2023中国科技与IT十大趋势.pdf

2023年中国科技与IT十大趋势2023.3 iResearch Inc.22023.3 iResearch I“多云混合”向“一云多态”进化分布式云加速发展，云能力从“中心辐射”到“传递下发”“多云混合”为企业当前用云常态，但各类云部署模式间资源调度、协同管理、能力共享等均存在挑战，导致“多云混合”容易呈现“多云孤岛”状态。以“东数西算”工程为代表的云基础设施升级和以“分布式云”为代表的云基础架构升级将有效解决上述问题。通过统一基础架构，并借助系统化的云网边端设施，降低云能力从中心到边缘的“衰退”，驱动云能力的“无损”下发，实现体系化、融合化的云服务。一云多态将更好地满足传统行业复杂场景、边缘场景的业务需求，加速云计算向传统行业渗透。预计2025年，传统行业将成为云市场主导，金融、工业、汽车等细分行业将持续扩大云支出。注释：1、一云多态各层级中，在边缘位置支持私有、专有、混合等多种云部署形态；2、在多云混合中，实线表示云与终端连接紧密，虚线表示云与云间链接较弱；3、图表中，红框范围代表传统行业，云市场包括公有云、私有云、混合云、专有云。来源：艾瑞咨询研究院自主研究及绘制。2021年与2025年中国主要行业云市场结构云云独立能力参差以公有云为“起点”系统搭建云网边端设施，实现公有云能力完整下发至边缘云间资源调度，能力分配更顺畅灵活，实现云数智互联互通，构建能力平台云基础架构适用于各类云部署模式，以统一架构提升管理效率及协同能力架构一致能力融合广泛赋能优势痛点多云混合一云多态公有云专有云边缘云私有云终端中心公有云边缘云区域云传统多云混合状态下，各类云部署相对独立，云云之间资源难调度，数据难互通，能力难共享，管理难协同传统多云混合状态下，云的技术能力受云部署模式影响大，非公有云更多外在是“云状态”内部却难以实现完整的“云能力”实践29%20%17.0%18.9%11.0%15.6%8.0%11.0%7.0%5.1%5.0%6.8%4.5%6.0%3.0%5.3%15.5%11%20212025e泛互联网政务金融工业教育零售医疗汽车其他传统行业传统行业升级32023.3 iResearch I云基础从软件优先到软硬兼施为进一步释放数智平台能力，云厂商需提升基础硬件资源质量在数字时代，软硬件产品“交替迭代、互为支撑”的循环上升特征广泛适用云服务、人工智能、物联网等数字行业。以云服务为例：云计算在平台软件及应用软件领域已通过云原生理念和工具逐步实现优化，但为更好地支持数字化的深入发展，底层硬件亦需要加速变革以更好地释放软件能力，支持业务创新。算存网资源作为加速数字化进程的关键“燃料”，通过将软件能力卸载到硬件产品（采用Chiplet等芯片架构设计、利用RDMA实现网络加速、结合NVMe实现存储加速等）不仅将降低硬件虚拟化损耗，还能有效减少业务进程中算存网资源调度的内耗，进而提升资源利用率，让云资源更好的服务于核心业务。同时，底层硬件逐步完成升级替换，将进一步驱动上层大数据及人工智能平台更好地支持业务创新。来源：艾瑞咨询研究院自主研究及绘制。1虚拟化SaaS现存挑战升级需求升级方向升级效果PaaSIaaS基础硬件大数据平台人工智能平台计算存储网络算力芯片网络通信设备存储设备数字化进程深入，带动数智紧密融合。传统业务场景（如生产制造）和新兴业务场景（如车联网）对数据处理、分析、机器学习、深度学习等技术能力要求不断提升，要求数字底座提供更优质基础资源支撑其能力实现1、云计算应用规模持续扩大，依托虚拟化技术降低资源消耗，释放更多资源的效率有限2、云边端协同性加强，跨集群，跨地域的高效管理，对网络时延，存取效率要求提升3、大规模中心节点，资源内部交换频繁，算力资源被迫用于处理管理、调度等任务，难以聚焦核心业务宏观微观底层硬件设施搭建“专精化”，硬件设备需要更好地考虑云化特征与操作系统特点，厂商需要更多自研产品，从底层硬件研发、设计、组合等更匹配云的特性，不仅实现底层应用的云原生，也需要底层硬件与操作系统更好地“为云而生”通过“硬件加速”平衡算存网能力。让算力聚焦核心业务。将算力芯片与存储设备、网络设备更好地适配。