麦肯锡：15项技术驱动未来发展
尽管 2023 年整体市场状况充满挑战，但对前沿技术的持续投资有望在未来实现企业采用的大幅增长。2024年哪些技术趋势对公司最重要？麦肯锡技术委员会(McKinsey Technology Council)的新分析——《2024技术趋势展望》，强调了先进技术的采用、发展和行业影响。
2023年脱颖而出的两个趋势是生成式AI和电气化与可再生能源。生成式AI在谷歌搜索中的关注度从2022年到2023年激增了近700%，工作岗位和投资也有显著增长。
报告将 15 项技术分为五大类：人工智能革命、构建数字化未来、计算和连接前沿、尖端工程和可持续世界。『制造前沿』根据报告内容对15项技术做了详细分析。
生成式AI的快速发展和广泛应用正在推动企业和行业向更自动化、更智能的方向发展，同时也带来了新的挑战和机遇。
1. 定义和功能：
- 生成式AI模型通过训练在大量、多样化的数据集上，能够从未结构化数据（如文本）中生成独特的输出，这些输出同样以未结构化数据的形式存在，包括文本、代码、图像、音乐和3D模型。
2. 技术进展：
- 2023年，生成式AI在多模态模型、开源模型、自然语言处理的上下文窗口扩展等方面取得了显著进展。例如，谷歌的Gemini模型展示了强大的多模态系统，能够处理包括文本、代码、表格、图像甚至音频在内的多种格式的信息。
3. 应用领域：
- 生成式AI在各个行业和领域中都有广泛的应用潜力。例如，金融机构使用它来检测和防止欺诈活动，医疗保健提供者利用它提高AI驱动的诊断透明度，制造商则用它识别质量控制系统中的潜在偏见。
4. 经济影响：
- 根据麦肯锡全球调查，65%的受访者表示他们的组织在至少一个业务功能中定期使用生成式AI，而生成性AI用例有可能每年产生2.6万亿到4.4万亿美元的价值。
5. 风险和挑战：
- 使用这种强大技术也伴随着风险，包括偏见、错误信息和深度伪造（deepfakes）。组织需要投资于风险缓解、运营模式、人才和技术能力，以规模化生成式AI。
6. 人才需求：
- 与生成式AI相关的职位需求自2019年以来显著增长，2023年与2022年相比，工作岗位招聘增长了111%。这表明对数据科学家、软件工程师和数据工程师等角色的需求增加。
7. 全球采用情况：
- 生成式AI在全球范围内的采用情况不一，技术、媒体和电信行业在采用该技术方面处于领先地位。然而，本地语言支持的缺乏在全球范围内对采用构成了挑战。
8. 未来展望：
- 随着生成式AI的不断发展，企业需要考虑如何管理模型创建的成本、企业采用的增长和货币化、开源与闭源解决方案的市场发展、以及如何应对与数据隐私和安全、公平性、合规性和版权保护相关的风险。
9. 实际应用案例：
- 例如，ING银行利用生成式AI在荷兰增强客户服务，Recursion公司开发了新的生成式AI平台以加速药物发现，Itaú Unibanco利用AI创建了针对女性足球运动员的广告活动，Nubank正在试验生成性AI虚拟助手以提升客户服务。
应用人工智能（Applied AI）是人工智能领域的一个重要分支，它关注于将人工智能技术应用于实际问题和商业场景中。
1. 定义：
- 应用人工智能涉及使用机器学习（ML）、计算机视觉、自然语言处理（NLP）等技术来解决特定问题，自动化流程，和做出更明智的决策。
2. 技术应用：
- 应用AI技术被广泛应用于各个行业，包括金融服务、医疗保健、制造业、零售、交通等，以提高效率、降低成本和创造新的收入来源。
3. 经济价值：
- 麦肯锡研究估计，AI应用每年可能解锁11万亿至18万亿美元的经济价值。
4. 技术进展：
- 近年来，应用AI在数据为中心的AI、硬件加速、以及与生成式AI（Gen AI）的结合方面取得了显著进展。
5. 数据的重要性：
- 高质量的数据集对于从AI中获取价值至关重要。数据为中心的AI用例包括金融机构使用它来检测和防止欺诈活动，医疗保健提供者促进AI驱动的诊断透明度，或制造商识别质量控制系统中的潜在偏见。
6. 硬件发展：
- 随着深度学习模型的规模和复杂性不断增加，传统的中央处理单元（CPU）已经无法满足需求，这加速了专用硬件的发展，如图形处理单元（GPU）、现场可编程门阵列（FPGA）、特定应用集成电路（ASIC）和高带宽内存（HBM）芯片。
7. 生成式AI的结合：
- 生成式AI的采用不仅在个人中增加，也促进了应用AI的更广泛应用。组织通过将Gen AI与应用AI用例结合，能够获得最大的影响。
8. 人才需求：
- 应用AI领域的人才需求在2019年至2022年间迅速增长，2023年与2022年相比虽有减少，但仍保持高水平。
