2025年技术趋势报告：机遇大于风险

INTRODUCTION 知识保证 – 在沙漠中建立一个临时城镇，以将科学家及其家属隔离在外，避免与外界接触。镇内外的所有通信均受到监控和控制，项目内部的信息也在必要知道的基础上进行了 compartmentalized（分层化/模块化）管理。 他的暑期大片和奥斯卡获奖电影奥本海默详细说明机密曼哈顿计划和努力 T IT 保护知识创造和管理的必要性 同时，CIO们必须推动制定预测，并在其组织中提升知识水平，以谨慎管理知识创造和维护过程的完整性。就像曼哈顿计划一样，CIO们需要创建一个可信赖的环境，确保知识的安全性。在这里，我们将探讨其他三个趋势： 由J. Robert Oppenheimer领导开发第一颗原子弹，以在第二次世界大战中取得胜利。它没有详细描述科学家John vonNeumann和Stanislaw Ulam为测试期间科学家的安全而创造的一种新的统计方法所作出的努力——这一幕在电影中令人难忘。 对于展望2025年的IT领导者来说，可以从这一点中吸取两个教训。历史上，首席信息官（CIO）负责其组织的记录保存工作。就像居民历史学家一样，CIO们维护了组织过去的完整性，使其可验证和可审计。随着数字化转型，CIO们被要求更多地报告组织当前的状态——尽可能实时地。用于驱动决策的企业智能和分析不能基于过时的信息。如今，随着企业将其投资推向人工智能（AI），特别是生成式AI，重点转向模拟未来。在一个快速变化且充满不确定性的世界中，AI根据结果的可能性预测不同的情景。生成式AI提供的输出旨在根据输入模拟人类的响应。 > Deepfake 防御 > 后量子密码学 > AI 主权 科学家们需要确定哪些材料能够保护他们在远处观察爆炸时免受辐射的影响。这需要估算爆炸产生的中子如何穿透不同材料。使用现有的确定性模型进行计算是行不通的——中子的数量太多了。因此，科学家们创造了一种全新的方法，基于随机子集中的中子来计算概率。就像在秘密项目中开发的一切一样，新方法被赋予了一个代号——蒙特卡洛方法。 我们的六种趋势反映了组织利用新兴技术能力抓住未来机遇的同时必须应对的风险。就像在蒙特卡洛roulette赌桌下注的玩家知道他们可能赢或输取决于概率一样，这三个主题既代表风险也代表回报。 >数字人类>预量子基础>指数 AI 科学家们发现概率方法与摩纳哥蒙特卡洛赌场中的游戏之间存在相似之处。不仅这种方法是模拟中子运动的有效方式（炸弹测试期间没有科学家受到伤害），而且它在金融、医疗应用和供应链运营等多个行业中已被证明是一种有用的统计仿真方法（参考维克森林大学）。开发这种仿真能力为曼哈顿计划提供了相对于竞争对手的又一微小优势。 模拟期货 信息技术从记录保存到预测可能的未来的演变 ‑布莱恩 · 杰克逊， 信息技术研究小组报告作者兼首席研究总监。 在2025年，CIO们需要从仅仅是记录员的角色转变为预测可能未来的预报员。在《Tech Trends 2025》中，Info-Tech将探讨三个围绕“模拟未来”主题的趋势： > AI 化身 > 量子优势> 专家模型 该优势是在高度机密的军事项目中采取的知识保障方法保持下来的。奥本海默详细说明项目为保密而采取的措施 方法 Info-Tech的《2025年技术趋势报告》基于2024年5月和6月进行的“2025年IT未来调查”的结果。在线调查共收到970份来自IT决策者的回复。报告中的每张图表都将注明特定问题或受访者群体所获得的样本量。 专家访谈于2024年3月至7月期间进行，提供了对趋势的额外背景信息以及组织如何响应这些趋势的具体案例研究。请参阅外部贡献者部分以查看完整的外部贡献者名单。总共列出了十位专家贡献者。 此外 ， IT 调查和技术的未来趋势2025报告通过与许多Info-Tech研究顾问、实践负责人、高管、研讨会主持人和执行顾问进行了讨论而制定。 关于 “IT 2025 未来 ” 调查结果的进一步财务背景是正确的。 