2023年科技趋势展望.pdf

技术趋势2023 展望2023 7 内容47911人工智能命介绍构建数字化未来26计算和连接前沿42可持续发展的世界63尖端工程2023 技术趋势展望380技术1232信任架构和数字份80云和边缘计算机器学习产业化69空间技术的未来下代软件开发48移动出的未来2143生成式人工智能742758应用人工智能64网络3电气化和可再生能源之外的气候技术53生物工程的未来电气化和可再生能源沉浸式现实技术1637先进的连接性介绍42023 技术趋势展望新的和值得注意的关于麦肯锡技术委员会我们的分析研究了兴趣、创新和投资的定衡标准，以衡每种趋势的势头。认识到这些趋势的期性质和相互依赖性，我们还深入研究了围绕每个趋势的基础技术、不确定性和问题。今，我们增加了个重要的新分析维度?人才。我们提供与每种趋势最相关的职位的人才供需动态数据。（有关多信息，请参阅第 9 页侧边栏“研究方法”。）在经历了技术投资和人才动荡的 2022 之后，2023 上半人们对技术促进商业和社会进步的潜重新燃起了热情。生成式人工智能引领了这场复兴，值得称赞，但它只是即将到来的众多进步之，这些进步可以推动可持续、包容性增并解决复杂的全球挑战。生成式人工智能建立在应用人工智能和工业化机器学习等现有技术的基础上，在大多数业都具有很的潜和适用性。从 2021 到 2022 ，对该主题的兴趣（根据新闻和互联网搜索衡）增加了三倍。正如我们最近所写的，生成式人工智能和其他基础模型通过将辅助技术提升到个新的水平、减少应用程序开发时间以及为非技术用户带来强大的功能。通过特定用例和广泛的用途（例如协助电邮件草稿）的结合，生成式 AI 有望增加达 4.4 万亿美元的经济价值，从提生产。尽管如此，虽然生成式人工智能可以释放巨大的价值，但企业不应低估基础人工智能技术和工业化机器学习可以给各个业带来的经济意义和增潜。为了帮助管跟踪最新发展，麦肯锡技术委员会再次确定并解释了当今最重要的技术趋势。虽然许多趋势还处于采用和规模化的?期阶段，但管人员可以利用这项研究来提前计划，了解潜在的用例，并确定在雇用或提人才技能时所需的关键技能，以实现这些机会转化为工程，以及何时加速在全球范围内产生影响。我们着眼于从人工智能到计算到生物学的系列技术，以及它们在从采矿到娱乐等所有领域的应用。我们还研究科学，它是如何这个新进入者代表了人工智能的下个前沿。?Lareina Yee，级合伙人，技术正在改变我们工作和家庭生活中的切。麦肯锡技术委员会帮助了解即将发生的事情以及它将如何影响我们所有人?着眼于技术变可以开启的未来以及它提出的棘问题。去的 14 种趋势全部保留在我们的列表中，尽管其中些趋势和投资出现了加速增，另些趋势则出现了下滑。生成式人工智能这新趋势已大受欢迎，并已显示出具有变性业务影响的潜。麦肯锡技术委员会汇集了全球 100 多名科学家、企业家研究人员和商界领袖。我们进研究、辩论、提供信息和建议，帮助各业的管驾?快速变化的技术格局。我们正在共同塑造未来。麦肯锡；麦肯锡技术委员会主席对大多数科技趋势的投资收紧增仍然很，进步表明动化技术可以改变工人 30%的工作时间，从导致成功所需的技能发生重大转变。公司应该继续研究如何调整色或提个人技能，以满足他们定制的工作要求。2021 至 2022 间，尽管全球职位发布总体下降了 13%，但与科技趋势相关领域的职位发布仍以 15%的健康速度增。2018 至 2022 间，应用人工智能和下代软件开发总共创造了近 100 万个就业岗位。下代软件开发的就业岗位数增最为显着（图表 1）。汽、化学品、融服务和生命科学?到 2035 ，其价值可能达 1.3 万亿美元。通过仔细评估不断变化的格局并考虑平衡的方法，企业可以利用现有技术和新兴技术来推动创新并实现目标可持续增。复，但未来的潜此外，其中些技术将加快劳动转型的步伐。未来十，20我们怎么强调人才作为发展竞争优势的关键来源的重要性都不为过。人才缺乏是制约发展的要问题。对具备从技术趋势中获取价值所需技能的人才的需求与可用人才之间存在巨大差距：我们对这些技术趋势中 350 万个职位发布的调查发现，许多需求最大的技能的数还不到半每个职位的合格从业人员数为全球平均水平。公司应该处于人才市场的顶端，准备好应对显着的变化，并向他们希望雇用和留住的技术人员提供强有的价值主张。例如，最近科技业的裁员可能会给其他直难以赢得有吸引的人关注的业带来线希望。最近科技股估值反弹。