9. 全球采用情况：
- 应用AI工具在全球各行业和地区的采用率很高，由AI能力的提高和用例的增加所驱动。
10. 采用维度：
- 应用AI的采用轨迹将因技术和用例而异。提高插即用解决方案的可用性、有效的变革管理、ML-运营（MLOps）和大型语言模型运营（LLMOps）的实践，以及改进数据组织、可用性和治理，都是促进应用AI下一级采用的潜在因素。
11. 实际应用案例：
- 例如，沙特阿美建立了一个AI中心，每天高效分析超过五十亿个数据点，以提高对石油物理属性的理解并加速勘探和钻探中的决策制定。
12. 基础技术：
- 应用AI的基础技术包括机器学习、计算机视觉、自然语言处理和深度强化学习等。
13. 关键不确定性：
- 影响应用AI的主要不确定性包括网络安全和隐私问题、监管和合规性可能影响AI研究和应用，以及AI使用中的道德考虑。
14. 未来展望：
- 公司和领导者在推进应用AI时可能需要考虑的问题包括如何识别最有益的AI应用，如何战略性地结合使用生成性和应用AI，以及如何确保AI解决方案的负责任和可信赖性。
机器学习的工业化（Industrializing Machine Learning），也称为机器学习运营（MLOps），是指在企业中扩展和维护机器学习（ML）应用的过程。机器学习的工业化是企业利用 AI 技术实现规模化和自动化的关键步骤，它涉及到从模型开发到部署、监控和维护的整个生命周期管理。随着技术的进步和企业需求的增长，MLOps 正在成为企业 AI 战略的核心部分。
1. 定义：
- MLOps 是一系列实践和工具，旨在帮助企业规模化、自动化并管理机器学习模型的开发、部署、监控和维护。
2. 重要性：
- 成功的机器学习工业化可以帮助企业持续解决方案，减少机器学习应用的生产时间，并降低开发资源。
3. 技术发展：
- MLOps 工具正在快速发展，提高了功能和互操作性，促进了从试点项目到健全业务流程的转变。
4. 生成性AI的结合：
- 随着生成性AI（Gen AI）的兴起，MLOps 需要升级其能力以满足 Gen AI 的独特需求，包括开发、部署和维护 Gen AI 解决方案。
5. 关键组件：
- MLOps 的关键组件包括监控和编排，这些在升级企业技术架构以集成和管理模型以及协调 ML 模型与其他应用程序和数据源之间的交互中尤为重要。
6. 预构建解决方案和API的使用：
- 近年来，机器学习 API 和预配置解决方案的可用性显著增加，部分原因是 Gen AI 的爆炸性增长。
7. 人才需求：
- 随着 ML 任务的自动化，许多 MLOps 任务预计将成为前线 ML 开发者的责任，对相关技能的需求正在增长。
8. 全球采用情况：
- 工业化 ML 的采用水平相对于其他趋势处于中等，其中能源和材料以及技术、媒体和电信领域是采用工业化 ML 做法的领先行业。
9. 采用维度：
- 促进工业化 ML 下一级别采用的进展可能包括数据管理工具的可用性增加、数据源可用性和数据质量的提高，以及 ML/AI 软件开发生命周期中底层技术的持续标准化和改进。
10. 实际应用案例：
- 例如，Meta 使用 HawkEye 内部工具来全面了解其 ML 工作流程，提供实时监控、异常检测和潜在问题的分析。
11. 基础技术：
- 包括数据管理、模型开发、模型部署、实时模型运营和模型可观测性等软件解决方案，这些解决方案支持 ML 工作流程的不同阶段。
12. 关键不确定性：
- 包括建立工业化 ML 所需的前期投资和资源、维持工业规模 ML 解决方案所需的流程和问责制、快速变化的市场要求组织平衡现有供应商产品和新供应商产品的效率等。
13. 未来展望：
- 公司和领导者在推进工业化 ML 时可能需要考虑的问题包括 MLOps 实践和技术生态系统将如何发展，以及工业化 ML 如何改变组织、其运营模式和工程角色。
04 下一代软件开发
下一代软件开发（Next-generation software development）正在经历由尖端技术如生成性人工智能（Gen AI）和云原生架构推动的转型。下一代软件开发的转变预示着开发流程、工具和技能需求的重大变化，同时也带来了提高开发效率、促进创新和降低技术门槛的机遇。随着这些技术的成熟和普及，软件开发行业将继续经历深刻的变革。
1. 技术革新：
- 2023年见证了AI驱动开发工具的重大转变，这些工具从概念验证阶段过渡到广泛应用，提供更高程度的适应性和定制化。
2. 集成开发平台：
- 公司正从使用众多分散的工具转向采用较少数量但功能更全面、集成度更高的解决方案，以简化开发生命周期中的工作流程。
