《德勤（Deloitte）：2025年技術趨勢報告（38頁）.pdf》由會員分享，可在線閱讀，更多相關《德勤（Deloitte）：2025年技術趨勢報告（38頁）.pdf（38頁珍藏版）》請在三個皮匠報告上搜索。

1、i技術趨勢2025技術趨勢2025 德勤第16年 技術趨勢 報告中，AI是幾乎所有趨勢的共同主線。展望未來，它將成為我們無限可能的堅固基石。02.內容摘要05.無處不在的AI：算法編織的魔幻現實09.空間計算“C位出道”17.AI的下個風口何在？27.硬件吞噬世界37.IT出圈：AI助推技術部門躍遷45.新難題：量子時代對加密技術的挑戰53.智能中樞：AI顛覆核心系統現代化60.“廣度”即“深度”：交匯的聚變引言交互信息計算技術業務網絡與信任核心現代化總結目錄23內容摘要信息計算技術業務網絡與信任核心現代化交互AI的下個風口何在？空間計算“C位出道”IT出圈：AI助推技術部門躍遷新難題：量子時

2、代對加密技術的挑戰智能中樞：AI顛覆核心系統現代化硬件吞噬世界信息技術的六大宏觀支撐力量圖1技術趨勢德勤全球旗艦級技術報告，深入剖析了三個開拓性力量（交互、信息、計算）和三個支持性力量（技術業務、網絡與信任、核心現代化）的演變趨勢，它們共同構成了德勤宏觀科技力量框架的重要組成部分（見圖1）。作為我們第16次發布的結晶，技術趨勢2025勾勒了一個AI如同電力一般，成為日常商業運作和個人生活中不可或缺的基礎元素的未來景象。在為技術趨勢2025進行最終潤色的過程中，我們的CTO辦公室團隊深刻認識到，AI幾乎貫穿了所有趨勢脈絡。展望未來，我們預見AI將悄無聲息地融入我們日常生活的每個角落，并成為難以察

3、覺的基礎構造的一環。引言無處不在的 AI：算法編織的魔幻現實AI已成為年度熱詞，然而，技術趨勢2025報告乃至未來科技的發展所聚焦的廣袤圖景遠超生成式AI本身。技術趨勢2025報告揭示了AI如何細膩地織入我們生活的紋理之中。隨著時間的推移，我們將會如同對待HTTP協議或電力一般，習以為常地接受AI的存在，它將被視為一種預期始終穩定運行且不可或缺的技術力量。在這一愿景中，AI將在幕后悄然運作，調控城市交通網絡、量身定制個人健康解決方案，或在教育領域開辟出適應性強且易于獲取的學習路徑。它不會被人們主動尋求，而是悄然存在于我們的日常體驗之中，賦予世界以更加智慧、迅速和直觀的運作方式。這種現象看似魔法

4、般不可思議，實則根植于精密算法的嚴謹邏輯。技術趨勢2025的六大章節為我們展開了這幅正在成型的宏偉現實畫卷。交互空間計算“C 位出道”由于能夠打破信息孤島并創造更加自然的用戶交互方式，空間計算持續激發企業的興趣。企業已經開始在諸多應用場景中取得顯著成效，例如通過高級仿真技術測試不同情境，以評估各種條件對其運營的潛在影響。通過有效管理空間數據，企業可以加速構建更多的前沿應用。未來幾年內，隨著AI的進步，企業有望實現無縫的空間計算體驗，并顯著提升系統間的互操作性。最終，這種融合將使AI智能體具備預見性與主動性，從而更高效地滿足用戶需求，開創全新的數字交互格局。信息AI 的下個風口何在？為了利用生成

5、式AI所帶來的新興熱潮，許多組織已經采用了大語言模型，這些模型在多種應用場景中提供了目前最佳的解決方案。然而，一些企業已經開始進行前瞻性思考。盡管大語言模型具有廣泛的適用性，它們未必是所有組織為滿足需求的最高效選擇。因此，企業正在考慮使用小型語言模型和開源選項，以利用其對更小、更精確的數據集進行訓練的能力。結合多模態模型以及基于AI的模擬技術，這些新型AI正在構建一個未來：企業能夠為每一項任務找到最適合的AI類型。這不僅包括能夠回答問題的AI，還包括能夠執行任務的AI。在接下來的幾年里，隨著對執行能力的關注不斷深化，我們或將迎來一個自主式AI的新時代，通過賦予消費者和企業“智能座艙”，逐步改變

6、我們的工作和生活方式。計算硬件吞噬世界在軟件占據主導地位多年后，硬件正重新成為焦點。隨著AI對專用計算資源的需求不斷攀升，企業紛紛轉向先進芯片以支持AI工作負載。此外，嵌入AI芯片的個人計算機不僅能夠為知識工作者提供離線AI模型的訪問從而提升其工作效率，還能夠通過“兼容未來”的技術基礎設施降低云計算成本，并增強數據隱私保護。盡管AI帶來的能源需求增長造成了可持續性的挑戰，但在能源來源和使用效率上的進步正使AI硬件變得更加可行與普及。展望未來，隨著AI持續融入設備中，這一趨勢有望革新物聯網及機器人技術，借助更智能、更自主的設備（如在醫療健康行業的應用），推動行業實現深遠的變革。.技術業務IT 出

7、圈：AI 助推技術部門躍遷在多年追求精簡IT架構和“一切皆服務”的產品模式之后，AI正在促使IT偏離虛擬化和預算緊縮的方向。長期以來，IT部門一直被視為企業數字化轉型的燈塔，如今它正肩負著推動AI轉型的新使命。鑒于生成式AI在代碼編寫、軟件測試以及整體增強技術團隊能力方面的廣泛應用，具有遠見的技術領導者正把握這一難得機遇，通過基礎設施、工程、財務運營、人才管理及創新這五大支柱全面重塑IT職能。隨著傳統AI和生成式AI能力的不斷增強，“人”在技術交付的每個階段都可能經歷從“作為主導者”到“作為其中一環”的范式轉換。這種變化最終可能導致IT回歸一種新型的精簡化形態，借助普通開發者和AI驅動的自動化

8、工具，實現更高效的運作模式。網絡與信任新難題：量子時代對加密技術的挑戰當年應對“千年蟲”危機時，各組織敏銳地察覺到了潛在風險，并迅速采取了應對措施。如今，面對IT領域的新挑戰，IT部門同樣需要以前瞻性和主動性做出內容摘要5無處不在的AI：算法編織的魔幻現實4響應。專家預測，量子計算機有望在未來5到20年內走向成熟，其強大的破譯能力對現有加密技術和數字簽名構成了嚴重威脅，進而對數據和通信的完整性和真實性帶來潛在風險。盡管量子計算機的發展進程尚不確定，但在后量子加密(PQC)領域保持觀望絕非明智之舉。當前，新興加密標準為應對這一挑戰提供了可行的解決路徑。盡管更新加密實踐的進程相對明確，但這仍是一個

9、長期且復雜的過程。因此，各組織應盡早采取行動，以確保能夠應對潛在的安全威脅。同時，在推進加密技術升級的過程中，還應兼顧網絡安全環境的整體優化以及加密技術的靈活應變能力提升。核心現代化智能中樞：AI 顛覆核心系統現代化核心系統供應商已在AI投入重金，致力于圍繞AI驅動或AI優先的模型，重構其產品及服務能力。將AI集成到企業核心系統中，標志著運營模式和技術應用方式的重大變革，為企業提供了通過智能化手段獲取競爭優勢的新途徑。這一轉型不僅限于自動化常規任務，更在于重新構思和設計業務流程，使其更加智能、更高效、更具備預測性。為確保平穩運營，此過程需要周密規劃以應對復雜的集成挑戰，技術和技能的戰略性投資，

10、并建立穩健的治理框架。值得注意的是“自動化悖論”現象：隨著系統復雜性的增強，人類員工的重要性愈發突出。盡管，將AI引入核心系統可能簡化用戶的交互體驗，但它同時也增加了系統的架構復雜程度。因此，在管理核心系統中的AI應用時，深厚的技術專長仍然是不可或缺的?？偨Y“廣度”即“深度”：交匯的聚變長久以來，企業始終仰賴創新驅動的新收入渠道、通過并購后的協同效應以及戰略合作伙伴來驅動發展。然而，當前的趨勢正逐漸從細分與專業化，轉向技術與行業的主動交匯。舉例來說，當兩項技術交匯時，它們往往能展現出互補優勢，同時亦能相互增強，從而推動雙方技術實現增長潛力的加速釋放。同樣地，當企業通過有預謀地涉足看似無關的行業

11、，主動建立合作伙伴關系以拓展市場份額時，全新的市場契機亦將應運而生。生成式AI充斥著人們的茶余飯后已兩年有余，難免會有人認為，未來技術圖景只是日漸紛繁的AI應用。然而，這僅是冰山一角。我們認為，技術的未來不僅是關乎AI應用的數量增加，而是關于AI的普及。展望未來，我們預計AI將根深蒂固地融入我們的日常生活，但因為它無所不在又如此基礎，以至于變得不再引人注目。以電力為例，您上次真正思考電子的流動是什么時候？我們不再對燈光的一觸即亮感到驚奇而是自然而然地期待它們的正常運作。同樣的道理也適用于HTTP，這一無形的規則猶如互聯網的脈絡，將全球信息網絡緊密相連。但我敢打賭，雖然平日里我們依賴對它的使用，

12、但實際上大多數人已經很久沒有對“超文本傳輸協議”這一術語提及或展開思考了。AI終將踏上相似的征程，變得無處不在，成為我們日常行事中不可或缺卻隱于無形的基石，以至于我們終將渾然不覺其存在。它將在幕后悄然運作，調控城市交通網絡、量身定制個人健康解決方案，或在教育領域開辟出適應性強且易于獲取的學習路徑。我們不再單純地“使用”AI，而是沉浸在一個萬物運作更智能、更迅速、更直觀運作的世界中如同算法編織的魔幻現實。我們預見，它將為商業發展與個人成長奠定基石，同時隨時間推移不斷自我適應與延續，歷久彌新。在本年度的技術趨勢報告中，AI對未來的驅動作用展現得尤為明顯。該報告每年都會深入探討信息技術六大宏觀力量中

13、的新興趨勢（參見摘要中的圖1）。我們所記錄的趨勢中，一部分屬于開拓性力量交互、信息、計算，作為增長與創新的基礎。另一部分則屬于支持性力量技術業務、核心現代化、網絡與信任，助力企業無縫運作，同時支持其成長與發展。當我們的團隊為本年度的報告進行最后潤色時，我們恍然發現，AI的升華與滲透恰似一股潛流，已在業界悄然涌動。它并非“一枝獨秀”，亦非“遍地開花”，而是如同堅韌的腳手架與無形的紐帶，默默支撐著幾乎每一個趨勢的崛起與前行。（我們在本文“新難題：量子時代對加密技術的挑戰”這一趨勢中探討了另一項劃時代的技術量子計算對網絡安全的深遠影響。對于那些密切關注行業動態、洞悉市場脈搏的專家們而言，這可能是唯一

14、一個看似AI未占據核心地位的趨勢。然而，AI在幕后的每一次進步，都如催化劑一般，正以前所未有的速度推動著量子領域的飛躍與發展。）空間計算“C位出道”：未來，AI的飛躍式發展將如同魔法師的權杖，賦予空間計算模擬以更強的生命力，最終引領我們步入一個與AI智能體無縫融合、體驗流暢無阻的空間計算新時代，開啟前所未有的奇妙之旅。AI的下個風口何在？：隨著AI的不斷演進，企業對于大語言模型的關注正逐漸轉向小型語言模型、多模態模型、基于AI的模擬技術以及能夠執行特定任務的智能體。硬件吞噬世界：歷經軟件領域的多年輝煌后，硬件如今猶如破曉之星，重新閃耀于科技舞臺之上，這一變革主要得益于AI在計算芯片領域的深刻影

15、響，及其與終端用戶設備、物聯網、機器人技術的完美融合。無處不在的AI：算法編織的魔幻現實技術趨勢2025揭示了AI如何深刻融入我們生活的方方面面使一切運作得更加智能、快捷且直觀。引言67無處不在的AI：算法編織的魔幻現實 IT出圈：AI助推技術部門躍遷：AI在代碼編寫、軟件測試以及技術人才能力提升上的廣泛應用，正如一股強勁的東風，不僅極大地拓展了技術領域的邊界與影響力，更引領企業IT破浪前行，逐步掙脫虛擬化枷鎖與預算緊縮的羈絆，開啟一個嶄新的輝煌篇章。智能中樞：AI顛覆核心系統現代化：核心系統供應商在AI領域傾注心血，有望簡化用戶體驗，搭建起應用間數據共享的橋梁。但同時，AI在系統中的不斷深化

16、，也將使系統架構愈加復雜。鑒于我們深信AI將如同電力、HTTP協議等諸多基礎性技術一樣，成為明日世界不可或缺的核心要素。AI將在未來幾年隨著逐漸泛用而不斷演進，人類將從中汲取無盡福祉，這無疑是一幅激動人心的美妙圖景。技術趨勢將全程記錄并細致描繪這非凡旅程的每一步腳印。期待下次再會。Kelly Raskovich 德勤CTO辦公室 技術趨勢執行主編趨勢追蹤2017201920202025201620182021202220232024混合現實超越營銷智能界面人感體驗平臺增強現實與虛擬現實的運用物聯網數字現實十億級定制重啟數字化工作環境穿越屏幕互動新時空空間計算“C位出道”交互機器智能暗數據分析人

17、工智能賦能的組織數宇孿生工業化分析企業數據主權MLOps:人工智能產業化機器數據革命數據跨界共享更便捷敞開心扉“燈神”出瓶AI的下個風口何在？信息云走向行業垂直化信任經濟一切皆服務NoOps與無服務器計算民主化信任從單一區塊鏈到區塊鏈組合API勢在必行區塊鏈：商業化應用啟程云上有云智取而非力勝硬件吞噬世界計算必然的架構組成IT無界限未來聯通架構喚醒金融與IT的未來自主平臺IT適速發展技術重塑無領勞動力解放供應鏈戰略工程化技術堆棧實體化延伸DEI技術:公平工具彈性至上從DevOps 到DevExIT出圈技術業務DevSecOps和網絡勢在必行技術道德與信任零信任網絡人工智能公信之力慧眼金睛新難題

18、網絡與信任重構核心系統新核心激活核心IT的自我顛覆連接與擴展核心訓練智能中樞核心現代化注釋：欲了解更多歷史技術趨勢信息，請前往 Randle表示?！拔覀兿嘈?，空間計算能夠使人們對物理世界和虛擬世界有更自然的理解和感知?！?空間計算充分發揮作用的關鍵應用之一是高級模擬。高級模擬與數字孿生類似，但區別于單純的物理資產監控可視化，這種模擬使得組織能夠測試不同場景，觀察各種條件將如何影響其運營。設想一下，一家制造公司的設計師、工程師和供應鏈團隊能夠無縫地使用同一個3D模型來設計、制造和采購全部所需零件；醫生可以通過增強現實查看患者身體的真實模擬；或者一家石油和天然氣公司能夠在2D地圖上疊加詳細的工程模

19、型。這些可能性就像我們的物理世界一樣多彩多姿。葡萄牙足球俱樂部本菲卡(Benfica)的數據科學團隊運用攝像機和計算機視覺技術，全程追蹤球員在比賽中的表現，并為每位球員的每一個動作構建完整的三維模型。攝像機從每位球員身上采集2000個數據點，而AI技術則助力識別某一球員的面向方向，以及其決策中考慮的諸多關鍵因素。這些數據實質上為每位球員打造了一個數字孿生體，從而使團隊能夠模擬：若球員處于不同位置，比賽將如何發展。黑板上的傳統的X和O符號，如今已演變為教練可以進行實驗的三維模型5?？臻g計算的多種可能性數字賦能增強現實對象可交互數字對象全息投影音頻輸出虛擬數字人物/角色生成式AI物理組件新一代顯示

20、器可穿戴設備（如頭戴式設備、智能眼鏡和胸針)物聯網設備（如生物識別設備）體感技術（如觸覺設備）空間音頻設備攝像頭新一代電池橋接技術傳感器（如LIDAR和傳感器融合）計算機視覺GPS/空間映射軟件3D設計和渲染工具全面的下一代網絡基礎設施數據湖資料來源：Abhijith Ravinutala et al.,“Dichotomies spatial computing:Navigating towards a better future,”德勤,2024年4月22日圖1“AI的快速發展推動了這些模型持續優化，以用于我們現在的決策，”里斯本本菲卡(Benfica)足球俱樂部的CIO兼CTO Joao

21、 Copeto說6。這不僅僅關乎勝負，還關乎盈虧。本菲卡(Benfica)通過利用數據和AI，將球員培養轉化為一項盈利業務。在過去10年中，歐洲眾多最高價球員的轉會交易中，就頻有該俱樂部的身影。類似的方法也可以在倉庫運營、供應鏈和物流，或任何其他資源規劃過程中帶來收益。高級模擬技術也已應用于醫療環境。例如，虛擬患者情景可作為護士或醫生培訓的有力補充，提供比傳統教科書更為動態、更具自主性的學習環境。然而，這一技術的應用也面臨著一些挑戰，如患者數據的處理、將AI整合到現有學習材料中，以及提升模擬的真實感等。盡管如此，基于AI的模擬技術仍有望深刻影響我們的學習方式7。模擬技術也開始對醫療健康服務的提

22、供產生影響。加拿大弗雷澤衛生局(Fazer Health Authority)在利用模擬模型改善護理方面扮演著先鋒的角色8。通過首創一個系統級的數字孿生體，不列顛哥倫比亞?。ㄎ挥诩幽么笪鞑浚┑墓残l生機構對患者在不同護理環境中的活動進行了有效的可視化，并利用模擬來確定不同護理模式對患者獲得醫療服務的影響。盡管這項工作仍在進行中，但弗雷澤衛生局預計，通過增加患者對可用服務的了解，有利于患者按需獲取合適的護理資源。探索：數據決定成敗企業IT團隊在開發全新的空間計算應用程序過程中，可能需要克服許多障礙。這些開發過程中的挑戰可能是團隊在實施更傳統的基于軟件的項目時未曾遇到過的。盡管這些空間計算應用程序

23、的開發項目具有令人信服的商業價值，但組織在實現它們的過程中，仍需探索一些未知領域。一方面，系統之間的數據并不總是能夠進行互操作，這限制了從不同來源融合數據的能力。另一方面，大多數組織中數據流動的路徑圖往往錯綜復雜，構建數據管道以將正確的空間數據輸入到可視化系統中，是一個棘手的工程挑戰。確保數據質量高且真實反映現實世界的情況，可能是有效使用空間計算的最大障礙之一9。亞馬遜網絡服務(AWS)的Randle認為，空間數據在大多數組織中歷來管理不善，盡管它體現了一些企業最有價值的信息。Randle表示，“這些信息因為相對較新且多樣化，所以缺乏統一標準，大部分數據分散在各個孤島中，有些在已經上云，但大多

24、數都未上云”?！斑@種涵蓋物理和數字資產的數據集非常分散，未得到妥善管理。我們的客戶首先需要解決的問題，是管理他們的空間數據?！?0采用更系統化的方法來獲取、加工和存儲空間數據，使其更易于被現代AI工具所利用，才是真正開始發揮空間數據價值的關鍵一步。數據管道為業務發展提供源源不斷的燃料數據是新的石油已經是一種老生常談的說法，但對于一家美國的石油和天然氣公司來說，這一比喻正逐漸成為現實，這得益于其在重新構建部分數據管道方面所做的巨大努力。該能源公司使用無人機對現場設備進行3D掃描，然后使用計算機視覺算法對數據進行分析，以確保其資產在預設的公差范圍內運行。同時，該公司基于從工程、運營和ERP系統中提

