近日，全球领先的信息技术研究和顾问公司Gartner发布的2019年新兴科技技术成熟度曲线指出了29项不容错过的技术，并由此揭示了五大创造和实现全新体验的新兴科技趋势。这五大趋势使用人工智能（AI）等技术架构，使得企业机构能够充分发挥新兴数字生态系统的优势。

Gartner研究副总裁Brian Burke表示：“科技创新已成为实现竞争差异化的关键。科技的发展速度持续加快，突破性技术不断涌现，即便是最具创新力的业务和技术决策者也需要跟上科技发展的脚步。科技创新领导者应利用技术成熟度曲线中指出的创新方案，对新兴科技可能带来的商机进行评估。”

新兴科技技术成熟度曲线在Gartner技术成熟度曲线中最为独特，因为它集逾两千种科技的大成，凝聚独到的见解，并以简洁明了的方式呈现出29项新兴科技技术和趋势。该技术成熟度曲线重点关注了那些有望在未来五到十年内拥有高度竞争优势的科技（参见图一）。

图一、2019年新兴科技技术成熟度曲线

五大新兴科技趋势

传感与移动（Sensing and Mobility）

通过结合传感器技术与人工智能，可以让机器更好地理解周围的世界，使机器能够移动并操控物体。传感技术是物联网（IoT）的核心组成部分，它能够采集大量数据。而人工智能可以提供适用于多种场景的丰富洞察。

例如，在未来十年，增强现实云（AR cloud）将创建出一张三维立体世界地图，实现新的交互模式，进而在已有物理空间中创造出将新的商业模式。

寻求利用传感与移动能力的企业应考虑以下技术：3D传感摄像机（3D-sensing camera）、增强现实云、轻型货物派送无人机（light-cargo delivery drones）、自动飞行器（flying autonomous vehicles）以及4级和5级自动驾驶（autonomous driving Levels 4 and 5）。

人体机能增进（Augmented Human）

人体机能增进能够增强人类认知能力和身体机能，并使这些增强的能力成为人体的一部分。一些装备能够为人类提供“超人”般的能力，例如超过人体自身最大力量的假肢等。

专注于人体机能增进的新兴技术包括生物芯片（biochips）、人格化（personification）、增强型智能（augmented intelligence）、情感人工智能（emotion AI）、沉浸式工作空间（immersive workplace）和生物技术（培养组织或人工组织）。

后经典计算和通信（Postclassical Compute and Comms）

几十年来，经典核心计算、通信和集成技术的巨大进步主要依赖于传统架构的改进，例如摩尔定律中曾预测的更快的中央处理器（CPU）、更高的存储密度和不断增加的吞吐量等。但未来的这些技术将采用全新的架构。这个领域不但会出现颠覆性的改进，还会出现可能产生巨大影响的渐进式改进。

例如，近地轨道（LEO）卫星能够提供低延迟的全球互联网接入。这些小型卫星群可以为48%目前没有网络的家庭提供网络，为网络服务欠缺的国家和地区带来新的经济发展机会。Burke表示：“目前发射的近地轨道卫星不多，这项技术还处于起步阶段，但在未来几年，它有可能产生巨大的社会和商业影响。”

企业应评估5G、下一代存储器（next-generation memory）、近地轨道系统（LEO systems）和纳米级3D打印（nanoscale 3D printing）等技术。

数字生态系统（Digital Ecosystems）

数字生态系统通过同一个数字平台上相互关联的参与者（企业、人和物）实现互惠互利。数字化加快了传统价值链的解体，带来更强大、更灵活、更具有弹性的价值传递网，在持续转型的过程中创造出更好的新产品和服务。

需要考虑的关键技术包括：数字运营（DigitalOps）、知识图谱（knowledge graphs）、合成数据（synthetic data）、去中心化网络（decentralized web）和去中心化自治组织（decentralized autonomous organization）。

高级人工智能和分析（Advanced AI and Analytics）

高级分析使用精密的技术和工具对数据或内容进行自动或半自动检验，而且通常超出传统商业智能（BI）的范围。

Burke先生表示：“边缘人工智能（edge AI）正越来越多地被用于对延迟敏感（例如自动导航）、易受到网络中断影响（例如远程监测、自然语言处理[NLP]、面部识别）和/或数据密集型（例如视频分析）的应用。”

企业机构需追踪的技术包括自适应机器学习（ML）、边缘人工智能、边缘分析（edge analytics）、可解释的人工智能（explainable AI）、人工智能平台即服务（PaaS）、迁移学习（transfer learning）、生成式对抗网络（generative adversarial network）和图表分析（graph analytics）。