3. 人才需求变化：
- 随着基础技术的发展，如Gen AI，软件工程师可以将时间从纯粹的代码生成任务重新分配到架构设计和问题解决等任务上。
4. 合规性和信任：
- 软件开发行业正朝着合规性和信任的方向发展，以应对与软件工具相关的法律和安全风险的日益增长的担忧。
5. AI生成代码：
- AI应用可以超越代码建议和推荐，还能使用户生成整个函数、优化现有代码、创建样板代码，并适应不同的编程语言。
6. 低代码/无代码平台：
- 例如Microsoft Power Apps和Google AppSheet等软件开发系统，使非开发人员更容易快速构建应用程序。
7. 基础设施即代码（IaC）：
- 这是使用机器可读代码配置基础设施（如数据中心）的过程，它使快速重新配置和版本控制成为可能。
8. 微服务和APIs：
- 这些是自包含的、可独立部署的代码片段，可以耦合成较大的应用程序。
9. AI基础测试：
- 下一代软件可以使用AI自动化单元和性能测试，减少开发人员在此任务上花费的时间。
10. 自动化代码审查：
- 这些应用程序使用AI或预定义规则，使用户能够检查源代码。
11. 关键不确定性：
- 包括对自动化测试和审查的依赖可能增加软件错误和侵蚀用户信任，以及低代码/无代码工具的增长可能受到限制，因为需要经验丰富的开发人员来监控和调试应用程序。
12. 未来展望问题：
- 公司和领导者在推进下一代软件开发时可能需要考虑的问题，包括AI生成代码的发展将如何影响软件工程师的日常任务和责任，以及非开发人员使用无代码技术可能会减少对完全训练有素的软件开发专业人员的需求。
13. 实际应用案例：
- 例如，花旗银行利用Harness Continuous Delivery平台提供软件交付的所有阶段的集成体验，该平台汇集了参与软件交付的所有工具和服务。
数字信任和网络安全是确保组织能够安全地管理和使用技术及数据的关键领域。数字信任和网络安全是构建组织在数字时代信任基础的关键，通过整合安全、隐私和伦理框架，组织不仅能保护资产，还能建立推动创新、增强客户忠诚度和实现可持续增长的机会。
1. 定义和重要性：
- 数字信任和网络安全包括增强信任的技术（例如数字身份和隐私增强技术）、网络安全能力（如身份和访问管理）以及Web3技术（如区块链）。
2. 增长和市场表现：
- 数字信任和网络安全市场近年来经历了高增长，尽管在2023年受到宏观经济放缓的影响，但长期来看，随着企业数字化的持续推进，这一趋势预计将继续保持增长势头。
3. 技术采用：
- 金融服务公司尤其采用这一趋势，以应对日益增多的威胁和满足监管要求。电信、媒体和技术公司也在采用数字信任和网络安全方面处于前沿。
4. 关键技术：
- 包括零信任架构、数字身份、隐私工程、可解释的人工智能、技术弹性、区块链、智能合约、数字资产和代币以及去中心化应用。
5. 风险管理：
- 组织采用新兴和成熟的技术（例如云和边缘计算、应用AI和下一代软件开发）时，也暴露于网络安全和其他风险，增加了对数字信任技术的需求。
6. 挑战和影响因素：
- 数字信任和网络安全的采用受到多种因素的影响，包括整合挑战、组织孤岛、人才短缺以及作为价值主张的关键组成部分的有限考虑。
7. 最新发展：
- 包括管理生成性AI的风险和准备、网络犯罪分子和威胁的快速发展、CISO角色之外的新买家出现、网络安全平台和最佳解决方案之间的持续辩论，以及比特币和以太坊ETFs激发的主流兴趣。
8. 实际应用案例：
- Salesforce建立了Einstein Trust Layer来解决在Salesforce平台上使用大型语言模型（LLMs）的安全问题。Cisco创建了面向客户的Cisco Trust Portal，提供与安全、信任、数据保护和隐私合规相关的文件的自助访问。
9. 人才和劳动力市场：
- 数字信任和网络安全的职位招聘在2019年至2023年间有所增长，尽管2022年至2023年间有所下降，但长期需求仍然强劲。
10. 全球采用情况：
- 数字信任和网络安全在全球范围内的采用水平较高，一些子组件已经得到广泛应用，而其他一些如新兴的Web3应用则处于创新前沿。
11. 未来展望问题：
- 组织和领导者在推进数字信任和网络安全时可能需要考虑的问题，包括如何管理客户、员工和社区对安全、体验和隐私的更高期望，以及监管机构如何与新的信任技术能力和要求协调过去的数据隐私、数据永久性和其他问题的标准。
先进连接（Advanced Connectivity）技术是指那些能够彻底改变消费者体验和各行各业（如移动性、制造业和农业）的连接技术。先进连接技术的发展和应用预示着一个更加互联的世界，这要求企业思考他们的策略、投资和商业模式，以识别和解锁新的增长机会。