25、取的數據，創建了高保真的資產數字孿生體。在上述足球、醫療、能源等各個例子中，關鍵要素是什么？是數據集成。以這家能源巨頭為例，該企業構建了一個空間存儲層，并通過API連接到不同的數據源和文件類型，涵蓋了機器數據、無人機數據、業務數據以及圖像和視頻數據等11。如今，很少有組織對這種系統化獲取和存儲空間數據的方法進行投資。然而，這是推動空間計算能力構建的關鍵因素，也是實現影響深遠的空間計算用例的重要起點。多模態 AI 賦能上下文理解過去，企業難以將空間數據與業務數據整合到一個可視化界面中，但如今這一狀況正在發生轉變。正如我們在本文“AI的下個風口何在？”趨勢中所探討的，多模態AI這種能夠處理幾乎任何

26、數據類型，并以多種格式輸出結果的AI技術已經具備了處理各類輸入的能力，無論是文本、圖像、音頻、空間數據還是結構化數據12。這一能力使得AI能夠在不同數據源之間搭建起橋梁，基于空間數據與業務數據進行解讀并按需補充上下文信息，從而深入到不同的數據體系中挖掘洞見。1213空間計算“C位出道”這并不意味著多模態AI消除了所有障礙，組織仍需有效管理和治理其數據?！袄M，垃圾出”這句老話在此情境下顯得尤為貼切。若用雜亂無章、代表性不足的數據來訓練AI工具，無異于自找麻煩，因為AI有可能將錯誤放大到我們在其他類型軟件中從未見過的程度。企業應專注于推行和實施開放數據標準，并與供應商合作，以標準化數據類型。好

27、消息是，一旦解決了這些問題，IT 團隊就可以為令人興奮的應用打開新的大門?！澳憧梢酝ㄟ^新的、創造性的方式塑造這項技術，”派拉蒙(Paramount)人才賦能執行副總裁Johan Eerenstein說13。展望：AI驅動無感交互體驗上述空間計算中的許多挑戰都與集成有關。企業在實際操作中，往往需要把各式各樣的數據源整合進可視化平臺，并且要以一種對用戶日常工作有實用價值的方式來呈現這些數據，而這一過程往往并非一帆風順，但很快，AI將有望降低這些障礙。如上所述，多模態AI可以接受多種輸入并在同一個平臺上進行處理，但這可能只是個開始。隨著AI被集成到更多的應用程序和交互層中，它使得服務能夠協同工作。正

28、如在本文“AI的下個風口何在？”趨勢中提到的，這將逐步演變為具有上下文感知能力并能夠根據用戶偏好主動執行功能的自主式系統。這些自主式智能體很快將能夠支持供應鏈經理、軟件開發人員、財務分析師等角色。與今天的機器人不同，未來的自主式AI能夠提前規劃并預見用戶的需求，甚至無需用戶提出要求?；谟脩羝煤蜌v史行為，它們將知道如何在合適的時間提供合適的內容或采取合適的行動。當自主式AI與空間計算相融合時，用戶將無需關心數據是否源自空間系統（例如LIDAR或攝像頭），也無需糾結于特定應用的功能（當然，前提是AI系統已經基于高質量、管理得當且具有互操作性的數據進行了訓練）。借助智能代理，AI將成為接口，用戶

29、只需表達自己的偏好，而無需進行顯式編程或向應用輸入提示詞。試想一下，不久的未來將會出現一個能夠自動提醒財務分析師關于市場變化的機器人，或者一個為高管編寫關于業務環境或團隊士氣變化的每日報告的機器人。如今我們所使用的眾多設備，無論是手機、平板電腦、計算機還是智能音箱，在未來都將會顯得極為累贅。到那時，我們只需做出表示偏好的手勢，然后讓具備情境感知能力、由AI驅動的系統去執行我們的指令即可。最終，一旦這些系統掌握了我們的偏好，我們或許連手勢都無需做了。雖然自主式AI系統對空間計算的全面影響可能需要在多年后才能顯現，但企業仍可以朝著利用空間計算優勢的方向去努力。盡管構建數據管道是十分艱巨的任務，但是

30、一旦建成，它們將開啟眾多應用場景。自主資產檢查、更順暢的供應鏈、真實模擬以及沉浸式虛擬環境，這些在未來都將促進世界一流企業提升其運營的空間感知能力。AI持續與空間系統相互交融、碰撞之際，我們即將有幸見證那革命性的全新數字疆域徐徐鋪展于眼前，而此刻，我們不過才剛剛拿起畫筆，著手勾勒它的朦朧輪廓。其蘊含的無限可能與綺麗風光，正待我們去一一探尋、細細描摹。1.Abhijith Ravinutala et al.,“Dichotomies Spatial Computing:Navigating Towards a Better Future,”Deloitte,April 22,2024.2.Ibi

31、d.3.Future Market Insights,Spatial Computing Market Outlook(2022 to 2032),October 2022.4.David Randle(global head of go-to-market,AWS),interview with the author,Sept.16,2024.5.Joao Copeto,chief information and technology officer,Sport Lisboa e Benfica,interview with the author,August 27,2024.6.Ibid.

32、7.Isabelle Bousquette,“Companies finally find a use for virtual reality at work,”The Wall Street Journal,Sept.6,2024.8.Fraser Health,“Fraser Health Authority:System wide digital twin,”October 2023.9.Gokul Yenduri et al.,“Spatial computing:Concept,applications,challenges and future directions,”prepri

33、nt,10.48550/arXiv.2402.07912(2024).10.Randle interview.11.Deloitte internal information.12.George Lawton,“Multimodal AI,”TechTarget,accessed Oct.29,2024.13.Johan Eerenstein(senior vice president of workforce enablement,Paramount),interview with the author,July 16,2024.尾注1415空間計算“C位出道”行業領袖Frances Yu德

34、勤無限現實服務業務領導合伙人|德勤管理咨詢+1 312 486 2563|Frances Yu是德勤管理咨詢的合伙人，在德勤擔任過多個全球業務實踐的領導職務。她曾協助財富500強客戶以及德勤開展多項新業務，制定增長戰略，并對其需求價值鏈進行轉型。目前，她擔任德勤無限現實服務業務的美國及全球業務主管和總經理。該業務面向工業元宇宙時代的多網絡創新業務，專注于空間計算、數字孿生以及多模態AI和數據領域。Nishanth Raj德勤無限現實服務空間/多模態AI及數據業務領導人|管理總監|德勤管理咨詢+1 832 970 7560|Nishanth Raj是德勤的總監，同時也是德勤管理咨詢AI與數據業務

35、以及德勤無限現實服務的負責人。他專注于能源與化工行業。憑借超過二十年的咨詢經驗，他幫助客戶借助技術、AI和數據來提升商業價值，并助力客戶轉型為以洞察力為驅動的組織。Stefan Kircher德勤無限現實服務CTO|管理總監|德勤管理咨詢+1 404 631 2541|Stefan Kircher擔任德勤管理咨詢產品與解決方案業務的總監和德勤無限現實業務的CTO。他在生產制造、技術戰略規劃以及跨不同行業解決方案構建方面積累了超過25年的深厚專業經驗，其工作范疇還涵蓋了研發創新以及與亞馬遜云服務(AWS)等戰略技術合作伙伴的緊密協作。Robert Tross德勤無限現實服務GPS市場領導合伙人|

36、德勤管理咨詢+1 703 251 1250|Robert Tross是德勤管理咨詢的GPS市場領導合伙人，負責引領德勤無限現實服務在聯邦市場的業務拓展。他擁有超過25年的豐富經驗，專注于打造跨多種平臺的全渠道體驗，其專業領域包括網絡平臺、沉浸式與空間計算技術、社交媒體、移動設備、可穿戴設備以及平板電腦等。致謝衷心感謝德勤各領域的眾多專家領導，他們為交互章節的研究做出了寶貴的貢獻：Lars Cromley,Stefan Kircher,Kaitlyn Kuczer,Lena La,Tim Murphy,Ali Newman,Bob Tross,Frances Yu.持續對話1617AI的下個風口

37、何在？眼下，AI的發展速度用“瞬息萬變”來形容毫不夸張。去年，當各企業紛紛探索如何引入生成式AI之際，我們提醒技術趨勢2024的讀者們，在與競爭對手形成差異以取得優勢，并利用大語言模型實施戰略性擴展的過程中，始終應當以實際需求為出發點。如今，大語言模型已深深扎根，據估計，多達70%的組織正在積極探索或應用大語言模型1。然而，領先的組織已經開始展望AI的下一篇章。企業如今正考慮部署多個更小型的模型，以更精準、更高效地滿足業務需求2，而不再單純依賴AI領域頭部玩家所構建的基礎模型。這些基礎模型雖然強大，但其數據規模和性能可能超出了企業的實際需求。大語言模型將繼續發展，并成為某些應用場景的最佳選擇，

38、如通用型聊天機器人或用于科學研究的模擬仿真技術。但是，分析您的財務數據以探討錯失了哪些營收機會的聊天機器人，并不一定需要采用與回復客戶咨詢的聊天機器人相同的模型。簡而言之，我們可能會看到企業根據不同用途采用多種模型，呈現出多樣化格局的發展趨勢。一系列較小模型的協同工作可能會服務于與當前大語言模型不同的場景。組織可以根據新的開源選擇和多模態輸出（不僅是文本）解鎖全新的服務和產品，開辟全新的應用領域3。在未來數年，隨著AI模型向更小型化、專業化發展的進程，企業在AI應用領域的規則與標準有可能將被再次改寫。各組織或將見證AI從增強知識到增強執行的根本性轉變。當前對所謂的“自主式AI”新時代的投資，可

39、能會通過為消費者和企業提供大量基于硅基技術的智能助手，徹底改變我們的工作與生活方式。想象一下那些能夠執行特定任務的智能體，比如在董事會會議上提交財務報告或申請補助金?！皩Υ?，有個應用程序將會更好的幫助您”這句話未來很可能會演變為“這項工作將會有智能助理來協助您完成”。當下：夯實基礎大語言模型無疑是令人興奮的，但其部署需要堅實的基礎工作。許多企業并未自行構建模型，而是選擇與Anthropic、OpenAI等公司合作，或是通過超大規模云服務提供商來接入AI模型4。據Gartner預測，AI服務器將占超大規模云服務提供商總服務器支出的近60%5。部分企業在運用大語言模型的過程中已經迅速捕捉到了其商業

40、價值，而另一些企業則對由外部數據所訓練的大語言模型的準確性和適用性持謹慎態度6。在企業的發展時間線上，AI的進步仍處于初級階段（位于去年所提到的“爬行”或“行走”階段）。根據德勤、Fivetran和Vanson Bourne的最新調查顯示，由于大多數組織在獲取或清洗運行AI程序所需的全量數據方面存在困難，導致只有不到三分之一的生成式AI試驗進入生產階段7。為了實現規?；瘧?，企業可能還需要深入思考關于數據和技術的問題，以及戰略、流程和人才的布局。以上均在德勤AI研究院最近發布的報告中有所強調。德勤2024年第三季度企業生成式AI報告顯示，75%的受訪組織受生成式AI的影響，增加了對數據全生命周

41、期管理的投資8。數據對于大語言模型而言至關重要，因為低質量的輸入將導致更差強人意的輸出（換句話AI的下個風口何在？隨著大語言模型的持續演進，新的模型與智能體在完成特定任務過程中展現出更高的效率。在AI領域，不同的任務需要匹配不同的解決方案，正如賽馬時需根據賽程特點選擇合適的馬匹一樣。信息1819AI的下個風口何在？說，垃圾進，垃圾指數級出）。正因如此，數據標注的成本可能成為驅動AI投資的重要因素9。當一些AI公司通過在網絡上搜集信息來構建盡可能大的模型時，精明的企業則專注于創造更加智能的模型。這就需要 為其大語言模型提供更符合某個具體領域的特定“訓練”。例如，總部位于溫哥華的LIFT Impa

42、ct Partners是一家為非營利組織提供服務的公司，該公司正在對其AI驅動的虛擬助手進行微調，以幫助新加拿大移民辦理手續。LIFT Impact Partners的CEO Bruce Dewar表示：“當你基于企業的獨特個性、數據和文化對模型進行訓練時，其輸出的效率和相關性顯著提升。這樣的模型不僅能夠提供更加真實和貼近企業需求的成果，而且能夠無縫融入企業，成為不可或缺的一部分?！?0數據賦能問題正處于動態變化之中。根據德勤的調查，受訪組織指出，隨著AI試點項目的規?；七M，一系列新挑戰或將隨之浮現。其中，涉及敏感數據的法規細則尚不明晰，在外部數據（諸如獲授權的第三方數據）的使用上，同樣存在

43、諸多亟待攻克的難題。正因如此，55%的受訪組織因數據相關問題，在某些場景下避免使用AI，而相似比例的組織正在努力加強其數據安全措施11。企業可以通過使用供應商提供的既有模型來避免這些問題，但要實現具有差異化的AI效果，則可能需要依賴于各具特色的企業內部數據。值得慶幸的是，一旦打好基礎，其益處便顯而易見：三分之二的受訪組織表示，由于看到了生成式AI迄今所帶來的顯著價值，他們正在增加對此類技術的投資12。從保險理賠審查到電信故障診斷，再到消費者細分工具，各行各業均開始出現具有實際應用價值的初期實例13。大語言模型也在如太空維修、核能建模、材料設計等更專業的場景中激起千層浪花14。隨著底層數據輸入質

44、量的不斷優化及可持續性的提高，大語言模型與其他高階模型（如模擬仿真）可能會更易于快速搭建，并實現規模擴增。但切記，規模并非全部。隨著時間推移，由于AI訓練和實施方法的多樣化發展，企業可能會更傾向于嘗試小模型。許多企業或許擁有比想象中更“價值連城”的數據，將這些數據通過任務導向的小模型來付諸使用，能夠在節省時間、精力的同時，減少麻煩。正如今年開篇所討論的那樣，我們正處在從彼此孤立的AI項目向“無處不在的AI”的轉折點上。探索：因材施教，各取所長盡管大語言模型擁有廣泛的應用場景，但其應用范圍并非無窮無盡（至少目前不是），大語言模型需要海量資源處理文本信息，且其意在提高人類智慧，而非直接承擔并執行特

45、定任務。正如Dell Technologies企業戰略高級副總裁Vivek Mohindra所言：“在AI領域，并沒有一種放之四海而皆準的方法。未來，我們將會看到各種規模，包括專為特定目的所設計的模型，這是我們在AI戰略中的重要理念之一?！?5在接下來的18至24個月內，主要的AI供應商和企業用戶很可能會擁有一套模型工具包，其中包含日益精密、強大的大語言模型，以及更適用于日常應用場景的其他模型。事實上，在大語言模型并非最佳選擇的情況下，AI的三大支柱開辟出了新的創造價值途徑：小語言模型、多模態模型以及自主式AI（圖1）。小語言模型大語言模型的供應商正競相讓AI模型盡可能高效。他們所做的努力并非

46、著眼于開拓新的應用場景，而是旨在針對現有場景對模型進行適當調整和優化。例如，對于像總結一份檢驗報告這類常規工作而言，一個基于類似文檔訓練而成的較小模型就足以勝任，并不一定需要由多么龐大的模型來完成，而且這樣在成本效益方面更具優勢。小語言模型可由企業基于規模更小、經過精心整理的數據集進行訓練，來解決更為具體的問題，而不光是處理一般性的查詢。如，一家公司可以利用其庫存信息來訓練一個小語言模型。這樣一來，員工就能快速獲取洞察，無需耗費數周時間來手動解析龐大的數據集。通過諸如此類的小語言模型獲得的信息隨后可以與用戶界面的應用程序相結合，以便于訪問。Databricks公司的AI副總裁Naveen Ra

47、o認為，大多數的組織應采取一種系統化的方法來使用AI：“一臺能夠洞悉世間萬物的神奇計算機，終究不過是科幻小說中的綺麗幻想。實際上，正如我們在工作場所根據不同的職能對人員進行分工一樣，我們也應該對問題進行拆解。相對應地，領域明確且定制化的模型可以處理特定的任務集，工具可以執行確定性的計算，數據庫則可以提取相關數據。這些AI系統協同工作，所能提供的綜合解決方案遠超任何一個單獨模塊所能達到的效果?！?6小模型的另一個優勢在于其可以在設備端運行，并且企業能夠用較小規模、經過精心整理的數據集對其進行訓練，來解決更為具體的問題，而不僅限于泛泛的查詢，正如本文“硬件吞噬世界”趨勢中所討論的那樣。像Micro

48、soft和Mistral這樣的公司正致力于從其較大的AI產品中提煉出基于較少參數構建的小語言模型，而Meta則在小模型和前沿模型方面提供了多樣選擇17。最后，小語言模型領域的諸多進展均得益于像Hugging Face或Arcee.AI這樣的公司所提供的開源模型18。由于此類模型可以針對不同需求進行定制，只要企業的IT團隊擁有相應的AI人才來對其進行微調，就可以在企業中發揮巨大作用。事實上，近期由Databricks所發布的一份報告顯示，超過75%的組織選擇較小的開源模型，并針對具體場景對其進行定制19。歸功于多元化編程社區的不懈努力和持續貢獻，開源模型得以持續優化和升級。正因如此，這類模型在規

49、模和運行效率上有望實現迅速的增長和提升。多模態模型人類通過文本、肢體語言、聲音、視頻等多種媒介進行互動，現在，計算機技術也奮起直追20。鑒于商業需求并非僅僅囿于文本范疇，企業對于能夠處理和生成多種媒介內容的AI系統抱有期待，也合乎情理。從某種角度不同需求適用的不同AI工具小語言模型多模態模型自主式AI輸入文本文本不僅是文本數據待明確較少大量定制化供應商提供現成的功能，但定制化效果最佳需要根據所處理的數據進行定制和訓練由于所需數據量較大，定制化可能性較低輸出最多一些更多焦點文本，可定制，適用于不同的應用場景（可訓練）能夠采取具體行動無法在較小的數據集上訓練；需要更多的輸入，并且具有更廣泛的輸出種

50、類圖1資料來源：德勤研究2021AI的下個風口何在？上來說，多模態AI已經悄然成為我們生活的一部分。無論是與智能助手交談并接收其以文本或圖像形式提供的信息，還是在駕駛過程中體驗那些融合了計算機視覺和音頻提示的輔助駕駛系統，我們都在日益熟悉并依賴這些技術帶來的便利21。另一方面，多模態生成式AI仍處于起步階段。2024年5月，谷歌的Project Astra和OpenAI的GPT-4 Omni首次亮相，Amazon Titan也具備類似能力22。由于多模態生成式AI需要更大量的數據、資源和硬件支持，其發展進程可能會比較緩慢23。此外，以文本為主要輸出成果的模型中已然存在的幻覺和偏差問題，在多模態

51、生成過程中可能會變得更加嚴重。但即使這樣，多模態生成式AI在企業應用中的前景依然令人期待?！耙淮斡柧?，隨處（或以任何方式）運行”的理念預示著一種新模型初露鋒芒：它可以接收文本信息，但能根據應用場景和用戶的偏好，以圖片、視頻或聲音的形式提供回應，從而提升數字包容性。像美國超威半導體公司(AMD)就致力于利用這一新型技術，快速將營銷材料從英語翻譯成其他語言，或是生成相關內容24。而在供應鏈優化方面，多模態生成式AI可以在接受傳感器數據、維護日志和倉庫圖像訓練后，推薦理想的庫存數量25。這也為空間計算帶來了新機遇，我們在本文“空間計算C位出道”趨勢中對此有所闡述。隨著技術的進步和模型架構的優化，我們

52、預計在未來18至24個月內將會看到更多應用場景的涌現。自主式 AIAI的第三個新興支柱，極有可能在接下來的十年間重塑我們的工作模式。無論是大型還是小型的工作模型，均突破了大語言模型單純的問答局限，具備在現實世界里完成特定任務的能力。這些模型的應用范圍十分廣泛，不僅可以根據您的旅行偏好預訂航班，還可提供自動化客戶服務。這種服務無需您下達極具專業性的指令，便能直接訪問數據庫，高效執行相關任務26。這類有自主管理性質的數字智能體工作模型的普及，預示著自主式AI的神秘面紗正被緩緩揭開，像Salesforce和ServiceNow等軟件供應商，已經在向大眾宣傳其可能性27。ServiceNow的首席客戶

