根据麦肯锡最新发布的报告《2023年科技趋势观察》（Technology Trends Outlook 2023）指出，今年最大亮点是生成式人工智能，该技术能够透过特定情境和更广泛的潜在应用（例如协助撰写电子邮件草稿）产生高达 4.4 兆美元的经济价值，进一步提升社会的整体生产力。不过，即便该技术可以释放巨大的价值，但企业也不应忽视基础人工智能技术与机器学习的自动化为各产业带来成长潜力，而除了人工智能外，量子科技与未来交通也是这次麦肯锡指出的重点技术。

图片来源 : shutterstock、达志影像

企业在各种新兴技术投资依旧层出不穷

随着安全、隐私与数字韧性在各产业中变得更加重要，可信任的架构和数字身份在去年的盘点的 14 个趋势中为成长最快者，成长幅度高达 50%。在技术投资上，根据统计，企业对其他趋势（例如应用型人工智能、云端与边缘运算）的投资有所下降，与其他投资周期较长的新兴技术（例如气候科技和智慧移动）相比，较成熟的技术对短期预算变化更加敏感，而投资周期较长的技术则较不受影响。组织不应过于关注短期趋势，寻求长期成长的业者应该专注于整个领域的科技投资组合，技术趋势对他们的业务最重要，云端与边缘运算等技术以及生物工程的发展已显示出创新的稳步成长，并继续扩大跨产业的应用。

事实上，根据麦肯锡调查，上述技术已经在各个产业产生400 多个应用案例，预计未来5年边缘运算将在全球范围内达到两位数的成长幅度。此外，各国也持续投入量子科技发展，该技术已显示出巨大应用潜力，分析指出，最早可能受到量子运算影响的四个产业—汽车、化学品、金融服务、生技则有望受益于该技术的成长。而截至 2035 年，价值将达到 1.3 兆美元，透过仔细评估外界不断变化的形势并考虑采取平衡的投资方法，企业可同时运用现有技术和新兴技术来推动创新并达到可持续成长，以下盘点2023年主要的新兴科技供读者参考。

图1. 麦肯锡公布2023年15种新兴科技

数据源：麦肯锡

猛爆式成长的人工智能大熔炉

应用型人工智能目前正在蓬勃发展，透过机器学习 (ML)、计算机视觉、自然语言处理 (NLP) 等功能，各产业的公司都可以使用资料获得见解来达到流程自动化、增强营运效能并做出更好的决策。报告指出，尽管人工智能投资从 2021 年的1,468 亿美元的水位下降至 2022 年的 1,040 亿美元，但仍较 2018-2020 年的投资水平高。随着投资的增加，应用型人工智能的功能持续改进，例如自 2018 年以来，图像训练分类系统的成本下降了 63.6%，训练时间缩短了 94.4%。当前的趋势为将原有人工智能与新型人工智能技术结合，生成式人工智能的基础模型可以处理大量非结构化制造数据，例如工作日志，以强化当前解决方案的性能；同时，在技术采用率上，企业采用人工智能的业者使用的自然语言生成或计算机视觉模型的数量约成长一倍：从 2018 年的 1.9 个增加到 2022 年的 3.8 个。

第二种是机器学习自动化（Industrializing machine learning），机器学习自动化通常称为MLOps，是指在企业中扩展和维持机器学习应用程序所需的流程，这个词是「机器学习」和软件领域中「DevOps」的持续开发的组合，MLOps尝试把软件项目中机器学习模型的开发、软件开发，与系统持续维运的整个生命周期串接在一起;并透过各司其职但互相连接的软件系统让整个项目团队可以紧密的合作，MLOps 工具可以协助公司从试点项目过渡到可商业化的产品，加速解决方案的规模化，同时辨识并解决使用上的问题，以提升企业的生产力。从统计数据来看，越来越多的公司投入机器学习自动化领域，2021 年，相关的投资达到 47 亿美元的高位，并在 2022 年保持强劲成长，累计达到 34 亿美元。根据ClearML 的调查，85% 的受访企业表示，他们在 2022 年配置专门的 MLOps 预算，而市调机构IDC 预测，截至2024 年，60% 的企业将实施 MLOps。

最后一种当然是生成式人工智能，该技术的出现代表着人工智能发展的转折点。与过去的人工智能不同，它可以根据从格式中非结构化信息中学习，并建立崭新的非结构化内容，例如文本、声音、影视、图像、代码、仿真，甚至蛋白质序列或消费者旅程。该技术的核心是基础模型，模型能够适应广泛的任务，例如摘要、分类和草稿撰写；相比之下，前几代人工智能模型显得较为狭隘，这也代表着它们只能执行单项任务。在商业环境中，生成式人工智能不仅能「解锁」新的应用案例，还能够加速、扩展或以其他方式改进现有应用。