事实上，绝对投资依然强劲（例如应用人工智能、级连接以及云和边缘计算）的投资有所下降，但这可能至少部分归因于它们的成熟度。与投资期限较的新兴技术（例如气候和移动技术）相比，成熟的技术对短期预算动态加敏感。此外，随着些技术变得加有利可图，它们通常可以以较低的边际投资进步扩大规模。鉴于这些技术在大多数业都有应用，我们毫不怀疑主流采用将继续增。组织不应过于关注最受关注的趋势。如果只关注最热的趋势，他们可能会错过其他技术的巨大价值潜，并阻碍有目的的能建设的机会。相反，寻求期增的公司应该专注于对对其业务最重要的技术趋势进投资组合导向的投资。云计算和边缘计算等技术以及生物工程的未来已显示出创新的稳步增，并继续扩大跨业的用例。事实上，已经有超过 400 个跨业的边缘用例已确定，边缘计算预计在未来五内将在全球范围内实现两位数的增。此外，等新兴技术不断发展，并显示出巨大的价值创造潜。我们对 2023 的最新分析表明，四个业可能会最?受到计算的经济影响候选人并留住级技术人才。科技人才动态2023 技术趋势展望5Machine Translated by Google云和边缘计算0工业化19%600200+29%+7%下代的未来+10%连接性+44%+16%技术+6%应用人工智能+27%先进的200+16%生成式人工智能4002021 2022300电和可再生能源0700+15%+8%信任架构和数字份机器学习网络3太空的未来+12%软件开发100沉浸式现实技术+12%0300200电和可再生能源之外的气候技术+40%技术500100流动性+23%100生物工程的未来附件 （共 ）网页 62023 技术趋势展望麦肯锡公司资料来源：麦肯锡专有的组织数据平台，该平台利用获得许可的、去份化的公共专业资料数据科技趋势职位发布，1 202122，数千2021 至 2022 间，与科技趋势相关领域的职位发布增加了 40 万个，其中生成式人工智能增最快。1在接受调查的 1.5 亿个职位发布中。职位发布并不直接等同于新职位或现有职位的数。对于雇用度专业化专业人员的领域（例如移动性和计算的未来）来说，这也是个重大挑战（图表 2）。对于大多数业都需要的云计算和工业化机器学习等趋势来说，人才短缺尤其明显。附件1大多数领域从业者的光明前景凸显了雇主临的挑战，他们正在努寻找足够的人才来满足他们的需求。合格人才的短缺直是许多科技领域增的限制因素，包括人工智能、技术、空间技术、电气化和可再生能源。Machine Translated by Google图表272023 技术趋势展望大多数与这些技术趋势相关的领域都需要人才供应不足的技能，只有少数领域有人才过剩。1 声称每种趋势最需要的技术技能的在线个人资料与所有需要技能的职位发布的比率（对数刻度）。基准：每个职位发布 2 个具有技能的个人资料。平均人才供需比基准基于列出的 20 种最常见工作的技能。资料来源：麦肯锡专有的组织数据平台，该平台利用经过许可的、去识别化的公共专业档案数据生物工程的未来人才过剩云计算基因治疗4:1基础设施管维护能源效率利益相关者管技术TensorFlow库伯内斯产品工程Python遥感合同管火炬Python0.4:1 0.6:1再生能源网络3云计算计算机视觉空间技术的未来持续集成信任架构和数字份分生物学0.2:1应用人工智能可持续发展人才亏空计算机安全汽业TensorFlow监管合规性服务电和可再生能源机器学习计算数据科学电和可再生能源之外的气候技术监管合规性沉浸式现实技术航空航天工业风险分析移动出的未来机器学习产业化区块链0.1:1云计算先进的连接性药品生成式人工智能2:12云和边缘计算物联网航空航天工程6:1 8:1亚逊网络光伏云计算0.1:1机器学习（ML）机器学习亚逊网络服务制造业平设计1:1下代软件开发监管合规性合格人才的可用性，按技术趋势所需的技能，1 人群与职位发布的比率23排名 1麦肯锡公司电信Machine Translated by Google兴趣,2分（0 =较低；0.10（0 =较低；1 =较）1.001 =）创新,1分15 个技术趋势为了描述每种趋势的状态，我们对创新（基于专利和研究）和兴趣（基于新闻和网络搜索）进了评分。我们还统计了相关技术的投资，并评估了组织对这些技术的采用程度（图表 3）。本报告列出了所有 15 种技术趋势的考虑因素。我们将它们分为五个广泛的类别命、建设数字未来、尖端工程、计算和连接前沿以及可持续发展的世界。