來源：德勤Deloitte 日前，德勤管理咨詢正式發布報告《2022技術趨勢（中文版）》，該報告不僅詳解了未來18到24個月或將深遠影響企業的重要技術趨勢，還展示了全球諸多領先企業的數字化創新實踐與心得，同時也融入德勤管理咨詢中國團隊對國內市場的洞察，旨在幫助廣大政企用戶精準把握科技趨勢，構建技術驅動的未來。 《2022技術趨勢（中文版）》報告顯示，以下關鍵技術趨勢值得重視： 信息技術自我顛覆
網絡人工智能：有效防御
技術堆棧實體化延伸
數據共享更加便捷
云向垂直領域滲透
區塊鏈：商業化應用啟程
德勤管理咨詢中國團隊認為，以上技術趨勢在國內不僅應用前景廣闊，并有望形成更多“中國特色”創新實踐，因此，此次發布的《2022技術趨勢（中文版）》中文版不僅涵蓋英文版全部內容，還包含了來自德勤管理咨詢中國團隊的中國洞察： 行業云：邊界、機會、洞察
制造、金融、貿易、醫療等很多行業里的頭部企業，突破了原有的內部優化，自我提升的局限性，轉向了全局優化、行業賦能的數字化戰略，這些企業將協同云廠商、專業咨詢服務機構、軟件服務商和系統集成商開發一系列基于云的帶有行業特定屬性的解決方案，形成面向垂直領域的行業云平臺、行業一體化供應鏈平臺、工業互聯網平臺、行業大數據中心等 配合國家戰略的區塊鏈技術。
在國家政策的支持下，區塊鏈應用在中國已經形成“百花齊放”的格局，各種區域性和小型的聯盟鏈、協同鏈等層出不窮，從業者未來重點應是促進不同區塊鏈生態圈的互融互通，并探索如何通過生態融合去創造更大價值。 除了上述技術趨勢，《2022技術趨勢（中文版）》報告還指出，量子、指數級智能和環境體驗可能會在未來十年或更長的時間內主導整個數字化領域。 數據跨界共享更便捷
強大的數據共享和隱私保護技術開辟了新的數據貨幣化時代
諸多新技術致力于在保護隱私的同時，簡化組織內和組織間的數據共享機制。越來越多的組織開始借助大量以前沒有權限獲取的外部數據，不斷挖掘自身敏感數據的價值，從而實現企業增長。這將帶來全新的數據驅動機遇。 實際上，在同一個生態系統或價值鏈內的安全數據共享，將催生新的商業模式和產品。例如，新冠肺炎疫情剛剛爆發時，很多平臺共享了臨床數據。研究人員、醫療機構和藥企通過共享平臺匯集臨床醫療數據，加快了治療方法和疫苗的研發。而且，這些數據共享協議還幫助藥企、政府機構、醫院和藥店協同行動，大范圍地執行疫苗接種計劃，在保護知識產權的同時確保效率和安全。 研究機構Forrester Research調查發現，70%以上的全球數據和分析決策者都在不斷擴大自身利用外部數據的能力。隨著數據共享趨勢的推進，報告預測會有更多的組織參與“數據協作”，以應對共同的挑戰。 **同一價值鏈中的合作伙伴。**許多制造商和零售商從第三方數據公司購買消費者數據，但數據的質量往往不夠好，不足以發揮作用。假如同一價值鏈內合作性質的系統（從供應商到制造商，再到市場營銷商）能夠合并池化消費者數據，形成更細致的需求圖，那么將會怎樣？ **外包AI模型訓練。**AI模型往往被認為是高度敏感的知識產權形式。由于它們可安裝在一個U盤上，這就表示安全風險較高，所以許多組織一般選擇內部自行建模。得益于加密技術，這種模式可能會發生改變。利用安全的建模數據，首席數據官可以將AI建模和訓練安全地外包給第三方。 **數據供應商簡化交付。**在數據共享平臺上，實時市場或物流數據使用權的購買非常簡單，一鍵即可完成。數據供應商無需提供API或發送文件。 云走向行業垂直化
行業云解決方案幫助組織將手動任務自動化，將重心轉移到具有競爭力的差異化方面。