53、官Chris Bedi認為，針對特定領域或行業的自主式AI能夠改變企業中人機交互的方式28。例如，在ServiceNow的Xanadu平臺上，一個智能體可以比照過往事件記錄來掃描接收到的客戶問題，進而就后續處理方式提出建議。隨后，它會與另一個能夠自主選擇方案并執行的自主式AI溝通，而處于這一流程中的工作人員則會審查這些智能體之間的溝通內容，以驗證相關假設。同理，一個智能體可能擅長管理云端的工作負載，而另一個則負責處理客戶訂單。就像Bedi所言：“自主式AI無法完全取代人類，但它能夠與您的團隊并肩協作，處理重復性任務，尋找信息和資源，全年無休、不分晝夜地在后臺開展工作?！?9最后，除了上述所提到

54、的AI模型之外，在AI設計和執行方面的進展同樣對企業使用AI產生影響，特別是液態神經網絡的出現?！耙簯B”形容的是通過神經網絡這種通過模仿人類腦部結構的機器學習算法來訓練AI系統的新型方式所具備的靈活性。就像量子計算機擺脫了經典計算機的二進制限制一樣，液態神經網絡能夠以更少的資源實現更多功能：該網絡中幾十個節點或許就已足夠，而傳統網絡可能需要10萬個節點才能達到相同效果。這項尖端技術旨在降低對于計算能力的需求，并提高透明度，從而為AI嵌入邊緣設備、機器人技術和對安全要求嚴苛的系統提供了可能性30。換言之，在未來幾年，不僅AI的應用亟待完善與變革，其底層機制同樣也到了需要改進與突破的成熟階段。展望

55、：將有智能助理協助您完成這項工作在未來十年間，AI可能會完全聚焦于執行任務，而非僅僅增強人類能力。未來的工作人員可以用簡單的語言向AI提出請求，如“完成第二季度的賬目結算，并生成一份EBITDA報告”。就如同在企業組織架構的管理層級中那樣，核心智能助理將任務委派給具備不同角色的特定用途智能體，這些特定用途智能體會在不同的辦公套件之間進行操作以完成任務。與人類一樣，團隊協作可能是使機器提升自身能力的關鍵因素31。這也引出了未來幾年需要重點考量的幾個關鍵點（圖2）：AI間的溝通：智能體之間可能會存在一種比人類語言更為高效的溝通方式，畢竟我們不需要讓聊天機器人模仿人類聊天那樣進行交談32。更優質的A

56、I間的溝通能夠提升工作成效，因為將不再需要人們成為AI專家才能從中獲益。相反，AI可以適應每個人的溝通風格33。崗位的更替與創造：盡管有人認為像提示工程師這樣的角色可能會被淘汰34，但這些員工的AI專業知識仍至關重要，他們將專注于智能體的管理與培訓，并與其進行合作，就像他們今天與大語言模型的合作一樣。一支擁有AI專家的精銳IT團隊可能會在企業內部構建所需的智能體，打造一個“AI工廠”。正如以往技術趨勢中所提到的那樣，剩余勞動力在技能和教育方面的重大轉變，最終可能會使像創造力、設計等人類特有的技能受到重視。隱私與安全：隨著擁有系統訪問權限的智能體的數量不斷增加，可能會引發對網絡安全的廣泛擔憂，而

57、且隨著時間推移以及AI系統訪問的數據越來越多，網絡安全只會變得愈發重要。要想最大限度地使用智能體，就需要建立風險評估與信任獲取的新范式。能源與資源：AI的能耗問題正日益受到關注35。為了減輕對環境的影響，未來的AI發展需要在性能與可持續性之間找到平衡。這不僅涉及到充分利用液態神經網絡以及其他高效AI訓練方式所帶來的進步，同時也涵蓋了實現這些技術所需的硬件支持，正如我們在本文“硬件吞噬世界”趨勢中所討論的那樣。面向未來的領導力：AI具備變革性的潛力，這一點在過去一年中已經被廣泛討論，但其潛力的被激發程度取決于領導者的決策水平。如果僅將AI當作一種沿襲舊有做事方式的更快途徑，那么，樂觀來說，會與A

58、I所蘊含的巨大潛能失之交臂；悲觀而論，可能會加劇偏見的蔓延，讓問題雪上加霜36。富有想象力且勇敢的領導者應當敢于突破固有藩籬，打破原先的最佳實踐，引領AI創造“未來實踐”，在這一過程中，我們將會找到新的組織形式和數據處理方式，邁向一個由AI賦能的新世界。談及AI，企業未來可能仍會秉持當下的考量要點：數據，數據，還是數據。在AI系統能夠達到通用AI或者像人類大腦一樣高效學習之前37，它們將渴求更多的數據和信息輸入，以幫助它們變得更強大、更準確。如今為整理、優化以及保護企業數據所采取的舉措，在未來數年或許會帶來豐厚回報，因為數據方面的欠缺有朝一日可能會成為技術債務中占比最大的部分。這樣的基礎工作也

59、將幫助企業未雨綢繆，為伴隨這一強大新技術而來的諸多監管挑戰和倫理不確定性（例如數據收集和使用限制、公平性問題、透明度缺失等）做好準備工作 38?！袄M，垃圾出”的風險只會與日俱增，選擇“智慧進，智慧指數級出”顯然更為理想39。復合AI之旅獲取數據小語言模型1運用工具分析數據并提出洞察人類2基于洞察形成面向客戶的社交媒體內容小語言模型3根據步驟3的輸出生成營銷圖鑒多模態模型4審核準確性與恰當性人類5根據內容和目標受眾，安排營銷內容的最佳發布時間。按需重復本過程。自主式AI6圖2資料來源：德勤研究2223AI的下個風口何在？1.Carl Franzen,“More than 70%of comp

60、anies are experimenting with generative AI,but few are willing to commit more spending,”VentureBeat,July 25,2023.2.Tom Dotan and Deepa Seetharaman,“For AI giants,smaller is sometimes better,”The Wall Street Journal,July 6,2024.3.Google Cloud,“Multimodal AI,”accessed October 2024.4.Silvia Pellegrino,

61、“Which companies have partnered with OpenAI?,”Tech Monitor,May 15,2023;Maxwell Zeff,“Anthropic launches Claude Enterprise plan to compete with OpenAI,”TechCrunch,September 4,2024;Jean Atelsek and William Fellows,“Hyperscalers stress AI credentials,optimization and developer empowerment,”S&P Global M

62、arket Intelligence,accessed October 2024.5.Gartner,“Gartner forecasts worldwide IT spending to grow 8%in 2024,”press release,April 17,2024.GARTNER is a registered trademark and service mark of Gartner,Inc.and/or its affiliates in the U.S.and internationally and is used herein with permission.All rig

63、hts reserved.6.Patricia Licatta,“Between sustainability and risk:Why CIOs are considering small language models,”CIO,August 1,2024.7.Jim Rowan et al.,“Now decides next:Moving from potential to performance,”Deloittes State of Generative AI in the Enterprise Q3 report,August 2024;Mark Van de Wiel,“New

64、 AI survey:Poor data quality leads to$406 million in losses,”Fivetran,March 20,2024.8.Rowan et al.,“Now decides next:Moving from potential to performance.”9.Sharon Goldman,“The hidden reason AI costs are soaringand its not because Nvidia chips are more expensive,”Fortune,August 23,2024.10.Deloitte I

65、nsights,“Lifting up the nonprofit sector through generative AI,”September 23,2024.11.Jim Rowan et al.,“Now decides next:Moving from potential to performance.”12.Ibid.13.Ibid.14.Sandra Erwin,“Booz Allen deploys advanced language model in space,”SpaceNews,August 1,2024;Argonne National Laboratory,“Sma

66、rt diagnostics:How Argonne could use Generative AI to empower nuclear plant operators,”press release,July 26,2024;Kevin Maik Jablonka et al.,“14 examples of how LLMs can transform materials science and chemistry:A reflection on a large language model hackathon,”Digital Discovery 5(2023).15.Phone int

67、erview with Vivek Mohindra,senior vice president of corporate strategy,Dell Technologies,October 11,2024.16.Phone interview with Naveen Rao,vice president of AI at Databricks,October 2,2024.17.YouTube,“Introducing the next evolution of generative AI:Small language models,”Microsoft Dynamics 365,vide

68、o,May 9,2024;Llama team,“The Llama 3 herd of models,”Meta,July 23,2024.18.Rachel Metz,“In AI,smaller,cheaper models are getting big attention,”Bloomberg,August 8,2024.19.Databricks,“AI is in production,”accessed October 2024.20.MIT Technology Review Insights,“Multimodal:AIs new frontier,”May 8,2024.

69、21.Akesh Takyar,“Multimodal models:Architecture,workflow,use cases and development,”LeewayHertz,accessed October 2024.22.NeuronsLab,“Multimodal AI use cases:The next opportunity in enterprise AI,”May 30,2024.23.Ellen Glover,“Multimodal AI:What it is and how it works,”Built In,July 1,2024.24.Mary E.M

70、orrison,“At AMD,opportunities,challenges of using AI in marketing,”Deloittes CIO Journal for The Wall Street Journal,July 2,2024.25.NeuronsLab,“Multimodal AI use cases:The next opportunity in enterprise AI.”26.Oguz A.Acar,“AI prompt engineering isnt the future,”Harvard Business Review,June 6,2023.27

71、.Salesforce,“Agentforce,”accessed October 2024;ServiceNow,“Our biggest AI release is here,”accessed October 2024.28.Phone interview with Chris Bedi,chief customer officer at ServiceNow,September 30,2024.29.Ibid.30.Brian Heater,“What is a liquid neural network,really?,”TechCrunch,August 17,2023.31.Ed

72、d Gent,“How teams of AI agents working together could unlock the techs true power,”Singularity Hub,June 28,2024.32.Will Knight,“The chatbots are now talking to each other,”WIRED,October 12,2023.33.David Ellis,“The power of AI in modeling healthy communications,”Forbes,August 17,2023.34.Acar,“AI prom

73、pt engineering isnt the future.”35.James Vincent,“How much electricity does AI consume?,”The Verge,February 16,2024.36.IBM,“Shedding light on AI bias with real world examples,”October 16,2023.37.University of Oxford,“Study shows that the way the brain learns is different from the way that artificial

74、 intelligence systems learn,”January 3,2024.38.Nestor Maslej et al.,The AI Index 2024 annual report,AI Index Steering Committee,Institute for Human-Centered AI,Stanford University,Stanford,CA,April 2024.39.Deloitte,Work Re-Architected video series,accessed October 2024.尾注行業領袖Jim RowanAI業務領導合伙人|德勤管理咨

75、詢+1 617 437 3470|JJim Rowan作為德勤合伙人，現任德勤AI業務領導人。他致力于協助客戶通過數據驅動的分析和AI解決方案來轉型其業務，從而實現更卓越的決策制定。在其職業生涯中，Rowan為生命科學、醫療健康及電信等多個行業的客戶提供專業服務，并對這些組織中的財務職能有著深厚的見解，曾領導項目分析、規劃、預測與交付，助力財務部門實現數字化轉型。此前，Rowan曾領導德勤管理咨詢戰略與數據分析業務線AI與數據運營業務。Nitin Mittal 全球AI業務領導合伙人|德勤管理咨詢Nitin Mittal是德勤管理咨詢合伙人，現任USAI戰略性增長業務咨詢領導合伙人及全球戰略、

76、數據分析與并購領導合伙人。2019年，他在紐約AI峰會榮獲“年度AI創新者”獎項。他擅長為客戶提供專業建議，助力客戶通過數據和認知驅動的轉變來獲取競爭優勢，這些轉變能夠提升企業的智能水平，使客戶能夠在行業顛覆發生之前做出戰略選擇并實現轉型。在其職業生涯中，Mittal一直作為全球客戶信賴的顧問，廣泛服務于多個行業領域。他的主要工作重心是與生命科學和醫療健康行業的客戶合作，實施大規模數據項目，以提升組織智能水平，并運用先進的分析技術和AI技術來推動企業洞察力和業務戰略的制定。Lou DiLorenzo JrAI與數據戰略服務領導合伙人|US CIO&CDAO項目全國領導合伙人|德勤管理咨詢+1

77、612 397 4000|Lou DiLorenzo擔任AI與數據服務全國領導合伙人、US CIO&CDAO項目全國領導合伙人。他是德勤生成式AI業務領導團隊的成員，并主要負責生成式AI孵化器。憑借超20年的跨行業運營、創業和咨詢經驗，他成功地將關鍵利益相關者匯聚在一起，幫助引領變革、開發新能力，并實現積極的財務成果。此前，DiLorenzo曾擔任一家消費者健康保險初創公司的COO，以及Cargill公司食品配料與生物工業部門的全球CIO。他經常為領先出版社撰稿，并主持播客節目Techfluential。持續對話2425AI的下個風口何在？致謝衷心感謝德勤各領域的眾多專家領導，他們為信息章節的

78、研究做出了寶貴的貢獻：Lou DiLorenzo,Lena La,Nitin Mi ttal,Sanghamitra Pati,Jim Rowan,Baris Sarer.2627硬件吞噬世界歷經多年“軟件浪潮”后，硬件如今開始大放異彩。我們在技術趨勢2024的計算章節中提到，隨著摩爾定律逐漸逼近極限，AI革命的前景愈發依賴高性能硬件的支持。英偉達(NVIDIA)是一個典型的例子，伴隨專用芯片已成為AI計算任務的寶貴資源，英偉達已成為全球最具價值和最受關注的公司之一1。根據德勤對世界半導體貿易統計組織的預測，今年僅用于生成式AI的芯片市場規模預計將超過500億美元。這一趨勢不僅反映了技術發展的

79、內在需求，也揭示了市場對高性能計算能力的迫切需求2。對于企業而言，一個關鍵的硬件應用場景可能在于AI嵌入式用戶終端和邊緣設備。以個人電腦為例，企業筆記本電腦多年來已逐漸商品化。然而，隨著AI嵌入個人電腦的發展，我們可能正站在計算領域重大變革的前沿。像超微(AMD)、戴爾(Dell)和惠普(HP)等公司已經在宣傳AI電腦的潛力，聲稱其能夠“未來化”技術基礎設施，降低云計算成本，并增強數據隱私保護3。通過訪問用于圖像生成、文本分析和快速數據檢索的離線AI模型，知識工作者可以借助更快、更準確的AI技術提升工作效率。盡管如此，企業在大規模更新終端用戶的計算資源時應進行戰略性部署，不然會導致有限AI資源

80、的浪費。當然，這些進步背后都伴隨著相應的成本。隨著大型AI模型的能源需求不斷增長，數據中心已成為可持續發展的新焦點4。國際能源署指出，到2026年，AI的需求將使數據中心的電力消耗顯著增加，增幅與瑞典或德國的年度能源需求旗鼓相當5。德勤最近的一項關于為AI提供能源支持的研究估計，由于AI需求的激增，未來十年全球數據中心的電力消耗可能會增加兩倍6。盡管AI已在日常消費場景和企業設備中比比皆是，但為進一步提高AI硬件的普及性和可持續性，在能源的獲取和效率方面仍需推陳出新。例如，五年前因經濟原因關閉的三哩島核電站1號機組將于2028年重新開放，為數據中心提供無碳電力7。展望未來，AI硬件有望突破IT

81、領域，進入物聯網。隨著AI技術的進步，越來越多的設備將變得更加智能，因為AI使它們能夠分析其使用情況并承擔新任務（如本文“AI的下個風口何在？”趨勢中提到的自主式AI的發展）。當前的正面應用案例（如智能牙刷中的AI）并不能代表未來AI的強大潛力（如急救醫療設備中的AI）8。硬件的真正潛力將在更智能的設備出現時得以釋放，屆時人類與機器人的關系將會發生質變。當下：芯片至上過去，技術專家常認為軟件是獲得投資回報的關鍵，因為軟件具有可擴展性、易更新性和受知識產權保護等優勢9?，F如今，隨著計算機從單純的計算工具發展為“沉思者”，硬件投資正在激增10。去年我們曾報道，像圖形處理單元(GPU)這樣的專用芯片

82、正逐漸成為訓練AI模型的首選資源。在2024年科技、媒體和電信行業預測報告中寫道，德勤預估2024年全球芯片市場將達5760億美元，其中AI芯片的總銷售額將占據11%11。預計到2027年，AI芯片市場將從目前的大約500億美元增長到4000億美元，保守估計也將達到1100億美元（圖1）12。大型科技公司是這一需求驅動的部分重要原因，因為它們可能會構建自己的AI模型，并在本地部署專用芯片13。然而，其他各行各業的企業也在尋求計算能力以滿足其IT目標。例如，根據云服務公司Databricks的報告，因運行大語言模型(LLMs)以處理欺詐檢測和財富管理等場景，在過去六個月中金融服務行業的GPU使用

83、量增長最快，達到88%14。對GPU的需求已經超過了產能。在當今的淘金熱中，提供“鎬和鏟”（即當今技術轉型所需的工具）的公司正在大獲其利15。英偉達(NVIDIA)的CEO 黃仁勛指出，雖然云GPU的容量已經基本飽和，但公司也將推出新一硬件吞噬世界AI革命將需要大量的能源和硬件資源這將使企業基礎設施再次成為戰略差異化因素。計算2829硬件吞噬世界代芯片，新芯片的節能性相較前幾代產品將顯著提升16。超大規模云服務商正在搶購剛下生產線的GPU、花費近一萬億美元建設數據中心基礎設施，以滿足客戶租用GPU的需求17。與此同時，現有數據中心的能源消耗日益逼近全球老舊電網的承載極限18。企業正在尋找新的解

84、決方案。盡管GPU在處理大語言模型或內容生成的高負載任務中至關重要，中央處理器仍然是基礎配置，但現在神經處理單元(NPUs)相較而言更加受歡迎。NPU模擬大腦神經網絡的工作原理，可以更高效、更低功耗地加速較小AI的工作負載19，使企業能夠將AI應用從云端遷移到本地，處理無法外部托管的敏感數據20。這種新型芯片是嵌入式AI未來發展的關鍵組成部分。戴爾科技的企業戰略高級副總裁Vivek Mohindra表示，“在目前使用的15億臺個人電腦中，有30%的使用年限已達到或超過四年。這些舊電腦因為沒有配置NPU，無法充分利用最新的AI電腦技術?！?1 企業硬件可能即將迎來一次大規模的更新換代。隨著NPU

85、使終人工智能投資激增500億美元2024預計4000億美元2027樂觀預策1100億美元2027保守預測人工智能芯片市場預測圖1資料來源：Duncan Stewart et al.,“Gen AI chip demand fans a semi tailwind for now,”德勤觀點,2023年11月29日端設備能夠離線運行AI，并使模型更加精簡以適應特定應用場景，硬件可能再次成為企業競爭力的差異化因素。在德勤最近的一項研究中，72%的受訪者認為生成式AI對其行業的影響將是“上升至變革性質的”22。一旦主流硬件的進步使AI觸手可及，上述比例可能會接近100%。探索：基礎設施再次成為戰略重

86、點隨著曾經被認為具備無限訪問能力的云計算浪潮逐漸退去，資源受限的時代即將到來。企業基礎設施（例如個人電腦）在結束長達多年被視為一種簡單工具的時期后，再次具備戰略意義。具體而言，專用硬件在AI的三個核心領域扮演著至關重要的角色：嵌入式AI設備和物聯網、數據中心以及先進的物理機器人技術。針對第三個領域，專用硬件對機器人技術的影響可能在未來幾年才會逐漸顯現，因此我們在下一部分中提到，企業將預計在未來18到24個月內針對前兩個領域進行決策。在AI資源稀缺和需求持續的情況下，這兩個領域的參與者可能會在發展與競爭中一決高下，在這過程中，領先方和落后方的差距將逐漸擴大。邊緣節點截至2025年，超過50%的數