当然，在考虑趋势时图表3为了容考虑相关趋势：人工智能组合，审视这些分组具有巨大的和潜。1创新得分结合了专利和研究的 0-1 分，这些得分与所研究的趋势相关。专利分数基于专利申请的衡标准，研究分数基于研究出版物的衡标准。2兴趣分数结合了新闻和搜索的 0-1 分数，这些分数与所研究的趋势相关。新闻分数基于新闻出版物的衡标准，搜索分数基于搜索引擎查询的衡标准。注：15 种趋势的创新和兴趣得分是相互关联的。与其他主题相比，所有趋势都表现出水平的创新和兴趣，并且也吸引了大投资。2022 创新、兴趣、投资和采用（按技术趋势）我们通过对创新和兴趣进评分来描述每种趋势，我们还计算了投资并评估了组织的采用程度。麦肯锡公司0.20.60 01.00.20.81.00.40.800.01 0.40.62023 技术趋势展望8下代软件开发0 1电气先进的信任架构和数字份技术生物工程的未来（0 =未采用；5 =股权投资，十亿美元网络3采用率、分数连接性机器学习产业化应用人工智能移动出的未来太空技术的未来250主流采用）云和边缘计算生成式人工智能752 3 4 5和可再生能源沉浸式现实技术电和可再生能源之外的气候技术150Machine Translated by Google?新了数据源。今，我们在 PitchBook 数据中仅包含已完成的交，该数据向下修正了 2018-22 的投资数据。为了未来的?人才需求。职位发布数来麦肯锡的专有数据来 PitchBook。防御练习。分数的数据来源包括：此外，我们新了去研究中趋势的选择和定义，以反映技术趋势的演变：?专利。专利申请数据来 Google Patents。为了评估每种技术趋势的发展，我们的团队收集了五种有形活动指标的数据：搜索引擎查询、新闻出版物、专利、研究出版物和投资。对于每项测，我们使用组定义的数据源来查找与 15 个趋势中的每个相关的关键字的出现次数，筛选这些出现次数以查找有效提及的活动，并按 0-1 评分标准对所得到的提及次数进索引，即相对于所研究的趋势。创新得分结合了专利和研究得分；兴趣分数结合了新闻和搜索分数。（虽然我们认识到故意刺激新闻和搜索活动可能会夸大兴趣分数，但我们相信每个分数都公平地反映了有关特定趋势的讨论和辩论的程度。）投资衡来资本市场的资流进入与趋势相关的公司。组织数据平台，存储有关专业档案和职位发布的许可、去识别化数据。数据主要来英语国家。?我们调整了电气化和可再生能源的定义（之前称为“未来”）?新闻。新闻出版物的数据来源于 Factiva。?去的研究以来增加了生成人工智能趋势。清洁能源）以及电气化和可再生能源之外的气候技术（以前称为可持续消费的未来）。?研究。研究出版物的数据来源于 Lens (www.lens.org)。?投资。有关私募市场和公开市场融资的数据来源于空间技术投资，我们使用了麦肯锡航空航天与?搜索。搜索引擎查询的数据来源于谷歌趋势。研究方法论2023 技术趋势展望9Machine Translated by Google麦肯锡全球研究院海湾地区伙伴，湾区合伙人副合伙人,麦肯锡技术委员会海湾地区湾区级合伙人；椅，克 帕特尔伊恩 德 博德阿尔吉塔 班尼尔 华伦斯巴拉特巴尔哈姆扎 汗莉兹 格伦南蒂莫 默勒杰西 克伦普纳瑞安 布鲁卡特圣地亚哥 科梅拉 多尔达西 申顿埃卡 斯坦兹尔安娜 奥索弗蒂亚 泽斯科妮拉 库内奥严厉的古普塔阿尔哈斯 侯赛因艾西瓦娅 莫哈帕特拉菲利普 坎普肖夫卡洛 乔大卫 哈维托尔 厄兰佩雷斯 耶普托汤姆 布伦南罗宾 德尔坦尼娅 罗德琴科巴尔格斯 斯瓦桑彼得 诺特布姆奥利维亚 怀特斯蒂芬妮 德纳渡轮 格平克特 希森他们还要感谢麦肯锡技术委员会的外部成员。丁 哈森托雷约翰斯顿罗宾 吉斯布莱希特丁 鲁奇安德烈亚斯 布莱特伊万 迪亚科诺夫法比安 奎德尔娜奥米 希瓦姆 斯瓦斯塔瓦埃 拿撒勒艾伦 温伯格泰 卡克娜 科尔克斯滕 海内克德尔菲娜 祖基亚林 斯特兰德尔 扬森埃克 帕森内特克斯 戴尼克苏米亚 班纳吉布鲁斯 菲尔普安德亚 德尔 米利奥坦梅 巴特纳加尔吉姆 伯姆乔纳森 德普奥纳 斯卡古兰特 莫罗泽克纳育尔汗凯莉 科尚斯基凯 布勒布赖恩 康斯坦丁菲利克斯 格勒布鲁克 斯托克斯凯瑟琳 奥滕布莱特亨宁 索勒温迪 西夫卡叶丽娜梅纳 伊斯勒迈克尔 崔罗杰 罗伯茨作者谨此感谢以下麦肯锡同事对本研究的贡献：2023 技术趋势展望 10关于作者Machine Translated by Google人工智能命2023 技术趋势展望11Machine