1. 定义和重要性：
- 先进连接技术包括最新的卫星连接、私有5G网络以及未来的6G技术，它们能够提供更广泛的覆盖范围、更高的数据传输速率和更低的延迟。
2. 技术进展：
- 这些技术正在快速发展，但许多组织对于投资最新连接技术持谨慎态度，因为它们的投资回报率（ROI）尚不明确。
3. 行业影响：
- 先进连接技术对航空航天和国防、农业、汽车组装、航空旅行和物流、建筑和建筑材料、电力、金融服务、医疗保健、信息技术和电子、媒体和娱乐、制造业、金属和采矿、石油和天然气、零售和电信等行业都有潜在的影响。
4. 最新发展：
- 包括电信行业面临的持续压力、私有网络的采用进展、6G技术的开发、移动网络中xRAN的采用以及低地球轨道（LEO）卫星星座的部署。
5. 劳动力市场：
- 为了规模化利用先进连接，公司需要技术人才，包括专门的工程师。技术人才需求的变化反映了行业在维护现有基础设施和审慎扩展数字能力方面的重点。
6. 全球采用情况：
- 先进连接是采用率最高的趋势之一，由物联网（IoT）等技术推动，这些技术依赖于先进的连接能力。
7. 采用维度：
- 先进技术如5G私有网络的采用轨迹因技术和用例而异。在以下方面的进展可能有助于达到更高的采用水平：促进与现有企业基础设施的互操作性的额外软件应用、明确频谱许可法规、降低安装成本和5G端点的普及等。
8. 实际应用案例：
- 包括AT&T、谷歌和沃达丰在AST SpaceMobile的战略投资，Verizon与Allegiant Stadium合作提供私有5G网络，以及AT&T宣布与爱立信合作部署oRAN。
9. 基础技术：
- 包括光纤、低功耗广域网、Wi-Fi 6和7、5G和6G蜂窝技术、高空平台系统（HAPS）、直接到手機的卫星连接和物联网。
10. 关键不确定性：
- 包括电信行业的盈利能力、成熟的用例可用性、生态系统成熟度以及政府在5G和下一代数字基础设施的法规和资金支持方面的作用。
11. 未来展望问题：
- 公司和领导者在推进先进连接时可能需要考虑的问题，包括电信行业需要进行哪些根本性转变来提高盈利能力，以及对下一代无线技术的期望等。
沉浸式现实技术（Immersive-reality technologies）涵盖了一系列创新技术，它们通过模拟和增强现实世界的体验，为用户提供了一种全新的交互方式。随着技术的不断进步和市场的逐渐成熟，预计这些技术将在未来几年内实现更广泛的应用和商业化。
1. 技术类型：
- 包括增强现实（AR），它通过在用户的视野中叠加数字信息来增强现实世界的感知；
- 混合现实（MR），它结合了AR和VR的元素，允许用户与现实世界和虚拟对象进行交互；
- 虚拟现实（VR），它通过创造一个完全虚拟的环境来提供沉浸式体验。
2. 技术应用：
- 沉浸式现实技术在游戏、教育、设计、制造、零售等多个行业中都有应用，提供了新的客户参与方式和工作流程优化。
3. 技术发展：
- 2023年，尽管面临投资减少和市场需求波动的挑战，沉浸式现实技术仍然显示出了其韧性和潜力。
4. 人才需求：
- 沉浸式现实技术领域的工作岗位需求自2020年以来有所增长，尽管2023年有所下降，但仍显示出对技术、艺术和商业管理交叉领域专业人才的高需求。
5. 全球采用情况：
- 技术、媒体和电信行业在采用沉浸式现实技术方面处于领先地位，资本投资虽然有所放缓，但采用率仍在增长。
6. 技术挑战：
- 硬件和软件的改进是必要的，以实现设备的小型化、减轻重量、提高耐用性、改善传感器精度、增加用户舒适度、改善热管理和延长电池寿命。
7. 成本问题：
- 成本降低的步伐和水平仍然不确定，这对于使应用更加消费者友好和可扩展至关重要。
8. 用户需求的增长：
- 虽然沉浸式现实技术已经存在，但真正的需求增长点可能还需要几年时间，从针对特定细分市场的需求转向更广泛的大众市场客户使用。
9. 安全和隐私问题：
- 解决与跟踪用户行为相关的安全和隐私问题对于建立信任至关重要。
10. 监管框架：
- 需要适当的监管框架来确保VR技术的安全性、安全性和道德使用，包括内容审核、数据隐私和网络安全。
11. 未来问题：
- 公司和领导者在推进沉浸式现实技术时可能需要考虑的问题，包括用例在不同环境（如家庭、工作场所、通勤）中的潜在影响，设备硬件的快速演变，沉浸式现实如何改变远程和混合工作以及人机界面，以及企业如何有效管理新技术基础设施等。