在网络领域，更好地结合RDMA能力实现网络加速。在存储领域则更好地实现存算分离，结合NVMe能力实现存储加速软硬件相辅相成，更好实现能力融合数智平台云基础底座互为支撑交替迭代云基础硬件升级将有效优化算存网资源质量，使云底座更容易释放云能力，让优质资源更好地服务数智平台软件，形成完善的“软硬一体”架构，激发数智平台能力以支持业务创新。软硬能力暂未充分融合42023.3 iResearch I更多云产品将以Serverless形式交付All-on-Serverless理念进一步向AI、中间件等模块渗透在过去几年，函数即服务（FaaS）成为Serverless事实上的核心产品形式，同时数据库、大数据等基础软件或能力平台也已被云厂商列入自身Serverless产品矩阵中。而随着客户对自动化能力的更高追求，Serverless理念进一步向容器、中间件、文件系统、人工智能、云视频、云通信等诸多模块渗透，与FaaS一起打包成为端到端的云软件开发套装，形成了“All-on-Serverless”的云产品迭代浪潮。未来，企业几乎所有业务都可基于Serverless架构，免去客户部署、维护和管理应用，按需触发执行、扩缩容和付费，使客户进一步聚焦核心业务，敏捷搭建业务模块，无限逼近于零运维成本及零资源浪费。来源：艾瑞咨询研究院自主研究及绘制。计算存储网络基础资源数据库容器中间件文件系统FaaS基础软件开发工具及能力平台Serverless在云原生中的全渗透 All-on-Serverless方案优势 Serverless渗透基础云服务架构进程图云视频与云通信大数据人工智能云原生3.0：All onServerless云原生2.0广度深度高高初级渗透广度深度高高中级渗透广度深度高高高级渗透Serverless持续渗透 横坐标轴（广度）：提供此种产品/服务的厂商数量；纵坐标轴（深度）：此种产品/服务成熟度03实现业务敏捷基于Serverless的软件开发交付速度显著提升，企业有能力快速进行软件迭代，实现业务敏捷。02运维成本趋零企业无需关心IT资源占用或数据传输等运维问题，免去几乎所有运维操作，运维相关时间及人力成本趋近于零。01聚焦核心业务Serverless免除系统及软件的底层架构设计与搭建，企业集中构建核心业务模块，开发人员不必费力深入底层技术及开发环境。52023.3 iResearch I预训练大模型作为AI基础设施加速应用提速AI工业化进程，为AI开发效率加杠杆，倍数释放生产力来源：专家访谈，公开信息，艾瑞咨询研究院自主研究绘制。预训练大模型的基建意义：助推AI模型效率化生产预训练大模型场景化个性化定制化下游任务的知识迁移调试快速抽取生成小模型工业化流水线部署多行业多垂直领域多功能场景面向模型生产的基础设施定位逐渐清晰巨头企业：行业/场景大模型开发+全栈式工具封装通用数据训练下的大模型，引入行业实际业务积累的样本数据和特有知识，设计行业领域特色算法任务，提升大模型对行业应用的适配性；优化开发工具以降低使用门槛，培育开发者生态腰部/初创厂商：基于API进行二次开发或提供模型调优服务非头部梯队厂商很难支撑大模型训练成本，或可基于开放的API接口，完成效率化的AI模型生产；可能出现一批初创企业，负责承担大模型调优工作，服务于应用开发或解决方案厂商依托智能算力基建化、海量数据积累与治理、深度学习算法突破等，作为一种新兴的AI计算范式，超大规模智能模型（又称预训练大模型）的泛化性和通用性不断提升，可应用到更广阔的下游任务及场景中解决AI应用的长尾问题；并且能够实现AI模型研发-部署-应用的流程标准化提升，提升AI应用研发效率。AI的认知与应用是没有边界的，仅靠极少量的AI科学家和AI技术企业无法推动整个物理世界和数字世界的智能化。预训练大模型的加速应用有望解决“为AI开发效率加杠杆，倍数释放AI生产力”这一产学研界关注的核心问题。2022年，语言大模型与产业应用的衔接也日渐紧密，行业领军企业积极推出适合具体业务场景的行业大模型。通过提供算力、核心算子库和软件平台一体服务，帮助企业将基础模型能力与生产流程融合，与头部客户合作推广落地案例。