Translated by Google1.00.201.00.820220.620180.4应用人工智能趋势及其重要性农业;汽和装配；航空、旅游、物流；化学品；建筑和建筑材料；包装消费品;融服务;医疗保健系统和服务；信息技术和电；媒体和娱乐；属和采矿；油和气;药品和医疗产品；公共和社会部；房地产;零售教育;电、天然气和公用事业；受影响的业：航空航天和国防；电信股权投资，4十亿美元没有任何2022，%差异30主流202122,2职位发布，51应用人工智能麦肯锡关于人工智能现状的全球调查显示，接受调查的组织采用人工智能的比例增加了倍多，从 2017 的 20%增加到 2022 的 50%。然，在企业实现这目标之前，应该解决组织、技术、道德和监管问题。2022 的调查还表明，采用人工智能可以带来显着的经济效益：25%的受访者将公司 5%或多的息税前利润归因于人工智能。技术的全部潜。对趋势进评分借助机器学习 (ML)、计算机视觉和然语言处 (NLP)等人工智能功能，各业的公司都可以使用数据并获得见解来实现流程动化、添加或增强功能并做出好的决策。麦肯锡研究估计，应用人工智能所带来的潜在经济价值为 17 万亿至 26 万亿美元，追求这价值的公司比例直在增加。每度的采用率得分，2022 按得分（0 =较低；1 =较）2023 技术趋势展望 12股权投资趋势新闻报道以趋势相关短语为特色应用人工智能的创新和投资得分与其巨大的潜在影响相称。从2018到2022，每，应用人工智能在我们研究的所有趋势中创新得分最，其投资得分也位居前五。也许并不奇怪，2022 ，应用人工智能人才的需求也是所有趋势中最的。搜索 搜索引擎查询相关术语到职位空缺相关技术的私募和公开市场资本筹集寻找与趋势相关的技术实际技术人员与趋势相关的主题的研究科学出版物专利 专利人才需求比例104+6研究投资人才需求公平专利搜索次数消息Machine Translated by Google12?目前，全球人工智能采用处于停滞状态。尽管全球人工智能的采用率是 2017 的两倍多，但近来使用人工智能的组织比例已稳定在 50%至 60%左右。然，已经采用人工智能的公司使用的然语言生成或计算机视觉等功能数几乎翻了番，从 2018 的 1.9 增加到 2022 的 3.8。2?投资推动人工智能能的增强。尽管人工智能投资从 2021 1,468 亿美元的点降至 2022 的 1,040 亿美元，但仍继续领先于 2018-20 平均 735 亿美元的水平。随着投资的流动，人工智能继续发布最先进的结果，在模型准确性等领域不断改进。例如，2018 以来，训练图像分类系统的成本下降了 63.6%，训练时间缩短了 94.4%。然，通过将应用人工智能与新兴人工智能技术相结合，可以释放应用人工智能的额外潜。例如，生成式人工智能的基础模型可以处大非结构化制造数据，例如笔记和志，以丰富当前优化性能的人工智能解决方案。127 个国家的记录显示，以下是涉及应用人工智能的些最新进展：包含“人工智能”词的法案从 2016 的 1 个增加到 2022 的 37 个。在私营企业人工智能加速发展的推动下，监管基础人工智能模型的欧盟人工智能法案 在议会委员会批准后即将获得法地位。与此同时，麦肯锡关于人工智能现状的全球调查表明，相对于增加的人工智能相关风险，组织报告的人工智能相关风险缓解并没有大幅增加。Michael Chui，湾区合伙人在人工智能的使用中。?政策制定者加快监管动，遏制人工智能滥用。随着人工智能技术的进步，其滥用的可能性也随之增加：AIAAIC 存储库跟踪与人工智能、算法和动化的道德滥用相关的事件，表明 2012 以来，涉及人工智能的争议数增加了 26 倍。公平、偏见和滥用已成为主流问题。立法分析我们还没有发现任何业或业务功能不能通过应用人工智能来提其绩效。但捕捉人工智能的价值是个需要从人才到技术等多个维度采取动的旅程。”Daniel 张等人，2022 人工智能指数报告，人工智能指数指导委员会，斯坦福大学斯坦福以人为本人工智能研究所，2022 3 。“2022 人工智能的现状?五回顾”，QuantumBlack，麦肯锡人工智能，2022 12 6 。