云计算和边缘计算是信息技术领域的两个关键趋势，它们正在改变企业处理、存储和分析数据的方式。云计算和边缘计算的结合为企业提供了强大的数据处理和分析能力，使它们能够优化资源、降低延迟、保护数据隐私，并在规模上实现业务价值。随着技术的不断发展，这些趋势预计将在未来几年内继续塑造IT基础设施和业务运营。
1. 定义：
- 云计算：允许企业远程托管工作负载，并按需扩展计算和存储资源，从而实现规模经济、灵活性和应用部署的速度。
- 边缘计算：使组织能够在数据生成地点附近处理数据，提供比云计算更低的延迟、更低的数据传输成本，并增加数据隐私保护。
2. 技术发展：
- 云计算和边缘计算的发展受到AI需求增加的推动，2023年AI的兴起导致云和边缘使用量大幅增加。
3. 行业影响：
- 云计算和边缘计算影响多个行业，包括航空航天和国防、汽车组装、航空旅行和物流、金融服务、医疗保健系统和服务、信息技术和电子、制造业、媒体和娱乐、制药和医疗产品、零售、半导体和电信等。
4. 最新发展：
- 包括云和边缘计算的使用增长、企业对本地边缘解决方案的关注转移、AI模型从云到边缘的转变、以及公司多样化其GPU供应基础。
5. 劳动力市场：
- 尽管云计算和边缘计算的工作岗位需求全面减少，但软件工程师的需求仍然很高。数据工程师和软件开发人员相对于其他技术角色的工作岗位减少更多。
6. 全球采用情况：
- 云计算和边缘计算是跨行业和地区最广泛采用的趋势，受到AI增长的推动。公司采用这些技术以增加现有产品的价值、降低成本、更好地服务客户，并优化计算机和存储资源的使用。
7. 采用维度：
- 企业可能会寻求在延迟、成本和安全方面的改进，推动边缘计算技术的下一级采用。例如，自动驾驶汽车和虚拟现实头显等低延迟用例的规模化采用，或者AI推理需求的增加，可能会导致从云计算转移到边缘计算。
8. 实际应用案例：
- 包括麦当劳与谷歌云的多年全球合作伙伴关系，使用边缘计算来提高移动应用、自助服务机和其他机器的性能；国际空间站（ISS）安装了Kioxia的固态硬盘（SSD）用于边缘计算和AI任务；亚马逊、谷歌和微软都发布了自己的专有AI芯片。
9. 基础技术：
- 包括物联网（IoT）或设备边缘、本地或“靠近行动”边缘、运营商、网络和移动边缘计算（MEC）、以及大都会边缘等不同部署形式。
10. 关键不确定性：
- 包括边缘节点和设备数量增长带来的规模化障碍、人才和管理认同的有限可用性、技术挑战、隐私问题、ROI可见性有限、从试点到规模化实施的投资需求、技术栈要求复杂性等。
11. 未来展望问题：
- 公司和领导者在推进云计算和边缘计算时可能需要考虑的问题，包括边缘计算是否会因灵活性和业务及监管优势而比云计算更具颠覆性，以及快速发展的AI技术和相应的监管变化将如何改变云和边缘提供商的商业模式等。
量子技术是一个前沿领域，它包含三个主要支柱：量子计算、量子通信和量子传感。量子技术的发展正在推动计算、通信和传感领域的潜在革命性变化。随着技术的进步和挑战的克服，量子技术有望在特定领域提供突破性的解决方案。
1. 量子计算：
- 量子计算机利用量子力学的原理来执行模拟和处理信息，能够为某些应用提供比传统计算机指数级的性能提升。
2. 量子通信：
- 量子通信涉及在空间中安全地传输量子信息，通过量子密码学确保通信的安全性，即使面对无限的量子计算能力。
3. 量子传感：
- 量子传感器在多种模式下提供比传统传感器更高的灵敏度，适用于特定的应用。
4. 经济影响：
- 量子技术的全面经济潜力可能高达约9000亿美元。
5. 技术进展：
- 2023年，量子技术在硬件和软件方面都取得了稳定进展，同时组织采取了更实际的步骤来确保其基础设施和安全性为这项技术做好准备。
6. 投资情况：
- 尽管量子技术的实际量子优势尚未明确，但2022-2023年间，对成熟公司的投资转移表明了对扩大有前景的企业的重视。
7. 人才需求：
- 量子技术领域的人才需求自2019年以来翻了一番多，但由于技术的新颖性，量子特定项目的毕业生数量较少，导致需要从更广泛的物理、数学、电子工程等领域吸引人才。
8. 全球采用情况：
- 量子技术是分析趋势中采用率最低的技术之一，但潜在的未来量子应用在特定行业和用例中具有颠覆性的潜力，激发了一些公司进行不同量子技术的试验和试点。
9. 实际应用案例：
- 包括银行与量子企业合作构建能力，如汇丰银行与量子计算初创公司Quantinuum的合作；苹果公司升级了其iMessage加密协议，使用PQ3协议，利用量子密码学保护消息免受量子计算机的加密破解。
10. 基础技术：
- 包括量子处理器、量子比特（qubits）、量子算法、量子密钥分发（QKD）等。
11. 关键不确定性：