87、據將由邊緣設備生成23。隨著NPU逐漸普及，正如“AI的下個風口何在？”這一趨勢中所討論的，當生成式AI模型提供商傾向于創建更小、更高效的特定任務模型時，越來越多的設備將無需依賴云端即可運行AI模型。具備更短的響應時間、更低的成本和更強的隱私控制的混合計算（即云和設備端AI的結合）將成為許多企業的必備選擇，這也正是硬件制造商所看好并押注的領域24。戴爾科技的Mohindra表示，處理大量數據時，使用邊緣AI是的最佳方式之一?！皬难舆t性、網絡資源和數據量多方面綜合考慮，將數據移動到集中計算位置是低效、無效且不安全的，”他表示，“最好是將AI技術應用于數據所在之處，而不是將數據傳輸至AI系統進行處

88、理?！?5有權威銀行預測，2026年AI電腦將占個人電腦出貨量的40%以上26。無獨有偶，2024年近15%的智能手機出貨量將具備能夠運行大語言模型或圖像生成模型的能力27?；萜盏腁I電腦體驗和云客戶服務高級總監Alex Thatcher認為，設備的更新過程將與個人電腦1990年代從命令行輸入到圖形用戶界面的重大轉變類似?！安煌墓ぞ吆蛥f作方式如今充斥著軟件，已然發生了根本性變革，”他說，“軟件需要具備加速這一變革進程的能力，方便企業創造和交付AI解決方案?！?8今年，蘋果和微軟公司也都將在其生產的設備中嵌入AI，進一步推動即將到來的硬件更新29。隨著選擇的增多，有效治理將至關重要，企業需要思

89、考：我們有多少員工需要配備下一代設備？芯片制造商正在競相提高AI性能30，但企業用戶無法負擔隨每次技術進步更新所有邊緣設備。相反，他們應制定分層策略，從而實現這些設備的效用最大化。自建還是購買企業在考慮購買或租賃專用硬件時，通常會考慮成本、預期使用時間以及對于提升效率的必要性。然而，AI正在對這一決策施加另一層競爭壓力。由于GPU等硬件仍然稀缺，且市場迫切要求各類組織跟進AI革新，許多公司開始盡可能多地租賃算力。如果企業的數據賦能程度不足，他們可能難以充分利用AI。相較匆忙搶占GPU高地，企業了解自身在哪些方面已經做好迎接AI的準備效果更佳。某些領域可能涉及隱私或敏感數據；投資NPU可以實現離

90、線任務處理，而其他領域則可能適合在云端處理。得益于過去長達十年在云計算領域的相關經驗積累，企業已深刻洞察“如果有問題的模型在不合適的硬件上運行，成本會迅速膨脹”31，且將這些成本轉嫁到運營支出并非明智之舉。有些人認為GPU的效能被低估了32。Thatcher認為企業GPU利用率僅15%至20%，而惠普正在用一種高效的新方法來解決該問題：“我們已經實現每臺惠普工作站AI資源的跨企業共享。設想一下，能夠通過搜索查看哪些GPU處于空閑狀態，并使用它們來完成工作。按需計算已實現高達七倍的飛速提升，這或許將會成為行業標準?！?3此外，云端的AI資源市場正在不斷變化。例如，在全球范圍內，對AI主權的擔憂日

91、益增加34。雖然來自世界各地的許多公司都已允許在美國云服務器上運行他們的電子商務平臺或網站，但當AI應用涉及國家安全和數據管理時，一些公司便不愿將AI部署在海外，這為新涌現的本土AI云供應商或私有云供應商打開了市場35?！癎PU即服務”算力初創公司是超大規模云服務商的替代選擇36。這意味著算力租賃市場可能很快便會演變為分散化格局，進而為企業客戶提供更多選擇。最后，雖然在未來兩年內AI可能會成為首要議題，但當下關于“自建還是購買”的決策不應只考慮AI的影3031硬件吞噬世界響。正如我們在“新難題：量子時代對加密技術的挑戰”這一趨勢中所討論的，企業或將傾向于考慮使用量子計算來進行下一代加密（尤其是

92、隨著AI被用于處理和傳輸更多敏感數據）、優化和模擬問題。數據中心可持續性有關運行大型AI模型數據中心的能源使用已經產生諸多討論。主流銀行發布的報告已在質疑我們是否有足夠的基礎設施資源以滿足AI需求37。主流聊天機器人的每日電力消耗相當于近18萬個美國家庭的日常用電量 38。簡而言之，AI需要數據中心提供前所未有的能源，而那些老化的電網可能無法滿足這一任務需求。雖然許多公司對通過獲取AI芯片（如GPU）來運行工作負荷感到憂慮，但可持續性問題可能更為重要。目前關于AI的可持續發展討論眾說紛紜，企業在考慮未來兩年的AI數據中心時，應關注這些領域的進展（圖2）：可再生能源：數據中心和AI云供應商尋找可

93、持續能源所面臨的壓力正在逐漸加大對AI的關注程度快速增長可能有助于整體經濟向可再生能源過渡39。大型科技公司已經在嘗試與核能供應商的合作40。在線翻譯服務DeepL在冰島設立了一個數據中心，該中心利用當地天然的寒冷氣候進行自然冷卻，并完全依賴地熱和水力發電供電41。在薩爾瓦多，企業甚至在探索如何利用火山為數據中心供電42?？沙掷m性應用：雖然AI的相關建設會消耗大量能源，但AI在許多領域的應用可以抵消部分碳成本。AI已經用于構建并跟蹤森林砍伐、冰山融化情況，探索惡劣天氣規律。它還可以幫助公司跟蹤排放量，從而提高數據中心的使用效率43。硬件改進：新的GPU和NPU為企業節省能源消耗和成本。創新并未

94、停滯，最近英特爾和格羅方德(Global Foundries)向公眾展示了一款用光替代電來傳輸數據的新芯片44。這可能會為數據中心帶來革命性的變化，大幅降低延遲，推動建設更分散的布局，并顯著提高可靠性。雖然目前這種光纖方法的成本處于較高水平，但未來幾年內成本有可能顯著下降，從而使這種芯片成為市場主流。最后，基礎設施的復興離不開對連接性的信賴。隨著邊緣設備的激增和公司依賴從數據中心租賃GPU，互連的復雜性可能會增加。像NVIDIA的NVLink這樣的高性能互連技術已經為更先進的GPU與其他芯片之間的通信做好了準備45。6G技術的發展或將整合全球范圍內地面和非地面網絡（如衛星），實現無處不在的連接

95、，開普敦（南非城市）的一家公司就憑借雷克雅未克（冰島首都）的數據中心實現延遲的最小化46。正如華爾街日報所述，企業的AI轉型與許多汽車制造商正在經歷的電氣化轉型類似47。技術基礎設施需要基于每個組件重新進行考量，當前圍繞邊緣計算、專用硬件投資和可持續性做出的決策會產生深遠的影響。展望：機器人是大勢所趨如果硬件的戰略性革故鼎新勢在必行，那么在下一個十年，隨著機器人成為主流工具手段、智能設備變得真正名副其實，企業將面臨更多變革任務以順應潮流。以智能工廠為例，這些工廠可利用計算機視覺、無處不在的傳感器和數據構建能夠在生產制造過程中自學習和改進的機器設備48。與僅僅提供讀數或調整單一參數（如恒溫器）不

96、同，多個AI嵌入式設備組成的網絡可以創建協作計算環境，并協調各種資源49。位于舊金山的公司Mytra開創了一種智能工廠新模式，極大地簡化了倉庫材料的搬運和存儲過程，將手動操作轉型升級為高效、智能的自動化流程。該公司開發了一種完全模塊化的存儲系統，由鋼制“立方體”組成，能夠以任意形狀組合在一起，支撐內部物料的3D移動和存儲，同時由機器人進行操控和優化50。Mytra的CEO Chris Walti認為，這種方法開啟了通往未來無數未知應用的自動化操作之門：“這是首批用于在3D空間內移動物質的通用計算機之一。51”Walti認為，將機器人技術用于處理有明確約束條件的問題（如在網格中移動材料或直線駕駛

97、車輛）蘊含巨大的發展潛力52。然而，迄今為止，優秀的高性能機器人在許多情況下仍屬罕見?？沙掷m性、安全性和地緣政治因素都會影響這一技術的發展，尤其是在我們已經建立了基礎設施（包括數據、網絡架構和芯片可用性等）并取得顯著進展之后。正如人們常提到的：“硬件是塊硬骨頭”53。在未來十年，能夠應對更復雜場景的機器人技術的進步，可能會顛覆制造業和其他體力勞動的性質。這種潛力直接引領了人形機器人的出現這些機器人是動態的、可持續學習的，并且有能力完成一些原本需要人類主導的任務。經濟學家和企業普遍認為，人口老齡化和勞動力短缺致使需對機器人和自動化追加投資54。如上所述，在許多應用場景中，這意味著大型工業機器人完

98、成相對簡單的任務，然而更復雜的任務則需要“更智能”的、能夠像人類一樣自如移動的“機械肌肉”。以斯帕坦堡（美國南卡羅來納州）寶馬工廠測試的Figure AI人形機器人為例55，通過計算機視覺、神經網絡和試錯算法的結合，自主機器人成功組裝了汽車底盤的部件56。我們或許會認為，該領域的最新進展在于機器人能夠勝任多種類型的工作，從清理下水道到在醫院房間之間運送材料，甚至進行復雜的手術57。正如AI正在重塑腦力勞動一樣，機器人數量的增加也可能深刻重塑制造業及其他領域的體力勞動和生產進程。在這兩種情境下，企業都應致力于尋找讓人類與機器高效協作的方法，而非各自為政。機器人解決了勞動力短缺的問題，為人類騰出更

99、多時間去從事獨特而復雜的創造性任務，而這正是人類的強項。作者Joanna Maciejewska精辟地指出：“我希望AI能幫我洗衣服和洗碗，這樣我就可以專注于藝術和寫作，而不是讓AI來完成我的藝術和寫作，這樣我反而要去洗衣服和洗碗?！?8AI要求相關領域發展洞察實施可再生能源追蹤AI上云的能源成本尋找創新型的可再生解決路徑節約能源應用將AI用于發現潛在能源節約項優化排放追蹤和數據使用情況硬件更新監控AI領域的科技進步投資新興能源節約芯片圖2資料來源：德勤研究3233硬件吞噬世界1.Jon Quast,“Artificial intelligence(AI)juggernaut Nvidia i

100、s one of the worlds most valuable companies.Heres what investors should know,”The Motley Fool,June 22,2024.2.Duncan Stewart et al.,“Gen AI chip demand fans a semi tailwind for now,”Deloitte Insights,November 29,2023;World Semiconductor Trade Statistics(WSTS),“Semiconductor market forecast spring 202

101、3,”June 6,2023.3.Rob Enderle,“AMD enters AI PC race,closes Microsoft Copilot+launch gaps,”TechNewsWorld,July 15,2024;Saba Prasla,“Meet the future of computing with AI PCs,”Dell Blog,May 31,2024;HP,“HP unveils industrys largest portfolio of AI PCs,”press release,March 7,2024.4.Taiba Jafari et al.,“Pr

102、ojecting the electricity demand growth of generative AI large language models in the US,”Center on Global Energy Policy,July 17,2024.5.International Energy Agency,Electricity 2024:Analysis and forecast to 2026,revised May 2024.6.Deloitte,“Powering artificial intelligence,”accessed November 18,2024.7

103、.Constellation,“Constellation to launch Crane Clean Energy Center,restoring jobs and carbon-free power to the grid,”press release,September 20,2024.8.Shira Ovide,“This$400 toothbrush is peak AI mania,”The Washington Post,April 5,2024;David Niewolny,“Boom in AI-enabled medical devices transforms heal

104、thcare,”NVIDIA Blog,March 26,2024.9.Marc Andreessen,“Why software is eating the world,”Andreessen Horowitz,August 20,2011.10.John Thornhill,“How hardware is(still)eating the world,”The Financial Times,February 15,2024.11.Stewart et al.,“Gen AI chip demand fans a semi tailwind for now.”12.Ibid.13.NVI

105、DIA,“NVIDIA hopper GPUs expand reach as demand for AI grows,”press release,March 21,2023.14.Databricks,State of data+AI,accessed October 2024.15.John Thornhill,“The likely winners of the generative AI gold rush,”The Financial Times,May 11,2023.16.Matt Ashare,“Nvidia sustains triple-digit revenue gro

106、wth amid AI building boom,”CIO Dive,August 29,2024;NVIDIA,“Nvidia(NVDA)Q2 2025 earnings call transcript,”The Motley Fool,August 28,2024;Dean Takahashi,“Nvidia unveils next-gen Blackwell GPUs with 25X lower costs and energy consumption,”VentureBeat,March 18,2024.17.Matt Ashare,“Big tech banks on AI b

107、oom as infrastructure spending heads for trillion-dollar mark,”CIO Dive,August 5,2024;DellOro Group,“Worldwide data center capex to grow at a 24 percent CAGR by 2028,”press release,August 1,2024.18.Evan Halper,“Amid explosive demand,America is running out of power,”The Washington Post,March 7,2024.1

108、9.Chris Hoffman,“What the heck is an NPU,anyway?Heres an explainer on AI chips,”PCWorld,September 18,2024.20.Anshel Sag,“At the heart of the AI PC battle lies the NPU,”Forbes,April 29,2024.21.Phone interview with Vivek Mohindra,senior vice president of corporate strategy,Dell Technologies,October 11

109、,2024.22.Christie Simons et al.,2024 global semiconductor industry outlook,Deloitte,2024.23.Aditya Agrawal,“The convergence of edge computing and 5G,”Control Engineering,August 7,2023;Baris Sarer et al.,“AI and the evolving consumer device ecosystem,”Deloittes CIO Journal for The Wall Street Journal

110、,April 24,2024.24.Matthew S.Smith,“When AI unplugs,all bets are off,”IEEE Spectrum,December 1,2023.25.Phone interview with Vivek Mohindra,senior vice president of corporate strategy,Dell Technologies,October 11,2024.26.Patrick Seitz,“AI PCs are here.Let the upgrades begin,computer makers say,”Invest

111、ors Business Daily,July 5,2024;Sam Reynolds,“AI-enabled PCs will drive PC sales growth in 2024,say research firms,”Computerworld,January 11,2024.27.Phil Solis et al.,“The future of next-gen AI smartphones,”IDC,February 19,2024.28.Phone interview with Alex Thatcher,senior director of AI PC experience

112、s and cloud clients at HP,October 4,2024.29.Rob Waugh,“Assessing Apple Intelligence:Is new on-device AI smart enough for the enterprise?,”The Stack,September 12,2024;Matt OBrien,“Microsofts new AI-enabled laptops will have a photographic memory of your virtual activity,”Fortune,May 20,2024.Tech Tren

113、ds is an independent publication and has not been authorized,sponsored,or otherwise approved by Apple Inc.30.Luke Larsen,“AMD just won the AI arms race,”Digital Trends,June 3,2024.31.David Linthicum,“Learning cloud cost management the hard way,”InfoWorld,July 16,2024.32.Tobias Mann,“Big Cloud deploy

114、s thousands of GPUs for AI yet most appear under-utilized,”The Register,January 15,2024.33.Phone interview with Alex Thatcher,senior director of AI PC experiences and cloud clients at HP,October 4,2024.34.Christine Mui,“Welcome to the global AI sovereignty race,”Politico,September 18,2024.35.Ibid.36

115、.Bobby Clay,“Graphics processing service providers step up to meet demand for cloud resources,”S&P Global Market Intelligence,July 19,2024.37.Goldman Sachs,Top of Mind 129,June 25,2024.38.Cindy Gordon,“ChatGPT and generative AI innovations are creating sustainability havoc,”Forbes,March 12,2024.39.M

116、olly Flanagan,“AI and environmental challenges,”Environmental Innovations Initiative,accessed October 2024;Deloitte,“Powering artificial intelligence.”40.Jennifer Hiller and Sebastian Herrera,“Tech industry wants to lock up nuclear power for AI,”The Wall Street Journal,July 1,2024.41.Robert Scheier,

117、“4 paths to sustainable AI,”CIO,January 31,2024.42.Tom Dotan and Asa Fitch,“Why the AI industrys thirst 尾注for new data centers cant be satisfied,”The Wall Street Journal,April 24,2024.43.Victoria Masterson,“9 ways AI is helping tackle climate change,”World Economic Forum,February 12,2024.44.Kirk Ogu

118、nrinde,“Intel is using lasers to help meet AI demands on data centers,”Forbes,June 26,2024.45.Rick Merritt,“What is NVLink?,”NVIDIA,March 6,2023.46.Garry Kranz,“What is 6G?Overview of 6G networks&technology,”TechTarget,last updated November 2023.47.Steven Rosenbush,“AI will force a transformation of

119、 tech infrastructure,”The Wall Street Journal,September 11,2024.48.Majeed Ahmad,“Sensor fusion with AI transforms the smart manufacturing era,”EE Times,July 26,2023.49.Melissa Malec,“AI orchestration explained:The what,why&how for 2024,”HatchWorks AI,last updated June 6,2024.50.Phone interview with

120、Chris Walti,chief executive officer of Mytra,October 11,2024.51.Ibid.52.Ibid.53.Sara Holoubek and Jessica Hibbard,“Why hardware is hard,”Luminary Labs,accessed October 2024.54.Peter Dizikes,“Study:As a population gets older,automation accelerates,”MIT News,September 15,2021;Hans Peter Bronomo,“Insid

121、e Googles 7-year mission to give AI a robot body,”WIRED,September 10,2024.55.BMW Group,“Successful test of humanoid robots at BMW Group Plant Spartanburg,”press release,August 6,2024.56.Ibid.57.Viktor Doychinov,“An army of sewer robots could keep our pipes clean,but theyll need to learn to communica

122、te,”The Conversation,January 26,2021;Case Western Reserve University,“5 medical robots making a difference in healthcare,”Online Engineering Blog,accessed October 2024;National Institute of Biomedical Imaging and Bioengineering(NIBIB),“Robot performs soft tissue surgery with minimal human help,”pres

123、s release,April 20,2022.58.Joanna Maciejewskas post on X,March 29,2024.3435硬件吞噬世界行業領袖Nitin Mittal 全球人工智能業務領導合伙人|德勤管理咨詢Nitin Mittal是德勤管理咨詢的合伙人，他目前擔任US人工智能戰略性增長業務咨詢領導合伙人，以及全球戰略、數據分析與并購領導合伙人。2019年，他在紐約人工智能峰會上榮獲“年度人工智能創新者獎項”。他專長于通過數據和認知驅動的轉型為客戶提供競爭優勢，這些轉型旨在提升智能水平，幫助客戶在面臨顛覆前做出戰略選擇并實現轉型。在他的職業生涯中，Mittal一直擔

124、任全球客戶的信賴顧問，并在多個行業領域工作過。他的主要工作重點是與生命科學和醫療健康行業的客戶合作，實施大規模的數據項目，以促進組織智能，并利用高級分析和AI推動洞察力和業務戰略。Abdi GoodarziUS企業績效業務板塊領導合伙人+1 714 913 1091|Abdi Goodarzi是德勤管理咨詢的合伙人，領導德勤的企業績效業務板塊。這一板塊包括六項服務，為各種企業職能提供策略、實施和運營服務，涵蓋從端到端的業務和IT轉型、數字供應鏈優化、制造和產品策略、采購即服務，到全球財務、共享服務、規劃、IT服務管理(ITSM)，以及全面的資產管理服務(AMS)和業務流程外包(BPO)。該業務

125、板塊在多個ERP平臺方面具備專業能力，包括SAP、Oracle、Workday Financials和Infor，同時還涵蓋了ServiceNow、Anaplan、Ariba和Coupa等平臺，以及房地產解決方案如Nuvolo，以及產品生命周期管理(PLM)、規劃和履行、工程解決方案如Siemens、PTC、O9、OMP和IBP等。致謝衷心感謝德勤各領域的眾多專家領導，他們為計算章節的研究做出了寶貴的貢獻：Lou DiLorenzo,Abdi Goodarzi,Lena La,Nitin Mittal,Manish Rajendran,Jim Rowan,Baris Sarer.持續對話363

