趋势一：自主事物无论是汽车、机器人还是农业，自主事物都使用人工智能来执行传统上由人类完成的任务。智能的复杂程度各不相同，但所有自主事物都使用人工智能与其环境进行更自然的交互。有五种类型的自主事物：机器人车辆无人机设备虚拟助手这五种类型占据四种环境：海洋，陆地，空中和数字。他们都具有不同程度的能力、协调性和智力。例如，它们可以涵盖在空中操作的无人机到在田间完全自主操作的人工辅助农业机器人。这描绘了潜在应用的广阔图景，几乎每个应用、服务和物联网对象都采用某种形式的人工智能来自动化或增强流程或人工操作。无人机群等协作自主事物将越来越多地推动人工智能系统的未来。趋势2：增强分析（大数据）数据科学家现在拥有越来越多的数据来准备、分析和分组，并从中得出结论。鉴于数据量，探索所有可能性变得不可能。这意味着企业可能会错过关于数据科学家无法探索的假设的关键见解。随着数据科学家使用自动化算法探索更多假设，增强分析代表了第三波数据和分析能力。数据科学和机器学习平台已经改变了企业生成分析见解的方式。“到2020年，超过40%的数据科学任务将实现自动化”。增强分析识别隐藏的模式，同时消除个人偏见。虽然企业冒着无意中将偏见插入其算法的风险，但增强分析和自动化洞察最终将嵌入到企业应用程序中。到2020年，公民数据科学家的数量将比专业数据科学家的数量快5倍。公民数据科学家使用AI驱动的增强分析工具来自动化数据科学功能、自动识别数据集、开发假设和识别数据模式。企业将把公民数据科学家视为启用和扩展数据科学能力的一种方式。Gartner预测，到2020年，超过40%的数据科学任务将实现自动化，从而提高公民数据科学家的生产力和广泛使用。在公民数据科学家和增强分析之间，数据洞察力将在整个企业中得到更广泛的应用，包括分析师、决策者和运营人员。趋势3：AI驱动开发AI驱动开发着眼于将AI嵌入应用程序并使用AI为开发过程创建AI驱动工具的工具、技术和最佳实践。这一趋势正沿着三个方面发展：用于构建基于AI的解决方案的工具正在从针对数据科学家的工具（AI基础设施、AI框架和AI平台）扩展到针对专业开发人员社区（AI平台、AI服务）的工具。借助这些工具，专业开发人员可以将AI驱动的功能和模型注入应用程序，而无需专业数据科学家的参与。用于构建基于AI的解决方案的工具正在获得AI驱动的功能，这些功能可以帮助专业开发人员并自动执行与AI增强解决方案开发相关的任务。增强分析、自动化测试、自动化代码生成和自动化解决方案开发将加快开发过程，并使更广泛的用户能够开发应用程序。支持AI的工具正在从辅助和自动化应用程序开发(AD)相关功能发展到使用业务领域专业知识和自动化AD流程堆栈的更高活动（从一般开发到业务解决方案设计）。市场将从专注于与开发人员协作的数据科学家转变为使用作为服务提供的预定义模型独立运营的开发人员。这使更多的开发人员能够利用这些服务并提高效率。这些趋势也导致虚拟软件开发人员和非专业的“公民应用程序开发人员”成为主流。趋势四：为边缘赋能边缘计算是一种信息处理和内容收集和交付更接近信息源的拓扑结构，将流量保持在本地将减少延迟。目前，这项技术的大部分重点是物联网系统在嵌入式物联网世界中提供断开连接或分布式功能的需求。这种类型的拓扑将解决诸如高WAN成本和不可接受的延迟水平等挑战。此外，它将实施数字业务和IT解决方案的细节。“技术和思维将转变为体验将人们连接到数百个边缘设备的地步”。到2028年，Gartner预计边缘设备中嵌入的传感器、存储、计算和高级人工智能功能将会增加。一般来说，智能会走向各种终端设备的边缘，从工业设备到屏幕，再到智能手机，再到汽车发电机。趋势5：沉浸式技术到2028年，改变用户与世界互动方式的对话平台，以及改变用户感知世界方式的增强现实（AR）、混合现实（MR）和虚拟现实（VR）等技术将带来全新的沉浸式体验。AR、MR和VR显示出提高生产力的潜力，下一代VR能够感知形状并跟踪用户的位置，而MR使人们能够查看他们的世界并与之互动。到2022年，70%的企业将为消费者和企业使用沉浸式技术进行试验，25%的企业将在生产中部署这些技术。对话平台的未来，从虚拟个人助理到聊天机器人，将包含扩展的感官渠道，使平台能够根据面部表情检测情绪，并且它们将在交互中变得更加对话。最终，技术和思维将转向人们连接数百台边缘设备，从计算机到汽车。趋势6：智能空间智能空间是物理或数字环境，人类和技术支持的系统在日益开放、互联、协调和智能的生态系统中进行交互。随着技术成为日常生活中更加不可或缺的一部分，智能空间将进入加速交付期。此外，随着个人解决方案成为智能空间，人工智能驱动技术、边缘计算、区块链和数字孪生等其他趋势正在朝着这一趋势发展。智能空间仅在五个关键维度上发展：开放性、连通性、协调性、智能性和范围。从本质上讲，智能空间随着独立技术的出现而不断发展，共同创造协作和互动的环境。智能空间最广泛的例子是智能城市，其中结合商业、住宅和工业社区的区域正在使用智能城市生态系统框架进行设计，所有部门都与社会和社区协作相关联。趋势7：量子计算量子计算是一种基于亚原子粒子量子态的非经典计算，亚原子粒子将信息表示为以量子位或“量子位”表示的元素。量子计算机是指数级可扩展和高度并行的计算模型。想象经典计算机和量子计算机之间区别的一种方法是想象一个巨大的图书馆。经典计算机会以线性方式阅读图书馆中的每本书，而量子计算机会同时阅读所有书籍。理论上，量子计算机可以同时处理数百万次计算。以商用、负担得起和可靠的服务形式出现的量子计算将改变多个行业。颠覆未来——智能AI芯片从为PCB的生产提供动力到在增强现实中发挥不可或缺的作用，下一代人工智能有可能彻底改变我们所知道的生活。Google发布了自己的TPU以及EgdeTPU：TPU是定制的专用集成电路(ASIC)，专为TensorFlow上的机器学习工作负载量身定制。第一代TPU仅用于推理，而CloudTPU适用于推理和机器学习训练。CloudTPU内置四个定制ASIC，可提供强大的64GB高带宽内存和180TFLOPS的性能。去年，谷歌声称其TPU比现代GPU和推理CPU快15到30倍，TOPS/Watt测量值高出30-80倍。在旧金山举行的GoogleNext会议上的主题演讲中，GoogleCloud物联网副总裁InjongRhee宣布了两个新的AIYProjects板——AIYProjectsEdgeTPU开发板和围绕Google新的专用边缘TPU构建的EdgeTPU加速器。