數字化轉型的重心已經從滿足任何行業組織的IT需求，轉變為滿足具體行業甚至細分行業的特殊戰略和運營需求。超大規模云服務商和SaaS（軟件即服務）供應商正與全球系統集成商和客戶合作，提供模塊化的、行業垂直的商業服務與加速器，這些服務和加速器易于被采用和部署，從而幫助組織打造自身獨特的競爭優勢。 隨著這種趨勢越來越明顯，部署應用程序的過程將從創造（create）變成組裝（assembly）——這種轉變可能會令整個價值棧重新排序。業務流程將成為需要購買的戰略商品，使組織可以將寶貴的發展資源集中在戰略和競爭差異化的關鍵領域。 在未來18到24個月內，報告預計，越來越多的市場組織將開始探索使用行業云滿足其獨特的垂直需求的辦法。實際上，根據德勤管理咨詢的分析，預計未來五年行業云市場的價值將達到6400億美元。 **攀登堆棧：**云服務供應商對不斷增長的訂單業務流程進行自動化和抽象化，以創建行業優化平臺。 **加倍重視差異化發展：**通過云采購商品行業流程，首席信息官可以將人才資源和預算的投入重點放在打造競爭優勢的系統上。 **建立變革能力：**云能力幫助組織通過少量行動打開視野。更少的定制化代碼也就意味著更多靈活性。 區塊鏈：商業化應用啟程
分布式賬本技術正改變業務經營性質，幫助公司重新設想如何管理有形資產及數字資產
新潮的加密數字貨幣和不可偽造的代幣（NFTs）總是占據媒體頭條，激發公眾想象。不過，這些技術和其他區塊鏈和分布式賬本技術（DLTs）也在企業中掀起波瀾。 事實上，區塊鏈和DLT平臺已經走出了技術成熟度曲線的低谷期，正轉化為實際生產力。它們從根本上改變了跨組織開展業務的性質，幫助公司重新思考創建和管理身份、數據、品牌、來源、專業認證、版權等有形資產和數字資產的方式。技術的進步和新監管標準的制定，特別是在非公共網絡和平臺上的技術和標準，促使金融服務機構以外的企業采用區塊鏈和DLT技術。 隨著企業對區塊鏈和DLT的適應，各行各業的創造性應用案例紛紛涌現。成熟的行業領袖努力擴大投資組合并創造新的價值流，而初創企業則致力于挖掘振奮人心的新商業模式。 **規模化區塊鏈：**成熟的技術、標準和交付模式促進企業的區塊鏈技術應用。 **金融業以外的應用：**企業的區塊鏈應用實踐使得多個行業中涌現出區塊鏈的創造性用途。 **從需求出發：**成熟企業和初創企業都必須以真實的需求為出發點，通過區塊鏈實現商業利益。 IT的自我顛覆：
自動化技術的規模化應用
那些著眼于未來的IT組織，已經開始對“IT后臺”進行現代化改造，以形成具有前瞻性的自主服務和工程自動化模式
技術日益復雜，用戶對穩定性和可用性的期望日益高漲，促使部分企業CIO對所在IT組織進行大刀闊斧的改革。他們怎么做呢？他們借鑒了云服務供應商的經驗。他們識別重復的人工流程，并綜合運用工程、自動化和自助服務。這樣可以縮短時間，加快價值傳遞，全面提高IT技術的有效性和穩定性。這種自我顛覆式的自動化預示了一個巨大的、但仍未被充分認識到的機遇。以前的技術趨勢，如NoOps、零信任和DevSecOps擁有一個共同的主題，即將整個組織代碼化。從人工管理向工程和自動化遷移，組織可以更有效地管理復雜系統，并通過提高可用性和彈性來改善客戶體驗。 對于正在尋找自動化機會的首席信息官和其他領導來說，時間是至關重要的。在如今急速發展的創新環境中，花錢雇人維護服務器和數據中心，并沒有多大的商業價值。隨著首席信息官利用自動化技術對其組織進行大刀闊斧的顛覆性變革，將有成熟的契機把員工的注意力從打補丁、監控和測量轉移到更高價值的工程活動上。自動化技術可以廣泛地延伸到開發、部署、維護和安全等領域，從而有可能提升更多IT運營的效率并保持一致性。 網絡人工智能：有效防御
數據和機器智能增強安全團隊的實力。
由于檢測網絡攻擊涉及的龐大數據、復雜性和高難度等問題，安全團隊可能很快就不堪重負。企業面臨的攻擊呈指數增長。5G覆蓋越來越廣，聯網設備也越來越多，更多企業轉向遠程辦公，因此第三方攻擊也變得更加致命。人工智能這時候就派上用場了。網絡人工智能作為一種加速器，不僅能夠幫助組織以比攻擊者更快的速度進行響應，還能夠提前預判網絡攻擊，并采取相關防御措施。 人工智能可以擴展至新的應用范圍，例如用來提升數據分析速度、識別異常、檢測威脅。這些新興的人工智能技術可以幫助分析師專注于預防和補救，并形成更積極、更有彈性的安全態勢。而且，如果整個企業都應用了人工智能技術，它也可以用來協助保護寶貴的人工智能資源，阻止人工智能驅動的攻擊。
技術堆棧實體化延伸
首席信息官愈發需要對實體技術堆棧加以管理