126、7IT出圈：AI助推技術部門躍遷關于AI在革新業務應用場景和成果方面的潛力，無論是在技術趨勢中還是業內均有大量討論，在端到端的軟件工程生命周期以及信息技術等更廣泛的業務中表現得更為明顯，這是因為生成式AI不僅能夠編寫代碼、測試軟件，還能在整體上賦能技術人才。德勤的研究表明，處于這一組織變革前沿的科技公司已經準備推進落實生成式AI在接下來的一年內，相比于保守的同行，他們有雙倍的概率使用生成式AI引導組織變革1。德勤曾在技術趨勢2024中提到，企業需要重塑開發者體驗，以協助IT團隊提升工作成果。如今，沿著AI成熟度曲線，技術部門的工作方式正受到更多關注。長期以來，IT一直是企業數字化轉型的燈塔，但

127、現在必須承擔起AI轉型的重任。具備前瞻性的IT領導者正在利用當前這個千載難逢的機會，重新定義IT部門的角色和職責，設定投資優先級，并在企業內共識價值期待。更重要的是，CIO可以通過扮演這一先鋒角色，激勵和幫助其他技術領導者將AI轉型付諸實踐。在企業多年追求“精益IT”和“一切即服務”的解決方案之后，AI正在推動IT從虛擬化和預算緊縮向著新方向轉變。Gartner預測，“2024年，全球的IT支出預計將達到52600億美元，比2023年增長7.5%?！? 正如我們在本文“硬件吞噬世界”趨勢中所討論的，硬件和基礎設施正在受到新一輪追捧，企業的IT支出與運營可能會根據變化進行相應的調整。隨著傳統AI

128、和生成式AI變得更強大且日益普及，技術交付的各個階段可能會從人類主導轉變為人類參與。組織需要在這一變化發生前制定明確的戰略。根據德勤的分析，在未來18到24個月內，IT領導者應當計劃在以下五個關鍵領域進行AI轉型：工程、人才、云財務運營(FinOps)、基礎設施和網絡風險。這一趨勢可能會在未來十年引領一種新的精益IT模式。若業務部門中出現更多的公民開發者或數字智能體能夠隨意啟動應用程序，IT部門的角色可能會從構建和維護者轉變為協調和創新者。在這種情況下，AI不僅可能像我們在今年的報告引言中所指出的那樣潛移默化地發揮作用，還可能公開進入董事會，按照人類的需求監督技術運營。當下：IT聚光燈下，加薪

129、助燃多年來，IT部門一直面臨著需要精簡龐大的云支出和控制成本的壓力。然而2020年以來，由于企業協作工具的需求未被充分滿足，且疫情期間數字化受到了額外重視，企業一直在增加技術投資3。根據德勤的研究，從2020年到2022年，全球平均的技術預算占收入的比例從4.25%躍升至5.49%，這一比例的增長大約是2018年至2020年增長的兩倍4。而在2024年，美國公司的平均數字化轉型預算占收入的比例為7.5%，其中5.4%來自IT預算5。隨著對AI的需求所引發出的新一輪支出增長，德勤2023年全球技術領導力研究的發現依然成立：技術即業務。技術支出也因此增加。如今，企業正努力協調硬件、數據管理和數字化

130、的新關聯，以提升AI使用率，實現其價值潛力。根據德勤在2024年第2季度發布的生成式AI企業應用報告，德勤自評在生成式AI方面是具有“非常高”專業知識水平的企業，在硬件和云消費方面的投資增長遠高于平均水平IT出圈：AI助推技術部門躍遷隨著技術部門從引領數字化轉型轉變為引領AI轉型，具備前瞻性的領導者正在利用這一機會重新定義IT的未來。技術業務3839IT出圈：AI助推技術部門躍遷6?？傮w而言，75%的受訪組織因生成式AI增加了對數據生命周期管理的投資7。這些數據指向了一個共同的主題：要實現生成式AI的最大影響，企業可能需要在云和數據方面迅速、合理地跟進趨勢。AI有可能在成本、創新和其他許多領域

131、提高效率，但獲得這些益處的第一步是企業要重視進行正確的技術投資8。由于這些投資策略至關重要，企業中主導這些投資的技術領導者正備受矚目。根據德勤的研究，現超過60%的美國技術領導者正在直接向他們的CEO匯報，這一比例自2020年以來增加了超過10個百分點9。這證明了技術領導者不僅在執行戰略方面很重要，在制定AI戰略方面的重要性也在日益增加。與成本中心不同，IT部門正在越來越多地被視為AI時代中的差異化因素，因為緊跟市場趨勢的CEO們熱衷于推進AI在其企業中的應用10。前Vanguard全球CIO和德勤美國CIO John Marcante認為，AI將從根本上改變IT部門所扮演的角色。他表示，“技

132、術組織將更加精簡，但其職責范圍將更廣。IT部門將比以往任何時候都更深入地融入業務。AI迅速發展，集中化是確保組織速度和專注度的好方式?！?1在IT為AI帶來的機遇做準備的過程中這可能是許多技術領導者和員工期待已久的機會技術部門的組織方式和工作執行方式已經在發生變化。事關重大，IT部門亟需改革。探索：AI助力，IT破勢在接下來的18到24個月內，隨著企業越來越多地使用生成式AI，IT部門的性質可能會發生變化。德勤前瞻性分析表明，到2027年，如我們在五個關鍵支柱中討論的那樣，即使在最保守的情況下，生成式AI也將嵌入每家公司的數字化產品或軟件足跡中（圖1）12。工程正如德勤在技術趨勢2024中所討

133、論的，在傳統的軟件開發生命周期中，手動測試、缺乏經驗的開發人員和分散的工具環境可能導致效率低下。幸運的是，AI已經在這些領域中發力。AI輔助代碼生成、自動化測試和快速數據分析，為開發人員節省了更多創新和功能開發的時間。據估計，僅在美國，僅代碼編寫一項所帶來的生產率提升，就價值120億美元13。谷歌正在把AI工具對內提供給開發者使用。在最近的財報電話會議上，CEO Sundar Pichai表示，該科技巨頭大約25%的新代碼是使用AI開發的。開發者產品的產品管理高級總監Shivani Govil認為，“AI可以改變工程團隊的工作方式，帶來更多的創新空間、更少的重復勞動和更高的開發者滿意度。谷歌的

134、方式是將AI提供給用戶，來滿足他們在各個場景下的需求通過將技術融入開發者每天使用的各種產品和工具中，以支持其工作。隨著時間的推移，我們可以實現代碼與業務需求之間更緊密地對齊，從而加快反饋循環，改善產品市場契合度，以及更好地與業務成果保持一致?！?4在另一個例子中，一家醫療健康公司使用COBOL代碼輔助，使一位沒有該編程語言經驗的初級開發人員能夠生成準確率達到95%的解釋文件15。正如德勤在一篇關于生成式AI時代的工程文章中所述，開發者的角色可能會從編寫代碼轉變為定義架構、審查代碼并通過提示詞工程實現編排功能。技術領導者應預見到，在未來幾年的AI使用過程中，人機協作的代碼生成和審查將成為標準16

135、。人才德勤去年調查的技術高管指出，他們難以招聘到具有安全、機器學習和軟件架構這些IT關鍵背景的員工，并且由于缺乏合適技能的人才，他們被迫推遲有資金支持的項目17。隨著AI成為最新的需求技能，許多公司可能甚至無法找到所需的所有人才，這導致近50%AI相關的職位空缺18。同時結合AI驅動的技能差距分析、個性化學習路徑建議以及按需學習的虛擬導師的潛在益處，技術領導者應專注于提升自有人才的技能，這也是AI可以發揮積極作用的領域之一。生命科學公司拜耳已經開始使用生成式AI來總結程序文件并生成富媒體，如用于在線學習的動畫19。同樣，AI可以生成幫助新開發人員理解遺留技術的文檔，然后為該開發人員創建相關的學

136、習播客和考試。在谷歌，開發者通過實踐經驗和解決問題來提升自我，因此領導者熱衷于提供滿足開發者在其學習旅程中需要的AI學習和工具（如編碼助手）。谷歌開發者體驗高級總監Sara Ortloff表示，“我們可以通過AI來強化學習，結合新興技術，以預測和支持適應這些技術所需的快速變化的技能和知識?！?0隨著自動化程度的提高，技術人才將承擔監督角色，并擁有更多精力專注于能夠改善利潤所在的創新（正如我們去年所討論）。這有助于吸引人才，因為根據德勤的研究，吸引技術人才加入新機會的最大激勵是他們在該職位上將要從事的工作本身21。云財務運營在云計算時代，由于資源可以一鍵配置，支出失控成為了一個屢見不鮮的問題。云

137、服務供應商巨頭為財務團隊和CIO們提供了數據和工具，以更好地跟蹤團隊的生成式AI如何轉變IT工作方式在接下來的18到24個月內，隨著生成式AI越來越多地融入工作方式，企業可能會在其技術團隊中看到顯著改進。德勤的前瞻性分析表明，到2027年，即使在最保守的情況下，生成式AI也將嵌入每家公司的數字產品/軟件足跡中。隨著我們從當前狀態過渡到IT中AI的目標狀態，手動和耗時的過程，如代碼審查、基礎設施配置和預算管理，可以自動化和優化。資料來源：德勤研究及分析問題必需變革建議舉措工程人才云財務運營基礎設施網絡傳統軟件開發生命周期中的手動、低效的方面從編寫代碼轉向定義架構、審查代碼和協調功能技術領導者應預

138、期人類參與的代碼生成和審查將成為標準高管們難以招聘到具有合適背景的員工，被迫推遲項目AI可以生成豐富的學習和發展媒體以及文檔，以提升人才技能技術領導者應實施定期的AI驅動的學習建議和個性化方案，作為新的工作方式在云上，資源可以一鍵配置，因此超支很常見AI驅動的成本分析、模式檢測和資源分配可以以新的速度優化IT支出領導者應持續應用AI，幫助其證明其價值并優化成本近一半的企業在處理安全、合規和服務管理等任務時采用手動方式自動資源分配、預測維護和異常檢測可以徹底改變IT系統領導者應努力實現可按需通過AI 自動修復的IT基礎設施生成式AI和數字智能體為不良分子打開了比以往更多的攻擊面自動數據屏蔽、事件

139、響應和政策生成可以優化網絡安全響應企業應采取措施，通過新技術或流程進一步驗證數據和數字媒體圖14041IT出圈：AI助推技術部門躍遷云使用情況，但這些財務運營工具多數仍然需要人工進行預算編制，并且在不同系統之間的可視化程度有限 22。而AI使組織能夠更加及時、主動和有效地進行財務管理。實時成本分析、強大的模式檢測和跨系統的資源分配可以以全新的速度優化IT支出23。AI可以幫助企業通過更優的預測與追蹤手段發現更多節約成本的機會 24。以上行為的必要性在于，未來幾年，AI可能會大幅增加大型公司的云成本。將AI應用于財務運營可以幫助證明針對AI投資的合理性，并在AI需求增加的同時優化其他方面的成本2

140、5?；A設施在IT基礎設施的廣泛范疇內（從工具鏈到服務管理），組織與他們所期望的自動化程度尚有差距。就在幾年前，一半的大企業仍在完全手動處理諸如安全、合規和服務管理等關鍵任務26。缺少的關鍵因素是什么？是能夠學習、改進并應對業務變化需求的自動化?，F在，這已成為可能。自動資源分配、預測性維護和異常檢測皆可能在一個企業智能體中實現，它能夠理解自身實時狀態并采取相應行動27。這種新興的IT觀念被稱為自主計算，類似于人體的自主神經系統，該系統調節心率和呼吸，并根據內部和外部刺激動態調整28。正如上文所述，這樣的系統將使基礎設施從人類主導轉變為人類參與，因為其將自行管理，并最終僅呈現某些需要人類干預的問

141、題。這就是為什么像eBay這樣的公司已經在利用生成式AI來擴展基礎設施，并處理大量客戶數據，這可能會對其平臺產生巨大影響29。網絡盡管AI可能會使IT的許多方面變得更簡單或更高效，但它無疑增加了網絡風險的復雜性。正如去年所討論的，生成式AI和合成媒體為釣魚、深度偽造、提示注入等行為開辟了比以往更多的攻擊面30。隨著AI的普及和數字智能體成為最新的企業間代表，這些問題可能會變得更加嚴重。企業應采取措施進行數據認證，例如安全公司SWEAR開創了一種通過區塊鏈驗證數字媒體的方法31。數據脫敏、事件響應和自動化政策生成，都是可以應用生成式AI優化網絡安全響應和防御攻擊的領域32。最后，隨著技術團隊逐漸

142、適應上述變化和挑戰，許多團隊將把重點轉向AI可以實現的創新、敏捷性和增長。團隊可以簡化其IT工作流程，減少對人工干預或離岸外包的需求，使IT能夠專注于更高價值的業務活動33。事實上，IT資源的重新分配很可能會發生。正如Freeplay CEO Ian Cairns所述，“就像任何重大平臺轉型一樣，成功的企業將是那些能夠重新思考和適應如何在新時代工作和構建軟件的企業?！?4展望：IT即服務對于許多IT團隊來說，此刻就如一聲全員行動的警報，產品經理、領域專家和業務部門領導正在深入研究AI的細節，以建立可行的概念驗證。如果這一驗證成功，公司能夠通過新技術提高利潤率，IT部門可能會從成本中心和推動者轉

143、變為競爭的關鍵所在。這時CIO的角色及其對技術資產的管理可能會發生巨大變化。設想在未來十年內，IT從集中控制的職能轉變為創新領導者，提供可重用的代碼塊和平臺，業務部門可以利用這些資源開發自己的解決方案。雖然“IT即服務”并非新概念，但此前的理解是，公司IT基礎設施的多個部分將交給新的供應商35。展望未來，這些供應商可能會被組織內部訓練的安全智能體所取代。從這一角度出發，IT本身可以成為通過在線門戶所提供的服務，其中低代碼或無代碼技術與先進的AI相結合，使非技術人員能夠創建和運行應用程序36。例如，首席架構師的角色可能會大不相同，許多傳統任務將由數字智能體執行。就像今天的云計算模塊可以通過點擊打

144、開一樣，未來5到10年內，整個應用程序可能只需點擊即可獲得。持續的技術學習和流暢性將成為整個企業的必備條件，不僅僅是IT部門，員工和公民開發者也將被鼓勵適應最新技術。信任和安全責任也將擴大，技術團隊將保留人類的參與，以審查數據隱私、網絡安全和道德AI實踐。盡管AI的發展可能使IT在未來扮演的角色受到質疑，但事實上，一旦AI滲透到企業的各個方面，就會提升技術職能的地位。有見地的技術領導者需要培養一系列技能，因為技術和AI在企業中的重要性將會日益增加。這些技能包括流程和業務知識、項目和產品管理、業務發展、信任和合規專長，以及生態系統管理（包括AI工具和共享能力）。領導者還可能需要承擔新的角色，成為

145、企業AI的教育者和倡導者，以推動變革管理。Marcante表示，“AI功能可能被廣泛使用并刺激創新，但技術領導者必須引領這一議程。必須有一套全球性的指導原則和目標，以推動企業向前發展?！?71.Faruk Muratovic,Duncan Stewart,and Prashant Raman,“Tech companies lead the way on generative AI:Does code deserve the credit?”Deloitte Insights,August 2,2024.2.Gartner,“Gartner forecasts worldwide IT spe

146、nding to grow 7.5%in 2024,”press release,July 16,2024.3.Lou DiLorenzo Jr.et al.,“From tech investment to impact:Strategies for allocating capital and articulating value,”Deloitte Insights,September 13,2023.4.Ibid.5.Tim Smith et al.,“Focusing on the foundation:How digital transformation investments h

147、ave changed in 2024,”Deloitte Insights October 14,2024.6.Nitin Mittal et al.,“Now decides next:Getting real about Generative AI,”Deloittes State of Generative AI in the Enterprise Q2 report,April 2024.7.Ibid.8.Elizabeth Sullivan(ed.),“Gen AI investments increasingly extend beyond the AI itself,”Delo

148、itte Insights Magazine 33,September 26,2024.9.Belle Lin,“AI puts CIOs in the spotlight,right next to the CEO,”The Wall Street Journal,June 12,2024.10.Benjamin Finzi et al.,“Three roles CEOs need to play to scale generative AI,”Deloitte,2024.11.John Marcante,former global CIO of Vanguard and US CIO-i

149、n-residence at Deloitte,Deloitte interview,October 8,2024.12.Laura Shact et al.,“Four futures of generative AI in the enterprise:Scenario planning for strategic resilience and adaptability,”Deloitte Insights,October 25,2024.13.Muratovic et al.,“Tech companies lead the way on generative AI.”14.Shivan

150、i Govil,senior director and project manager of developer tools,Google,Deloitte interview,September 4,2024.15.Faruk Muratovic et al.,“How can organizations engineer quality software in the age of gen AI?,”Deloitte Insights,October 28,2024.16.Ibid.17.David Jarvis,“Tech talent is still hard to find,des

151、pite layoffs in the sector,”Deloitte Insights,August 14,2023.18.Mark Dangelo,“Needed AI skills facing unknown regulations and advancements,”Thomson Reuters,December 6,2023.19.Donald H.Taylor,The global sentiment survey 2024,February 2024.20.Sara Ortloff,senior director of developer user experience,G

152、oogle,Deloitte interview,September 4,2024.21.Linda Quaranto et al.,“Winning the war for tech talent in FSI organizations,”Deloitte,February 2022.22.David Linthicum,“Whats going on with cloud finops?,”InfoWorlds Cloud Computing Blog,February 27,2024.23.PwC,“FinOps and AI:Balancing innovation and cost

153、 efficiency,”CIO,September 24,2024.24.Fred Delombaerde,“Will AI and LLMs transform FinOps?,”video,FinOps Foundation,May 20,2024.25.Linthicum,“Whats going on with cloud finops?”26.Nicholas Dimotakis,“ITs dirty little secret:Manual processes are still prevalent,”Forbes,February 25,2021.27.Michael Napp

154、i,“Go beyond with autonomic IT to drive the autonomous business,”ScienceLogic Blog,May 15,2024.28.Science Direct,Autonomic Computing,accessed October 2024.29.John Kell,“How eBay uses generative AI to make employees and online sellers more productive,”Fortune,August 14,2024.30.Mike Bechtel and Bill B

155、riggs,“Defending reality:Truth in an age of synthetic media,”Deloitte Insights,December 4,2023.31.Jason Crawforth,“My take:Tackling the problem of deepfakes,”Deloitte Insights,August 7,2024.32.Palo Alto Networks,“What is generative AI in cybersecurity?,”Cyberpedia,accessed October 29,2024.33.Ilya Ga

156、ndzeichuk,“How AI can transform the IT service industry in the next 5 years,”Forbes,May 16,2024.34.Ian Cairns,“Generative AI forces rethink of software development process,”Deloitte Insights,July 1,2024.35.Canon,“4 reasons why as-a-service is the future for IT teams,”accessed October 2024.36.CloudBl

157、ue,“What is IT as a service?”November 28,2022;Isaac Sacolick,“7 innovative ways to use low-code tools and platforms,”InfoWorld,April 22,2024.37.Phone interview with John Marcante,former global CIO of Vanguard and US CIO-in-residence at Deloitte,October 8,2024.尾注4243IT出圈：AI助推技術部門躍遷Industry leadership

158、Tim Smith 技術戰略及業務轉型領導合伙人|德勤摩立特美國|德勤管理咨詢+1 212 313 2979|Tim Smith是德勤管理咨詢的合伙人，同時擔任德勤摩立特技術戰略與業務轉型實踐的合伙人。他在美國及海外擁有超過20年的跨行業技術咨詢與實施經驗。Tim與客戶密切合作，通過對運營模式、架構和生態系統之間進行綜合決策，從而最大化技術資產的價值。他現居紐約市，擁有弗吉尼亞大學系統工程學士學位以及倫敦商學院的工商管理碩士學位。Anjali ShaikhUS CIO項目體驗總監|德勤管理咨詢+1 714 436 7237|Anjali Shaikh是德勤技術執行計劃的體驗總監，作為CIO、C

