架构、云计算1.化繁为简，微服务走向“极简主义”名词解释：“宏服务”。宏服务并不是一种全新的架构，而是一种在单体和微服务之间取得平衡的概念。目前，微服务的发展增加了系统的复杂度。微服务越来越精细，复用率达到顶峰，服务之间的关系越来越复杂，维护成本也越来越高。在这种情况下，技术人员提出了“宏服务”，就是在微服务的粒度上找到一个平衡点，让系统更容易维护，实现多人协同维护，代码库重构更容易。除了宏服务，ServiceMesh在解决复杂性方面也做了很多改变。以Istio为例。2020年，Istio信守承诺，每季度发布一个版本（1.5、1.6、1.7、1.8）。第一个1.5版本推翻了之前的设计，提出了“回归单体”的架构思路。1.6版本的releasenote甚至一开始就写明要将极简主义进行到底。在1.7发布之后，前RedHat首席架构师、Istioinaction作者和solo.ioField首席技术官ChristianPosta认为Istio1.7将是可用于生产的最稳定的版本。在年底发布的1.8版本中，Istio正式启用了Mixer组件。从Istio的版本更新不难看出社区一直在努力解决复杂性。然而，高楼大厦并非一蹴而就。Istio1.5版本开启的架构飞跃使得至少1.5和1.6版本的生产和实现变得困难。1.7版本仍然有严格的平台版本要求（Kubernetes起步版本升级到1.16以上），即将实现依赖API。年底发布的1.8版本能否真正成为最稳定的企业级生产版本，还有待生产检验。2021年，化繁为简仍将是微服务的重点话题。2、云原生不再是面向资源的，而是面向应用的2010年，PaulFremantle在他的博客中首次提出“云原生”的概念。经过十年的发展，DevOps、容器、微服务等技术发展迅速。云原生已成功应用于企业核心业务，成为企业业务创新的重要驱动力。从市场角度来看，云原生技术支持的业务场景有很多，比如金融、制造、互联网等。对于这些企业来说，应用云原生技术遇到的最大困难不是搭建云平台，而是上云。传统应用不是为云计算开发的，迁移工作量会非常大，比如迁移工具的使用和调试，迁移后的运维等等。另外，如果仅仅通过虚拟化和重新部署的方式迁移到云端，将无法发挥云计算的弹性和高并发优势。所以，云原生不再是面向资源的，而是面向应用的。虚拟机和服务器不再是云原生的意思，而是业务。许多技术专家也将此称为“云原生2.0”。时代”。以“应用”为中心，规范企业应用的生命周期管理，为企业业务构建统一的云原生应用部署、运行、运维、治理标准化流程……这些才是重点和重点云原生未来发展的挑战，企业也将越来越意识到：“云原生真正帮助的是业务部门。”企业的技术架构将逐渐向业务导向的微服务架构转变，减少开发运维和运营的关注度。三、边缘计算将迎来大规模商用2020年7月，中国电信研究院IP与未来网络研究中心主任雷波表示：“随着业务的成熟和市场，边缘计算的商业部署成为行业各方关注的焦点行业内，预计近期（2021-2023年）将开始大规模落地。”从技术架构来看，边缘计算产业联盟（ECC）和工业互联网产业联盟（AII）)联合发布边缘计算参考架构3.0。整个系统分为云端、边缘和现场三层。边缘计算位于云端和现场层之间。边缘层向下支持各种现场设备的接入，向上可以连接到云端。边缘层主要由边缘节点和边缘管理器组成。边缘节点是硬件实体，是边缘计算服务的核心。他们通常拥有计算、网络和存储资源。边缘管理器的核心是软件。节点统一管理。从产业结构来看，边缘计算还处于早期阶段。下游主要由芯片、硬件、软件和连接组成。下游厂商将逐步推动软硬件设施智能化、开放化；供应商包括云服务提供商和电信运营商。通常，他们会选择一个特定的领域作为边缘计算应用的突破口；上游是应用，将边缘计算赋能给智能终端和应用。从上游到中游再到下游，全产业链企业都在探索边缘计算的商业模式和客户价值。