隨著“智能設備”大規模應用以及作業自動化程度的提高，IT覆蓋范圍日益擴大，超越了筆記本電腦和手機的范疇。CIO們現在必須考慮如何連接、管理、維護各種各樣核心業務資產并保障它們的安全，例如智慧工廠設備、自動烹飪機器人、檢查用無人機、健康監測儀等。由于停機可能危及企業或生命，不斷演變的實體技術堆棧中的設備對系統正常運行時間和彈性的要求是最高的。同時，可能需要一種新的設備治理和監督方法，來幫助IT應對不熟悉的標準、監管機構以及責任和道德問題。最后，CIO可能需要考慮如何招募所需技術人才和重新培養現有員工的問題。 擴大的實體技術堆棧有可能極大地改變公司創造和交付價值的方式。由于具備了運用行業洞察力并通過人機交互促進收入增長的能力，各公司的商業模式可能會不斷發展演變。例如，一家公司可能會將設備的監控和維護業務作為設備部署的附加服務項進行出售；可能會開發一種共享資產模式，在該模式下，客戶將多余產能放回市場繼續售賣；可能會利用傳感器開發一款用于自動重新訂購打印機墨盒等耗材的程序；可能從經銷商模式擴展到直接面向消費者的模式；或者將其設備數據貨幣化。
預判未來：來自未來的報道
《2022技術趨勢報告》在最后一章中提供了一個框架，為目前似乎剛出現在地平線上的技術的可能性進行戰略角度思考。重點討論了以下三種值得注意的可能性： * 量子技術有望在未來十年內改變計算、傳感和通信
指數級智能是有望了解人類情感和意圖的下一代人工智能技術
環境計算將使技術在我們的工作和家庭環境中實現普及
量子技術及其他
富有前景的重點領域包括： 計算：量子計算機是解決先進計算問題的專用工具，利用量子現象處理信息和進行高度專業化的計算。考慮到這一點，量子計算機可能不會取代傳統計算機，而是會與傳統計算機共存，并根據復雜計算工作量的需要提供先進的計算能力，在這些演示中，量子計算機在五分鐘內完成了專門的任務，研究人員指出，這些任務需要傳統超級計算機花費數千年的時間才能完成。 通信：量子通信是一種基于硬件的解決方案，利用量子力學原理創建理論上能夠檢測截獲和竊聽的防篡改通信網絡。量子密鑰分發（QKD）是達到這一安全通信水平技術之一，是指通信各方通過交換高度安全的加密密鑰在光網絡間傳輸數據。盡管量子密鑰分發技術尚未完全成熟，但已有多個量子通信網絡部署完成或正在開發。 感知：由于亞原子粒子靈敏度高，量子感知裝置比傳統傳感器響應速度快，準確度更高。未來十年，量子傳感器很可能在某些應用中取代傳統傳感器。事實上，量子感知在能源、交通和醫療保健等領域都用很好的用例。量子傳感器已經可以應用，但目前只在有限范圍內應用。研究人員正在努力使量子傳感器更便宜、更輕、更便攜、更節能。 指數級智能：再次感受
隨著創新者利用下一代深度學習技術來訓練機器，識別和模仿人的魅力、情感等特征，未來十年，情感計算還將繼續變化發展。而這些技術也將通過“符號化”和“連接主義”技術將演繹推理和邏輯推理能力嵌入人工智能和人工神經網絡。很快，這些技術將能夠像人腦一樣揭示統計相關性，確定這種統計相關性是有意義的還是只是缺乏內在意義的支持數據的隨機特征。換言之，機器將能像人類一樣更好地欣賞世界，而不只是缺少上下文的0和1集合。 環境體驗：屏幕之外的生活
更順暢：當今的移動設備只需要一個本身就是數字應用程序的“快速啟動”功能即可。雖然底層技術變得更加復雜，但用戶體驗卻變得更加簡單。環境技術有望進一步降低學習和使用新工具的困難。 更主動、更直觀：想象一下，世界上每個人都有一位聰明無比、有能力又專注個人助理。這些高性能助理是數字化的，受到各類傳感器、語音識別、分析和指數級智能能力的支持，能全天候監測環境，并盡可能減少用戶會面臨的困難。 眼睛看得到：用數字信息增強個人的實際體驗將是玻璃之外生活的另一個主要維度。想一想：通過觀察太陽來確定距離日落還有多久難道不是自然而然的嗎？或者，通過看公交站來知道下一輛公交還有多久到呢？ 具體內容如下
付費5元查看完整內容
相關內容
