技术改变了世界，这是无可争辩的说法。 从古人的耕作到今天的印刷机，再到个人电脑，先进的技术有能力从根本上重塑世界和我们的生活方式。 过去几十年的许多变化使我们意识到，我们社会中一些最具变革性的变化是由软件实现的。 数字化转型不仅仅是一个流行语，而是现实。
2023 年是快速变化的一年，许多引人注目的新型软件定义技术进入企业。 在这篇文章中，我们分享了五个特别有影响力的发展和一些 2024 年的**。
使用信息技术 （IT） 原则的运营技术 （OT） 网络的现代化正在急剧增长。 “工业 4“0”这个词已经流传了十多年。 它是使用自动化和数字系统来管理制造和过程控制系统中的物理过程的总称。 通过打破 IT 和 OT 之间的壁垒，制造商可以利用新功能进行协作，主动增强和加速运营，并根据需求灵活、智能地进行扩展。 当然，这个概念还包括物联网（IoT）和计算机视觉等。
如今，初创公司正在使用先进的制造技术和软件定义控制系统，这些技术融合了物理世界和数字世界（例如协作机器人），并允许人类和工业机器人在计算机视觉和其他传感器数据的驱动下并肩工作。 我们今年看到的新情况是，许多主要的工业参与者已经对他们的流程进行了重大改变，而不是简单的实验。 例子包括福特、雀巢和埃克森美孚。 到 2024 年，随着工业组织重组其制造或生产线以实现软件定义的控制系统，这将成为事实上的规范。
显然，人工智能必须在名单上。 特别是生成式人工智能，它已成为一种催化剂，使企业能够创建、迭代和优化复杂问题的解决方案。 借助生成式 AI 应用程序和正确的数据，企业可以探索更多可能性、最大限度地降低风险、优化生产并自动执行任务，以实现突破性的解决方案并节省成本。 OpenAI 的 ChatGPT 和 Google 的 Bard 等大型语言模型 （LLM） 已经在改变世界。 像 Stable Diffusion 这样的图像生成模型现在正在激发新一代的创意。
许多组织正在努力让您更轻松地构建自己的生成式 AI 模型，有些组织正在调整 llama2 等模型的开源基础以适应特定用例。 新的用例仍在不断发展，但早期的用例包括虚拟助手和支持聊天机器人、更高效的商务电子邮件编写工具等等，以及更好地参与电子商务中的正常客户服务互动。
随着该领域在 2023 年取得突破性进展后不断成熟并获得越来越多的商业兴趣，预计 2024 年除了 LLM 和酷 **之外，生成式 AI 还将有许多令人兴奋的新用例。 事实上，很难想象在人类努力的范围内，人工智能现在或将来可能无法应用，而我们才刚刚开始。
随着应用程序在全球范围内增长，支持它们的基础架构的多样性也在增加。 这促使许多团队在生态系统中启动项目，以帮助管理由此产生的复杂性。 例如，Hashicorp 的 Terraform 和 CNCF 的 Crossplane 和 Open Cluster Management 项目在使用和实验方面取得了重大进展。 没有任何工具可以帮助团队处理来自云的基础设施、数据、管道和其他复杂的抽象，并完全控制这种复杂性;但是，它们在某些方面都增加了自己的特点。
现在，该团队正在处理隐藏在云中的这些复杂的新抽象，他们需要了解有关这些工具如何工作的所有信息。 在一个理想的世界里，他们的一些痛苦和辛劳会迫使某些东西成熟到足以变得非常有价值。 我们不知道是否有一种工具可以解决多云的复杂性，并在 2024 年获胜，但我们确实知道它们都会变得更好，并实现更酷的用例。
数据引力，即随着数据量的增加，它也会获得“质量”，并使整个软件架构的元素更接近生成或处理数据的站点，继续推动现代架构的发展。 这种趋势迫使应用程序变得更加模块化，使需要低延迟或高带宽访问数据的应用程序组件能够推送到网络的“边缘”。
2023 年，上述各种趋势将成为这个更大的趋势，需要能够响应应用程序数据需求的混合云架构，例如 AI 需要在边缘直接访问数据，这通常意味着在制造或流程层面。 例如，美国陆军多年来一直在做“边缘计算”，称其为“战术网络”，可以在有争议的环境中根据需要快速可靠地交换数据。
在边缘计算中，传统数据中心之外的数据和处理的增加给组织带来了潜在的风险，因为物理安全性降低，计算占用空间有限，成本预期降低，远程管理往往因缺乏IT人员而加剧。 在这种环境下，安全性越来越受到关注，因为集中控制和分布式执行是游戏的名称。 当前世界围绕零信任网络的进步使得理解其安全影响变得更加困难，但 FIDO 板载设备 （FDO） 等标准正在帮助确保边缘计算的未来。 2024年的实施已经成熟了很多，我们预计2024年市场会更加成熟。
云计算有两个特别有价值的用例：希望在不构建或雇用基础设施专业知识的情况下快速交付产品的组织，以及希望弹性扩展其功能以向最终用户和客户交付产品的组织。 云有望从根本上改变组织运行其基础设施的方式，一些组织已经接受了无限连接、无限计算和无限存储的承诺。 但这样的事情是有代价的，云供应商用来存储输入人工智能模型的大量数据的费用引起了买家的懊悔。 一些组织开始探索将这些数据遣返的可能性，将其带回自己的数据中心，并使用本地系统和专业知识来管理这些数据。
但是，从云中移动大量数据确实会产生成本，因此最好的答案是允许数据保留在最有意义的位置，而不限制您需要处理的重要工作，从而使问题变得更糟。 到 2024 年，更多的组织将磨练他们的“云遣返”技能并推动新的创新，同时优化处理数据的成本，无论是否传输。
有趣的是，所有这些趋势都有一个共同点：它们都与数据引力以及我们在网络或需要数据的应用程序上移动数据的方式有关。 当今的技术系统几乎无法跟上全球快速增长的数据存储和使用，我们一直在寻找处理、移动和存储信息的新方法。 无论是个人的还是商业的，强烈兴趣的火花都会为我们遇到的一系列问题带来新的想法，新的软件定义系统将有意义地塑造业务，我们运行的基础设施，无论是个人的还是商业的，强烈兴趣的火花将带来新的想法来解决我们遇到的问题，并带来新的软件定义系统，这些系统将有意义地塑造业务， 我们运行的基础设施，以及将所有这些系统连接在一起的网络。