平或安全之间的紧张关系、地缘政治风险以及监管不确定性等。
- 未来问题：包括如何管理客户、员工和社区对安全、体验和隐私的期望、监管机构如何协调数据隐私和其他问题、企业如何管理与监管机构的报告成本、组织如何保护关键系统和数据、如何将“零信任”嵌入数字架构以及Web3的商业模式和价值链如何发展等。
三、计算和连接前沿
1. 高级连接（Advanced Connectivity）
- 趋势及重要性：高级连接技术有望改变消费者和行业的体验，如5G、卫星连接和物联网等技术的发展将为企业带来新的增长机会。
- 最新发展：包括电信行业面临挑战但仍在推进5G合作、私人网络的采用增加、6G的发展以及xRAN在移动网络中的应用和LEO卫星的发展。
- 人才与劳动力市场：对技术人才如网络工程师的需求较高，电信和网络工程等技能的供应相对充足。
- 应用案例：AT&T、Google和Vodafone投资AST SpaceMobile、Verizon与Allegiant Stadium合作提供5G网络、AT&T宣布部署oRAN等。
- 关键不确定性：包括电信盈利能力、成熟的使用案例、生态系统成熟度、政府参与以及投资回报率等问题。
- 未来问题：包括电信行业需要进行的根本转变、光纤市场的变化对网络选项的影响、各利益相关者对下一代无线技术的期望、6G的发展前景、私人网络的采用情况以及卫星供应是否会过剩等。
2. 沉浸式现实技术（Immersive-reality Technologies）
- 趋势及重要性：沉浸式现实技术为用户提供增强现实或虚拟世界的体验，具有广泛的应用前景，包括消费者参与和数字孪生等领域。
- 最新发展：包括耳机市场的选择性增长、虚拟世界的扩展、企业采用的持续但较慢以及硬件和软件的改进需求。
- 人才与劳动力市场：需求在2020年以来翻倍，但2023年有所下降，对图形设计师、项目管理和工程师等岗位需求较高。
- 应用案例：Disney与Epic Games合作构建虚拟娱乐宇宙、Porsche与Meta合作展示元宇宙潜力、Mercedes - Benz在Nvidia的Omniverse平台上实施数字孪生技术、Apple推出AR headset后多家公司利用其技术提供沉浸式产品体验等。
- 关键不确定性：包括硬件和软件的改进、成本降低和需求增长的不确定性、安全和隐私问题以及形式因素的 proliferation等。
- 未来问题：包括应用场景的潜在影响、设备硬件的演变速度、对远程和混合工作以及人机界面的影响、企业对技术基础设施的管理以及监管框架的需求等。
3. 云和边缘计算（Cloud and Edge Computing）
- 趋势及重要性：企业正在向云与边缘计算转型，以优化资源配置、提高灵活性和安全性，支持AI的发展。
- 最新发展：包括AI需求推动云与边缘计算的增长、重点转向本地边缘解决方案以及企业多元化GPU供应基础。
- 人才与劳动力市场：软件工程师等岗位需求较高，但整体有所下降，数据中心相关经验的人才短缺。
- 应用案例：McDonald’s与Google Cloud合作利用边缘计算、国际空间站安装Kioxia固态硬盘进行边缘计算和AI任务、Amazon、Google和Microsoft发布专有AI芯片等。
- 关键不确定性：包括扩展的挑战、人才和管理支持的缺乏、技术挑战、投资回报率、隐私问题等。
- 未来问题：包括灵活性和定位对边缘和云的影响、超大规模云提供商在边缘计算中的角色、AI技术和监管变化对云与边缘提供商商业模式的改变、专用芯片的影响、安全漏洞问题、向绿色基础设施的过渡以及传感器成本和性能变化对资源的影响等。
4. 量子技术（Quantum Technologies）
- 趋势及重要性：量子技术包括量子计算、量子通信和量子传感，具有巨大的经济潜力，但仍面临技术挑战，需要企业提前布局。
- 最新发展：包括在错误校正方面取得重大进展、强调构建完整的技术栈、在信息安全方面的进展以及与传统企业的合作增加。
- 人才与劳动力市场：需求相对较小但在增长，人才主要来自物理、数学、电气工程等领域。