- 包括技术挑战、成本效益、生态系统成熟度、技术普及和应用的行业特定需求。
12. 未来展望问题：
- 公司和领导者在推进量子技术时可能需要考虑的问题，包括量子技术在未来十年的发展时间表、量子与AI结合的潜在好处、公司应如何准备应对量子计算机带来的安全威胁，以及人才供应是否能跟上需求。
010 未来机器人技术
未来机器人技术（Future of Robotics）是技术进步和宏观经济因素推动下快速发展的领域。未来机器人技术的发展预示着自动化领域的革命性进步，它们将提高生产效率、改变工作方式，并可能在多个行业中创造新的应用场景和商业机会。随着技术的不断成熟和市场的逐渐接受，机器人技术有望在未来发挥更加重要的作用。
1. 技术特点：
- 先进机器人系统以其高度复杂性为特点，能够自动化各种物理任务，从消费级服务到企业级组装。
2. 宏观经济因素：
- 全球范围内劳动力成本上升、人口老龄化以及劳动外包的复杂性增加，导致许多国家劳动力市场紧张。
3. 技术进步：
- 人工智能（AI）的发展推动了机器人技术的创新，提高了机器人的能力和加速了它们的训练。
4. 应用领域扩展：
- 机器人技术正从传统的装配和制造业扩展到生命科学、农业等新领域。
5. 机器人类型多样化：
- 从典型的工业机器人到新型的协作机器人（cobots）、服务机器人，以及具有高度兴趣的人形机器人和通用机器人。
6. AI在机器人技术中的应用：
- AI对于机器人技术的发展至关重要，通过构建新算法和技术的改进，使机器人能够对意外情况做出反应并建立通用技能。
7. 人才需求：
- 尽管机器人技术领域的劳动力市场相对较小，但人才需求自2019年以来已翻了一番多。
8. 全球采用情况：
- 尽管机器人技术相对于其他趋势采用率较低，但先进行业公司在汽车和制造业中对机器人技术进行了大量投资。
9. 实际应用案例：
- 包括BMW与机器人初创公司Figure合作，将人形机器人引入汽车制造设施；Chevron使用Boston Dynamics的四足机器人Spot进行石油和天然气操作；Sweetgreen使用厨房机器人提高餐厅效率；NASA开发了能够自主建造庇护所的机器人。
10. 基础技术：
- 包括自主技术、运动和传感器技术、连接技术、材料创新和电气化技术。
11. 关键不确定性：
- 包括安全、隐私和责任问题；劳动力市场的影响和公众看法；资源获取，如电池和人才；跨境竞争；以及潜在的监管变化。
12. 未来展望问题：
- 公司和领导者在推进机器人技术时可能需要考虑的问题，包括机器人的采用速度、与机器人的整合如何重塑未来劳动力、何时可以期待通用机器人的出现，以及先进机器人可能创造的新商业用例。
未来出行（Future of Mobility）是一个涵盖多种创新技术的领域，旨在彻底改变人员和货物的运输方式，提高可达性、安全性和可持续性。未来出行领域的技术正在快速发展，它们有潜力彻底改变我们的交通系统，使之更加高效、环保和智能化。随着技术的成熟和监管环境的逐步完善，未来出行将为社会带来深远的影响。
1. 技术进步：
- 技术进步，特别是自动驾驶（Autonomous Vehicles, AVs）、电动车辆（Electric Vehicles, EVs）、城市空中交通（Urban Air Mobility, UAM）以及ACES技术（自动驾驶、连接性、电动化、共享/智能出行），正在推动出行方式的变革。
2. 可持续性关注：
- 随着对环境影响和气候变化的关注增加，未来出行技术越来越注重可持续性，寻求减少碳排放和提高能源效率。
3. 行业变革：
- 汽车和航空业的传统企业和新兴参与者都在积极探索和采用这些技术，以期在行业中保持竞争力。
4. 监管环境：
- 尽管监管环境仍在发展中，但ACES技术的采用正在加速，例如在主要城市进行自动驾驶出租车的商业试点项目和城市飞行器的飞行测试。
5. 投资和人才需求：
- 尽管投资受到宏观经济条件的影响有所下降，但人才需求却在上升，这表明公司正在扩展商业试点项目和测试。
6. 实际应用案例：
- 例如，Waymo和Cruise在加州获得了运营商业自动驾驶出租车服务的许可，尽管Cruise因安全事件撤销了许可，Waymo仍在继续商业运营。
7. 电动车辆（EV）需求：
- 尽管在某些地区增长放缓，但EV的需求依然高涨。制造商正在探索如何使EV更便宜，尤其是在美国和欧洲。
8. 自动卡车运输：
- 自动卡车运输在2024年可能成为一个转折点，因为公司开始进行更大规模的公路试验。
9. 微出行：
- 微出行领域显示出稳定的增长和强劲的进展，例如Lime报告在2022年首次实现盈利。
10. 无人机送货：