159、DAO以及其他技術合伙人的顧問，為項目發展提供戰略指導。Shaikh領導一個經驗豐富的團隊，該團隊負責創造定制化體驗并形成高價值領先理念，以幫助高管應對復雜挑戰、塑造技術議程、建立并領導高效團隊，并協助他們在職業生涯中脫穎而出。Lou DiLorenzo JrAI與數據服務領導合伙人|US CIO&CDAO項目全國領導合伙人|德勤管理咨詢+1 612 397 4000|Lou DiLorenzo是德勤管理咨詢AI與數據服務領導合伙人、US CIO&CDAO項目全國領導合伙人。他是德勤生成式AI業務領導團隊的成員，并擔任生成式AI孵化器的負責人。憑借超過20年的跨行業運營、企業業務和咨詢經驗，他

160、在凝聚關鍵利益相關者、推動變革、發展新能力以及實現積極的財務成果方面擁有卓越的成績。此前，DiLorenzo曾擔任一家消費型健康保險初創企業的COO，以及Cargill公司食品配料與生物工業部門的全球CIO。他經常為知名刊物撰寫技術文章，并主持播客節目Techfluential。致謝衷心感謝德勤各領域的眾多專家領導，他們為技術業務章節的研究做出了寶貴的貢獻：Kenny Brown,Lou DiLorenzo,Diana Kearns-Manolatos,Siva Muthu,Chris Purpura,Anjali Shaikh,Tim Smith.持續對話4445新難題：量子時代對加密技術的

161、挑戰網絡安全專家需要考慮的問題已經有很多。從司空見慣的網絡詐騙到悄然興起的AI生成內容威脅，迫在眉睫的問題層出不窮。然而，在專注于這些緊急問題的同時，他們可能忽視了一個重要的潛在威脅：未來某一天，加密相關量子計算機(CRQC)可能會破解當前企業依賴的大部分公鑰加密技術。一旦加密技術被破解，在線會話的建立、交易的驗證和用戶身份的保護將受到嚴重威脅。讓我們將此風險與對千年蟲(Y2K)問題的歷史應對措施進行對比。在千年蟲問題中，企業預見到了迫在眉睫的風險，并隨著時間的推移逐步將其解決，通過從特定時間點倒排的方式避免更大的影響1。CRQC的潛在威脅則截然相反：其影響預計會更為廣泛，但無人知曉威脅何時會

162、造成災難。盡管企業普遍認為應對CRQC非常重要，但由于時間上的不確定性，其緊迫性往往較低。這導致了一種趨勢，即組織傾向于推遲針對量子計算機的網絡安全態勢準備?！俺抢钦娴膩砹?，否則人們只會一味地說是的，我們會處理的，或者供應商會幫我處理的。我們的事情太多，預算太少?！本W絡安全公司Quantropi的CIO Mike Redding表示2，“應對量子計算威脅也許是有史以來最重要的事情，但對于大多數人來說并非當務之急，因此他們不斷推遲解決該問題?！边@種自以為是的心態是災難的溫床，因為問題并不在于量子計算機是否會到來，而是何時會到來。大多數專家認為，CRQC到來的準確時間對加密技術來說是無關緊要的，

163、它可能在未來的5到10年內到來，但組織需要多長時間更新他們的基礎設施和第三方依賴關系？8年？10年？還是12年？參考之前完成加密升級所需的時間（如從SHA1遷移到SHA2），現在開始行動是明智的。在最近的一份報告中，美國管理與預算辦公室表示，“CRQC可能會破解當前政府和私營部門普遍使用的一些加密技術。雖然目前普遍認為CRQC尚未面世，但是量子計算領域的穩步發展可能會在未來的十年內催生出CRQC。因此，聯邦機構必須通過遷移到抗量子公鑰加密系統來加強其現有信息系統的防御?！?問題的潛在規模非常大，但幸運的是，如今已有專業的工具與知識幫助企業解決這一問題。美國國家標準與技術研究院(NIST)最近發

164、布的后量子加密(PQC)算法標準可以在付出高昂代價之前預防該問題4，許多其他國家的政府也正致力于解決這一問題5。除此之外，重煥活力的網絡意識可以引導企業走上更安全的道路。當下：加密技術無處不在網絡安全團隊的兩個主要關注點是確保技術完整性和防止運營中斷6。對數字簽名和密碼密鑰交換（這些是數據加密的基礎）的破壞是最令團隊擔憂的事情。失去能夠保證數字簽名真實性且未被篡改的加密技術，可能會對通信和交易的完整性造成重大打擊。除此之外，信息安全傳輸能力的缺失可能使大多數的組織運營被破壞。企業正逐漸意識到量子計算對其網絡安全構成的風險。根據德勤全球網絡安全前瞻調研報告，目前有52%的組織正在評估暴露風險并針

165、對量子技術相關風險制定應對措施。另有30%的組織表示他們正在采取果斷的行動，實施針對這些風險的解決方案?！按藛栴}規模宏大，且對未來的影響日益凸顯。也許距離它的到來仍有一些時間，但我們需要防患于未然?！蹦炒笮凸I產品公司印度分部的安全技術副總裁Gomeet Pant表示7。新難題：量子時代對加密技術的 挑戰量子計算機可能對當前的加密實踐構成嚴重威脅，更新加密技術刻不容緩。網絡與信任4647新難題：量子時代對加密技術的挑戰當前，加密技術無處不在，眾多組織需要得到相關協助以識別其存在的每一個角落。它存在于組織擁有并管理的應用中，也存在于合作伙伴與供應商的系統里。想要全面了解CRQC對加密技術構成的組

166、織風險（圖1），需要從廣泛的基礎設施、供應鏈和應用程序入手。加密技術被用于保護數據機密性和數字簽名以維護電子郵件、宏、電子文檔和用戶認證的完整性，而CRQC會使這一切受到威脅，從而破壞數字通信的完整性和真實性8。雪上加霜的是，在沒有CRQC的當下，企業數據可能已經處于風險之中。種種跡象表明，不良分子正進行所謂的“先竊取，后解密”攻擊，即先竊取加密數據，待更成熟的量子計算機出現后再進行破解。在企業將系統升級為抗量子加密系統之前，其數據可能會持續收到威脅?！拔覀兒茉缇鸵庾R到客戶數據和金融行業面臨的潛在威脅，這促使我們在量子準備領域取得了開創性成果，”摩根大通新型技術安全部門負責人Yassir Na

167、waz表示，“我們的行動始于對加密技術的全面盤點，并延伸開發PQC解決方案，通過加密敏捷流程對我們的安全措施進行現代化升級?！?鑒于問題的規模，升級至量子安全加密技術可能需要花費幾年，十幾年甚至更久，在這期間我們也很可能看到CRQC的出現10。量子計算對加密技術的潛在威脅在感覺上也許遙遙無期，但啟動應對這一威脅的時機就是現在（圖2）?！敖M織應立即啟動為量子計算帶來的潛在威脅做準備，”NIST計算機安全部門負責人Matt Scholl表示，“向新的PQC標準過渡將是一個漫長的過程，期間需要全球范圍的合作。NIST將繼續開發新的PQC標準，并與企業和政府合作以鼓勵他們采用該標準?！?1探索：邁向量

168、子安全新未來不過，也有好消息。雖然升級加密技術以抵御量子計算機的威脅需要全面而廣泛的努力，但只要時間充足，操作層面上還是相對明確的。初步行動包括政策和管理方法的建立、了解當前的加密暴露情況、評估如何在基礎設施和供應鏈優先采取補救工作。同時，規劃綜合性的路線圖，確保更新換代既覆蓋組織內部，也能通過合同機制，要求供應商符合新標準?！耙朐贗T領域已蔓延了數十年的加密技術中重建掌控權，第一步是充分利用現代加密管理解決方案，其為組織提供了至關重要的觀測和報告能力?！本W絡安全集團SandboxAQ的總經理Marc Manzano稱12。初步行動完成后，組織便可著手進行加密算法更新。2024年8月，NIS

169、T發布了新標準，其中包含了可供組織實現的新算法。該機構表示，新算法可以通過更改數據加密和解密方式來抵御量子計算機的攻擊13。當前的加密實踐是使用復雜的數學問題進行數據編碼，這些問題的復雜度之高，即使是當今最強大的超級計算機也無法解決。但量子計算機很可能會迅速破解這些問題。更新后的NIST標準不再依賴于當前的大數分解問題，而是使用格問題和哈希算法問題，這些問題足夠復雜，即使是量子計算機也難以破解14。大型科技公司已經開始了他們的轉型之路。在NIST發布更新標準后，蘋果更新了iMessage應用程序，以使用量子安全加密方法15。谷歌宣布其加密庫已使用新標準，該標準也將應用到Chrome瀏覽器中16

170、。深耕量子計算技術的IBM已將PQC技術融入到其多個平臺中，微軟也宣布將量子安全算法添加到其加密庫中17。2021年，NIST的國家網絡安全卓越中心(NCCoE)啟動了PQC遷移項目。該項目已發展超過40名合作者，其中很多合作者擁有多樣化的加密技術探索與盤點工具。該項目展示了這些工具的使用方式，以幫助組織進行使用規劃。其他合作者則專注于測試這些PQC算法在協議中的應用，了解算法的互操作性和性能，從而為在產品中實現PQC做好準備18。若不能全面關注風險三要素，損失將難以估量資料來源：Colin Soutar,Itan Barmes,and Casper Stap,“Dont let driver

171、s for quantum cyber readiness take a back seat!”,德勤,2024年11月暴露這個問題的規模非常大風險量子計算機的到來時間是未知的脆弱性目前安全加密的信息在量子計算機成熟后會變得不安全風險三要素圖1與量子世界接軌注釋：樣本量為1,196名C級高管和高級領導。資料來源：德勤,“The promise of cyber:Enhancing transformational value through cybersecurity resilience,”2024年11月當前尚未考慮量子相關風險意識到了量子威脅但尚未采取行動正對量子相關的暴露風險進行評估正

172、制定應對量子相關風險的策略正實施測試版解決方案以減輕或避免風險正大規模實施解決方案以解決量子相關風險4%13%27%25%18%12%30%圖24849新難題：量子時代對加密技術的挑戰“組織需要了解其應在何處以及如何使用加密產品、算法和協議，從而啟動向量子準備階段的過渡，”NCCoE的PQC遷移項目聯合負責人Bill Newhouse說，“我們的項目將展示這些工具的使用方法以及這些工具的輸出如何支持風險分析，從而幫助組織規劃優先遷移到PQC的內容?！?9展望：用后量子武器對抗量子威脅在升級加密技術的同時，企業也應當考慮他們還能做些什么。這可以比作打掃地下室：面對多年來無人問津的角落，我們應當如

173、何清理？企業將識別出多年未評估的核心系統中高度技術化，但目前能力不足的部分。也許在升級加密技術的過程中，企業會發現其他可以一并解決的潛在問題，例如優化治理機制、改進密鑰管理流程、實施零信任策略、同步對老舊系統進行現代化升級，或者干脆淘汰一些長時間未使用的工具。組織進行適當的網絡衛生工作很可能會加強其更廣泛的網絡安全和隱私保護措施。他們可能會更加謹慎地收集和共享除必要數據之外的任何信息，建立更強大、更負責任的管理機制，并持續評估數字化組件之間的信任。除了防范未來的量子攻擊威脅，這些將網絡安全習慣融入日?；顒拥膶嵺`也提高了企業當下的防御能力。企業需要考慮“加密彈性”，即如何建立一系列可復用的、能夠

174、靈活應對各類攻擊和故障的加密體系?，F在組織需要對量子威脅做好準備，但未來的新風險需要不同的應對方法。新的威脅出現時，安全團隊不應重新梳理加密方法，相反，他們應當培養必要的能力，以便快速且無縫地添加或更換加密技術20。隨著數字生活與物質生活的聯系愈發緊密，我們的友誼、信譽和資產正在經歷“數字化轉型”。這些領域以數字手段進行中介，并通過加密技術進行保護。展望未來，消息、交易及越來越多反映人們真實生存狀態的信息都將建立在數字信任的基礎之上。對加密的保護不僅關乎于保護企業數據存儲，也關乎于保護我們生活中愈發敏感的領域?！半S著我們在數字經濟中對加密技術的依賴日益加深，組織必須迅速做好準備，使過渡變得可控

175、，以維護與客戶和合作伙伴建立的信任，”evolutionQ的CEO兼創始人Michele Mosca說，“制定量子安全路線圖，并與供應商合作啟動這一關鍵轉型，這些舉措對于企業而言是至關重要的。優先保護最敏感信息的行為不僅是明智的，更是必不可少的?！?1量子計算機有望在藥物發現、金融建模等很多可以改善人們生活的應用場景中帶來顯著好處，這些潛在的好處不應被隨之而來的安全挑戰所掩蓋。因此，為了充分利用量子發展的好處，并規避量子計算機可能帶來的風險，企業應該從現在開始加強防御。尾注1.Damian Carrington,“Was Y2K bug a boost?,”BBC News Online,Ja

176、nuary 4,2000.2.Mike Redding,chief technology officer,Quantropi,Deloitte interview,August 27,2024.3.Executive Office of the President of the United States,Report on post-quantum cryptography,July 2024.4.National Institute of Standards and Technology(NIST),“NIST releases first 3 finalized post-quantum

177、 encryption standards,”press release,August 13,2024.5.European Commission,“Commission publishes Recommendation on Post-Quantum Cryptography,”press release,April 11,2024.6.Emily Mossburg et al.,The promise of cyber:Enhancing transformational value through cybersecurity resilience,Deloitte,2024.7.Gome

178、et Pant,group vice president of security technologies for the India-based division of a large industrial products firm,Deloitte interview,October 25,2024.8.Katherine Noyes,“NISTs postquantum cryptography standards:This is the start of the race,”CIO Journal for The Wall Street Journal,June 12,2024.9.

179、Yassir Nawaz,director of emerging technology security,JP Morgan,Deloitte interview,October 14,2024.10.Colin Soutar,Itan Barmes,and Casper Stap,“Dont let drivers for quantum cyber readiness take a back seat!”Deloitte,2023.11.Matt Scholl,computer security division chief,NIST,Deloitte interview,Septemb

180、er 3,2024.12.Marc Manzano,general manager,SandboxAQ,Deloitte interview,October 15,2024.13.NIST,“NIST releases first 3 finalized post-quantum encryption standards.”14.NIST,“What is post-quantum cryptography?,”August 13,2024.15.Apple Security Research,“iMessage with PQ3:The new state of the art in qua

181、ntum-secure messaging at scale,”February 21,2024.iMessage is a trademark of Apple Inc.,registered in the U.S.and other countries.Tech Trends is an independent(publication)and has not been authorized,sponsored,or otherwise approved by Apple Inc.16.Chiara Castro,“Chrome to adopt NIST-approved post qua

182、ntum encryption on desktop,”techradar,September 17,2024.17.Dan Goodin,“As quantum computing threats loom,Microsoft updates its core crypto library,”Ars Technica,Sep.12,2024;Paul Smith-Goodson,“IBM Prepares for a Quantum-Safe Future Using Crypto-Agility,”Forbes,August 8,2024.18.NIST,“NCCoE announces

183、technology collaborators for the Migration to Post-Quantum Cryptography project,”July 15,2022.19.Bill Newhouse,lead,Migration to PQC project at the NCCoE,Deloitte interview,October 16,2024.20.Soutar et al.,“Dont let drivers for quantum cyber readiness take a back seat!”21.Michele Mosca,founder and C

184、EO,evolutionQ,Deloitte interview,October 18,2024.5051新難題：量子時代對加密技術的挑戰行業領袖Colin Soutar網絡安全總監|德勤有限公司（又稱“德勤全球”）+1 571 447 3817|Colin Soutar博士是德勤全球的總監，領導德勤在美國和全球的量子安全準備計劃。作為德勤美國政府與公共服務(GPS)網絡安全實踐的成員，Soutar博士在該組織中領導創新、資產以及生態系統與聯盟。在擔任目前職位之前，Soutar博士在一家總部位于加拿大的生物識別和身份管理上市公司擔任了近10年的CTO。他在NASA約翰遜航天中心開始了他的職業生

185、涯，擔任為期兩年的博士后研究員，致力于開發用于自主交會和捕獲的模式識別技術。他熱衷于在風險與監管交織的復雜格局中，為新型技術開拓新的商業機遇。2013年，他參與了NIST網絡安全框架的開發，并隨后幫助NIST為生物識別技術、身份、物聯網和隱私制定了具體指引。Sunny Aziz網絡安全及戰略風險服務合伙人|德勤全球+1 713 982 2877|Sunny Aziz是德勤網絡安全與戰略風險服務合伙人，擁有超過25年協助客戶管理、實施和運營復雜網絡安全項目的工作經驗，為客戶提供網絡安全策略建議，并執行大型網絡安全轉型項目。Aziz還擔任德勤金融服務行業保險領域的網絡安全負責人，專攻安全托管服務、

186、網絡安全策略與評估、身份與訪問管理、云和基礎設施安全、IT風險和合規管理、事件響應、威脅與漏洞管理、第三方風險管理以及隱私和數據保護。Itan Barnes,PhD全球量子安全準備能力服務負責人|德勤荷蘭+31(0)88 288 5589|ibarmesdeloitte.nlItan Barnes是德勤荷蘭網絡安全團隊的加密與量子安全能力領頭人，并擔任全球量子安全準備能力專家。他的團隊專注于加密管理的各個方面，如公鑰基礎設施、證書生命周期管理、密鑰管理和量子風險。致謝衷心感謝德勤各領域的眾多專家領導，他們為網絡與信任章節的研究做出了寶貴的貢獻：Scott Buchholz,Colin Sout

187、ar,Masayoshi Terabe.持續對話5253智能中樞：AI顛覆核心系統現代化許多核心系統供應商已全面擁抱AI，并正在圍繞以AI為中心的模式重構其產品與能力。將AI集成到企業核心系統中，標志著企業在運營和利用技術獲取競爭優勢方面發生了重大轉變。AI為核心系統帶來了變革性的影響。多年來，核心系統和在其上運行的ERP工具一直是大多數企業的記錄系統，也是企業唯一的真相來源。無論是供應商還是客戶，對運營的任何方面有疑問，核心系統都能提供答案。AI不僅僅賦能了這一模式，還從根本上對模式提出了挑戰。AI工具能夠深入核心系統，了解企業的運營情況，理解其流程，復制其業務邏輯，等等。這意味著用戶無需通

188、過直接訪問核心系統來獲取運營問題的答案，而是可以使用他們最熟悉的任何AI融合工具。因此，這種轉型不僅超越了自動化常規任務，還從根本上重新思考和重新設計流程，使其更加智能、高效、可預測。它具備著通過賦予員工以AI的力量以及來自整個企業的信息，從而開發全新業務模式的潛力。毫無疑問，這一過程中將面臨整合和變革管理的挑戰。IT團隊需要投資于正確的技術和技能，并構建強大的數據治理框架以保護敏感數據。隨著AI與核心系統的集成度提高，架構將變得更為復雜，也更需要被妥善管理。此外，團隊需要解決AI信任問題，以確保AI系統能夠有效、負責地處理核心操作。但應對及處理這些挑戰將會帶來重大回報。最終，我們預計AI將從

189、新的記錄系統發展成為一系列不僅能進行分析和提供建議、還能采取行動的智能體。其最終目標是實現自主決策，使企業能夠以更高的運營效率運作。當下：企業需要從記錄系統中獲取更多信息核心系統，尤其是ERP平臺，正逐漸被視為企業的關鍵資產。人們清楚地認識到，擁有一個系統來描述所有企業運營信息的價值。因此，全球ERP市場規模預計從2023年到2030年將以11%的速度增長。這種增長是被更多高效數據驅動的決策需求所推動的1。目前的挑戰在于，能實現這些工具所帶來的預期收益的組織相對較少。盡管認識到集中化的單一事實來源是提高運營效率的關鍵，但許多ERP項目并未達到預期效果。根據Gartner的研究，到2027年，超