从落地场景来看，目前边缘计算的落地主要集中在能源互联网、工业互联网、AR/VR/高清视频、云游戏、无人驾驶、智慧门店、医疗等领域。前端4.低代码将会给前端领域带来新的变化。2014年，研究机构ForresterResearch正式提出“低代码/零代码”的概念。顾名思义，低代码是指开发者只需编写很少的代码，就可以快速开发出应用程序，扩展更多的功能。与传统的软件开发工具和技术相比，低代码技术门槛更低，开发效率更高；与其他快速开发工具相比，低代码具有更好的可扩展性。通过使用低代码平台，非IT技术人员也可以构建软件；允许使用一个通用平台开发多个应用程序，在一定程度上解决了IT部门的任务积压问题；支持多平台部署，一旦你开发了一个应用，就可以在不同的环境中编译运行；易于维护，使软件更新、调试、维修和变更更加容易。目前很多公司应用低代码平台来提高开发效率，尤其是在前端领域。苏宁小消费平台研发中心前端技术总监余立斌在此前接受InfoQ采访时表示：“作为电商前端团队，遇到类似的业务需求，我们通常会采用组件化+手动修改，今年我们尝试了低代码平台，明显减少了前端程序员的工作量，目前苏宁的低代码/无代码平台运行良好，成本节约明显。以推广场地为例，已经从4-5人的团队缩减为2人。”Gartner预测，到2021年，市场对应用开发的需求将是IT企业能力的五倍。为填补这一良率差距，低代码/零代码技术是目前唯一可行的解??决方案，势必会有越来越多的公司引入这一技术。目前，我们看到很多互联网大公司已经在前端领域应用了低代码平台。明年，我们期待低代码平台在更多的企业和领域发挥作用。大数据、人工智能5、大数据加速与云融合，湖仓融合从理论到实现随着IT基础设施上云加速，云原生正在成为新一代数据架构的主流标准。除了公有云厂商的标准服务，跨云平台的第三方数据服务商（如Snowflake和Databricks等）也受到用户和资本市场的追捧。Snowflake作为云原生数据仓库提供商，曾于2020年9月上市，市值一度攀升至1000亿以上。相比之下，传统数据仓库头部提供商（如Teradata）的市值不足20亿。越来越多的企业客户正在从On-Premise数据仓库解决方案转向基于云（包括公有云和私有云）的解决方案。这一趋势在美国2B市场已被广泛接受，在国内2B市场也方兴未艾。我们相信，新的一年，大数据与云的融合将继续深入，大数据领域将加速拥抱“融合”（或“融合”）演进的新方向。事实上，无论是今年大热的“湖仓一体化”，还是已经被业界广泛认可的“流批一体化”，都是“一体化”演进的阶段性产物.其本质是降低大数据分析的技术复杂度和成本，同时满足对性能和易用性的更高要求。过去几年，数据仓库和数据湖解决方案在快速演进并弥补各自不足的同时，两者之间的界限也逐渐淡化。新一代云原生数据架构不再遵循单一的数据湖或数据仓库经典架构，而是在一定程度上结合两者的优势进行重构。各大云厂商相继提出了自己的“Lakehouse”技术方案，如AWS的RedshiftSpectrum、MicrosoftAzureSynapseAnalytics服务与AzureDatabricks集成、阿里云MaxCompute+DataWorks、华为云FusionInsight等，一些公司也在构建自己的数据lake仓库通过开源表格式（如DeltaLake、ApacheIceberg、ApacheHudi）。在云厂商和开源技术方案的共同推动下，2021年我们将看到更多“湖仓一体”的实际落地案例。6.工业智能将度过发展的初级阶段。随着深度学习、知识图谱等技术的发展，算法对复杂问题的求解能力得到显着提升，人工智能技术逐渐发展到解决实际问题并超越人类的能力。程度。在此基础上，工业智能逐渐发展起来。