2023 技术趋势展望 13最新动态Machine Translated by Google技能可用性按职位划分的职位发布，2018-22，数千人才可用性，需要技能的职位比例百分比人才可用性、人才与需求的比率要求1.3学习学习加工21科学2加工0.9想象2然语言1.7学习电脑学习2.03电脑科学7深的数据火炬机器深的机器0.8然语言TensorFlow2想象1.5TensorFlow313.2数据火炬应用人工智能60软件开发人员0数据工程师20专案经2022应用人工智能对人才的需求快速增，2018 以来，职位发布数增加了两倍多。对数据科学家和软件工程师的需求在 2021 显着增，2022 出现温和增。客户服务代表2018产品经与供给相比，对机器学习、数据科学、然语言处和些相关工具从业者的需求很。10080科学家软件工程师40数据科学家2023 技术趋势展望 14人才市场Machine Translated by Google底层技术关于未来的大问题在真实生活中主要不确定因素?Telkomsel 构建了新的数据分析平台?Freeport-McMoRan 部署了个定制的人工智能模型，该模型加载了三的运营数据，以优化铜厂的生产流程和总产。在此过程中，产增加了 10%，同时减少了计划扩张的资本出。公司和领导者在推进应用人工智能时可能需要考虑几个问题：人工智能由多种执认知类任务的技术组成。其中包括以下内容：?机器学习 (ML)。该术语指的是在接受数据训练后做出预测的模型，不是遵循编程规则。通过使用人工智能训练“数字双胞胎”（水的数字复制品）来进水翼设计和测试，以在模拟环境中测试设计。通过使用人工智能“水”消除人类水执测试的瓶颈，该团队将成本降低了 95%，并且能够测试十倍的设计。?当使用种方法比另种方法有意义时，公司将如何将生成式人工智能与应用式人工智能结合使用，以最大限度地发挥潜在的协同效应或实现差异化？人工神经网络并通过反复试验进训练来做出预测。?网络安全和隐私问题（尤其是数据风险和漏）十分普遍?51%的调查受访者将网络安全视为 2022 的主要风险。人工智能应用使他们和他们的人受益?然语言处（NLP）。这种类型的机器学习 Carlo Giovine，合伙人，伦敦以及 IT 基础设施方。?公司如何好地确定哪些?计算机视觉。这种类型的机器学习适用于视觉数据，例如图像、视频和 3D 信号。和应用程序。?深度强化学习。这种类型的机器学习使用影响人工智能应用的主要不确定因素包括：?道德考虑?包括数据治、公平、公正和“可解释性”?围绕着负责任和值得信赖的人工智能使用。?监管和合规性可能会影响人工智能研究利益相关者最多？涉及使用应用人工智能的现实示例包括：分析并生成基于语言的数据，例如本和语。辅之以人工智能驱动的工具，可以好地了解数千个微细分市场的客户。该公司使用 50 多个模型中每个客户的 9,000 个数据点，通过确定与客户互动的正确方式并提供最相关的产品和服务来推动个性化。?尽管机器学习工业化解决方案取得了技术进步，但缺乏可用资源（例如人才和资）可能会影响人工智能应用程序的发展?哪些功能使人工智能值得信赖和负责任？应如何将它们集成到应用程序中？?公司应该采取哪些检查措施来防范与数据隐私和安全、公平、公平和合规相关的人工智能相关风险？?新西兰酋队大幅加速2023 技术趋势展望 15“应用人工智能与生成人工智能相结合，有可能对公司变得有价值、有用。未来的个关键标志将是如何捕捉两者之间的协同效应，以最大限度地提整个组织的价值获取。Machine Translated by Google3+23消息公平人才需求专利研究投资搜索次数趋势寻找与趋势相关的技术实际技术人员引擎查询相关术语专利 专利新闻报道以趋势相关短语为特色搜索 搜索股权投资研究科学人才需求比例相关技术的私募和公开市场资本筹集与趋势相关的主题的出版物到职位空缺趋势及其重要性0对趋势进评分22022，媒体和娱乐；属和采矿；油和气;药品和医疗产品；电信1股权投资，专利数显着增加，对人才的需求在同时期几乎翻了两番。这些增表明工业化机器学习方法的使用4职位发布，新闻、搜索、出版物的得分未来几可能会扩大3主流十亿美元受影响的业：航空航天和国防；采用率得分，2022 5202122,%差异信息技术和电；没有任何汽和装配；电、天然气和公用事业；融服务;工业化机器学习 (ML)，通常称为 ML 操作或 MLOps，是指在企业中扩展和维持 ML 应用程序所需的工程实践。这些实践是由技术工具生态系统启用和持的，该生态系统在功能和互操作性方都在快速改进。MLOps 工具可以帮助公司从试点项目过渡到可的商业产品，加速分析规模化解决方案，识别并解决生产中的问题，并提团队的生产。