190、過70%的近期實施的ERP項目將無法完全實現其最初的業務目標2。ERP項目無法與業務目標對齊的其中一個原因是大部分ERP系統是全局通用的，因此企業需要調整其運營以適應ERP系統的模型。理論上，整個組織的應用程序上都應該與ERP集成，由于ERP作為記錄系統，本身沉淀所有業務數據和業務邏輯，因此即使這些集成要求難以滿足，組織也不得不進行運營上的調整。但與此同時，這也導致了業務與ERP系統之間存在一定程度的脫節。智能中樞：AI顛覆核心系統現代化多年來，核心系統和ERP系統一直是企業記錄系統的單一信息源。AI正在從根本上對這一模式發出挑戰。核心現代化5455智能中樞：AI顛覆核心系統現代化AI正在打破

191、這一模式。一些企業正在尋求減少對單一ERP實施的依賴，而AI通過開放數據集、啟用新工作模式等方法，很可能是實現這一目標的工具。探索：AI為核心系統注入“強心劑”經過一系列技術更替，ERP系統可能會繼續保持其作為記錄系統的地位。在大多數大型企業中，ERP系統仍然保存著幾乎所有的業務數據，而且在過去幾年中采用了ERP系統的組織棄用ERP的意愿較低。協調平臺方法在這個模式中，當今的核心系統成為構建AI領域創新的平臺。然而，這給IT和業務領導者提出了一系列關于AI協調的難題。例如，公司應該使用供應商提供的模塊，還是第三方工具，抑或擴張技術團隊以開發自己的模型？如果選擇供應商，則意味著在功能開發方面受制

192、于人，但在功能集成上又能夠得到更充分的保障。另一個問題是應該向AI暴露多少數據。生成式AI的一個好處是其能夠跨系統、跨文件類型讀取并解讀數據。這對新的學習戰略和自動化而言是一個發展契機，但也可能會對隱私安全提出挑戰。對于核心系統而言，人力資源、財務、供應商和客戶信息高度敏感。在沒有開展治理的情況下將這些數據輸入AI模型可能會引起新的風險。還有一個問題是，將AI引入核心系統的主要策劃方應該是誰。由于這是一個高度技術性的過程，因此需要IT相關的專業技能，同時，也需要企業的相關關鍵運營部門的支持。這些問題的答案因不同的使用場景和企業而異。但在核心系統領域全面投身AI之前，企業相關團隊應思考這些問題并

193、形成清晰的答案，為放大技術的收益打下堅實基礎?！盀榱顺浞掷肁I，公司應制定以業務目標為基礎的明確戰略?！盨AP的ERP云全球CMO Eric van Rossum表示，“AI不應被視為獨立的功能，而應作為所有業務流程中不可或缺的嵌入式能力，以支持公司的數字化轉型?！? AI 賦能工作新模式一些具有前瞻視角的企業已經正在解答上述關于AI協調的問題。Graybar是一家電氣、工業和數據通信解決方案的批發經銷商，目前正推進一項已有20年運行歷史的核心系統的現代化改造工作。整體工作是從人力資源管理工具的升級出發，以ERP現代化為目標穩步開展。這一進程既依賴于公司核心系統供應商提供的合理組件方案，也按

194、需疊加了第三方集成和自建工具，以構建其產品和服務的獨特性4。AI的發展為Graybar領導層提供了一個機會不僅僅在于技術棧升級，還在于思考如何重塑流程以開辟新的效率提升和營收增長之路。AI信任也是現代化的關鍵努力方向，Graybar正推出在一些狹義的，在特定場景中使用的AI，約束其只能訪問完成特定任務所需的特定數據庫。在每個生成信息場景中，都會有專人介入生成過程，以確保最終觸達客戶的信息無誤。Graybar還在客戶銷售和服務中試點使用AI，并計劃將其擴展到庫存預測和規劃領域。公司目前正在將AI添加到訂單系統中，以幫助銷售代理發現交叉銷售和追加銷售的機會。此外，Graybar還在開發一種為客戶提

195、供報價的AI工具。該工具允許員工使用自然語言查詢產品目錄，為客戶提供選項，并將信息整合成與客戶的溝通內容?！斑@些任務過去需要數小時甚至數天才能完成，現在只需要幾分鐘，”Graybar的CFO David Meyer表示?！敖柚贏I的工具，員工現在可以將時間集中在銷售和業務開發上，而不是花費大量時間查找信息和回復客戶請求?！?這一變化不僅僅是為了給面向客戶的員工騰出時間。Graybar的領導層正著眼于通過在其核心系統中擴大AI的使用范圍、并啟用全新的工作模式以實現數十億美元的新收入增長。軟件公司ServiceNow的高級副總裁兼全球AI市場負責人Michael Park表示，該公司的很多客戶

196、都證明了在核心系統中使用AI已是大勢所趨。他特別提到一個影響深遠的場景新員工入職。每位新員工都需要訪問人力資源系統以及與其職位相關的特定工具和數據。在過去，員工需要與一系列的服務臺工作人員交涉、獲取密碼、登錄不同的系統、并自行查找工作需要的資源。但如今，AI使人力資源系統能夠更快地了解新員工的需求，并在入職時即自動提供相應的訪問權限。Park表示，這種自動化學習方法可以應用于各種業務流程。通過生成式AI能力（如摘要生成、筆記生成、互動式會話、AI搜索和任務自動化）構建多元任務的自動化，在不同場景下可以節省數分鐘乃至數天的時間。一旦將簡單的工作負載轉移到AI機器人上，企業可以重新安排員工讓其從事

197、更有價值的任務，例如提高服務水平、推動利潤率增長或開發新產品。這是ServiceNow在其客戶中觀察到的趨勢?！昂诵南到y中的AI單獨來看，只是一種新生產力和賦能工具，”Park表示?！暗珣鹇跃o迫性更體現在利用這些新技術力量重新定義企業現狀，以實現指數級的價值創造，而不僅是單純地將現有流程轉移到AI上?！? AI 融入并超越核心系統隨著越來越多的企業軟件工具嵌入AI，傳統上由核心系統負責的工作最終可能會完全脫離核心系統，因為企業的業務邏輯已無需與核心系統深度綁定。AI可以從企業范圍內的結構化和非結構化數據中開展訓練，在此過程中，業務數據對于開發準確、有洞察力的AI模型至關重要。利用核心系統促進數

198、據與行將應用的AI模型相協同以獲取業務洞察，為企業實現真正的洞察驅動運營提供了可能。在這個模式中，核心系統成為一個AI可以用來學習和改進業務流程管理的訓練數據存儲庫（知識庫）。這才是核心系統中AI真正的用武之地。ServiceNow的首席客戶官Chris Bedi表示，現在每個技術供應商都知道需要在其產品中加入AI7。同時，ERP與其被取締，還不如繼續作為企業的記錄系統，提供交易控制和可靠性，作為準確的事實依據。隨著越來越多跨業務域工作流的出現，AI進一步成為連接不同業務域的紐帶，即相當一部分的效率提升將來自核心系統以外的業務流程創新。企業可以采取三種方法來將AI相關功能融入核心系統，每種方法

199、都伴隨著相應的優勢與不足供應商功能整合較簡單但應用功能選擇較少第三方更多應用功能可供選擇但潛在成本更多自主建設擁有功能完全定制權但需要較昂貴的技術專家將AI融入核心系統圖1資料來源：德勤研究5657智能中樞：AI顛覆核心系統現代化“當AI技術植入用于記錄的系統時，會在現有工作模式的增量改進方面表現出色，”Bedi表示?！暗獙崿F質的飛躍，必須依靠跨業務域的AI，其不僅能夠利用單一記錄系統中的數據，還能夠通過審視全域數據，基于全域數據運行模型開展相應行動，這才是真正的突破點?！?展望：自動化發展是把“雙刃劍”對許多企業而言，核心現代化是一個耗時長、推進難的任務。在這種情況下，企業若將AI視為與其

200、已經熟悉的事物相當，那可能就落入了錯誤的思維模式中。此次現代化將與過去的改革大相徑庭，變革速度和規?？赡軙纫酝?、更大。在過去，現代化主要是實施“升級”，整體過程十分繁瑣且耗時，但仍然被企業充分認可并廣泛執行。軟件供應商通常會提供升級路徑，為用戶提供可遵循的指南。但這一次改革并沒有指南可循，因為改革的架構可能會有所不同，其中很多將涉及外部軟件中的AI模塊與核心系統的交互；同時，也不再是業務屈就于核心系統，而是核心系統服務于業務。企業利用AI創建的、由核心系統數據支持的新業務流程是十分具有挑戰性的，因為業務流程的建立會因此變得更加復雜，需要更豐富的專業知識和更多元的技能。這與“IT出圈：AI

201、助推技術部門躍遷”中討論的內容類似，“理解業務問題”將成為IT團隊將AI植入到核心系統時的關鍵因素。這也很可能導致IT工作者職責發生重大變化，因為過去IT以技術導向為主，而非業務導向。一旦核心系統通過AI實現現代化，其后續的維護將會變得十分不一樣。正如在“AI的下個風口何在？”中提到的，AI智能體將很快可以執行許多核心功能，例如某個客戶服務機器人可與客戶進行互動，理解客戶問題并進行診斷；在此之后，該機器人也能夠與另一個可以執行退貨處理或發貨新商品等操作的機器人進行互動。一些頭部企業已經開始開發類似功能，例如奢侈品零售商Saks的客戶服務機器人可以與訂單和庫存系統互動，因此簡化了在線購買商品的交

202、付和退換貨流程，并賦能客戶代表的日常工作流9。在真正實現AI智能體的未來，更多類似這樣的能夠自主工作并跨越各種系統的機器人會出現。到那時，維護核心系統的工作將變成監督AI智能體群。若實施得當，AI將有助于減少核心系統的技術負債，推動核心系統簡潔化變革，使企業維護系統時更簡單，響應業務需求時更敏捷。核心系統正處于一場由AI驅動的重大革命的前沿。早期的先行者們正在利用此次發展窗口為自身企業運營提質增效，并持續探索新的增長方式。但很快，企業會將更大規模的核心功能交給AI智能體。目前，組織將如何利用這一變革帶來效率提升尚未明確，但這一契機不僅能夠重塑企業核心系統的運作方式，還能從根本上重塑企業業務的開

203、展方式。尾注1.Grand View Research,ERP software market size,share&growth report,2030,accessed November 5,2024.2.Gartner,“Enterprise resource planning to optimize operations,”accessed November 5,2024.3.Eric van Rossum,chief marketing officer for cloud ERP and industries,SAP,interview with the author,October

204、 1,2024.4.David Meyer,chief financial officer,Graybar,interview with the author,September 26,2024.5.Ibid.6.Michael Park,senior vice president and global head of AI go-to-market,ServiceNow,interview with the author,September 19,2024.7.Chris Bedi,chief customer officer,ServiceNow,interview with the au

205、thor,September 29,2024.8.Ibid.9.Salesforce,“Saks elevates luxury shopping with unified data and AI service agents,”accessed November 5,2024.5859智能中樞：AI顛覆核心系統現代化致謝衷心感謝德勤各領域的眾多專家領導，他們為核心現代化章節的研究做出了寶貴的貢獻：Zillah Austin,Thorsten Bernecker,Lars Cromley,Tim Gaus,Abdi Goodarzi,Kelly Herod,Chip Kleinheksel,K

206、asey Lobaugh,Jinlei Lu.行業領袖Thorsten Bernecker應用現代化及遷移服務領導合伙人|德勤管理咨詢+1 512 226 4418|Thorsten Bernecker是德勤管理咨詢的合伙人，負責應用現代化與遷移實踐，該實踐隸屬于應用現代化與創新服務。他曾創立軟件公司innoWake，并帶領其從小型企業成長為全球領先的技術現代化公司，具有敏銳的技術洞察力和帶領小微企業實現指數級增長的豐富商業智慧。德勤于2017年收購了innoWake，Bernecker現負責該集團的全球戰略和領導工作。Zillah Austin技術戰略與業務轉型|合伙人|德勤管理咨詢+1 2

207、02 716 5974|Zillah Austin是德勤管理咨詢技術戰略與業務轉型實踐的負責人。她在行業和咨詢領域擁有超過20年的經驗，為全球能源、資源和制造領域客戶提供大規模技術解決方案領導并協助客戶管理業務轉型，。Austin為相關客戶提出并落地IT戰略，幫助大型企業將業務和IT戰略運營化，同時提高其技術流程的效率。她在將IT戰略與架構、治理、項目管理、運營模式和服務管理對齊方面擁有豐富專業知識。Abdi GoodarziUS企業績效業務板塊領導合伙人|德勤管理咨詢+1 714 913 1091|Abdi Goodarzi是德勤管理咨詢的主管合伙人，負責領導德勤的企業績效(EP)產品組合。

208、該產品組合包括六項服務，為企業各職能提供戰略、實施和運營服務，包括端到端的業務和IT轉型、數字供應鏈優化、制造和產品策略、采購即服務、全球財務、共享服務、規劃、ITSM和全方位的AMS和BPO。該產品組合的能力可匹配多個ERP平臺（如SAP、Oracle、Workday Financials和Infor）、ServiceNow、Anaplan、Ariba和Coupa。此外，還可用于匹配房地產解決方案（如Nuvolo）以及PLM、規劃實施工程解決方案（如Siemens、PTC、O9、OMP和IBP）。持續對話6061“廣度”即“深度”：交匯的聚變在咨詢行業中，我們常倚重MECE問題解決框架（相互

209、獨立、完全窮盡），認為將問題分解為“相互獨立”(ME)的任務，最終拼合成“完全窮盡”(CE)的解決方案，那么該問題便能迎刃而解。然而，隨著世界愈發融合，MECE原則已不再完全適用。正如本報告的六個章節所展示，雖然我們將六大趨勢分門別類，但它們絕非彼此孤立。放眼當今技術、組織、行業，甚至更廣泛的領域，分割與細化正在讓位于行業及技術的交匯與融合。這種融合并非簡單的疊加，而是一種復雜的交叉網絡，形成了一個由“不尋常的組合”構成的生態系統，這些組合跨越了傳統行業和技術的邊界。例如，區塊鏈與生成式AI的結合，可以更精準地識別和應對合成媒體的虛假內容，為用戶抵御合成媒體帶來的潛在威脅；再比如，太空技術與生

210、物技術的合作，則致力于為宇航員提供更完善的保護，以應對長期太空旅行帶來的生理和心理挑戰。過往歲月里，企業多是憑創新引擎驅動的營收來源、借由并購整合催生的協同效應，以及與戰略伙伴攜手共進的深度合作，不斷開辟新的增長之路。如今，企業更需以果敢之姿，全力主動地奔赴這場有深度的多元探索之旅。多元化的商業敘事已然昭示：行業與技術的交融碰撞，方是孕育最具潛力與豐厚回報的未來之源。這種融合，宛如一盞明燈，向我們揭示了兩個關鍵洞察：1.跨行業借鑒靈感，發現鄰近行業的研發成果，或許正是企業突破瓶頸的關鍵。2.跨技術整合創新，通過技術組合實現“1+12”的協同效應，推動技術成倍釋放價值。讓我們深入剖析每一個領域，

211、抽絲剝繭地揭開其背后的深刻內涵與價值所在。行業交匯：探索行業邊界之外賽博朋克科幻小說作家William Gibson經常被引用的名言是：“未來已來，只是分布不均?！?這句話雖是老生常談，但恰恰適用于當下。Gibson的陳述提醒企業領導者，下一個重大突破可能早已潛藏于其他行業、地區或競爭對手之中。企業不應局限于自身的視野，而應將目光投向更廣闊的領域，去發現那些可能被忽視的創新機遇。以太空技術與生命科學為例。表面看，這兩個領域似乎毫無關聯，但微重力環境卻能夠幫助制造更高質量、更均勻的藥品原材料。太空中的微重力環境具有獨特的優勢，使得制藥產品的原材料得以在更高標準下開發，實現更高的均勻性和生產質量2

212、。盡管在微重力環境下生產制造的想法可能看起來像是天方夜譚，但實際上它早已超越了理論階段：像Eli Lilly和Merck這樣的公司已經在投資這一可能性3。生物制藥公司若對太空領域這一潛在合作伙伴視而不見，便可能錯失那些能夠直接影響其核心業務的重大發現。類似的例子不勝枚舉，這些行業融合的實例再次凸顯了跨越行業邊界以尋求創新解決方案的重要性。汽車巨頭豐田和三菱重工正在與太空機構攜手合作，致力于月球探測車的研發4，而服裝零售領域的翹楚lululemon與生物技術先鋒如Lanza Tech和Samsara Eco正合作開發促 交匯的聚變在這個日益融合的世界中，企業若想推動跨界創新，不妨主動探索行業間、

213、技術間的交匯，釋放非凡效能。進可持續發展的面料5。與此同時，同時，食品配送業務如今已占交通服務公司優步(Uber)總收入的三分之一6，電子商務領導者亞馬遜則通過“亞馬遜藥房”在醫療健康領域取得了長足進展7?？缧袠I合作的范例揭示了突破傳統行業界限的重要性，亦為企業尋求創新提供了啟示。技術交匯：組合創新，倍增價值如果說行業交匯為我們開辟了廣闊的視角，讓我們得以在不同領域汲取靈感，那么技術交匯則提供了另一扇窗口。它們幫助我們更深刻地理解技術和創新如何相互融合、實現倍增式的發展。技術本質上是一種工具，通常被用于解決特定的問題。然而，正如沖擊鉆與普通錘子之間的區別所揭示的，沖擊鉆之所以高效，是因為它將多

214、種工具（如錘子、鑿子和動力源）有機地結合在一起。同理，我們在審視技術時，不應孤立地看待單一技術，而應關注其高度整合的特性及其實現協同增長的潛力。以量子機器學習為例，它將量子計算的原理引入機器學習程序，從而顯著提升了運行效率。再比如，5G網絡和邊緣計算等網絡技術結合得如此緊密，以至于它們常常被統稱為一個簡化的術語“5G邊緣”。此外，正如在本文“硬件吞噬世界”趨勢中所述，智能工廠通過融合計算機視覺、傳感器和數據分析，正在構建能夠自主學習與自我改進的機器，為人形機器人技術的發展點亮了新的曙光8。那么，當下備受矚目的AI又如何呢？在我們本文的引言中提到，AI有望像電力一樣，成為一種無處不在的基礎性技術

215、。這意味著，它將與各類下游技術無縫融合，創造出無盡的交匯可能。以AI與機器人技術的結合為例。盡管這兩者可以被視為獨立的技術領域，但真正的變革性力量來自它們的融合當“機械大腦”遇上“機械肌肉”。AI賦予機器人自主運行的能力，使其能夠收集更多關于環境及自身運動的數據，而這些數據又反過來被輸入到AI算法的訓練數據中，進一步優化算法本身。當我們真正意識到各類技術在本質上相互交融，飛輪效應便開始不斷驅動著技術的持續進步與創新。這一趨勢對企業和技術領導者有何啟示？雖然將技術團隊劃分為“相互獨立”的小組，專注于單一技術領域的開發，這一安排能夠在職能模塊上帶來效率的顯著提升。但更為關鍵的是，領導者需要在團隊之

216、間架起溝通與協作的橋梁。這種跨團隊的協作不僅能促進知識共享和技術融合，還能推動整個組織的創新與發展。若企業一味追求“小步快跑”式的漸進優化，而非著眼于顛覆性的技術整合，就如同選擇了略微改良的錘子，而非效率更高的沖擊鉆，這是對創新潛力的無謂放棄，也是對漸進主義的屈從。文藝復興的新世紀想象文藝復興式的人物（“全才”）一詞體現了一種理想：在科學、藝術與商業迅速變革的時代，能夠融會貫通多個領域知識的人往往具備引領潮流的潛力。在當今社會，行業與技術交匯的速度愈發加快，正驗證了“廣度”即“深度”的理念。我們比以往任何時候都更加需要通才型人才那些能夠洞察不同行業、技術和理念之間關聯的“大局思考者”，這些跨學