典型代表有数据驱动的优化与决策、深度视觉质量检测；工业知识图谱解决全球和工业问题；人机协作等智能工业机器人得到开发并得到广泛应用。过去几年，工业智能经历了规则化、统计化和复杂计算化三个阶段。一方面，三大阶段互不替代。专家系统、传统机器学习、知识图谱、前沿机器学习四大技术并存，不断交织融合；以知识图谱为代表的知识工程和以深度学习为代表的数据科学。但目前工业智能的应用多在点状场景，普及范围有限，还有很多未解决的问题，仍处于发展的初级阶段。2021年，随着通用技术的突破，工业智能将进入新的发展阶段。具体来说，基于FPGA的半定制芯片有望成为工业智能化的基础；高兼容性编译器满足工业适应性要求；实时性要求推动端侧推理框架进一步优化；突破共性技术领域，研究定制化算法是关键。7、可解释的人工智能离大规模应用又近了一步。由于机器学习模型的“黑盒”属性，很难理解模型的内部工作原理和模型决策过程。但是，AI的计算结果需要向人类用户解释；同时，AI运行的问题需要人类工程师去定位和解决；此外，AI过程需要人工监督。在过去几年中，我们目睹了不透明决策系统的兴起，例如深度神经网络(DNN)。深度学习模型（如RNN、BERT）的成功源于高效的学习算法与其巨大的参数空间相结合，一个参数空间可能包含数百层和数百万个参数，这使得DNN被视为复杂的黑盒模型。随着计算能力越来越强，算法模型也越来越复杂和庞大。虽然它的能力确实很强，但是可以帮助我们做越来越多的事情，甚至是在很多具体的任务上。超越人类，但我们越来越无法理解这些模型，这是一个非常困难的问题。所谓可解释性，就是寻求对模型工作机制的直接理解，打破人工智能的黑匣子。可解释机器学习的思想是在选择模型时同时考虑其准确性和可解释性。它不仅给出了模型预测结果，还给出了结果产生的原因。目前常用的方法是模型本身的可解释性和基于结果的可解释性。对于模型本身的可解释性，这是和模型本身绑定的，我们需要根据模型和应用场景进行一对一的迭代，使其具有可解释性。通用性非常有限，很难修改。基于结果的可解释性，虽然可以将其视为黑盒，但目前的算法本身还存在一些问题。比如LIME算法对采样有一定依赖，导致结果不稳定。但通过产业界和学术界的一步步探索，相信这些算法在2021年会越来越好，离大规模应用更近一步。8、认知智能的突破值得期待。在相关理论和技术不断创新的今天，人工智能在数据、算力和算法“三要素”的支持下，越来越多地走进我们的日常生活。然而，这一系列惊喜的背后，是大多数人工智能在语言理解、视觉场景理解、决策分析等方面的难点：这些技术仍然集中在感知层面，即用人工智能模拟人类的感知能力，如如听觉和视觉，但不能解决推理、计划、联想、创造等复杂的认知智能任务。目前的人工智能缺乏信息进入“大脑”后的处理、理解和思考。它所做的是比较简单的比较和识别，只停留在“感知”阶段而不是“认知”阶段。人工智能距离人类智能还很远。究其原因，人工智能面临着制约其发展的瓶颈：大规模的常识性知识库和基于认知的逻辑推理。基于知识图谱、认知推理、逻辑表达的认知图谱被越来越多的国内外学者和行业领袖认为是“目前能够突破这一技术瓶颈的可行方案之一”。如何实现智能化？目前有两种方式：第一种就是所谓的暴力美学，数据不够就增加数据，就像GPT-3，相信以后会有GPT-4，GPT-5。..这种想法也许能成功。但你也可以换个角度，看看生物智能是如何实现的。生物智能的实现路径有很多，并不仅仅依靠神经元的数量或暴力美学来解决问题。如果我们将通用人工智能定义为三个条件：一是多任务处理，可以做很多事情，而不仅仅是单一的事情；二是鲁棒性；三是能够适应多种环境的存在。那么，未来需要将神经科学、认知科学和计算科学交叉融合，加强人工智能与脑科学的双向互动，揭示生物智能系统的精细结构和工作机制，构建功能性脑-喜欢和表现超级大脑系统。该智能系统以视觉、典型模型动物等功能为参照物，测试智能水平，为人工智能未来发展探索可行路径。