4月8日，德勤管理咨詢在京正式發布報告《2022技術趨勢（中文版）》，該報告不僅詳解了未來18到24個月或將深遠影響企業的重要技術趨勢，還展示了全球諸多領先企業的數字化創新實踐與心得，同時也融入德勤管理咨詢中國團隊對國內市場的洞察，旨在幫助廣大政企用戶精準把握科技趨勢，構建技術驅動的未來。
德勤管理咨詢中國企業技術與績效事業群總裁孟曉凡、德勤管理咨詢中國技術戰略與轉型服務領導合伙人劉俊龍，以及德勤管理咨詢中國合伙人韓光輝出席此次報告發布會，向十余家國內知名媒體詳細介紹報告精華與德勤在企業數字化轉型方面的經驗。
孟曉凡表示：“這是我們連續十三年發布技術趨勢報告，因為當今世界新技術新名詞層出不窮，為了幫助企業在紛繁信息中去粗取精，我們全球研究團隊基于廣泛調研和服務全球客戶的實際經驗，篩選出未來18到24個月最值得關注的技術趨勢，期望能讓企業在技術選擇上少走彎路、技術投資更具回報。”
《2022技術趨勢（中文版）》報告顯示，以下關鍵技術趨勢值得重視：
信息技術自我顛覆：大舉推進自動化。IT部門正著力推動信息技術后臺現代化，從人工響應任務的被動模式變為推行自助服務和工程自動化的主動模式，組織可以更有效地管理復雜系統。
網絡人工智能：有效防御。當組織疲于應對安全漏洞，網絡人工智能或將激發乘數效應，助力網絡安全團隊提前預判并采取行動。
技術堆棧實體化延伸。隨著智能設備的大規模采用以及作業自動化程度的提高，信息技術關注范圍日益擴大，例如智慧工廠設備、工業機器人、無人機等。CIO們現在必須考慮如何連接、管理、維護各種各樣核心業務資產并保障它們的安全。
數據共享更加便捷。新技術在保護隱私的同時，使得組織內和組織間的數據共享機制也正在簡化。隨著數據共享趨勢的推進，會有更多的組織參與“數據協作”，以應對共同的挑戰，同時數據共享下將催生新的商業模式和產品。
云向垂直領域滲透。云和軟件供應商如今提供垂直領域針對性解決方案，有助于變革固化流程、助推創新。其部署過程類似于裝配作業，從而使組織將資源集中用于提升競爭優勢。
區塊鏈：商業化應用啟程。區塊鏈和其他分布式賬本技術平臺正從根本上改變各行各業的業務模式，幫助許多企業重構和管理身份、數據、品牌、來源、專業認證、版權等有形資產和數字資產的方式。
德勤管理咨詢中國團隊認為，以上技術趨勢在國內不僅應用前景廣闊，并有望形成更多“中國特色”創新實踐，因此，此次發布的《2022技術趨勢（中文版）》中文版不僅涵蓋英文版全部內容，還包含了來自德勤管理咨詢中國團隊的中國洞察：
行業云：邊界、機會、洞察。制造、金融、貿易、醫療等很多行業里的頭部企業，突破了原有的內部優化，自我提升的局限性，轉向了全局優化、行業賦能的數字化戰略，這些企業將協同云廠商、專業咨詢服務機構、軟件服務商和系統集成商開發一系列基于云的帶有行業特定屬性的解決方案，形成面向垂直領域的行業云平臺、行業一體化供應鏈平臺、工業互聯網平臺、行業大數據中心等。
配合國家戰略的區塊鏈技術。在國家政策的支持下，區塊鏈應用在中國已經形成“百花齊放”的格局，各種區域性和小型的聯盟鏈、協同鏈等層出不窮，從業者未來重點應是促進不同區塊鏈生態圈的互融互通，并探索如何通過生態融合去創造更大價值。
除了上述技術趨勢，《2022技術趨勢（中文版）》報告還指出，量子、指數級智能和環境體驗可能會在未來十年或更長的時間內主導整個數字化領域 。
德勤管理咨詢中國首席執行官戴耀華表示：“將新興技術轉變為核心生產力是企業的核心訴求，也是真正挑戰所在，德勤管理咨詢不僅輸出技術領域的前瞻洞察，還將持續深耕行業，期望通過領先的端到端管理咨詢服務，幫助廣大政企用戶真正駕馭趨勢、領跑數字時代！”
付費5元查看完整內容
實踐-高頻高價值應用及數據痛點：本篇報告選擇金融、零售、醫療和工業四大典型行業為切入點，分析呈現各行業的信息化建設階段與高頻高價值的AI應用場景，并基于高頻高價值AI應用引發的數據治理需求，對面向人工智能的數據治理體系搭建給到建設指導。