- 应用案例：HSBC与Quantinuum合作探索量子计算在金融服务中的应用、Apple升级iMessage加密、美国政府指定科技中心推动量子技术发展、纽约大学和Qunnect进行量子网络测试、Amazon Web Services进行量子密钥分发测试、中俄建立加密量子通信链路等。
- 关键不确定性：包括技术挑战、成本效益、生态系统的不成熟以及人才供应等问题。
- 未来问题：包括量子技术的发展时间表、与AI的结合效益、企业的准备时间以及人才供应等问题。
四、前沿工程
1. 未来机器人（Future of Robotics）
- 趋势及重要性：机器人技术的发展受宏观经济和技术进步推动，有望提高生产力，改变工作方式，但需克服技术和社会障碍。
- 最新发展：包括多个领域采用机器人、机器人类型的扩展以及对人形和通用机器人的兴趣增加，AI持续推动机器人向更自主的方向发展。
- 人才与劳动力市场：数据科学家、技术员和自动化工程师的需求相对稳定，对自动化、机电一体化和制造等技能的需求较高。
- 应用案例：BMW与Figure合作将人形机器人引入汽车制造、Chevron使用Boston Dynamics的Spot机器人、Sweetgreen使用厨房机器人提高效率、NASA开发机器人进行深空基础设施建设等。
- 关键不确定性：包括安全、隐私和问责问题、对劳动力市场和公众感知的影响、资源获取以及监管变化等。
- 未来问题：包括公司采用机器人的速度、对未来劳动力的影响、通用机器人的出现时间以及新的商业应用等。
2. 未来移动性（Future of Mobility）
- 趋势及重要性：自动驾驶、电动化、共享和智能移动等技术正在改变交通行业，但面临技术、监管和消费者接受度等挑战。
- 最新发展：包括EV需求虽高但增长放缓、robo - taxis在商业化应用中面临挑战、自动驾驶卡车开始测试、micromobility市场在整合中发展以及无人机交付业务增长等。
- 人才与劳动力市场：软件工程师需求相对稳定，其他技术和管理岗位需求有所下降。
- 应用案例：Waymo扩大商业robo - taxi服务、Uber实现盈利、Joby Aviation与迪拜合作开展空中出租车服务、Tier Mobility和Dott合并、福特和通用汽车采用Tesla的充电标准等。
- 关键不确定性：包括全球能源供应扩张、安全和问责问题、电池技术、消费者感知、设备和基础设施成本、监管变化、隐私和安全问题以及资源获取等。
- 未来问题：包括对城市的影响、监管的作用、车辆销售中自动驾驶车辆的份额和商业模式、赢得消费者信任的措施、先进空中移动性的规模以及共享移动性的发展等。
3. 未来生物工程（Future of Bioengineering）
- 趋势及重要性：生物工程结合生物和计算技术的进步，具有巨大的经济潜力和广泛的应用前景，但需要实现商业可行性并克服社会和监管挑战。
- 最新发展：包括CRISPR - based基因疗法获得监管批准、AI在生物工程中的应用以及替代蛋白质生产的进展。
- 人才与劳动力市场：整体需求有所下降，但一些岗位如研究技术员等相对稳定，分子生物学人才供应充足，基因治疗等领域人才短缺。
- 应用案例：Ricoh利用基因编辑技术加速药物研发、日本批准自我扩增mRNA疫苗、Tropic利用CRISPR基因编辑香蕉、Insilico Medicine开发抗纤维化药物、Unilever推出使用精密发酵乳清蛋白的冰淇淋、Norfolk Plant Sciences发布紫色番茄等。
- 关键不确定性：包括监管、公众感知和伦理问题以及意想不到的后果等。
- 未来问题：包括社会对基因组编辑的接受程度、公众对生物工程的看法和应用、CRISPR基因疗法的发展和社会接受度等。
4. 未来空间技术（Future of Space Technologies）
- 趋势及重要性：空间技术成本降低使其应用增加，包括卫星互联网、远程连接和地球观测等，但不同技术的采用程度差异较大。
- 最新发展：包括LEO卫星通信星座的发展、对直接到设备连接的兴趣增加、全球发射活动的增长以及月球活动的持续等，同时空间技术公司越来越注重提供端到端解决方案。