5G、区块链九、5G网络建设刚刚完成，推动智慧医疗、工业制造等行业发展。5G的发展速度远超前几代通信技术。2020年，全球运营商将加速基站建设，而作为全球最大的5G市场，中国目前拥有超过70万个5G基站。从最贴近消费者的5G终端来看，主流智能手机品牌已经进入消费市场。尽管今年5GiPhone上市较晚，但销量不错，有望助力5G市场的快速发展。但5G还缺少一款“杀手级应用”。低时延、高带宽是5G的特点和优势。进入2021年，我们认为5G与“视频”、“云游戏”、“物联网”、“边缘计算”的结合是关注的焦点。在疫情影响下，直播、短视频、音视频通话等视频场景逐渐成为常态。如何让声音和画面更一致，减少卡顿，降低延迟？答案离不开5G的关键技术。另外，超高清技术演进的基本条件之一就是带宽，只有带宽越来越大才能实现。云游戏本质上是一种交互式在线视频流。被认为是最接近落地的5G应用之一。今年4月，百度还宣布推出云手机产品。云游戏是重度应用场景之一。随着5G的商用，云计算与5G技术的融合有望降低云游戏的时延，大幅提升游戏品质和流畅运行。再加上越来越多的企业入驻，包括各大科技和互联网巨头，其产业生态也将得到快速完善。物联网世界想要实现海量连接，离不开5G。但Forrester预测，到2021年，“网络连接混乱”将成为主导现象。物联网网络连接选项有很多（如卫星、蜂窝、Wi-Fi、蓝牙、Zigbee、Z-Wave等），5G并不是唯一的选择。企业和组织需要克服这样的“市场乱象”并加以梳理，所以5G和Wi-Fi技术的落地相比2020年其实有所下降。人工智能时代，计算行业离不开智能。在5G技术的加持下，当前的边缘计算热点将显着提升带宽和时延，实现更加智能的计算。毕马威和IDC预计，得益于5G和边缘计算，除了互联医疗领域，工业制造、智能交通、环境监测、（云）游戏等行业也有望在未来两年实现显着增长到三年。10、区块链技术在“新基建”推动下加速落地。区块链是近年来比较重要的技术。目前，该技术正处于Gartner炒作周期曲线的“TroughofDisillusionment”。加密货币是区块链技术的主要应用之一。近年来，政府加大了对加密货币诈骗的打击力度。公安机关今年立案侦查的“PlusToken平台”网络传销案，案值总值148余亿元。另一方面，Facebook计划发行的Diem（原名：Libra）数字货币在2020年仍面临巨大的监管压力，但中国央行的数字人民币在政府的推动下已在各地试点。深圳市于10月进行了首个数字货币试点。随后，苏州市政府在12月通过抽奖方式向当地居民发放了2000万元的数字红包。100,000名获奖者每人将获得200元的新数字人民币，可用于线上购物或线下消费。政府还与美团和滴滴出行分别测试了数字人民币在送餐和乘车服务中的使用。法定数字货币DC/EP在确权环节采用了区块链技术，因此从长远来看，数据将被纳入生产要素的需求，促进数据的确权、定价和交易，这意味着数据上链将逐步成为一种趋势。此外，隐私和安全问题一直是区块链应用实施面临的挑战之一。各家厂商也尝试将各种数据加密传输协议、数据加密存储协议、远程认证等技术整合成一个整体解决方案，提供全场景。所需的隐私保护策略，并且可以降低开发门槛。明年隐私保护技术将在多个场景得到突破和验证，可以进一步推动区块链的大规模应用。2020年，区块链逐步渗透到我国各个垂直行业，初步形成示范效应，集中在政务、民生、金融、供应链等领域。“toG”（含国有企事业单位）在中国已经成为区块链。连锁行业盈利的主流模式。同时，国家发改委在新基建中明确将“区块链”纳入信息基础设施。在COVID-19的影响下，全球企业需要加速数字化转型，因此未来区块链将与人工智能、5G等新基建相关技术一起服务于企业的数字化转型。2021年，我们还会看到更多“区块链+”的落地案例。
