前言：

全球领先的信息技术研究和顾问公司GartnerGartner发布在2020年需要探索的顶级战略技术趋势，这些趋势在未来五年内迅速增长、高度波动、预计达到临界点。

10大战略技术趋势

10月21日，在美国奥兰多举行的Gartner Symposium／ITxpo 2019大会上，知名咨询公司Gartner发布2020年十大战略技术趋势：包括超级自动化（Hyperautomation）、多维体验（Multiexperience）、专家普惠（Democratization of Expertise、人类增强（Human Augmentation）、透明度及可追溯性（Transparency and Traceability）、边缘计算（The Empowered Edge）、分布式云计算（Distributed Cloud）、智能设备（Autonomous Things）、产业区块链（Practical Blockchain）、AI安全（AI Security）。

超自动化 Hyperautomation

超自动化是在自动化的基础上，深刻理解自动化步骤的作用范围，相互关联和组合的方式，综合应用机器学习、自动化软件和工具等实现端到端的系统集成的自服务的智能化运维平台，最大程度上用机器来代替人类在任务流程中的工作，提高工作质量和效率。

超自动化不是一个简单的概念，而是一种应用IT技术助力于业务流程，提高质量和效率的一种最佳实践。需要在深入分析当前业务流程和自动化程度基础上，合理优化业务流程，并整合自动化软件和工具，应用机器学习等AI技术，用机器代替人完成规则较为明确而又不断重复的工作，而解放人力去做更有价值的创造性工作。

值得注意的是，该趋势由机器人流程自动化（RPA）开始，但仅机器人流程自动化还称不上超自动化，它需要组合多种工具来帮助复制任务流程中人类所参与的部分。

机器人流程自动化（Robotic Process Automation，简称RPA），是一种预先设定的程序，它通过模拟并且增强人与计算机的交互过程，将基于规则的常规操作自动化，例如读取邮件、对账汇总、检查文件、生成文件和报告等枯燥、重复、标准化的工作，都可以让RPA机器人代为完成。

RPA不止于处理简单工作，也可以处理复杂工作，已经自主实现了三层以上的封装，只要是规律重复的，RPA可以处理更多复杂的作业。

它不限于处理简单重复的工作，在未来也需要更多超自动化技术，在超自动化道路上，RPA也将融入更多的技术，RPA产品要紧跟超自动化的步伐。

RPA与AI之间是相辅相成的关系，RPA从技术含量来说没有AI高，但它最重要的一点，是起到了连接器的作用。通过RPA，可以把不同的技术，包括AI技术连接起来，形成一个个能实际应用的场景。

这意味着在未来的工作场所，人类劳动力与机器人劳动力将一起工作。事实上，已有众多企业部署了与人类劳动力一起工作的机器人。它收集和处理纳税申报表数据，减少了人力工作量，让他们管理业务的关键部分。

多重体验Multiexperience

现有交互是通过材料、结构、色彩等一些物理属性进行合理配置，进行创作的一个过程，是可以感受和感觉的。

但是随着计算机和互联网行业的发展，除了物质世界之外，我们多了一个虚拟数字世界，交互设计就是这样一个产物。

预计到到2028年的时候，用户体验将在两个方面发生巨大的变化，即用户对于数字世界的感知以及用户与数字世界的交互方式。会话平台正在改变人与数字世界的交互方式，而虚拟现实、增强现实与混合现实正在改变人们对数字世界的感知。感知与交互模式的同时改变将在未来带来多感官与多模式体验。

这一模式将从精通技术的人，转变为理解人类的技术，计算机将代替人类承担人机交互的重担，这种与人类进行多重感官交流的能力将创造一个更丰富的环境，从而能够传递更细致的信息。

人体机能增强Human Augmentation

毫无疑问，人体机能的强化正在变得越来越复杂，在许多情况下，这些技术或者医学进步都是为了帮助受伤者、病患或者是老年人，但随后也被健康的人或者年轻人用于改善生活方式，或者是提高人体机能，从而有更好的表现。

人体机能增强研究如何使用技术提供认知与体能增强并使其成为人类体验中不可或缺的一部分。体能增强通过在人类身体上植入或外置可穿戴设备等技术部件改变人类固有的身体机能，从而实现增强。

