麦肯锡最新报告：2023年最被关注的15项科技趋势.docVIP

麦肯锡最新报告：2023年最被关注的15项科技趋势 2023年上半年，生成式AI/ChatGPT的出现点燃了我们对新一代技术的热情。当然，人类在不少科技领域都好消息不断。生成式AI与其他的众多先进技术一起，有望推动可持续、包容性增长，解决全球各种复杂挑战。7月20日，麦肯锡公司发布了《McKinsey Technology Trends Outlook 2023》2023科技趋势展望报告。为了评估每个趋势的动力，报告考察了其关注度(interest)、创新性(innovation)和资本(investment)等定量指标，同时，鉴于这些趋势的长期性和相互依赖性，麦肯锡还深入研究了每个趋势背后的底层技术、不确定性、未来挑战等。与往年不同的是，麦肯锡增加了一个重要的新分析维度——人才(talent)。人才的重要性不用赘述——人才短缺是创新与增长的头号敌人。数据显示，与2021年相比，2022年全球职位发布总体上减少了13％，但与文中提到的15个科技趋势相关的领域的职位发布在2022年增长了15％。麦肯锡对这些技术趋势中的350万个职位发布进行了调查，发现许多最需求的技能，每个职位的合格从业者数量还不到全球平均水平的一半↓紫色表示人才供应短缺，气泡大小表示缺的程度，蓝色表示过剩接下来，我们来看这15个趋势。这15个趋势可分成五个更广泛的类别：人工智能革命、构建数字未来、计算和连接的前沿、尖端工程技术和可持续发展 PART 1 人工智能革命 生成式AIGenerative AI生成型人工智能标志着人工智能的一个转折点。OpenAI、谷歌、微软、Facebook、Salesforce、IBM等都在大力投资于大型语言模型技术LLM的研发，推动模型的不断创新和改进。与以往的人工智能不同，生成式AI可以根据从类似非结构化数据格式中学到的信息，生成新的非结构化内容，如文本、音频、视频、图像、代码、模拟甚至蛋白质序列或消费者旅程。而且，其核心技术——基础模型，可以适应各种任务。在商业环境中，生成型人工智能不仅可以开启新的用例，还可以加快、扩展或改进现有的用例。生成型人工智能有可能通过促进新产品和收入流的开发，提升客户体验，从而重新定义企业和价值链。然而，其影响最有望体现在提高员工生产力和体验方面。在这个初期阶段，我们看到许多行业的公司主要将生成型人工智能作为一种辅助技术，用于创建初稿、生成假设或协助专家更快、更好地完成任务。当然也需要专家检查输出，特别是对于产生虚幻内容（应用程序产生的不准确内容）和知识产权（IP）问题。在高风险的应用中，让生成型人工智能基于应用从辅助逐渐过渡到完全自动化可能还需要一段时间。应用型人工智能Applied AI通过机器学习（ML）、计算机视觉和自然语言处理（NLP）等人工智能技术，各行各业的企业可以利用数据并得出洞见，实现自动化流程、增强能力，并做出更明智的决策。麦肯锡的研究估计，应用型人工智能所蕴含的潜在经济价值介于17万亿美元至26万亿美元之间，并且追求这一价值的企业比例正在增加。麦肯锡全球AI状况年度调查显示，组织中采用人工智能的比例从2017年的20％翻倍至2022年的50％。而且，2022年的调查还表明，采用人工智能可能带来显著的财务效益：25％的受访者将其公司5％或更多的净利润归功于人工智能。然而，在企业实现这一技术的全部潜力之前，还需要解决组织、技术、伦理和监管等问题。工业化机器学习工业化机器学习，通常称为机器学习运营(ML运营)，或者简称为MLOps，指的是在企业中扩展和维持机器学习应用所需的工程实践。这些实践得到了快速发展的技术工具生态系统的支持，这些工具在功能和互操作性方面都得到了显著改进。MLOps工具可以帮助企业从试点项目转向可行的商业产品，加速分析解决方案的扩大，发现和解决生产中的问题，并提高团队的生产力。经验表明，成功实现机器学习的工业化可以将机器学习应用的生产时间框架（从概念验证到产品）缩短约八至十倍，并将开发资源减少高达40％。工业化的机器学习最初由少数几家领先的公司引领，但随着越来越多的公司将人工智能用于更广泛的应用领域，采用这一方法的范围也在不断扩大。2021年，对机器学习工业化领域的企业投资在达到47亿美元的高点，并在2022年累计达到34亿美元，持续保持强劲势头。IDC预测，到2024年，60％的企业将实施MLOps。 PART 2 构建数字未来 下一代软件开发下一代技术正在改变软件开发生命周期（SDLC）的每个阶段工程师的能力，从规划和测试到部署和维护，还能使非技术员工创建应用程序。这些技术可以帮助简化复杂的任务，并将其他任务简化为单一命令。这些技术包括AI辅助编程工具、低代码和无代码平台、基础设施即代