2020年國內(nèi)和國際形勢的風云變幻，必將對IT行業(yè)產(chǎn)生巨大影響，改變著整個行業(yè)的技術發(fā)展方向；但也會有技術發(fā)展，沿著自己的軌跡前進，不受外界的干擾。
體系結(jié)構(gòu)，云計算
化繁為簡，走“簡約”之路，走微服務之路。
到2020年，微服務領域?qū)幸粋�新的詞匯：宏服務。實際上，宏服務并非一個全新的架構(gòu)，而是一種在單體與微服務之間取得平衡的思想。
當前微服務的發(fā)展增加了系統(tǒng)的復雜性，微服務日益細化，復用率達到頂峰，服務之間的關系也越來越復雜，維護費用也越來越高。因此，技術人員提出了“宏服務”，即在微細服務的分割粒度上找到一個平衡的位置，使系統(tǒng)更容易維護，實現(xiàn)多人協(xié)作維護，代碼庫重構(gòu)也更簡單。
到2021年，化繁為簡仍將是微服務的主題。
云原生不再是資源導向型的，而是應用導向型的。
在市場方面，由云原生技術提供的業(yè)務場景非常豐富，比如金融、制造、因特網(wǎng)等。對這些企業(yè)而言，應用云本地技術的最大困難不在于搭建云平臺，而在于遷移到云上。由于沒有為云計算開發(fā)傳統(tǒng)應用程序，因此遷移工作將非常繁重，如遷移工具的使用調(diào)試、遷移后的運行和維護等。此外，如果僅僅通過虛擬化和重新部署的方式遷移上云，就不能發(fā)揮云計算的彈性、高并發(fā)性等優(yōu)點。
所以現(xiàn)在云原生不再是資源驅(qū)動型的，而是應用驅(qū)動型的，虛擬機和服務器不再是云原生的中心，許多技術專家也把這稱為“云原生的2.0時代”。圍繞“應用”，規(guī)范企業(yè)應用的生命周期管理，建立統(tǒng)一的云原生應用部署、運行、運維、管理標準化流程，實現(xiàn)企業(yè)應用的生命周期管理，這正是未來云原生發(fā)展的重點和挑戰(zhàn)。
公司也會越來越意識到：“云在幫助我們的同時，還在幫助我們的商業(yè)部門。”技術架構(gòu)將逐漸轉(zhuǎn)變?yōu)槊嫦驑I(yè)務的微服務結(jié)構(gòu)，減少對開發(fā)和運營的關注，并真正專注于業(yè)務。
邊緣計算技術將迎來大規(guī)模商用落地。
就產(chǎn)業(yè)結(jié)構(gòu)而言，目前邊緣計算仍處于起步階段，下游主要由芯片、硬件、軟件和連接等組成，下游廠商將逐步將硬件和軟件設施向智能開放；中游主要是支撐平臺，涉及的廠商包括云服務供應商、電信運營商，這些廠商通常會選擇特定領域作為邊緣計算應用的突破口；而上游則是應用，為智能終端和應用賦能邊緣計算。整個產(chǎn)業(yè)鏈，從上游到中游到下游，企業(yè)都在探索邊緣計算的商業(yè)模式和顧客價值。
就落地場景而言，目前邊緣計算落地主要集中在能源互聯(lián)網(wǎng)、工業(yè)互聯(lián)網(wǎng)、AR/VR/高清視頻、云游戲、無人駕駛、智能商店、醫(yī)療保健等領域。
前面。
低代碼將帶來前端領域的新變化。
非IT技術人員也可以利用低代碼平臺構(gòu)建軟件；允許使用通用平臺開發(fā)多個應用程序，這在一定程度上解決了IT部門積壓任務的問題；支持多平臺部署，只要開發(fā)一個應用程序，就可以在不同的環(huán)境下編譯運行；易于維護，從而簡化了軟件的更新、調(diào)試、修復和修改。
當前，許多企業(yè)為了提高開發(fā)效率，特別是前端開發(fā)的效率，采用了低代碼平臺。蘇寧消費平臺研發(fā)中心前端技術總監(jiān)禹立彬在InfoQ此前接受采訪時表示：“作為一家電商公司的前端團隊，我們以前遇到類似的業(yè)務需求，通常都是組件化+人工修改，今年我們嘗試了低代碼平臺，大大減少了前端程序員的工作量�，F(xiàn)在蘇寧低代碼/無代碼平臺運行良好，成本節(jié)省明顯，以搭建促銷場所為例，已由4-5人的團隊減少到2人。
大數(shù)據(jù)，大人工智能
大數(shù)據(jù)加速與云的融合，湖倉一體從理論到實踐。
第六，工業(yè)智能將跨越發(fā)展的初級階段。