未来，预训练大模型作为面向AI模型生产的基础设施将加速应用；而巩固智能算力基建、提高模型与业务场景目标适配度、基于调用成本明确投入产出的平衡点等是其规模商用的优化方向。62023.3 iResearch I2023.3 iResearch IAIGC在概念爆发后进入产品化尝试提升数字化内容生产质效，变革人机交互体验来源：硅谷投资机构NFX，艾瑞咨询研究院整理绘制。来源：公开信息，艾瑞咨询研究院自主研究绘制。AIGC技术提升创作者生产效率与质量项目时间创造力灵感迸发的开始 结合AIGC技术 传统人力形式初稿产生“绝望的深渊”顺利推进中修改完善AIGC技术缩短了获得初稿的进程，提高了创作者的生产效率与创造力初稿产生创造力中稀缺性和规模化是相互对立的概念。AIGC有望打破冲突，助力定制化与规模化并存AIGC技术价值：以ChatGPT为例封闭域开放域封闭域开放域完成人机交互目的，知识库确保对话服务需求与目的满足补充封闭域难以回答的问题，用大模型去优化交互体验FAQ Based知识图谱文档阅读理解ChatGPT模型国内外大型对话模型LaMDA模型Blender模型PLATO大模型通义Space大模型开放域的发展突破可拓宽封闭域的对话边界.两者可各司其事，在封闭域内满足内容专业度，在开放域满足交互需求,助力人机交互更多应用到营销、社交对话等半标场景。2022年，一幅由Midjourney生成的AI画作太空歌剧院横空出世，AI生成图片开始在社交平台疯狂传播；热潮未退，2023年初，ChatGPT（Chat Generative Pre-trained Transformer）又使AIGC这一概念彻底出圈。AIGC是一种全新的内容生产方式，是利用现有文本、音频文件或图像创建新内容的技术。其使用机器学习算法，从数据中学习要素，一般基于跨模态大模型打造，包括基于素材的部分生成和基于指令的完全自主生成和生成优化。得益于真实数据积累和计算成本下降，可帮助生成数字化内容初稿，产品包括AI绘画、平面设计、对话系统、虚拟数字人、搜索引擎、代码生成等，提高了数字化内容的丰富度、生产效率与创造性；类人的交互体验和全民参与性则跨越式提升了C端消费侧对于AI的感知，进一步拓宽了市场对AI商业价值的想象空间。未来，随着多模态等底层模型进步和垂直模型优化，AIGC技术将进入技术产品化加速爬坡期，扩展更多的商用领域。72023.3 iResearch I数据采集由单点走向泛化泛化数据采集加速提升数据处理方式的精准性与高效性来源：艾瑞咨询研究院自主研究及绘制。传统的数据采集方式通常针对特定场景与目的，获取数据的渠道与手段相对单一，数据采集量不充足。随着物联网设备的普及和互联网应用的拓展，数据量呈现指数级别的增长，为泛化采集提供基础。数据维度向多样化、复杂化的转变，同步提升了采集数据的难度与不确定性。传统的数据采集方式已无法适配当前企业对全面、丰富的数据需求，影响了企业对数据自身价值的高效利用。结合物联网系统、Web系统和传统信息系统的泛化数据采集形式可以扩大采集样本数量，扩充数据维度多样性，有利于多领域行业及时应对实际场景应用中的未知情况。泛化数据处理难度的提升催生了数据处理、分析方式的进化，以机器学习为主的智能技术，在获取数据进行模型训练与优化的同时，通过发挥数据挖掘、数据可视化等功能，反哺企业更好的对采集数据进行预测与控制。泛化采集数据需兼顾采集数量与采集质量，如果能对被采集数据的用途进行前置化判断，可大幅降低后续数据处理的工作量，实现采集与应用效率最大化。泛化数据采集的多领域行业应用价值应用需求技术供给端网云协同，通过有源与无源物联网设备采集非结构化或半结构化数据数据采集来源广泛物联网系统Web系统传统信息系统多为结构化数据，价值密度高，常通过网络爬虫获取数据便于统计、分析的结构化数据，多为重要数据，内容广泛，如企业的ERP系统场景丰富/应用多样全屋智能智能物流工业质检自动驾驶健康监测机器人覆盖全面持续优化融合核心数据与边缘化数据实时反馈有效数据扩容，学习模型持续迭代如：优质的数据样本减轻数据预处理负担，合适的模型与优化的训练参数提升机器学习模型的准确性实时、多维采集，突发情况精准应对如：传感技术的综合应用降低对交通路况实时数据、行人动态行为数据、突发事故等数据的收集难度，强化自动驾驶对紧急情况的精准决策如：Zigbee、LoRa、Bluetooth等通信协议的应用，实现多品类智能家居数据的自动化采集，用户数据覆盖日趋全面，帮助企业建立精准的客户分类，灵活满足客户需求数量大质量高来源广维度多泛化数据82023.3 