7月20日，國際知名咨詢公司麥肯錫發布了《McKinsey Technology Trends Outlook 2023》2023科技趨勢展望報告。

在報告中，麥肯錫分析了全球先進技術的發展以及可能的用途和對各行業的影響。通過分析每個科技趨勢的創新和投資的量化指標，以衡量其發展動力，并考慮到這些趨勢的長期性質和相互依存性，深入探討了每種科技趨勢的底層技術、關鍵不確定性以及未來存在的問題，同時在此次報告中新增了一個重要的分析維度——人才，提供了與每個趨勢最相關角色的人才供需動態數據。

(資料圖片)

01總體摘要生成式AI代表了人工智能的下一個前沿，在現有的通用人工智能和工業化機器學習技術基礎上，生成式AI在大多數行業中都具有巨大的潛力和適用性

2021年至2022年，生成式AI相關話題的興趣（從新聞和互聯網搜索中評估）增加了三倍。生成式AI和其他基礎模型通過將輔助技術提升到一個新水平、減少應用開發時間并將強大能力賦予非技術用戶，改變了AI游戲規則。生成式AI有望從特定用例和更廣泛用途（例如協助編寫電子郵件草稿）的組合中增加高達4.4萬億美元的經濟價值，這些用途可以廣泛提高生產力。

大多數科技趨勢的投資在同比收緊，但隨著最近科技估值的反彈，未來增長的潛力仍然巨大

實際上，2022年的絕對投資額保持強勁，合計超過1萬億美元，充分表明了投資者對這些趨勢價值潛力的信心。在2022年的14種趨勢中，隨著安全性、隱私性和可擴展性變得越來越重要，信任架構和數字身份的趨勢增長最大，增長接近50%。通用人工智能、先進連接技術和邊緣計算等其他趨勢的投資則有所下降，原因可能是由于這些技術已相對成熟。與氣候技術和未來出行等新興技術的較長投資期相比，更成熟的技術可能對短期預算動態更加敏感。此外，隨著一些技術變得更具盈利性，它們通常可以在邊際投資較低的情況下實現進一步規模化，主流采用率將繼續保持增長。

尋求長期增長的企業應該關注對其業務來說最重要的科技趨勢組合，進行有針對性的投資，利用成熟的技術或新興技術來推動創新，以及實現可持續增長

例如邊緣計算和未來生物工程等技術已經顯示出穩步增長的創新性，并在各行業繼續拓展用例。事實上，在各行業中已經確定了400多個邊緣計算的用例，預計邊緣計算在未來五年內將在全球范圍內突破兩位數的增長。此外，量子計算等新興技術也在不斷發展，并顯示出巨大的價值創造潛力。麥肯錫對2023年的科技趨勢分析報告顯示，從量子計算中最早看到經濟影響的四大行業分別是汽車、化工、金融服務和生命科學，這四大行業有望到2035年獲得高達1.3萬億美元的價值。

科技人才動態：人才的匱乏是制約增長的首要問題，獲得科技趨勢價值所需知識技能的人才供需之間存在巨大差距

合格人才的短缺一直是限制許多高科技領域增長的一個長期因素，包括AI、量子技術、太空技術和電氣化與可再生能源。而且人才緊缺問題在云計算和工業化機器學習等行業中尤為突出，同時，雇傭高度專業化人員的領域，如未來出行和量子計算，也面臨著人才匱乏的主要挑戰。這些現狀凸顯了企業雇主當前面臨的人才困境。

麥肯錫通過對這些科技趨勢中的350萬條招聘信息的調研發現，許多最急需的技能合格從業者數量不到全球平均水平的一半。企業應該緊跟人才市場的脈搏，做好應對顯著變化的準備，并向希望雇用和留住的技術人員提供有吸引力的價值定位。同時企業應該繼續研究如何調整角色或提升員工技能，以滿足定制化的工作要求。盡管整體上全球職位在2021年至2022年期間下降了13%，但與科技趨勢相關領域的職位增長都非常強勁，達到15%。2018年至2022年期間，通用人工智能和下一代軟件開發領域共發布了近100萬個職位，其中下一代軟件開發領域的職位數量增長最為顯著。

0215種科技趨勢

麥肯錫《McKinsey Technology Trends Outlook 2023》2023科技趨勢展望報告中概述了所有15種科技趨勢的考慮因素，分析了每項技術可能的用途和對各行業的影響，并將其分為“人工智能革命、數字化建設、計算和互聯網前沿、尖端科技以及可持續發展”五大類。

為了描述每個科技趨勢的狀態，麥肯錫基于擁有研究專利的創新分數以及新聞和網絡搜索的關注度分數，統計了相關技術的投資情況和技術采用率等級，并對每個科技趨勢進行了打分，還詳細分析了該科技趨勢的最新動態、實際用例、底層技術、關鍵不確定性以及未來存在的問題。