- 商业无人机送货在2023年比2022年增长了14%，并且是未来出行技术中唯一看到资金显著增加的领域。
11. 电动垂直起降（eVTOL）飞机：
- 尽管eVTOL飞机的资金略有下降，但潜在的认证前景保持了动力，公司正在开发额外的基础设施和制造能力。
12. 关键不确定性：
- 包括全球能源供应扩张的不确定性、安全和责任问题、电池技术、客户对噪音和视觉影响的看法、设备和基础设施成本、监管变化、隐私和安全问题，以及对资源（如电池生产原材料和自动驾驶软件开发人员）的访问。
13. 未来展望问题：
- 公司和领导者在推进ACES技术时可能需要考虑的问题，包括未来出行趋势如何塑造城市、需要解决哪些监管促进因素和障碍、自动驾驶车辆将占车辆销售的份额、哪些商业模式将占主导地位、如何赢得消费者对自动驾驶车辆和城市空中交通的信任、以及未来十年高级空中交通将达到什么规模。
生物工程的未来（Future of Bioengineering）是一个融合生物学、计算机科学、工程学和其他学科的领域，它正在推动医疗保健、食品和农业、消费品、可持续性、能源和材料等行业的创新。生物工程的未来预示着在多个领域内的重大突破和创新，同时也带来了伦理、监管和市场接受度方面的挑战。随着技术的进步和社会对这些新技术的适应，生物工程有望为全球面临的问题提供解决方案。
1. 创新潜力：
- 生物工程技术如基因疗法有潜力改善人类健康和寿命，而替代蛋白质生产技术可能有助于可持续性。
2. 经济影响：
- 生物工程在未来十年可能带来超过2万亿美元的潜在经济影响。
3. 技术应用：
- 包括基因编辑、组织工程、生物材料、合成生物学等，这些技术可以用于开发新药物、改良作物、生产替代食品等。
4. 监管挑战：
- 许多生物工程技术需要克服社会和监管挑战，实现商业可行性。
5. 人才需求：
- 随着生物工程技术的发展，对相关领域专业人才的需求也在增长。
6. 最新发展：
- 包括基于CRISPR的基因疗法取得显著进展、AI在生物工程中的新用途被发现，以及替代蛋白质生产技术继续发展。
7. 全球采用情况：
- 生物工程技术的采用相对较低，但能源和材料行业显示出较高的实验比例，这可能源于其在成熟和新兴用例中的潜力。
8. 实际应用案例：
- 包括理光公司利用数字技术和AI创造更可靠的疾病模型，日本批准首个自扩增mRNA疫苗，以及Tropic公司使用CRISPR技术改良香蕉以延长保质期。
9. 基础技术：
- 包括组学科学（如基因组学和蛋白质组学）、基因编辑技术（如CRISPR-Cas9）、组织工程、生物材料等。
10. 关键不确定性：
- 包括生物工程技术和产品的监管、公众对生物工程产品的安全性、成本和质量的看法，以及可能的意外后果。
11. 未来展望问题：
- 公司和领导者在推进生物工程技术时可能需要考虑的问题，包括社会如何确定基因编辑的适当范围，公众如何感知和接受生物工程，以及CRISPR基因疗法需要多长时间才能取得成果并获得更广泛的社会接受。
空间技术的未来（Future of Space Technologies）是一个快速发展的领域，涉及太空探索、卫星通信、太空基础设施建设等。空间技术的未来预示着在多个领域内的重大突破和创新，同时也带来了技术、监管和市场接受度方面的挑战。随着技术的不断进步和社会对这些新技术的适应，空间技术有望为全球面临的问题提供解决方案，并在地球和太空之间建立更紧密的联系。
1. 技术进步：
- 过去十年中，卫星和发射载具的尺寸、重量和功率需求的减少导致成本迅速降低，使得空间技术更加可行和相关。
2. 行业增长：
- 空间技术行业的“骨干”部分，即空间硬件和服务提供商的收入，到2035年可能增长到超过7500亿美元。
3. 应用多样化：
- 空间技术的用例不断增加，包括广泛的卫星互联网连接、地球观测、太空采矿和在轨制造等。
4. 私营部门参与：
- 私营公司在空间技术领域的参与和创新不断增加，例如SpaceX的Starlink项目。
5. 全球发射活动：
- 2023年全球发射活动有所增加，美国公司尤其是SpaceX的发射活动占主导地位。
6. 月球活动：
- 私人和公共部门对月球活动的兴趣持续增长，包括日本成功完成的精确月球着陆和美国航天器自1972年以来首次在月球着陆。
7. 端到端解决方案：
- 随着市场成熟，客户特别是企业对与现有基础设施无缝集成和简化实施的需求增加，空间技术公司越来越多地专注于提供端到端解决方案。
8. 劳动力市场：
- 空间技术劳动力市场在2023年经历了增长放缓，尽管长期增长预期仍然存在。
9. 实际应用案例：