展望-治理陷阱與趨勢洞察：1）企業需避免落入“數據埋點大而全”的治理陷阱；2）供需兩側需共同保證數據治理體系建設后的運營流轉；3）企業需建立符合管理現狀及發展需求的數據安全治理框架，確保數據全周期的安全與合規；4）聯邦學習技術可帶來數據安全合規線內的共同富裕；5）數據的“自治與自我進化”成為未來數據處理發展的必由之路，為企業打造“治理+AI”體系的良性循環。前言-數據與數據治理：如今數據不再局限于傳統數字形式的認知，由結構化數據延伸到半結構化、非結構化的數據范疇。數據治理越來越受到企業的普遍重視，在數據生命周期的各個階段通過相應的工具與方法論，使數據發揮出更大的價值，是實現數據服務與應用必不可少的階段。
參與-行業規模與受益圈立足點：數據治理與AI應用產品開始交匯融合，廠商參與更加多元，咨詢公司、數據服務提供商和人工智能產品服務商三方陣營構建行業競合格局，而“智”，即AI應用，為面向人工智能的數據治理服務的核心立足點。2021年面向人工智能的數據治理市場規模約為40億元，預計五年后規模將突破百億。
主題-面向人工智能的數據治理：AI技術創新應用走向大規模落地，帶動了大數據智能市場的蓬勃發展。2021年大數據智能市場規模約為553億元。目前傳統數據治理體系多停留在結構性數據化治理工作，尚難滿足AI應用對數據的高質量要求。企業可吸收傳統體系的智慧沉淀，以AI應用數據需求為核心，優化建設“面向人工智能的數據治理”體系，顯著提升AI應用的規模化落地效果。
付費5元查看完整內容
"5G+工業互聯網"是指利用以 5G為代表的新一代信息通信技術，構建與工業經濟深度融合的新型基礎設施、應用模式和工業生態。通過 5G技術對人、機、物、系統等的全面連接，構建起覆蓋全產業鏈、全價值鏈的全新制造和服務體系， 為工業乃至產業數字化、網絡化、智能化發展提供了新的實現途徑，助力企業實現降本、提質、增效、綠色、安全發展。
工業和信息化部推進實施"5G+工業互聯網"512 工程以來，行業應用水平不斷提升，應用深度向更廣范圍、更深程度、更高水平延伸。2021 年，政、產、學、研、用全面推進"5G+工業互聯網"發展。本報告結合"5G+工業互聯網"發展指數，對我國"5G+工業互聯網發展進行全面總結。
整體來看，全國"5G+工業互聯網"融合發展呈現以下特點∶
一是我國央地政策支持力度持續加強，投融資力度加碼，"5G+工業互聯網"發展環境持續向好。
二是 5G 技術標準加速成熟，5G與 TSN 技術、邊緣計算技術部署應用加速，輕量化5GC成為業界探索熱點，垂直行業標準加速落地。
三是"5G+工業互聯網"組網模式及商業模式不斷成熟，混合組網模式加速落地，基于 5G 技術的OT+IT+CT 扁平化網絡架構實踐初步形成。
四是典型應用場景和重點行業不斷推進，5G全連接工廠成為產業界探索應用"由點到線"新熱點，區域特色不斷顯現，以產業園區為基礎載體的"5G+工業互聯網"融合應用先導區在部分地區開始創建。
五是創新生態逐步完善，具備5G通信能力的工業融合終端產品不斷涌現，供給短板不斷補齊。信息通信企業、工業企業、解決方案集成商等各產業主體合作力度加強，團體賽推進形式豐富。行業測試床、聯合實驗室等產業公共服務平臺載體也不斷引領產業發展。
付費5元查看完整內容
數字經濟發展中，數據價值融合的需求催生了隱私計算技術 的蓬勃發展。2021 年以來，隱私計算在金融、政務、醫療、交 通、能源等真實商業場景中落地實施，為各行業發展數字經濟帶 來新的契機、注入新的動能。國家層面，一方面，國務院發布《關 于構建更加完善的要素市場化配置的體制機制的意見》出臺，首次將數據增列為生產要素，數字經濟正在成為驅動我國經濟實現 又好又快的增長的新引擎。另一方面，《數據安全法》與《個人 信息保護法》的相繼發布，為各行業加強數據的合法使用與合規 經營提供了指引，也促進了整個數據產業的健康發展。
中國移動提前在隱私計算方向布局，在推動數據安全共享、 深化數據場景應用、促進數據生態合作方面不斷前行，深入開展 聯邦學習的研究及試點實踐，強化多方安全計算、可信執行環境 等新技術體系，確立出一套較為完善的隱私計算安全審核機制， 通過打造“中國移動隱私計算平臺”與生態建立穩固的鏈接，深 化各行業真實場景中落地實踐，致力于運營商數據要素生產力釋 放，推動數字經濟高質量發展。