伴隨著深度學習、知識圖譜等技術的發(fā)展，算法對于復雜問題的可解性有了顯著提高，人工智能技術也逐漸發(fā)展到能夠解決實際問題，超越人類。以此為基礎，工業(yè)智能逐步發(fā)展起來，比較典型的有：基于數(shù)據(jù)驅(qū)動的優(yōu)化決策、深度視覺質(zhì)量檢測；工業(yè)知識圖譜解決全局性、行業(yè)性問題；開發(fā)和廣泛應用人機交互等智能工業(yè)機器人。
近年來，工業(yè)智能經(jīng)歷了三個主要階段：基于規(guī)則、基于統(tǒng)計和基于復雜計算。三個主要階段，一方面，專家系統(tǒng)、傳統(tǒng)機器學習、知識圖譜、前沿機器學習四種技術并存并不斷融合；另一方面，技術演進的脈絡越來越清晰，逐漸形成以知識圖譜為代表的知識工程和以深度學習為代表的數(shù)據(jù)科學兩大方向。但是，目前工業(yè)智能的應用主要集中在點狀場景上，普及程度有限，還存在很多問題，尚處于發(fā)展的初級階段。
可解釋性AI離大規(guī)模應用落地更近了一步。
因為機器學習模型具有“黑箱”性質(zhì)，模型內(nèi)部的原理和模型決策過程很難理解。但AI的操作結(jié)果將被解釋給人類用戶；同時，AI操作的問題將由人類工程師來定位和解決；此外，AI過程將需要人來管理。
由于計算能力的增強，算法模型變得越來越復雜，體積也越來越大，盡管它的確很強大，可以幫助我們做越來越多的事情，甚至在許多特定的任務中，性能超越人，但我們越來越不能理解這些模型，這是一個棘手的問題。我們所說的可解釋性，就是希望能直接理解模型的工作機制，打破人工智能的黑箱。
可解解釋性機器學習的思想就是在選擇模型的時候，考慮模型的精確度和可解釋性，它不僅提供了模型的預測結(jié)果，而且還提供了模型的合理性。目前對模型本身的可解釋性以及基于結(jié)果的可解釋性研究較多。
認知智力方面的突破值得期待。
怎樣獲得智慧？現(xiàn)在有兩條路可走：第一條是所謂的“暴力美學”，數(shù)據(jù)不足就加數(shù)據(jù)，比如GPT-3，相信將來GPT-4,GPT-5...這樣的想法可能會成功。但我們可以從另一個角度來看生物智能是如何產(chǎn)生的。生物學智能有許多實現(xiàn)途徑，不能僅僅依靠神經(jīng)元數(shù)量或暴力美學來解決問題。
若將通用人工智能定義為三個條件：一是多任務且能完成大量任務，而不只是一個單一任務；二是具有魯棒性；三是有能力適應多種環(huán)境。因此，未來我們需要將神經(jīng)科學、認知科學和計算科學有機地結(jié)合起來，加強人工智能與腦科學的雙向互動，揭示生物智能系統(tǒng)的精細結(jié)構(gòu)和工作機制，構(gòu)建功能類腦、性能超腦的智能系統(tǒng)，以視覺等功能動物和典型模式動物作為參照來測試智能水平，為人工智能的未來發(fā)展探索可行之路。
5G網(wǎng)絡建設初見成效，促進了智慧醫(yī)療、工業(yè)制造等產(chǎn)業(yè)發(fā)展。
五代機的發(fā)展速度，遠遠超過了前幾代通訊技術。到2020年，全球運營商加快基站建設，作為全球5G最大的布網(wǎng)市場，目前中國5G基站已經(jīng)超過70萬個。就5G終端和消費者而言，目前各主流智能手機品牌已經(jīng)進入消費市場，即使5GiPhone在今年晚些時候才上市，但銷量不俗，也有望助推5G市場的快速發(fā)展。
但是5G仍然缺乏“殺手锏應用”。5G具有低延遲、高帶寬等特點，進入2021年，5G將與“視頻”、“云游”、“物聯(lián)網(wǎng)”、“邊緣計算”等技術相結(jié)合，成為未來5G發(fā)展的新方向。
受暴發(fā)的影響，現(xiàn)場直播、短視頻和音視頻通話等視頻場景逐漸成為常態(tài)，如何使聲音和畫面更加一致，減少卡頓，降低延遲？沒有5G這一關鍵技術，答案是不可能的。另外，HDD技術發(fā)展的一個基本條件是帶寬，只有帶寬變得越來越大，才有可能實現(xiàn)。
區(qū)塊鏈技術在“新基建”的推動下，加速了其落地。
溫馨提示：內(nèi)容僅供信息傳播，供參考.
來源：億歐
賽絲智能家居 
詢問賽絲