经验表明，成功实现 ML 工业化的组织可以将 ML 应用程序（从概念验证到产品）的生产时间缩短约八到十倍，并减少达 40%的开发资源。3 工业化 ML 是由少数人开创的的领先公司，但随着越来越多的公司将人工智能用于广泛的应用，其采用率正在不断扩大。工业化机器学习30.50.50.201.020220.120180.40.3基于对麦肯锡持的系列大规模分析转型中的机器学习操作部署的观察。2023 技术趋势展望 16按得分（0 =较低；1 =较）机器学习产业化Machine Translated by Google“我们正处于人工智能的拐点。生成式人工智能已经吸引了主流和商业的想象。愿意不断学习和调整其流程、工作方式和技术以实现机器学习工业化的组织将成功地建立大规模利用人工智能并释放其价值所需的。?生态系统通过收购和新产品快速发展。2022 以重大整合、合作伙伴关系和新版本为标志。Altair 收购了 RapidMiner，Snowflake 收购了 Myst AI，麦肯锡收购了 Iguazio，Hewlett Packard Enterprise 收购了 Pachyderm。Databricks 宣布推出 MLflow 2.0，这是其广受欢迎的开源 MLOps 框架的继任者。此外，Gantry 还发布了种新型 MLOps 产品，该平台将确定实时 ML 模型生产性能以及如何优化它。随着持续投资，格局必将迅速发生变化。以下是涉及机器学习工业化的些最新进展：ClearML 调查中 85%的受访者表示，他们在 2022 有专的 MLOps 预算。IDC 预测，到 2024 ，60%的企业将实施 MLOps。事实证明，此类投资可能是明智的，因为我们己的研究发现，公司可以从以下方获得的回报：AI有可能参与ML产业化。Nayur Khan，合伙人，伦敦?公司越来越多地致于将机器学习产业化。2021 ，对机器学习产业化领域公司的投资达到 47 亿美元的位，并在 2022 全保持强劲，累计达到 34 亿美元。随着投资的流动，机器学习决策者也加倍他们的承诺：2023 技术趋势展望 17最新动态Machine Translated by Google技能可用性按职位划分的职位发布，2018-22，数千人才可用性，需要技能的职位比例百分比要求人才可用性、人才与需求的比率火炬33学习机器蜂巢阿帕奇0.4工程3工程喀拉斯0.15特征61.7Hadoop阿帕奇2.4TensorFlow学习TensorFlow蜂巢13喀拉斯机器阿帕奇0.15特征1.3Hadoop火炬11阿帕奇1.52023 技术趋势展望 18机器学习产业化12软件开发人员0数据工程师4业务分析师2022大规模人才招聘是机器学习和人工智能可扩展增和实施的关键因素。随着人工智能应用的增加，相关职位的职位数也随之增加，2018 以来增了近四倍，从 2021 到 2022 增了 23.4%。开发和实施工业化技术所需的关键职位包括数据科学家、软件工程师、数据工程师和机器学习工程师。定分析师2018机器学习工程师扩大机器学习计划的公司需要拥有许多通常供不应求的技术技能的专业人员，例如 Kafka 和 Hive。此外，这些专业人员现在需要比以往多的软件工程 (SWE)技能（例如，数据科学家必须拥有比执研究实验所需的 MLOps 强的 SWE 技能）。20数据分析师16软件工程师8数据科学家另请参阅“云和边缘计算”趋势，了解基于云的工业化机器学习平台所需的技能。人才市场Machine Translated by Google“我们看到人工智能团队各为政，这导致整个组织缺乏标准化的工业化流程和技术。解决这个问题对于真正大规模解锁人工智能至关重要。”这种转变。?家全球属生产商迅速扩大了分析的使用?额外的硬件工具和技术。其他工具和技术（例如云计算和特定领域架构）可改善 ML 工作流程对容计算的访问。?模型开发。工具用于构建和优化 ML 模型、工程功能和标准化流程。?Vistra 与麦肯锡合作开发了 400 多个人工智能模型，并使用 MLOps 来标准化其部署和维护。这使得该公司能够优化 26 座工厂的热效率，节省超过 2000 万美元的能源，每减少约 160 万吨碳。涉及机器学习工业化的现实示例包括：?模型部署。提供工具测试和软件解决方案持机器学习工作流程的各个阶段，如下所示：其业务范围内的案例解锁了数千万个验证机器学习模型，将其投入生产并标准化流程。?数据管。动化数据管每对运率的影响。