IT 成熟度 在整个报告中，分析将以信息技术成熟度作为独立变量，将最成熟的一组与平均水平的一组进行比较。这种比较将通过对比选择“IT 改变业务”（变革者）的受访者与选择“IT 支持业务”和“IT 优化业务”的受访者的组合来进行。 A指数I 不断增长的净新投资技术领域，涉及所有组织。这一趋势在今年继续延续，人工智能或机器学习的实际增长率比去年快了两个点。目前，几乎一半的所有组织都在投资人工智能，因此它仍然处于我们的“新兴技术”象限之中。根据增长评分64，人工智能在这一象限中以增长速度最快的身份明显领先。然而，它仍落后于其他更为根深蒂固且持续获得更高投资计划的技术领域，如网络安全解决方案、云计算和数据管理解决方案。 今年新增了“加速AI训练的硬件”这一技术类别。鉴于市场对GPU和神经处理单元（NPUs）的需求，以支持AI训练和推理操作，我们想要了解有多少组织已经在这一领域进行了投资或计划进行投资。略多于三分之一的组织已经投入了资金，略多于一半的组织计划在未来进行投资。这使得该技术处于新兴类别之中。 自2022年生成式AI进入商业词汇以来，该技术已逐步融入大多数市场领先供应商的各种企业级解决方案。从帮助企业利用生成式AI构建解决方案，结合其自身数据和流程与大型语言模型，到嵌入到更大规模的产品ivity套件中的功能，AI似乎在短时间内渗透到了许多不同的业务功能中。 AI 加速进入组织运营的更多方面。 我们进一步澄清了已投资或计划投资于AI的受访者是否计划包括生成式AI的投资。所有AI投资者中有87%已经投资或计划投资于生成式AI。 比较我们的技术与去年指数的变化显示，AI也在年度投资变化中处于领先地位。这表明在一定程度上，组织确实将资金投入与其对投资AI的计划相一致。 鉴于人工智能投资快速增长的趋势，人工智能即将从新兴象限跃入变革性象限，并且这种投资主要由生成式人工智能驱动。我们预计，在下一年的报告中，人工智能将越过这一门槛，加入更为成熟的 enterprise 技术行列。其是否能够继续保持相同的增长速度，将很大程度上取决于组织在其初期人工智能努力中所获得的价值回报如何，以及它们是否对克服与人工智能采用相关的新风险感到有信心。 通过专门的 AI 培训创造优势 _ 趋势 01 | 专家模型 组织对人工智能抱有乐观态度，认为它将融入下一波数字化转型浪潮中。它可以增强许多不同的业务流程，并且有望彻底颠覆某些商业模式，要求以新的方式与客户互动，很可能进一步提高客户期望。与数字化转型类似，许多组织即使进行了投资也可能面临挑战（哈佛商业评论，2023年7月）。公司被生成式人工智能承诺带来的好处所吸引，这种技术能够总结和解析大量文本，并以人类级别的推理能力回答问题。然而，许多公司在仅仅选择合适的大型语言模型之外，还面临着更多的挑战。 人工智能投资在成熟度较高的IT部门中更为突出，80%的转型部门表示他们已经进行了投资或将在2025年底前完成投资。大约72%的普通IT部门表示他们也将采取同样的行动。总体来看，大部分投资已经到位——仅有略超过四分之一的所有组织表示他们尚未投资但计划在2025年底前进行投资。 更高成熟度的IT企业对解决解锁AI价值相关挑战更加乐观。转型企业认为快速发展的生成式AI等技术将导致IT价值呈指数级增长的可能性几乎是其他企业的两倍。 这些高成熟度的公司受到了良好早期成果的鼓舞。而其他公司可能仍在寻找适合的人工智能应用场景，转换器类公司则处于领先地位，并通过几种关键策略发现了盈利的应用场景。 开发专家模型 ：基础模型由OpenAI、Meta、Cohere或Anthropic等领导者发布，提供了广泛的知识覆盖面，但在寻求专业化分析时往往令人失望。当然，由于训练数据存在某些空白，这些模型缺乏对特定行业和组织的具体背景信息，尽管其训练数据量非常庞大。组织通过不同的途径利用人工智能来解决这一问题：利用专注于特定行业的供应商开发的模型，与行业同行合作训练模型，或者在组织基础设施中对现有模型进行额外的预训练和微调。