iResearch I“由实向虚的真实映射”“由虚向实的准确模拟”工业数字孪生加强物理与虚拟空间交互提升工业数字孪生诊断预测能力，推动业务全流程闭环优化工业数字孪生基于数据与工业机理模型的集成融合，构建虚实双向交互的闭环优化系统，在虚拟环境中对生产过程、生产设备的控制来模拟现实环境的工业生产，其三大特征是全生命周期实时映射、综合决策和闭环优化。未来工业数字孪生将更加注重虚实融合的应用，推动“由虚拟实-由虚映实-虚实互映-由虚控实”的孪生闭环。现阶段工业数字孪生的应用普遍聚焦在实时监测管控、虚实相映阶段，尚未迈向诊断分析、预测优化阶段。中短期内，加速落实“由实向虚的真实映射”，空间维度上将由部分孪生对象间的简单关联，向多孪生对象间的自动化、智能化的协同共进发展；时间维度上将由孪生对象关键生命周期单独孪生的碎片化应用，向“生产报废”全生命周期孪生应用发展。中长期内，将不断沉淀工业机理模型以推进“由虚向实的准确模拟”，构建面向物理对象精准化映射的孪生对象模型，形成综合决策并反馈，达到诊断分析乃至预测优化的目的，推动工业全业务流程闭环优化。来源：信通院，艾瑞咨询研究院自主研究并绘制。工业数字孪生采集解构-仿真映射-模拟孪生-预测优化的闭环交互流程由虚拟实-仿真与映射 完整采集数据以真实描述物理对象 解构特征数据以仿真并映射物理对象至虚拟空间虚实互映-诊断与分析 借助数字化技术重建解构后物理对象的性能 借助AI技术破解人类尚未认知的复杂工业机理，实现模拟仿真推演与空间分析计算由虚映实-监控与操纵 实时更新迭代特征数据 将解构得到的物理对象特征数据以三维可视化、XR等形式展示由虚控实-预测与优化 经过多次反复的采集解构-仿真映射-模拟孪生闭环交互后，逐渐推进模型实现自学习、自优化01 样机设计的孪生仿真分析与优化02 制造过程的孪生监控与优化03 产品运行的孪生运维与优化 例如某电气设计工厂，通过构建虚拟产品样机，进行机械、电磁、热等多学科的联合仿真与优化设计，可缩短55%的产品研制周期 例如某汽车制造工程，通过三维可视化和资产建模技术实时监控车间全要素生产状态，可提升生产异常处理效率30%，使工厂产能提升5%例如某工业物联网运营平台，通过构建装备运维数字孪生模型，实现产品后续服务的评估诊断与维护，维护效率提升20%以上，维修成本降低8%以上92023.3 iResearch I数智反向融合，形成以智养智的正反馈AI开始反哺数据治理，进一步促进人工智能进入小场景十年来，以深度学习为代表的人工智能是基于数据的，高质量的数据是人工智能良好应用的前提条件。在这种情况下，数据科学家、数据分析师等不得不把大量的时间和精力用于数据的准备工作，也即常说的脏活。这种现象在因为规模化程度不够，进而导致分工不彻底的小场景中尤为明显。如此，高级人才的大量时间其实在做低级工作，ROI不高，人工智能难遍地开花。未来，这一情况将有所改善：第一，预训练大模型已经在一定程度上减少所需的数据样本；第二，数据治理本身也是一个发现规律的过程，人工智能已对该过程开始反哺。未来随着模型通用性的进一步增强、交互方式的日趋简单，这种人工智能对数据治理的反哺作用将越来越明显，数据治理将逐渐变成人工智能为主、人工为辅。来源：艾瑞咨询研究院自主研究及绘制。人工智能在数据管理中的应用示例数据安全隐私级自动标注；数据传输监控基于机器学习，确定数据阈值；完整性、规范性、一致性、准确性、唯一性、时效性检查；脏数据自动识别订正数据质量检查利用聚类和知识图谱确定实体间关系；利用知识图谱等进行数据血缘分析数据模型管理实现对非结构化数据的采集和关键信息的提取；维护元数据；实现元数据的整合元数据管理人工智能帮助企业识别主数据；人工智能帮助定义和维护数据匹配规则主数据管理102023.3 iResearch I数据和应用将进一步实现无感知闭环应用数据自动治理落入数据层，数据分析嵌入到事务型应用信息化时代，应用产生数据，但一来这些数据并未打通，二来受制于当时技术条件无法进行低成本大规模的分析。