MLOps 实践对于实现 MLOps 的步伐和可持续性至关重要?真人模型操作。软件可维持或提生产中模型的性能。Bruce Philp，合伙人，波士顿?利用人工智能改造整个组织软件提了机器学习系统的数据质、可用性和控制。?家全球油和天然气公司将 MLOps 集成到公司 AI/ML 功能的核中，将构建和部署 ML 解决方案的时间缩短了 50%以上，并通过 AI 驱动的运营优化实现了超过 2.5 亿美元的影响。制药公司部署了企业范围的机器学习工业化能，以提生产、速度和可靠性；降低风险；并确保大规模的监管合规性和信任。2023 技术趋势展望 19在真实生活中底层技术Machine Translated by Google主要不确定因素关于未来的大问题2023 技术趋势展望 20公司和领导者在推进机器学习工业化时可能需要考虑几个问题：?在组织中建立工业化机器学习需要前期投资和资源。与他们的需求最相关的工作流程？?随着工业化机器学习的激增，组织如何定义责任色，以确保人工智能/机器学习的可信和负责任的使用随着生成式人工智能的出现和加速，MLOps 实践和技术生态系统将如何演变？?随着机器学习新技术的激增，组织应如何选择机器学习技术?快速发展的市场将要求组织避免供应商锁定，以他们能够从现有供应商生态系统之外的参与者提供的新产品中实现价值。?需要消除能失调的可能性公司和领导者在推进机器学习工业化时可能需要考虑几个问题：?工业化机器学习将如何改变组织、其运营模式及其工程色？通过确保组织针对其特定用例需求进适当的投资和适当的解决方案来避免这种情况。?流程和责任对于维持工业规模的机器学习解决方案至关重要。Machine Translated by Google开发新产品和收入来源，增强客户体验。然，其影响预计将在提员工生产和体验方体现得最为明显。例如本、频、视频、图像、代码、模拟，甚至蛋白质序列或消费者旅程?基于它从类似格式的非结构化数据中学到的信息在商业环境中，生成式人工智能不仅可以解锁新的用例，还可以加速、扩展或以其他方式改进现有用例。生成式人工智能有潜通过使数据。该技术的核是基础模型，可以适应广泛的任务，例如摘要、分类和起草。相比之下，前几代人工智能模型通常是“狭隘的”，这意味着它们只能执项任务。生成式人工智能标志着人工智能的转折点。与之前的人工智能不同，它可以创建新的、非结构化的内容?赌注用例。在?期，我们看到许多业的公司主要使用生成式人工智能作为辅助技术来创建初稿、生成假设或协助专家快好地执任务。所有这些用途都有两个共同点：有位专家在循环中检查输出，特别是针对幻觉（应用程序生成的不准确内容）和知识产权 (IP)问题，并且它们都在现有工作流程中使用，这简化了采用和变管。组织将基于生成人工智能的应用程序从辅助应用程序推进到完全动化以实现水平可能还需要段时间。搜索数反映出对这趋势的强烈兴奋感，我们202122,主流对趋势进评分没有任何%差异022022，零售;电信尽管 2022 生成式人工智能在兴趣、投资和创新方排名相对较低，但股权投资，1受影响的业：消费品；融服务;医疗保健系统和服务；信息技术和电；媒体和娱乐；油和气;药品和医疗产品；4职位发布，预计 2023 各项指标将出现显着增。采用率得分，2022 35十亿美元生成式人工智能引擎查询相关术语到职位空缺新闻报道以趋势相关短语为特色实际技术人员搜索 搜索寻找与趋势相关的技术人才需求比例相关技术的私募和公开市场资本筹集专利 专利与趋势相关的主题的研究科学出版物股权投资趋势按得分（0 =较低；1 =较）5+44生成式人工智能0.0500.200.250.2520220.1520181.000.10趋势及其重要性人才需求研究投资消息专利搜索次数公平2023 技术趋势展望 21Machine Translated by Google456以下是涉及生成人工智能的些最新进展：?GPT-4 比其前表现出了显着的进步。广受期待的 GPT-4 的发布预示着比以前可用的模型功能和性能的提，例如 30 多项学术和专业考试的分数提。?大型云和科技公司在硬件加速器设计领域变得活跃。例如，谷歌开发了第四代张处单元 (TPU v4)，与以前的版本相比，该单元使系统性能提了大约十倍。5同样，消费类硬件和边缘系统也可以通过特定设计来运多的 LLM。效（例如，Apple 的神经引擎）。6 Delphine Nain Zurkiya，级合伙人，波士顿此外，我们还看到 Salesforce 等软件提供商进了大投资，将生成式人工智能功能集成到他们现有的产品中。?