采用更具定制化的模型可以提高输出的可靠性和相关性，从而克服组织在人工智能准确性方面遇到的一些常见挑战。（TechCrunch，2024） 成功的企业不仅需要掌握人工智能本身的复杂技术，还需要解决若干相关挑战以将其整合到业务中： >将 AI 的能力与业务领域的挑战保持一致。 >将 AI 集成到现有的业务流程中 ， 以增强它们。 增强现有流程 ：而不是专门创建一个新的流程来处理AI输出，或者试图完全用AI自动化任务，企业发现他们更适合将人类保留在循环中，并通过AI增强其现有的工作流程。大型语言模型在模式识别和大量信息的快速分析方面表现出色，这可以提高采用者的工作效率和质量。 聘请或培训必要的 AI 人才。 >构建高质量和专业的数据管道 ， 可用于微调和预训练基础模型。 >导航无数的技术平台和互操作性问题。 专注于数据管理 ：正如古语所说，垃圾输入，垃圾输出。AI没有任何直觉来判断什么是正确或错误的，它只知道它被告诉的内容。将不良或冗余数据加载到 LLM 的微调中会使得输出出现更多错误。拥有健康数据管理的数据组织将最准备好进行下一步的模型训练，而能够使数据更易于员工访问的组织则有更大的机会获得益处。（采访与马林娜·普菲） 那些坚持不懈解决问题的人将获得回报。随着人工智能技术 adoption 波峰的到来，并突破新兴阶段进入变革阶段，解锁价值的最佳实践将更加明显。那些处于这一波浪前沿的人展示了最早投入时获得投资回报的一些最佳方式。 AI 民主化 ：along with 数据访问权限，非技术人员或公民开发人员还需要具备使用AI的能力并将AI集成到其工作流程中。AI解决方案提供商提供了无代码环境，在这种环境中可以使用自然语言设置特定自动化操作，这些操作可以根据个人岗位进行定制。（访谈与Alireza Sharifi） 趋势 01| 专家模型 示例 生成式AI正在为科技公司、家庭消费品牌、政府机构和制药公司提供价值。 火星加速产品开发 ： SAS VIYA 针对银行的客户投诉： 现代人从一个产品至 15 与 CHATGPT: 一种用于生成听障人士字幕初步转录的语音识别模型。该方法旨在减少创建字幕所需的时间，同时遵守行业标准以控制转录中的错误数量。在矿业领域的另一客户中，Sharifi 意识到该客户缺乏足够的数据来训练用于破碎岩石过程的AI模型。团队没有中断运营安装如视频摄像头和传感器等数据收集设备，而是利用仿真工具构建了一个矿场的数字孪生体，并使用精确的物理引擎。这个孪生体为生成进一步训练AI所需的合成数据而存在，最终将应用于使用重型设备在现场破碎岩石并将其从矿场清除这一艰巨任务。（采访与Sharifi） 莫德纳目前在市场上推出了一款产品：救命的新冠疫苗Spikevax。作为后续计划，莫德纳计划在未来15年内推出15款新产品。加速计划包括对ChatGPT Enterprise的投资，允许员工创建自己的聊天机器人。截至目前，公司内部已经创建了750个聊天机器人。Dose ID回顾多年的研发和成千上万页的数据，为最佳剂量推荐提供依据。研究人员可以审查推荐的理由并可视化使用的数据。另一个名为Contract Companion的聊天机器人被用于法务部门，用于总结法律合同并回答相关问题。（《华尔街日报》，2024年4月） 消费品品牌开发了一款名为“Brahma”的内部AI工具。该工具从公司在11个国家和地区针对8万名消费者的洞察研究中提取数据。Brahma帮助加速了将新产品理念传达给客户的时间，将周期从数月缩短至数天。此外，宝洁通过使用AI分析客户旅程并优化其媒体资产的支出，点击率翻倍，并使销售额提升70%。（Consumer Goods Technology, 2024） 数据分析师平台SAS Viya帮助一家银行客户将自然语言处理（NLP）应用于通过各种渠道收到的客户投诉。SAS Viya使