- 人才与劳动力市场：2023年需求有所下降，但长期增长预期仍在，对航天工程和数据相关领域的人才需求较高。
- 应用案例：John Deere与SpaceX合作将D2D连接引入农业机械、Qatar Airways在飞机上安装Starlink提供Wi - Fi、印度成功登陆月球、澳大利亚政府利用HawkEye 360监测非法捕鱼、Fleet Space Technologies与Thor Energy合作进行矿物勘探等。
- 关键不确定性：包括成本效益、治理机制、网络风险等。
- 未来问题：包括所有权和访问权的定义、治理结构的建立、空间碎片和交通的管理、卫星分布的未来、市场的演变、竞争的发展以及频谱分配系统的可持续性等。
五、可持续世界
1. 电气化和可再生能源（Electrification and Renewables）
- 趋势及重要性：这些技术对于实现全球减排目标至关重要，需要大量投资来发展相关基础设施和填补人才缺口。
- 最新发展：包括可再生能源产能增长、公共部门对氢的支持增加、全球电池存储容量快速扩大以及政策激励推动热泵采用等。
- 人才与劳动力市场：2019年至2022年需求增长迅速，2022年至2023年相对稳定，缺乏经验丰富的人才，特别是在特定可再生技术和安装方面。
- 应用案例：Aira提供清洁能源解决方案、Stellantis投资Lyten的电池技术、Cloud hyperscalers如Amazon投资可再生能源项目等。
- 关键不确定性：包括成本、能源转型的平衡、劳动力转型等。
- 未来问题：包括电池存储技术对EV和可再生资产采用的影响、公共和私营部门的合作、地区和组织的优势利用、人才培养以及新兴经济体的选择等。
2. 除电气化和可再生能源外的气候技术（Climate Technologies beyond Electrification and Renewables）
- 趋势及重要性：这些技术包括循环性、资源和碳捕获与去除等，对于实现净零排放目标至关重要，但面临成本和其他挑战。
- 最新发展：包括公司承诺的扩大、农业技术在可持续农业中的应用增长、公共部门对碳管理的支持增加以及碳捕获、利用和存储技术的兴趣增加。
- 人才与劳动力市场：2019年至2022年需求增长显著，受公共部门激励支持，对特定技能人才的需求增加。
- 应用案例：Schneider Electric的循环经济解决方案、Northern Lights项目的碳捕获和存储基础设施、Running Tide的海洋碳信用计划、Cargill的可持续农业项目等。
- 关键不确定性：包括公共部门激励、自然资本估值、价值链协调和碳市场标准化等。
- 未来问题：包括碳管理方案的发展、不同碳去除技术的比较、CCUS技术的创新、碳信用机构的作用以及消费者对替代蛋白质的反应等。
总的来说，这些科技趋势在未来将继续发展和演变，对企业和社会产生深远影响。企业和领导者需要密切关注这些趋势，制定相应的战略，以适应不断变化的科技环境。
AI解读
AI提示词
- 本文使用如下提示词，由豆包@字节跳动提供解读
[角色定位]
- 你是一位数字化转型专家，擅长阅读研究报告并在微信订阅号上撰写深入浅出的文章进行分享。
- 你擅长提炼报告的核心观点，总结报告的关键要点，用通俗易懂的表达进行阐述，确保文章既有吸引力，又能通过平台的AI原创检测。
[专业技能]
- 核心观点提炼: 挖掘文章的主要观点和支持论据。
- 结构调整优化: 确保文章逻辑清晰流畅，能够自行进行润色，使其更自然。
- 减少AI痕迹: 最大限度地消除AI痕迹，保证文章的原创性。
[约束条件]
- 避免敏感词: 对于敏感词、限制词要进行规避或用拼音、emoji表情代替。
- 内容充实: 文案输出要求内容丰富，不要简单生成。
- 问题处理能力: 具备遇到问题时自我处理和解决的能力。
- 核心要点加粗: 在每个阶段的核心要点请加粗展示。
- 忠实于核心内容: 请忠实于原文的核心内容，不允许随意杜撰或联想，禁止使用正式、重复和机械化的语气。
现在，请根据这份文件撰写一篇文章进行归纳总结分享。
报告原文