生成式人工智能具有潜力重新定义企业和价值链开发新产品和收入来源，以强化客户体验，不过，若以影响大小做区分，该技术预期在提升员工生产力和工作体验方面最为明显。而除了新创业者提供服务以外，Google等科技巨头也取得了重大进展：2023 年 5 月，公司宣布几项新的生成式人工智能成果，包括搜索生成体验，以及名为 PaLM 2 的大型语言模型，该项目将支持 Bard 聊天机器人以及公司其他数字产品。

其他：未来移动与量子科技的崛起

在汽车大规模生产持续一个多世纪后，当前产业已经到达第二个重大拐点：转向自动驾驶、联网、车辆电气化和共享交通 (ACES) 技术，这种转变有可能干扰产业版图，同时提高人员和货物的陆地和空中运输的效率和可持续性。ACES 技术在过去十年中得到了越来越多的采用。同时，随着可持续发展措施的推动、消费者偏好的改变，以及创新科技的推进，汽车产业变革的速度正在加快。根据统计，截至 2035 年，自动驾驶技术预计将创造高达 4,000 亿美元的营收，然而，短期内挑战仍然存在，业者正积极克服解决技术、监管和供应链移转等挑战。

从数据面来看，预计到 2030 年，交通产业的市场规模将分别增至 4,400 亿美元，与此同时，全球汽车软件市场预计 2019 年至 2030 年将以 5.5% 的年复合年成长率的速度快速成长。不过，业者也面临利润下降的挑战，2022年，汽车供货商的利润压力加剧，几乎所有供货商都受到公共事业、天然气和电力成本上涨和原物料短缺的影响，其中 50% 的业者认为受到重大冲击，这些都为不利因素。

在量子科技部分，量子技术有望利用量子力学的独特属性可以比传统计算机更高效地执行特定类型的复杂计算、保护通讯网络，并强化新一代传感器的功能，使其灵敏度比传统传感器大幅提高。量子材料约自1980年代开始发展，其涵盖无法用经典粒子行为或电子的低阶量子力学处理的所有材料，包括量子霍尔效应或超导性、拓扑绝缘体、量子自旋液体、量子位、量子传感器或量子点的材料。量子技术可以执行模拟并解决问题可能促进各个产业的应用，包括航天国防、汽车、化工、金融和制药。

同时，量子感测将实现材料、半导体、设备制造等科技之革新，另外在生医领域中，使用具高分辨率高灵敏的量子传感器将协助科学家与医学人员更了解生命本质，可据此开发新型诊断、医疗、监控与制药方法，让当前高龄化的社会进入健康的超高龄社会；而量子材料亦可成为各领域及产业发展的基础材料，例如通讯或半导体等产业与新兴科技所需的组件材料。

以科技大厂IBM为例，公司推出分子设计人工智能平台（Molecule Generation Experience，MolGX），该平台运用混合云、AI、自动化技术，甚至量子运算来自动设计新分子结构，并以10-100倍的速度从特定属性的产品进行材料探索，MolGX为IBM协助客户「加速发展策略」的重大成果，主要由IBM日本研究院开发而成，预期对客户的产品设计与开发流程带来巨大效益。IBM认为，发现新材料是消费性产品扩张与规模化的关键成功因素之一，以聚合物而言，热塑性塑料的发现（thermoplastic）除运用在日常生活塑料品外，亦能应用在服装纤维与成衣制造。

此外，工业产品的开发也需要新类别的材料来推动，从组织工程到近来热门的永续材料，都有亿万种不同的分子组合等待发掘，而单靠实验室团队与企业研发部门的速度不足以应付市场需求，因此运用AI的生成模型协助新分子材料的开发成为IBM提出的「加速发展策略」的方法之一，该策略核心为运用不同的科技挖掘各产业领域的新材料，包含从半导体产业到传统纺织业。

好消息～北美智权报有微信公众号了！ 《北美智权报》内容涵盖世界各国的知识产权新闻、重要的侵权诉讼案例分析、法规解析，以及产业与技术新知等等。 立即关注北美智权微信公众号→ NAIP_IPServices ～欢迎读者分享与转发～

【本文只反映专家作者意见，不代表本报立场。】