认知增强则是通过传统的计算机系统和新兴的智能空间中的多体验接口中的信息和应用来实现。

在未来十年，由于越来越多的人追求机能增强，人类体能与认知增强技术将会变得越来越普遍。这将产生一种全新的消费化效应，员工持续增强自身的机能，并进一步拓展到改进所在的办公环境。

边缘赋能The Empowered Edge

边缘计算是一种在信息来源、存储库及使用者附近进行信息处理、内容收集和交付的计算拓扑结构。它试图将网络流量与计算处理保留在本地以减少延迟、发挥边缘能力以及赋予边缘更大的自治性。

对数据流与信息流的实时处理需求催生了电网边缘智能计算。预计到2027年，电网边缘计算和分布式智能市场将达65亿美元。边缘计算在泛在电力物联网中的代表性应用包括预测运维、安防监控、储能智能化配置、电池后台监测系统等。

万物互联是无所不及的网络链接，万物智联是无处不在的智能协同，万物赋能代表无所不能的数字演进。在智能制造方面，边缘计算能应对工业制造中响应时延、风险控制、隐私保护等问题；在智慧车联网领域，边缘计算可为自动驾驶车辆提供低时延、高速率的服务。整合边缘计算、云计算优势的端边云协同将成为智能产业和数字经济发展的关键。

随着边缘被赋予越来越成熟和专业的计算资源及越来越多的数据存储，边缘计算将成为几乎每个行业和应用的主导要素。机器人、无人机、自动驾驶汽车及可操作系统等复杂的边缘设备将加快这一转变。

分布式云Distributed Cloud

分布式系统凭借其高吞吐、高并发、低延迟和负载均衡的特点，迎合了互联网飞速发展背后的巨大承载量需求。

从集中化到分布式，不仅仅是一种商业模式与思维的变化，更重要的是开启了一场具有历史意义的去中心化商业实验。

分布式云指的是将目前集中式的公有云服务分布到不同的物理位置，原来的公有云提供商继续负责分布式云的运营、治理、更新和迭代。这对于目前大多数公有云服务所采用的集中式模式是一次巨大的转变，并且将开辟云计算的新时代。

分布式云架构彻底集成了音频系统、视频系统和控制系统的工作关系，形成一个整体，并且最大化的解决了传输与核心管理的局限，优化了核心服务器的工作职能。其稳定性和使用灵活性得到巨大的提升。

实用型区块链Practical Blockchain

区块链不仅仅是单纯的技术创新，其背后是一个基于博弈的一个共识场，本质上是一个治理架构，它可以使我们国家在国内的治理和在国际上的竞争提到一个新的高度，这个是区块链成为我们国家战略的一个重要原因。

区块链可以通过实现信任、提供跨业务生态透明度和实现跨业务生态价值交换、降低成本、减少交易结算时间及改善现金流来重塑整个行业。

随着区块链技术应用场景的不断增多，区块链应用已经逐渐走向实用。资产追踪对于其他领域也具有很大的价值，包括追踪食物在整条供应链中的足迹以识别污染来源、追踪各零部件以协助产品召回等。

人工智能安全AI Security

面对人工智能的风险，当下存在严重两极化：比如美国加州就决定禁用人脸识别技术，但也有更多企业对风险持视而不见的态度。总体而言，人工智能发展是主旋律，但是人工智能的健康发展，一定是治理和发展双轮驱动。

人工智能与机器学习将被继续用于提升各种应用场景中人类决策的能力。虽然这给实现超自动化和使用自动化物件进行业务转型带来了良机，但同时也因为物联网、云计算、微服务及智能空间中高度连接的系统增加了大量潜在攻击点又带来了新的挑战。

同时，保持对人工智能发展的敬畏和理性，是非常关键的。曾毅呼吁提升人工智能的技术人员对于风险和伦理问题的重视，使得他们真正在开发人工智能的时候，心中有红线。

结尾：

今天的技术发展与几年前的技术趋势截然不同，正是由于不确定性的增加和科技变革的阶梯式进化，未来十年，全球各行各业都将发生变革、创新和颠覆。