全球对这趋势的兴奋为企业试点铺平了道。生成式人工智能见证了系列的投资活动。例如，风险资本投资较 2020 增加了 425%，微软在与 OpenAI 的多协议中投资了 100 亿美元。目前近 80%的人工智能研究都集中在生成式人工智能上，因此从融服务到生命科学等业的公司已经开始尝试企业用例也就不足为奇了。我们还看到，系列初创企业已经成功开发了己的模型，例如 Cohere、Anthropic 和 AI21 Labs 等，都构建和训练了己的大语言模型 (LLM)。此外，该领域的其他参与者（例如 Cohere）已经能够为大公司可能希望在其环境中拥有的法学硕士提供水平的知识产权保护、消费者隐私和低的成本。许多其他人正在其他人提供的法学硕士平台之上构建或正在扩展开源模型。除了这些初创企业之外，谷歌等科技巨头也取得了重大进展。2023 5 ，谷歌宣布了几项新的生成式 AI 持功能，包括搜索生成体验和名为 PaLM 2 的新法学硕士，该项目将为其 Bard 聊天机器人以及其他谷歌产品提供持。此外，GPT-4 现在可以使用图像和本作为输入，处多达 25,000 个单词（GPT-3 为 4,000 个单词），并且生成准确响应的可能性提了 40%。已启用多个复杂的应用程序，例如使用多模式输入（例如本和图像）以及编排系列操作来完成设计新谱等任务（例如通过 AutoGPT 和 BabyAGI 等应用程序）.4GPT-3 的表现在师资格考试考生中排名后 10%，GPT-4 的表现则在前 10%。“管们经常问我们，生成式人工智能是炒作还是根本性转变?答案是两者兼有之。从科学的度来看，基础模型并不是炒作?它们包含类新的人工智能，它简单优雅，但调整后以类似人类的方式执许多任务的能却非常强大。从商业度来看，这些技术有可能从根本上颠覆整个类别。Norm Jouppi 和 David Patterson，“Google 的 Cloud TPU v4 提供了 exaFLOPS 规模的机器学习，具有业界领先的效率”，Google，2023 4 5 。“在 Apple 神经引擎上部署 Transformer”，Apple，2022 6 。Samantha Murphy Kelly，“GPT-4 可以做 ChatGPT 做不到的 5 件令人瞠目结舌的事情”，CNN，2023 3 16 ；Mark Sullivan，“Auto-GPT 和 BabyAGI：主代如何为大众带来生成式 AI”，Fast Company，2023 4 13 。2023 技术趋势展望 22最新动态Machine Translated by Google要求按职位划分的职位发布，2018-22，数千人才可用性，需要技能的职位比例百分比人才可用性、人才与需求的比率技能可用性13机器13遵守风险监管8Python12学习管2023 技术趋势展望 23生成式人工智能0.8软件工程师01.60.4研究总监2022 2018 以来，生成式人工智能的人才需求强劲且加速增。由于兴趣和投资的增加，2023 的招聘需求可能会显着增加。该领域的就业增采取了与其他技术趋势不同的径，董事和经的职位数超过了个人贡献者的职位数。我们的研究表明，许多企业正在快速制定生成式人工智能战略。董事们对监管的需求急剧增加，表明他们希望以种认识到公众关切的方式进监管。技术贡献者相对较低的聘用率也可能表明，在大投资建设内部能之前，先通过试点用户友好的开源模型来验证价值。专案经2018软件开发人员技能与“应用人工智能”和“机器学习工业化”趋势存在显着重叠。请2.0科学家1.2数据科学家软件工程经有关多详细信息，请参阅这些趋势。监管事务主任Python1.0学习1.5机器0.1监管遵守人才市场Machine Translated by Google“大型语言模型功能的进步速度让许多管措不及。重要的是要记住，改变许多动、复杂和创造性任务的承诺会带来明显的风险，例如错误的输出。根据我们的经验，成功的方法通常始于识别价值、低风险的用例，例如研发中的编码协助或假设生成，并让人员参与其中。GPT-3 可根据提供的用户提示生成营销内容（例如，案写作、电邮件、脚本编写），已经拥有超过 100,000 名客户。?基础模型。这些是基于大非结构化、未标记数据进训练的深度学习模型，可用于开箱即用的各种任务，或通过微调适应特定任务。?Exscientia