这些痛点，促使了后来以数据打通为核心的中台建设，和以数据分析为核心的数智模型构建以及BI。数据如何能更广泛地赋能业务应用，而应用层产生的数据如何自动流入数据层并自动化地被治理，即数用一体，将关系到企业数字化建设的整体ROI，也成为接下来的重点。数用一体，强调的并非是数据和应用的紧耦合，而是指两者应形成动态闭环。HTAP数据库、湖仓一体、低零代码、GraphQL、敏捷BI及基于NL2SQL的即席搜索、流程挖掘等技术将助力数用一体的不同环节，而数据安全、人工智能等，贯穿于几乎每一个环节。未来：业务人员通过低零代码创建的应用，数据自动治理且落入数据层。数据分析会更少以独立的形式存在，而是嵌入到应用中，并直接赋能一线业务人员。来源：艾瑞咨询研究院自主研究及绘制。数用完整闭环示意图细粒度统一权限平台&数据安全引擎&人工智能引擎应用层APP小程序H5SQL分析敏捷BI基于NL2SQL的即席搜索物联设备数字孪生交易型数据库分析型数据库/数据仓库数据湖TA融合湖仓一体数据层低零代码 NL2SQLGraphQL自动数据治理112023.3 iResearch I“数字碳中和”从概念走向市场绿色低碳日益渗透市场环境，逐步成为数字产业增量新动力自从2020年我国提出“双碳”目标，绿色低碳逐渐从理念走向政策、制度和市场，绿色化和数字化协同发展成为重要举措和重要趋势。从宏观政策环境来看，国家部委多部门引导数字化绿色化协同发展落向实处；从资本市场来看，交易所、监管机构日益重视企业绿色低碳责任，大规模碳中和基金也开始频出；从市场需求来看，政府绿色采购进一步夯实，不同行业绿色供应链建设从概念走向实践。对于数字产业和数字厂商而言，绿色低碳发展有望推动行业升级发展，一方面是绿色低碳驱动以数据中心为核心的数字技术产品升级，另一方面绿色低碳有望带来新的数字化业务机会。资料来源：公开资料，艾瑞研究院根据公开资料自主研究及绘制。宏观政策：引导数字化与绿色化协同发展2022年7月工信部等六部门联合印发工业能效提升行动计划，重点提升数字基础设施能效水平，发挥数字化技术绿色赋能作用2022年8月，工信部、发改委等七部门联合印发信息通信行业绿色低碳发展行动计划（2022-2025年）2022年11月，中央网信办、发改委等五部门联合通知在10个地区首批开展数字化绿色化协同转型发展综合试点资本偏好：日益重视企业绿色低碳责任继港交所ESG报告指引要求“不披露就解释”后，2022年1月上交所修订上市规则，在ESG相关内容披露方面有了更明确的要求2022年4月，证监会首次将ESG纳入投资者关系管理工作指引此外，大规模碳中和基金频出，例如春华资本成立100亿人民币规模的碳中和基金、浙江省永康县成立30亿规模的碳中和母基金、华润电力及7大能源公司联合成立百亿规模内蒙古环投新动能基金市场需求：政企共同推动绿色供应链落地政府绿色采购逐步落实，2022年财政部修订政府采购法，深入推进政府采购绿色化，海南、湖北、浙江、山东、吉林、黑龙江等多省市将政府绿色采购推进落实不同行业的不同企业建设完善绿色供应链，例如国家电网建设绿色现代数智供应链、华为提出供应商碳减排要求、吉利汽车与供应链伙伴合作建设可持续供应链体系等绿色低碳推动数字产业升级以数据中心为核心的技术产品升级数据中心作为数字底座，是数字产业中最主要的能耗环节。数字产业绿色化发展的重点核心举措是建设使用新型绿色中心、创新推广液冷技术，并进一步推进IT设备、配电系统的绿色低碳升级IT设备能耗45%散热能耗43%供配电能耗10%照明及其他2%冷却系统液冷降温技术、风冷降温技术、热回收技术、制冷系统智能控制技术IT设备高能效芯片、高密度服务器部署、动态电源管理 DPM、动态电压频率调整 DVFS带来绿色低碳服务相关业务新机会随着建筑、工业、汽车等行业领域绿色化发展，绿色低碳数字化技术应用需求递增，在能效管控、供应链管理、绿色制造等环节，数字化厂商迎来新业务机会。例如，金风科技的绿色供应链信息管理平台、中国移动基于中移链的“一物一码”绿色供应链平台、AWS的可持续发展云服务等