人工智能革命通用人工智能

通過機器學習(ML)、計算機視覺和自然語言處理(NLP)等AI能力，各行業的企業都可以利用數據洞察信息，實現流程自動化、增加或增強功能，并做出更好的決策。麥肯錫預測，通用人工智能的潛在經濟價值在17萬億至26萬億美元之間，并且追求這種價值的公司比例也在持續增加。

根據麥肯錫年度人工智能現狀全球調查顯示，采用人工智能技術的受訪組織比例從2017年的20%上升至2022年的50%，增加了一倍多。其中2022年的調查還顯示，采用人工智能技術可以帶來顯著的財務效益：25%的受訪者將公司EBIT的5%或更高歸因于AI。然而，在企業充分發揮這項技術潛力之前，首先需要解決組織、技術、倫理和監管問題。

工業化機器學習

工業化機器學習(ML)，通常稱為ML運營或MLOps，指企業規模化和持續ML應用所需的工程實踐。無論是在功能還是互操作性方面，這些實踐均得到一個快速改進的技術工具生態系統的支持。MLOps工具可以幫助企業將試點項目轉化為可行的商業產品，加速分析解決方案的規模化，識別和解決生產中的問題，并提高團隊的生產力。經驗表明，成功實現工業化機器學習的組織可以將機器學習應用的生產時間框架(從概念驗證到產品)縮短約8至10倍，開發資源降低高達40%。工業化機器學習最初由少數領先企業推動，但隨著越來越多的企業將AI應用于更廣泛的行業用例中，其技術采用率正在不斷擴大。

生成式AI

生成式AI標志著AI的一個發展轉折點。與早期的AI不同，它可以根據從非結構化數據的類似格式中學習信息，實現創造新穎的非結構化內容，如文本、音頻、視頻、圖像、代碼、模擬甚至蛋白序列或消費者行為。其核心技術基礎模型可以適應廣泛的工作任務，如總結、分類或草擬文件。相比之下，早期AI模型就顯得比較“狹隘”，通常只能執行一個任務。

在商業環境中，生成式AI不僅可以解鎖新的用例，還可以加速、擴展或以其他方式改進現有用例。通過支持開發新產品和收入來源、提升客戶體驗，生成式AI有可能重新定義企業和價值鏈，其影響力預計將主要體現在提高員工生產力和體驗上。

數字化建設下一代軟件開發

下一代技術正在改變軟件開發生命周期中每個階段的工程師能力，從規劃、測試到部署、維護，使更多非技術員工能夠創建應用程序。它們可以簡化復雜任務并將其減少為單個命令。這些技術包括AI編程搭檔、低代碼/無代碼平臺、基礎設施即代碼，以及自動集成、部署和測試等新興的生成式AI工具。由于技術難度、重新培訓開發人員和測試工程師的大規模需求以及其他組織障礙，該項技術的采用速度雖然較慢，但在早期發展階段中已經展現了顯著的生產力提升能力，相信廣泛應用的時代正在到來。

信任架構和數字身份

數字信任技術使組織能夠管理技術和數據風險，加速創新并保護資產。此外，建立數據和技術治理信任還可以提升組織績效并改善客戶關系。相關底層技術包括零信任架構（ZTA）、數字身份系統和隱私工程。其他技術通過在人工智能設計中構建可解釋性、透明度、安全性和偏差最小化原則來幫助建立信任。但是，由于集成問題、組織孤島、人才短缺等因素的影響，數字信任技術的采用一直受到阻礙。

Web3

Web3的概念遠超過對加密貨幣投資的普遍理解，它更多地是指互聯網的未來模式，該模式將中心化權力重新分配給用戶，潛在地賦予用戶對其個人數據單一化和數字資產所有權的更多控制權，并催生一系列新的商業模式。Web3吸引了大量資本和工程人才，但新創企業仍在測試和擴展可行的商業模式，同時傳統企業將繼續探索最佳的Web3用例。早期采用者面臨的挑戰包括當下不明確以及不斷發展的法律法規、用戶體驗不如現有的Web2產品等問題。

計算和互聯網前沿先進連接技術

先進連接技術的提高將增強全球消費者的用戶體驗，并提高出行、醫療保健和制造業等行業的生產力，為未來各行業的數字解決方案提供支持。許多企業已經迅速采用了基于現有部署和連接標準的高級連接技術，但一些即將出現的新技術，如低地球軌道(LEO)連接、5G/6G網絡等面臨著需要解決的障礙，以增加其技術采用率。