217、科的“連接點發現者”顯得尤為重要。正如我們此前所言，倘若AI如同電力一般，成為一種無所不在的基礎性技術，那么它所帶來的連鎖反應與深遠影響將是難以估量的。電力的發明曾深刻地重塑了社會格局，引發了城市化進程、工業化浪潮以及無線電通信的蓬勃發展。如今，我們或許正站在一場類似變革的邊緣，AI有望徹底革新我們工作的方式、生活的面貌以及溝通的模式。對過往專業方法的精通，或許不如對未來趨勢的洞察與想象來得重要。我們需要構想并推動AI與本文提到的其他五大宏觀技術力量的創新交匯。對于領導者而言，這是一種啟示：那些看似“不尋?！被颉安煌昝馈钡默F象，比如跨領域的教育背景、跨團隊的合作以及對鄰近行業的關注，都應被視為

218、創新的寶貴契機，而非問題。若企業能夠超越專業化的壁壘，有意識地尋求這些交匯融合，我們或許會激起“文藝復興”式的新浪潮。我們期待著，您的組織將揭示怎樣的交匯，以至于釋放聚變的能量呢？總結“廣度”即“深度”：6263“廣度”即“深度”：交匯的聚變尾注1.The Economist,“Broadband blues,”June 21,2001.2.Axiom Space,“Protein crystallization,”accessed October 2024.3.Ibid.4.Natsumi Kawasaki,“Toyota,Mitsubishi heavy to work together

219、on lunar vehicles,”Nikkei Asia,July 21,2023.5.Bio.News,“LanzaTech x Lululemon collab births a new sustainable fashion item,”April 24,2024;lululemon,“lululemon and Samsara Eco unveil worlds first enzymatically recycled nylon 6,6 product,”press release,February 20,2024.6.Arjun,“How Uber makes revenue:

220、Key streams and strategies explained,”Appscrip,September 19,2024.7.Bruce Japsen,“Amazon rolls out same-day prescription delivery with help from AI,”Forbes,March 26,2024.8.Majeed Ahmad,“Sensor fusion with AI transforms the smart manufacturing era,”EE Times,July 26,2023.9.Smithsonian Institution,“Ligh

221、ting a Revolution”,accessed October 2024.6465技術趨勢2025Kelly RKelly Raskovich是德勤CTO辦公室(OCTO)的高級經理及負責人，并擔任德勤旗艦技術趨勢報告技術趨勢的執行主編，該報告專注于新型技術領域。她的職責在于引導客戶，塑造德勤技術品牌的未來方向與服務內容，培養專業人才，助力企業實現未來增長。她肩負著技術影響力的提升、深化客戶合作以及推動市場營銷與公共關系的任務。在擔任當前領導職務之前，她曾在全球多家財富500強企業中領導了多項數據和分析項目，重點在石油和天然氣行業積累了豐富的經驗。Bill B作為德勤的CTO，Bill

222、 Briggs致力于幫助客戶預見新興技術可能對其未來業務帶來的影響，并提供從當下實際情況到未來愿景的實施路徑。他負責對客戶業務產生影響的新興技術的研究、影響力推廣和孵化工作，并為德勤管理咨詢技術相關服務與解決方案的未來發展提供指導。Briggs同時擔任德勤CIO計劃的執行發起人，通過深刻的見解與豐富的經驗幫助CIO及其他技術高管應對業務與技術領域中的復雜挑戰。Briggs在圣母大學獲得了計算機工程學士學位，并在西北大學凱洛格管理學院獲得MBA學位。他同時積極投身公益事業，擔任“Kids In Need Foundation”董事會成員，與資源匱乏學校的師生攜手合作，為他們提供必要的支持，確保教

223、師能夠充分發揮教學才能，受教者能夠享受優質教育。Mike B作為德勤管理咨詢的首席未來學家，Mike Bechtel幫助客戶制定戰略，從而在面對業務中斷和變革時仍能蓬勃發展。Bechtel的團隊研究了最可能影響企業未來的新興指數型技術，并與創造這些技術的初創企業、領先企業和學術機構建立了關系。加入德勤之前，Bechtel是早期風險投資公司Ringleader Ventures的高管，該公司是Bechtel本人于2013年創立的。在此之前，Bechtel曾擔任全國性非營利性組織Start Early的CTO，該組織專注于危險青年的早期兒童教育。Bechtel的技術研發生涯始于一家全球性專業服務公

224、司。任職期間，Bechtel的十幾項美國專利幫助他成為公司的全球創新總監。目前，Bechtel在圣母大學擔任企業創新教授。關于作者Ed BEd Burns負責德勤CTO辦公室“趨勢線”項目的企業案例研究工作，該項目是技術趨勢報告等重要技術洞察報告的關鍵研究輸入。在當前職務之前，他曾領導一家專注于AI、數據分析和數據管理領域的科技新聞刊物。Abhijith RAbhijith Ravinutala是德勤CTO辦公室的專業敘事專家。他通過研究、寫作與演講，助力德勤及其客戶描繪技術未來的藍圖，并為其做好更充分的準備。他的戰略咨詢背景讓他得以廣泛涉獵眾多行業，而作為一名作家，他對技術倫理、AI以及人類

225、影響的交叉領域表現出濃厚的興趣，尤其關注這些領域如何相互交織、影響未來。除了參與編撰技術趨勢報告外，他還主導了德勤關于AI和CEOs，xTech Futures：生物科技以及Dichotomies系列的出版工作，后者近期在2024年SXSW大會上亮相。Raquel BRaquel Buscaino領導德勤的創新與指數增長技術(NExT)團隊，與團隊成員一同探討并解析那些可能顛覆工作與生活的新型技術。從腦機接口與合成生物學，到太空探索與量子計算，她的團隊致力于從繁雜的發展現場中總結規律，從炒作中挖掘價值，并從模糊的概念中提出可行的盈利方案。NExT團隊利用這些研究成果撰寫技術趨勢報告和xTech

226、 Futures等高水平領先理念刊物。Buscaino還主持德勤的TECHTalks播客，在節目中采訪行業領袖，共同探討技術領域的新趨勢與未來方向。在領導NExT團隊之前，她曾在德勤區塊鏈與數字資產業務部門工作，專注于區塊鏈聯盟的構建，并主導德勤及其客戶的全球區塊鏈研討會。6667技術趨勢2025致謝特別鳴謝感謝Ed Burns、Heidi Morrow和Abhijith Ravinutala作為推動技術趨勢的創意引擎。Ed 和Abhi，你們卓越的奉獻精神、領導能力和精湛的編輯才能，無疑將我們的工作提升到了新的高度。更不用說你們能夠巧妙地將研究和訪談編織成引人入勝的故事，以及靈活管理多個干系人

227、的反饋。Heidi，感謝您成為卓越設計理念的旗手，同時熱情引領技術趨勢的全新設計。精美的報告圖像、圖表、視頻等內容都是您領導能力的見證。三位能加入我們的團隊，我們深感幸運與感激。感謝Sarah Mortier，感謝您毫不猶豫地投身于技術趨勢的出版，并將其打造為自己的事業?？吹侥诿鎸μ魬饡r滿懷信心地提出改進建議，并積極推動編輯工作提前完成，這真是一場令人振奮的成長之旅。我們由衷欣賞您那顆對知識充滿渴望、洋溢著活力的心。同時，我們滿懷期待，迫不及待地想看到您在下一年如何再次以卓越的表現驚艷我們。感謝Caroline Brown，您以樂觀、幽默和從容的態度領導了技術趨勢編輯與設計制作團隊。您的領導

228、力和戰略眼光對推動技術趨勢邁向新高度起到了至關重要的作用，我們對此深表感激。感謝Imelda Mendoza和Bella Stash，感謝您二位為技術趨勢報告注入新的活力，您二位在研究、數據以及項目管理支持方面的積極參與，令人耳目一新。我們深深欽佩你們那洋溢著熱情與活力的積極態度，無論何種挑戰降臨，你們都毫不猶豫地迎難而上。感謝MacKenzie Hackathorn、Haley Gove Lamb、Kiran Makhijani和Angel Lacambra，感謝你們將技術趨勢從理念轉化為現實，為我們的客戶團隊提供支持。你們的付出賦予了我們的工作以蓬勃的生命力，衷心感謝你們將我們的愿景化作觸

229、手可及的現實。感謝Stefanie Heng，你始終愿意挺身而出，協助我們攻克技術趨勢及出版流程中的種種難題。即便在你邁向新角色的關鍵時刻，你對團隊的那份承諾也從未動搖。我們期待著見證你在新旅程中攀上新的高峰，我們對你的思念之情難以言表！感謝Deanna Gorecki、Ben Hebbe、Bri Henley、Tracey Parry、Abria Perry、Madelyn Scott和Mikaeli Robinson，你們對技術趨勢的推廣工作始終保持著堅定不移的熱忱與創新的策略。你們在市場營銷、傳播和公關方面的不懈努力，年復一年地顯著擴大了我們的影響力。衷心感謝你們對技術趨勢價值與影響力的

230、認同與堅信。感謝Taylor Brockman、Raquel Buscaino、Lucas Erb、Danny Greene、Mark Osis和Hillary Umphrey，你們是我們團隊的智囊團，在我們識別趨勢的過程中，你們不僅開展了初步研究，還為我們指明了長期發展的方向。感謝你們慷慨地與我們分享知識，助力我們精進研究技藝，打磨研究品質。感謝Hannah Bachman、Aditi Rao以及整個德勤領先理念團隊，你們在探索技術趨勢發展路徑的過程中，不斷深化我們的合作關系，與我們并肩前行。我們衷心感謝你們在團隊需求和業務實踐發生變化時，所展現出的持續支持、靈活應變以及優雅從容。感謝Syl

231、via Chang、Manya Kuzemchenko、Melissa OBrien、Molly Piersol、Natalie Pfaff、Harry Wedel、Jaime Austin、Govindh Raj、Megha Priya、Naveen Bhusare、以及整個卓越市場創意團隊。感謝你們為本報告的圖像和圖表設計付出的辛勤努力。你們的創造力和敬業精神造就了一份精美絕倫的報告和頁面，其成果遠超我們的預期。我們不僅感激你們以藝術化的視角和引人入勝的視覺效果讓我們的工作栩栩如生，更欽佩你們對協作與探索的堅定承諾。感謝張森、白裕澤、張博文、朱澤華、張和浦、劉若曦、趙冉、張哲源、劉睿、吳文

232、杰、丁可妮在中文版發布過程中協助進行翻譯和審校，你們在德勤Delph AI平臺的加持下高效高質量地完成了二次創作。你們證明了，AI時代，熱情和創造力比以往任何時候都更重要。額外鳴謝作者們衷心感謝CTO辦公室市場開拓團隊的各位成員，沒有他們的努力，這份報告將無法問世。在此感謝Caroline Brown、Ed Burns、MacKenzie Hackathorn、Stefanie Heng、Bri Henley、Dana Kublin、Angel Lacambra、Haley Gove Lamb、Kiran Makhijani、Sangeet Mohanty、Heidi Morrow、Sarah

233、 Mortier、Abria Perry、Abhijith Ravinutala和Bella Stash。你們的貢獻至關重要，我們致以由衷的感謝。持續對話我們的洞察可以幫助您把握新興趨勢的機遇。如果您在尋找應對挑戰的靈感，歡迎與我們共敘。.CTO辦公室德勤美國CTO辦公室是一個專注于工程技術未來的團隊。我們識別、研究和孵化新興技術解決方案，以塑造未來市場的需求，培育人才，并賦能企業實現增長。如果您想聯系德勤美國CTO辦公室作進一步探討，請隨時通過OCTO與我們聯系。德勤中國如果您想聯系德勤中國作進一步探討，請參考文末“德勤中國業務聯系人”隨時與我們聯系。6869技術趨勢2025執行編輯德勤中國

234、業務聯系人執行發起人Kelly Raskovich德勤管理咨詢客戶及市場領導人，CTO辦公室 Kelly Raskovich是德勤CTO辦公室(OCTO)的高級經理及領導人，并擔任德勤旗艦技術趨勢報告技術趨勢的執行主編，該報告專注于新型技術領域。她的職責在于引導客戶，塑造德勤技術品牌的未來方向與服務內容，培養專業人才，助力企業實現未來增長。她肩負著技術影響力的提升、深化客戶合作以及推動市場營銷與公共關系的任務。在擔任當前領導職務之前，她曾在全球多家財富500強企業中領導了多項數據和分析項目，重點在石油和天然氣行業積累了豐富的經驗。華思遠德勤中國技術與轉型部門全國主管合伙人 劉俊龍德勤中國技術與

235、轉型部門技術戰略與轉型服務全國主管合伙人 周令坤德勤中國技術與轉型部門企業技術與績效事業群全國主管合伙人張森德勤中國技術與轉型部門技術戰略與轉型服務合伙人 Mike Bechtel德勤管理咨詢首席未來學家作為德勤管理咨詢的首席未來學家，Mike Bechtel幫助客戶制定戰略，從而在面對業務中斷和變革時仍能蓬勃發展。Bechtel的團隊研究了最可能影響企業未來的新興指數型技術，并與創造這些技術的初創企業、領先企業和學術機構建立了關系。加入德勤之前，Bechtel是早期風險投資公司Ringleader Ventures的高管，該公司是Bechtel本人于2013年創立的。在此之前，Bechtel

236、曾擔任全國性非營利性組織Start Early的CTO，該組織專注于危險青年的早期兒童教育。Bechtel的技術研發生涯始于一家全球性專業服務公司。任職期間，Bechtel的十幾項美國專利幫助他成為公司的全球創新總監。目前，Bechtel在圣母大學擔任企業創新教授。Bill Briggs德勤管理咨詢全球CTO作為德勤的CTO，Bill Briggs致力于幫助客戶預見新興技術可能對其未來業務帶來的影響，并提供從當下實際情況到未來愿景的實施路徑。他負責對客戶業務產生影響的新興技術的研究、影響力推廣和孵化工作，并為德勤管理咨詢技術相關服務與解決方案的未來發展提供指導。Briggs同時擔任德勤CIO計

237、劃的執行發起人，通過深刻的見解與豐富的經驗幫助CIO及其他技術高管應對業務與技術領域中的復雜挑戰。Briggs在圣母大學獲得了計算機工程學士學位，并在西北大學凱洛格管理學院獲得MBA學位。他同時積極投身公益事業，擔任“Kids In Need Foundation”董事會成員，與資源匱乏學校的師生攜手合作，為他們提供必要的支持，確保教師能夠充分發揮教學才能，受教者能夠享受優質教育。7071技術趨勢2025?？诤Ｄ鲜『？谑忻捞m區國興大道3號互聯網金融大廈B棟1202單元郵政編碼：570100電話：+86 898 6866 6982杭州杭州市上城區飛云江路9號贊成中心東樓1206室郵政編碼：310

238、008電話：+86 571 8972 7688傳真：+86 571 8779 7915哈爾濱哈爾濱市南崗區長江路368號開發區管理大廈1618室郵政編碼：150090電話：+86 451 8586 0060傳真：+86 451 8586 0056合肥安徽省合肥市蜀山區潛山路111號華潤大廈A座1506單元郵政編碼：230022電話：+86 551 6585 5927傳真：+86 551 6585 5687香港香港金鐘道88號太古廣場一座35樓電話：+852 2852 1600傳真：+852 2541 1911濟南濟南市市中區二環南路6636號中海廣場28層2802-2804單元郵政編碼：250

239、000電話：+86 531 8973 5800傳真：+86 531 8973 5811澳門澳門殷皇子大馬路43-53A號澳門廣場19樓H-L座電話：+853 2871 2998傳真：+853 2871 3033南昌南昌市紅谷灘區綠茵路129號聯發廣場寫字樓41層08-09室郵政編碼：330038電話：+86 791 8387 1177傳真：+86 791 8381 8800南京南京市建鄴區江東中路347號國金中心辦公樓一期40層郵政編碼：210019電話：+86 25 5790 8880傳真：+86 25 8691 8776寧波寧波市海曙區和義路168號萬豪中心1702室郵政編碼:315000

240、電話：+86 574 8768 3928傳真：+86 574 8707 4131青島山東省青島市嶗山區香港東路195號上實中心9號樓1006-1008室郵政編碼：266061電話：+86 532 8896 1938上海上海市延安東路222號外灘中心30樓郵政編碼：200002電話：+86 21 6141 8888傳真：+86 21 6335 0003北京北京市朝陽區針織路23號樓國壽金融中心12層郵政編碼：100026電話：+86 10 8520 7788傳真：+86 10 6508 8781長沙長沙市開福區芙蓉中路一段109號華創國際廣場2號棟1317單元郵政編碼：410008電話：+86

241、731 8522 8790成都成都市高新區交子大道365號中海國際中心F座17層郵政編碼：610041電話：+86 28 6789 8188傳真：+86 28 6317 3500重慶重慶市渝中區瑞天路10號企業天地8號德勤大樓30層郵政編碼：400043電話：+86 23 8823 1888傳真：+86 23 8857 0978大連大連市中山路147號申貿大廈15樓郵政編碼：116011電話：+86 411 8371 2888傳真：+86 411 8360 3297廣州廣州市珠江東路28號越秀金融大廈26樓郵政編碼：510623電話：+86 20 8396 9228傳真：+86 20 3888

242、 0121辦事處地址沈陽沈陽市沈河區青年大街1-1號沈陽市府恒隆廣場辦公樓1座3605-3606單元郵政編碼：110063電話：+86 24 6785 4068傳真：+86 24 6785 4067深圳深圳市深南東路5001號華潤大廈9樓郵政編碼：518010電話：+86 755 8246 3255傳真：+86 755 8246 3186蘇州蘇州市工業園區蘇繡路58號 蘇州中心廣場58幢A座24層郵政編碼：215021電話:+86 512 6289 1238傳真:+86 512 6762 3338/3318天津天津市和平區南京路183號天津世紀都會商廈45層郵政編碼：300051電話：+86

243、22 2320 6688傳真：+86 22 8312 6099武漢武漢市江漢區建設大道568號新世界國貿大廈49層01室郵政編碼：430000電話：+86 27 8538 2222傳真：+86 27 8526 7032廈門廈門市思明區鷺江道8號國際銀行大廈26樓E單元郵政編碼：361001電話：+86 592 2107 298傳真：+86 592 2107 259西安西安市高新區唐延路11號西安國壽金融中心3003單元郵政編碼：710075電話：+86 29 8114 0201傳真：+86 29 8114 0205鄭州鄭州市金水東路51號楷林中心8座5A10 郵政編碼：450018電話：+86

244、 371 8897 3700傳真：+86 371 8897 3710Deloitte Insights 撰稿人編者：Aditi Rao,Hannah Bachman,Debashree Mandal,Pubali Dey,and Cintia Cheong中文版編輯：劉俊龍，安恩瑩創意：Manya Kuzemchenko,Sylvia Yoon Chang,Natalie Pfaff,Molly Piersol,Harry Wedel,and Govindh Raj制作：Atira Anderson封面插圖設計：Manya Kuzemchenko and Sylvia Yoon Chang;G

245、etty Images,Adobe Stock注冊訂閱Deloitte Insights最新資訊： InsightsDeloitte Insights 發布原創文章、報告和期刊，為企業、公共部門和非政府組織提供專業見解。我們的目標是通過調研工作，利用德勤專業服務機構上下的專業經驗，以及來自學界和商界作者的合作，就企業高管和政府領導所關注的廣泛議題進行更深入地探討。Deloitte Insights 是 Deloitte Development LLC 旗下出版商。關于本刊物本通信中所含內容乃一般信息，任何德勤有限公司、其成員或它們的關聯機構（統稱為“德勤網絡”）并不因此構成提供任何專業建議或服

246、務。在作出任何可能影響您的財務或業務的決策或采取任何相關行動前，您應咨詢合格的專業顧問。任何德勤網絡內的機構均不對任何方因使用本通信而導致的任何損失承擔責任。關于德勤Deloitte（德勤）泛指一家或多家德勤有限公司，以及其全球成員所在的網絡和它們的關聯機構。德勤有限公司（又稱“德勤全球”）及其每一家成員和它們的關聯機構均為具有獨立法律地位的法律實體。德勤有限公司并不向客戶提供服務。在美國，德勤是指美國的一家或多家 DTTL 成員所、其在美國以“德勤”名義運營的相關實體及其各關聯機構。根據公共會計的規則條例，某些服務可能無法用于為客戶作證。請參閱 了解更多信息。2025。欲了解更多信息，請聯系德勤中國。保留所有權利。