編者按：本文來源微信公眾號“三思派”（ID：Science-Pie），授權(quán)36氪發(fā)布。三思派（ID：Science-Pie），上海市科學(xué)學(xué)研究所出品，專注科技創(chuàng)新領(lǐng)域，Criticism（評論）、Consulting（咨詢）、Construction（建設(shè)），做有情懷、有思想、有深度的內(nèi)容。投稿或轉(zhuǎn)載請聯(lián)系sciencepie@126.com

2016年7月，Gartner公司發(fā)布了年度新興技術(shù)成熟度曲線。Gartner指出，2016年是數(shù)字的一年，數(shù)字業(yè)務(wù)創(chuàng)新是“新常態(tài)”，專注于技術(shù)創(chuàng)新的企業(yè)將繼續(xù)尋找可以幫助他們創(chuàng)造競爭優(yōu)勢和價值、降低經(jīng)營成本、使業(yè)務(wù)模型轉(zhuǎn)型的新技術(shù)。

圖1  2016新興技術(shù)曲線（來源：Gartner 2016年7月）

一、突出趨勢

今年，有三個趨勢非常突出：一是感知智能機器時代來臨；二是透明的身臨其境的體驗更加優(yōu)化；三是平臺革命正在醞釀。這三方面的趨勢將給決策者們帶來顯著的機會，幫助企業(yè)的領(lǐng)導(dǎo)者們應(yīng)對數(shù)字業(yè)務(wù)發(fā)展的挑戰(zhàn)，為各類組織提供鏈接新商業(yè)生態(tài)系統(tǒng)平臺的新機遇。

1、感知智能機器

由于強大的計算能力，海量數(shù)據(jù)，并在深度神經(jīng)網(wǎng)絡(luò)的前所未有的進步，擁有智能機器技術(shù)的企業(yè)能夠充分利用數(shù)據(jù)，調(diào)整適應(yīng)新環(huán)境，解決前人從未遇到的問題。因此，智能機器技術(shù)將是未來10年里最具破壞性的一類技術(shù)。

在這個趨勢中尋找杠桿的企業(yè)應(yīng)考慮以下技術(shù)：智能微塵、機器學(xué)習(xí)、虛擬個人助理、認(rèn)知專家顧問、智能數(shù)據(jù)挖掘、智能工作空間、會話用戶界面、智能機器人、商業(yè)無人機、自動駕駛汽車、自然語言問答、個人分析、企業(yè)分類法及自然管理、數(shù)據(jù)經(jīng)紀(jì)人PaaS（dbrPaaS）和語境經(jīng)紀(jì)（context brokering）。

2、透明化身臨其境的體驗

技術(shù)已經(jīng)并將繼續(xù)成為以人為中心，它將提高人、企業(yè)和事物之間的透明度。隨著技術(shù)演變更加適應(yīng)工作場所和家庭環(huán)境，并且與企業(yè)和其他人的互動加強，這種關(guān)系將變得更加交織。

在這個趨勢中尋找杠桿的企業(yè)要考慮的關(guān)鍵技術(shù)包括4D打印、腦機接口、人類機能增加、立體顯示技術(shù)、情感運算、互聯(lián)家庭、碳納米管電池、增強現(xiàn)實、虛擬現(xiàn)實和手勢控制設(shè)備等。

3、平臺革命

新興技術(shù)正在改變我們定義和使用平臺概念的方式。從技術(shù)基礎(chǔ)設(shè)施到生態(tài)系統(tǒng)平臺的轉(zhuǎn)變，奠定了較新的商業(yè)模式基礎(chǔ)，正在形成人類和技術(shù)之間的橋梁。在這些動態(tài)生態(tài)系統(tǒng)中，組織必須主動了解和重新定義他們的戰(zhàn)略，以建立基于平臺的商業(yè)模式，并利用內(nèi)部和外部的運籌帷幄的方法以產(chǎn)生價值。

在這個趨勢中需要跟蹤的關(guān)鍵平臺實現(xiàn)技術(shù)有神經(jīng)形態(tài)硬件、量子計算、區(qū)塊鏈、物聯(lián)網(wǎng)平臺、軟件定義安全和軟件定義一切（SDx）。

二、重點關(guān)注

一是第一次進入曲線的新興技術(shù)。圍繞上述三大趨勢，今年新興技術(shù)成熟度曲線出現(xiàn)了16個新技術(shù)，其分析師圍繞這些新技術(shù)為決策者們提供了他們的一些看法和思考；二是曲線上位置明顯移動的技術(shù)，對比2015年，今年曲線上有一些技術(shù)點發(fā)生了顯著的波動，報告對這些技術(shù)點的變化作了深入的分析和說明；三是曲線上消失的技術(shù)。和往年類似，一些在去年曲線上出現(xiàn)的技術(shù)今年沒有再出現(xiàn)，例如大數(shù)據(jù)、云計算及相關(guān)技術(shù)，Gartner指出這些技術(shù)不是不重要，而是不再是“新興”；四是技術(shù)成為主流的時間預(yù)見，這主要應(yīng)用優(yōu)先度矩陣方法。