- 包括John Deere与SpaceX的Starlink合作，为农业机械提供直接到设备的连接；Qatar Airways在选定飞机上安装Starlink提供乘客Wi-Fi；印度成功着陆Chandrayaan-3月球着陆器。
10. 基础技术：
- 包括小卫星、遥感、SWaP-C（尺寸、重量、功率和成本）进步、发射技术进步和先进连接技术。
11. 关键不确定性：
- 包括空间技术的成本效益、治理机制、网络风险、空间碎片和交通管理。
12. 未来展望问题：
- 公司和领导者在推进空间技术时可能需要考虑的问题，如定义太空和空间技术的所有权和访问权，建设关键领域的治理结构，以及如何管理空间碎片和交通。
014 电气化和可再生能源
电气化和可再生能源是实现全球碳排放减少和应对气候变化的关键技术趋势。电气化和可再生能源是实现可持续世界和应对气候变化的重要途径。随着技术的进步和政策的支持，这些技术有望在全球范围内得到更广泛的应用和采纳。
1. 定义和重要性：
- 电气化和可再生能源技术对于减少全球碳排放、实现《巴黎协定》目标至关重要。
2. 技术范围：
- 包括太阳能、风能等可再生能源源；核能、氢能等清洁稳定能源源；可持续燃料和生物能源；以及能量存储和智能电网等分配解决方案。
3. 全球投资需求：
- 为实现2050年的净零排放目标，全球需要在能源和土地使用系统的物理资产上进行大量投资。
4. 技术成熟度和规模化：
- 尽管存在容量和可靠性限制以及利率上升的挑战，但电气化和可再生能源技术的规模化和成熟度正在提高。
5. 政策和政府支持：
- 政府对基础设施和许可的支持可能会加速这些技术的采用。
6. 人才缺口：
- 为满足全球去碳化时间表，需要增加有经验的建设和维护专业人员的供应。
7. 最新发展：
- 2023年，尽管面临高利率和能源安全的挑战，全球可再生能源装机容量的增长创下了记录。
8. 行业影响：
- 电气化和可再生能源技术对能源生产和密集型行业产生深远影响。
9. 实际应用案例：
- 包括Aira公司在欧洲热泵市场的创新，EV原始设备制造商在电池技术上的战略合作伙伴关系，以及云超大规模公司在可再生能源上的投资。
10. 基础技术：
- 包括电池、热泵、能源存储、核裂变、可再生能源和氢能等。
11. 与其他技术趋势的整合机会：
- 电气化和可再生能源技术可以与未来出行、应用AI、工业级机器学习、沉浸式现实等其他技术趋势相结合。
12. 关键不确定性：
- 包括可再生能源规模化的高成本、清洁稳定电力的生成、支持基础设施的成本、政府气候政策和法规的变化，以及劳动力转型的挑战。
13. 未来展望问题：
- 公司和领导者在推进电气化和可再生能源时可能需要考虑的问题，如电池存储技术、公私部门合作、新兴经济体的能源选择、电力部门的人才库增加等。
电气化和可再生能源以外的气候技术涵盖了一系列应对气候变化挑战的创新解决方案，这些技术专注于减少温室气体排放、促进资源的循环利用以及开发新的碳捕获和存储方法。
1. 定义和范围：
- 这些技术包括但不限于碳捕获、利用和存储（CCUS）、直接空气捕获（DAC）、生物能源、碳汇和蓝色碳解决方案等。
2. 技术发展：
- 2023年，这些技术领域经历了显著的发展，包括企业扩大气候承诺、政府对碳管理计划的支持增加、以及CCUS市场兴趣的显著增长。
3. 行业影响：
- 这些技术对农业、制造业、建筑业、能源和材料等多个行业产生影响，帮助这些行业实现更可持续的运营。
4. 政策和激励措施：
- 政府政策和激励措施在推动这些技术的发展和采用方面起着关键作用，例如美国的《通胀削减法案》和欧盟的净零工业法案。
5. 人才需求：
- 随着这些技术的发展，对具有特定技能的工人的需求也在增长，特别是在气候技术领域。
6. 实际应用案例：
- 包括施耐德电气的循环解决方案、Northern Lights项目的碳捕获和存储基础设施、以及Running Tide公司通过海洋基础的自然气候解决方案提供碳信用。
7. 基础技术：
- 包括循环技术、自然气候解决方案、替代蛋白质、CCUS和工程化的碳去除技术。
8. 与其他技术趋势的整合机会：
- 这些气候技术可以与应用AI、先进的连接性、生物工程和空间技术等其他技术趋势相结合，以提高效率和效果。
9. 关键不确定性：
- 影响这些技术的主要不确定性包括公共部门激励措施的影响、碳市场标准化的难度、以及价值链协调的挑战。
10. 未来展望问题：
- 公司和领导者在推进这些技术时可能需要考虑的问题，包括碳管理计划如何克服潜在瓶颈、自然基础碳去除与技术基础碳去除的辩论如何影响投资决策、CCUS技术的成本降低和用例扩展等。
文章来源：微信公众号——制造前沿