本白皮書以探討隱私計算的關鍵技術路徑為出發點，聚焦國 內外的隱私計算應用場景以及移動運營商在相關領域的實踐，進 一步從技術、應用、法律等視角對隱私計算的發展進行了展望。期望與業界分享，共同促進隱私計算生態的創新、發展、繁榮。
圖片
付費5元查看完整內容
數字化轉型
·
當前，以云計算、大數據、物聯網、人工智能、5G為代表的Cloud2.0新技術集群的融合發展，推動著技術范式的轉變，并與各行各業廣泛滲透和融通，成為新工業革命的主要驅動力，是改變生產生活方式、產業變革升級的強大新動能。截至今年6月，我國制造業重點領域企業關鍵工序數控化率和數字化研發設計工具普及率分別達到51.1%和71.5%，工業互聯網平臺生態加速構建，政務、金融、醫療、能源、交通等領域大數據的應用也在進一步拓展。2019年，我國數字經濟規模達到35.8萬億元，占GDP比重達到36.2%，增速超過同期GDP增速7.85個百分點。可以說，數字經濟已經成為當前發展快、創新活躍、輻射廣泛的經濟活動。
企業數字化分為內部運營管理數字化、外部商業模式數字化和行業平臺生態數字化三大部分。對應地在技術層面，就是要實現系統的內部垂直集成、外部橫向集成，以及平臺上的端到端集成。
平臺經濟和平臺模式是數字化轉型和落地的主要實現方式。對于行業的大企業而言，需要轉型成為行業性和社會化平臺，形成生態鏈，從而保持行業地位。對于行業內的中小企業來說，則要成為行業平臺上的專業化合作伙伴，讓自身的價值鏈在平臺上占據重要一環，保持生態合作。
付費5元查看完整內容
企業級SaaS
·
國內SaaS廠商運用國外頭部廠商的成功經驗初見成效，投資人對SaaS的投資熱情不減且更加理性，大廠的投資目光開始轉向安全合規和行業垂直SaaS。同時，企業數字化轉型、疫情推動、人口代際變化和行業發展等多力齊發，SaaS行業正迎來新的發展機遇。但SaaS廠商們闊步前進的過程中，不可避免會遇到營收增長困難、盈利掣肘等困境。本報告從中外差異比對中探尋SaaS行業的中國特色，并對廠商發展過程中遇到的經營困境及當下發展熱點展開討論。幫助SaaS廠商了解當下熱點、明確市場定位，找到適合自己的商業模式和發展路徑。
付費5元查看完整內容
“21世紀以來，隨著人工智能、大數據、云計算、物聯網等新一代信息技術的快速發展及應用，“智能制造”概念進一步深化。根據我國工信部2016年出臺的《智能制造發展規劃（2016-2020年）》中定義，“智能制造是基于新一代信息技術與先進制造技術深度融合，貫穿于設計、生產、管理、服務等制造活動各個環節，具有自感知、自決策、自執行、自適應、自學習等特征，旨在提高制造業質量、效益和核心競爭力的先進生產方式。””
根據上海市人工智能技術協會和商湯智能產業研究院聯合發布的《數字化轉型白皮書：數智技術驅動智能制造》，如今各國對“智能制造”的理解都不再局限于生產過程或單體智能，而是擴展到產業價值鏈的各個環節、包含企業活動的方方面面，也不再單方面強調數智技術本身的應用價值，而是更加重視數智技術與先進制造等跨領域技術的深度融合和實踐創新。
由數據驅動代替經驗驅動已成為產業數字化轉型的共識。如果將數據視為智能時代的“新石油”，那么數智技術即是鉆取和提煉“石油”價值的“煉油工廠”，使用數智技術廣泛獲取數據，進行深度學習，將海量原始數據加工為知識，并轉化為決策或行動來指導企業運行。
數智技術是推動產業數字化轉型不可或缺的關鍵技術，其應用價值主要體現在三個方面：
決策更及時：實時獲取場景/業務數據的自動反饋，結合智能化分析進行動態預測，代替人工經驗判斷，提升決策的準確性和及時性，例如基于設備狀態實時分析的故障預測和健康管理，或基于在線用戶數據的需求預測，加速產品創新和迭代周期等。
運營更精細：隨著產業數字化進程加速，所獲取的數據顆粒度越來越細、數據維度也更加豐富，由數據驅動的企業運營、管理會更加精細，例如基于用戶畫像的精準營銷，或對能源使用的實時監測和控制等。
應用更智能：智能化設備/應用輔助或取代人工崗位，并在應用過程中進行算法的自我迭代和優化，不斷提高決策水平，例如基于機器視覺的產品缺陷監測等。