沉浸式現實技術

沉浸式現實技術利用空間計算來解釋物理空間，模擬在現實環境中添加數據、對象和人員；并通過增強現實(AR)、虛擬現實(VR)和混合現實(MR)提供不同級別的沉浸感，實現在虛擬世界中的交互。2021年，風險投資者們向AR和VR初創公司提供了約40億美元的資金，這是繼2018年之后第二個最成功的融資年份。盡管AR和VR的總投資隨后在2022年有所下降，但投資者對這一科技趨勢表現出持續的興趣，去年至少完成了7輪1億美元或以上的投資輪次。麥肯錫的研究表明，新興的元宇宙科技到2030年可能會在消費者和企業用例中創造高達4萬億至5萬億美元的價值。

云和邊緣計算

未來，企業將利用涉及多個位置的計算和存儲基礎架構，實現從本地到更接近本地(邊緣)、從小型區域數據中心到遠程超大規模數據中心的轉換。與云相比，邊緣計算為組織提供了更快(超低延遲)在數據源頭處處理數據的能力，并實現數據主權和增強數據隱私的靈活性，從而解鎖各種新的用例，縮短與終端用戶的距離，減少數據傳輸延遲和成本，并提供對更相關數據集的更快訪問。公共云將通過以更好的規模經濟執行非時間敏感的計算用例，繼續在未來的企業發展中發揮關鍵作用。云和邊緣計算資源的持續集成將讓用戶將云的創新、速度和敏捷性擴展到邊緣和實時系統中，從而加速創新，提高生產力并創造商業價值。

量子技術

量子技術有望利用量子力學的獨特屬性，比傳統計算機更高效地執行特定類型的復雜計算，保障通信網絡的安全，并提供新一代傳感器，其靈敏度相比傳統傳感器的靈敏度有大幅提高。原則上，量子技術可以為航空航天、國防、汽車、化工、金融和制藥等行業的發展帶來重大進步。但是，由于實現完全糾錯的量子計算機和可擴展的量子通信網絡仍然存在技術挑戰，準量子技術用戶應為不確定的采用路線做好準備。

尖端科技出行領域

汽車大規模生產開始已過去一個多世紀，移動出行正處于第二次重大拐點：向自動駕駛、互聯、汽車電氣化和共享出行(ACES)技術轉變。在過去十年中，ACES技術的采用率在不斷提高，隨著可持續性發展政策不斷收緊、消費者偏好發生改變和創新的不斷推進，其發展步伐正在加快。例如，預計自動駕駛技術到2035年將創造高達4000億美元的收入。但短期內，創新者仍需面臨技術、法規和供應鏈問題的挑戰。

生物工程

生物學上的突破，結合數字技術的創新，可以幫助組織通過創造新產品和服務來滿足醫療保健、食品和農業、消費品、可持續發展以及能源和材料生產等不同領域的需求。麥肯錫的研究預測，當今科學已證明可行的約400個生物工程用例到2030-2040年，預計每年可以產生2萬億至4萬億美元的經濟增長。雖然目前某些基因療法和生物產品已獲得認可，但生物工程未來仍需要解決倫理、監管以及公眾認知問題，才能充分發揮其經濟增長潛力。

太空技術

過去五到十年，航天工業最重要的發展是技術成本的降低，這使得新技術和應用變得更容易。衛星和運載火箭的尺寸、重量、功率和成本的降低有力地推動了太空組件成本的降低。這些減少導致了系統架構的變化，例如從單個大型地球同步赤道軌道(GEO)衛星轉向更小的分布式低地球軌道(LEO)衛星，以及傳統非航天公司對航天技術的興趣日益濃厚。如今，太空技術和遙感技術的使用非常廣泛，分析表明，到2030年，太空市場可能會超過1萬億美元。未來的太空經濟可能涵蓋目前尚未大規模開展的活動，例如在軌制造、發電和太空采礦，以及載人航天。

可持續發展電氣化和可再生能源

盡管越來越多的國家政府和企業致力于實現大幅的脫碳目標，但由于地緣政治緊張局勢和能源需求的反彈，能源市場仍面臨極端性波動。電氣化和可再生能源有助于推動實現凈零排放承諾，主要包括太陽能、風能、水電、核能、氫能以及其他可再生能源、可持續燃料等。

此前，麥肯錫在《2022年全球能源展望》報告中分析了全球能源的發展趨勢，預測未來能源結構將向電力轉移，到2050年，電力、氫氣與合成燃料將占能源結構的50%。此外，對化石燃料需求的峰值預計將繼續向前推進，石油需求預計在未來五年內達到頂峰。能源領域的總投資預計將以每年4%以上的速度增長，并將向非化石和脫碳技術傾斜。

非電氣化和可再生能源的氣候技術

氣候技術包括碳捕捉、碳利用和儲存（CCUS）、碳清除、自然氣候解決方案、循環技術、替代蛋白質和可持續農業,以及用于跟蹤凈零進展的技術。

（本期內容編譯自麥肯錫《McKinsey Technology Trends Outlook 2023》，版權屬于原作者。）

*參考資料：麥肯錫《McKinsey Technology Trends Outlook 2023》

關鍵詞：