世界著名作家和伟大思想家斯宾塞·约翰逊曾经说过：“世界上唯一不变的就是变化本身”。 诚然，社会瞬息万变，事物也在不断变化，尤其是在AI、5G、云计算等新兴技术的推动下，整个数字世界变得更加复杂和难以捉摸。
对于企业而言，面对日益复杂的技术演进，必须明确技术发展的正确方向，以最佳路径加速数字化转型，戴尔科技集团全球首席技术官John Roese近日在接受采访时发表了关于2024年技术趋势的声明。
生成式人工智能从理论走向实践
如今，随着生成式AI的广泛应用，以人工智能为代表的新一轮科技浪潮正在引领全社会走向第四次工业革命，AI作为一种模拟人类智能的技术，可以通过习学习、推理和自我纠正来实现自主决策和行动，在医疗保健中发挥着重要作用， 金融、交通、教育等领域。
如果说今年很多公司都在围绕技术本身做研发，那么明年，生成式AI有望从理论走向实践，“今年，我们其实可以看到，虽然包括谷歌、OpenAI在内的一系列公司都推出了生成式AI技术，但真正投入使用的客户并不多。 然而，一些领先的公司已经在考虑如何利用生成式人工智能在未来创造价值，到 2024 年，我们将看到真正的转变即将到来。 随着重点从广泛的实验转向自上而下的战略重点，变革性的生成式人工智能项目也即将出现。 约翰·罗斯说。
但需要知道的是，从理论到实践本身的过程也是艰难的，现在很多企业在对基础模型进行调优和训练后，已经获得了所谓的自有大模型，这就导致了这些大模型在垂直行业的生产场景中实际使用时， 它们不能真正成为生产力，为了改变这种状况，必须解决以下问题。
第一用于显式推理的基础结构。与需要大型集群和加速计算架构的训练不同，推理作为将训练结果投入使用的过程，其基础设施主要取决于有多少客户使用此类模型或推理能力，如果企业有一个非常成熟的模型但只有少量客户，一台服务器可能就足够了， 但是如果企业只有一个非常简单的模型，同时拥有多个客户，那么所需的服务器数量也会呈指数级增长，对于企业来说，有必要明确如何部署推理架构。
第二确定推理基础设施的部署位置。众所周知，经过训练的基础设施需要部署在数据中心，但推理端显然更贴近数据和用户，可能放在边缘，也可能靠近呼叫中心或终端用户，企业需要明确推理基础设施的部署，才能更好地让生成式AI更有价值。
第三保护推理基础设施。与训练端不同，推理基础设施需要离开数据中心，到达边缘、工厂、制造中心、交通网络等各个地方，企业需要确保自己创建的AI模型在投入生产时仍然是安全的。
在生成式AI刚刚起步的时候，世界上几乎每个企业、每个组织、每个职能部门都在思考如何利用生成式AI来改变生产和经营的方式，但当实际实施时，却发现虽然企业可能有成百上千个潜在的用例， 由于资源有限，首席信息官和领导者必须在所有可用的生成式 AI 用例中确定优先级，并结合运营成本考虑，以确定是否推进生成式 AI 项目。John Roese补充道。
巩固零信任框架
在一个充满不可预测和复杂网络攻击的世界中，探索安全环境就像在复杂的迷宫中导航，这些通道纵横交错，到达目的地。 零信任简化了这一过程。
作为一个已经存在了很长时间的概念，零信任旨在自动化组织的安全架构，并在系统受到攻击时立即协调响应。 之所以提到零信任的概念，是因为当今的网络安全架构大多是被动的，一旦出现新型攻击，网络安全架构就会有新的解决方案，在零信任的框架下，所有的人、设备和应用都必须经过验证，这实际上可以更好的保护企业的关键数据。
在运营层面，企业在推广零信任框架时，还应注意以下问题：
首先，零信任是针对企业的这不是一个快速的目标企业需要明确指出，通过单一技术或解决方案轻松构建零信任框架是不可能的。
其次完全零信任的目的是支持零信任涵盖的所有原则如果将其应用于现有架构并不容易，组织应考虑是否应该将风险最大的应用程序放入零信任框架中，而其余应用程序则保留在现有系统中。
同样，到目前为止，没有人知道端到端零信任是什么样子的，对于企业来说，需求逐步迈向零信任如果零信任在第一天没有完全实施，那么就该制定策略来对每个安全决策做出决策了。
最后，企业需要：为零信任实施选择高风险区域。对于企业来说，需要从最薄弱的环节入手，逐步增加自身的安全壁垒，而零信任的每一小步都是实现终极安全，企业需要审慎决策如何实施和应用这些原则。
边缘扩展，多云盛行
边缘平台作为物联网领域的变革性技术，无疑有着广阔的发展空间，而在现实生活中，人们产生的数据也更多地存在于离人更近的边缘节点，比如工厂、医院等，而不是数据中心，这意味着大型云服务提供商需要为每个架构构建自己的边缘， 比如谷歌的Anthos、亚马逊的Outposts等等。
为了构建一个更现代化的边缘平台，企业可以采取两种方式，一种是扩展边缘岛，另一种是构建多云边缘平台，但未来的发展方向必须是后者，上面既有软硬件编排，又有云服务，没有必要为每个工作负载搭建自己的平台， 而是要有一个共同的平台。借助边缘平台，使现代边缘成为多云基础架构的扩展。
此外，边缘也有望在明年与AI进行更深度的融合，因为大量的AI不会应用在数据中心，而是应用在企业的生产经营活动中，而想要高效、安全的方式使用，那么就必须在边缘。 “机器与机器之间的通信往往具有较低的延迟，如果数据是从传感器或真实系统导入的，那么它的反应时间会更快，以美国的一家火车公司为例，他们在美国各地部署了大量的摄像头来查看每个货叉的运行状态， 这是人力无法企及的，在AI场景中使用摄像头功能需要企业实时知道可能发生的安全问题，而企业安全系统管理的实时监控就是AI应用场景的情况。约翰·罗斯说。
除了上述三个技术前景外，John Roese还分享了将量子计算与生成式AI相结合的可能性，这与传统计算不同，传统计算具有无限处理数据的能力，可以在几乎无限的数据答案中选择最可能的结果，而生成式AI也是一种概率计算， 而量子计算在优化生成式AI后，可以成倍地提高生成式AI的效率，让生成式AI可以做得更多。
从IT安全到量子技术，从人工智能到边缘计算再到云计算，我们的数字世界正在以前所未有的速度发展和扩展。 对于企业来说，虽然仍面临各种挑战，但在了解未来技术趋势后，可以更好地从数据中创造价值。