盡管數智技術對產業數字化轉型的意義匪淺，但在實際落地過程中仍然存在一定挑戰：
數字化程度低，信息閉環難閉合：數據資產的積累是產業數字化轉型的重要前提，如何持續獲取數據，并將分布在不同系統、組織內的數據打通融合是企業數字化轉型的首要命題。目前，多數企業（尤其是中小企業）受限于資金和人才匱乏，對數智技術投入不足，導致企業數字化水平低，缺乏完善的信息網絡基礎設施；此外，由于缺少統一標準、接口和編碼體系，使得企業內外“數據孤島”叢立，無法實現互通、共享，導致企業使用數據規模、種類有限，信息閉環難閉合，海量數據的資產價值無法得到充分發揮。
跨界融合難度大，復合型人才缺乏：數字化轉型實際上是利用數智技術對企業流程再造的過程，需要既具備良好的數智技術素養，又能夠了解產業技術和發展規律的復合型人才。據清華大學互聯網發展和治理研究中心2020年對全球ICT人才調研統計，當前我國數智技術人才主要集中于科技行業，缺乏產業經驗和實踐背景，而產業IT人員總體對數智技術的認知不深，難以支撐產業數字化轉型需要。根據人力資源與社會保障部數據分析，2025年智能制造領域人才需求為900萬人，人才缺口預計達到450萬人。
不同產業差異大，規模效應難一朝形成：由于不同產業或產業中不同領域、不同企業之間存在技術、流程等差異巨大，數智技術在產業中的深入滲透須結合具體場景進行定制化開發，尚不存在一套放之四海而皆準的解決方案，這使得數智技術在產業互聯網中的應用很難像在消費互聯網時代一樣，短期建立規模效應、獲取巨大收益，而是需要與產業合作共進，在垂直領域中不斷積累解決問題的通用能力。
網絡安全問題不容忽視：隨著數智技術的應用推廣，網絡安全問題將成為數字化轉型過程中面臨的重要挑戰。一方面，傳統網絡安全系統跟不上數智技術應用和創新步伐；另一方面，數字化轉型帶來信息節點和信息總量爆發式增長，使得網絡攻擊的潛在損失“指數級”放大，對網絡安全技術提出更高要求。
付費5元查看完整內容
近年來，數據的融合應用驅動各行各業走向數字化、網絡化和智能化，數據安全、個人隱私保護等問題也愈發受到社會廣泛關注。如何在合規的前提下做好數據融合，成為一個亟需解決的難題。
近期，騰訊公司發布《騰訊隱私計算白皮書2021》（以下簡稱《白皮書》），深入探討隱私計算作為在數據融合應用過程中保障數據安全合規的關鍵技術路徑、商業模式、應用場景、技術變革、產業趨勢、法律問題及合規痛點，并從技術、應用、法律等視角對隱私計算的發展進行了展望。
1、隱私計算的定義
隱私計算（Privacy Computing）是指一種由兩個或多個參與方聯合計算的技術和系統，參與方在不泄露各自數據的前提下通過協作對他們的數據進行聯合機器學習和聯合分析。隱私計算的參與方既可以是同一機構的不同部門，也可以是不同的機構。在隱私計算框架下，參與方的數據明文不出本地，在保護數據安全的同時實現多源數據跨域合作，以破解數據保護與融合應用難題。
2、隱私計算三大流派
聯邦學習
聯邦學習是一種分布式機器學習技術和系統，包括兩個或多個參與方，這些參與方通過安全的算法協議進行聯合機器學習，可以在各方數據不出本地的情況下聯合多方數據源建模和提供模型推理與預測服務。在聯邦學習框架下，各參與方只交換密文形式的中間計算結果或轉化結果，不交換數據，保證各方數據不露出。聯邦學習可以通過同態加密、差分隱私、秘密分享等提高數據協作過程中的安全性。
安全多方計算
安全多方計算是一種在參與方不共享各自數據且沒有可信第三方的情況下安全地計算約定函數的技術和系統。通過安全的算法和協議，參與方將明文形式的數據加密后或轉化后再提供給其他方，任一參與方都無法接觸到其他方的明文形式的數據，從而保證各方數據的安全。安全多方計算的基本安全算子包括同態加密、秘密分享、混淆電路、不經意傳輸、零知識證明、同態承諾等。
可信計算
可信計算指借助硬件CPU芯片實現可信執行環境（TEE），從而構建一個受保護的“飛地”（Enclave），對于應用程序來說，它的Enclave 是一個安全的內容容器，用于存放應用程序的敏感數據與代碼，并保證它們的機密性與完整性。
3、隱私計算的應用場景
《白皮書》中提到，數據協作需求正推動隱私計算應用從金融、醫療等向其他行業延伸。以金融反欺詐模型為例，隱私計算能夠助力銀行聯合建模，提升反欺詐模型水平。傳統上，銀行通常基于歷史還款信息、征信數據和第三方的通用征信分來做貸前反欺詐，該方式存在數據維度缺乏、數據量較少等情況，需融合多方數據聯合建模才能構建更加精準的反欺詐模型，但這一過程中隱私保護和數據安全是不可忽視的重要環節，《白皮書》指出，聯邦學習可解決合作中數據隱私與特征變量融合矛盾，在雙方或多方合作中線上保障特征變量交換時的信息安全。
4、隱私計算助力數據安全的合規價值
《白皮書》指出，隱私計算助力數據安全合規的價值凸顯，有望成為數據協作過程中數據合規和隱私保護的技術工具。
一是隱私計算在無需轉移數據物理存儲服務器的情況下實現數據建模分析，從而減少數據協作過程中風險。對于個人信息保護來說，可以有效降低個人信息在應用過程中泄露的風險；對于企業的跨界數據合作而言，由于隱私計算能夠實現數據可用不可見，幫助不同企業和機構與產業鏈上下游的主體進行聯合分析，打造數據融合應用，同時在數據協作的過程中履行數據安全和合規義務，實現數據價值最大化。
二是隱私計算從技術層面滿足數據最小化、完整性和機密性原則要求。傳統的數據融合方式需要先將盡可能多的數據集中至一個數據中心，然后再訓練模型。因此很可能存在數據過度采集的問題，同時面臨數據傳輸、存儲的安全風險。而采用隱私計算技術，尤其是隱私計算和區塊鏈等技術結合形成的整體解決方案，對數據真實性、準確性進行記錄，如數據被篡改、可進行精準定位和追溯，防止數據被篡改，也能夠有效防止數據被無權限人員隨意訪問、修改、導出等，保障數據的完整性和機密性，與當前數據保護相關立法目的和原則高度契合。
三是隱私計算可證明、記載企業是否履行數據安全保障義務。
5、隱私計算的合規痛點
盡管隱私計算實現的數據保護功能與數據保護相關立法精神高度契合，具有廣闊的發展前景，但隱私計算仍存在一些合規痛點。
隱私計算的用戶授權機制仍需明確。
根據《網絡安全法》及《民法典》相關規定，數據處理者在處理數據時應公開收集、使用規則，并經用戶同意。從隱私計算的特點來看，數據合作方通過隱私計算技術實現數據分析與建模，不需實際流轉數據，且處理過程中的數據都進行了匿名化處理，或不需要獲得用戶授權同意。但在數據采集階段，數據合作各方仍需獲得用戶授權同意。此外，個人信息的匿名化標準尚存爭議，因此仍需做好告知同意的授權管理。
另外，《白皮書》指出，隱私計算在本地服務器中建模的行為也存在用戶授權的問題。即使企業在采集數據時通過隱私政策取得了用戶對本地建模行為的授權，但該授權仍需保持在與數據實際處理目的直接或合理關聯的范圍內。因此，在借助隱私計算技術解決用戶授權問題時，也需關注數據處理目的合法合規性。
隱私計算仍存在數據安全風險。
隱私計算盡管無需參與者直接共享原始數據，但模型更新仍然會泄露參與者訓練數據的相關信息，攻擊者可以采用推理攻擊判斷具體的數據點或數據屬性是否被用于訓練，或采用逆向學習的方法還原原始數據。如果有切實的證據證明經過隱私計算的數據結果具有可逆性且已被泄露，那么它便不再屬于法律規定的“經過處理無法識別特定個人且不能復原”的數據。因此，企業需從模型隱私、輸入隱私、訓練數據隱私、輸出隱私四方面保障數據的安全。
隱私計算參與各方權利義務的邊界有待進一步明確。隱私計算涉及個人信息主體、數據持有方、計算方、結果方，各方之間的法律關系尚需厘清，如發生數據泄露且溯源取證困難時，后三者間應如何進行責任劃分，這些都將影響隱私計算商業模式的發展。《白皮書》建議在現階段，隱私計算參與者宜通過協議方式，約定彼此的數據安全權利和義務邊界，以便在發生爭議時，明確各自的責任范圍。
//www.cebnet.com.cn/upload/resources/file/2021/04/19/176342.pdf
付費5元查看完整內容
注冊地址： 北京市海淀區羊坊店路18號2幢3層301-191