又到年底了，伴隨著回顧與總結，總有一些不滿涌上心頭，換工作、調方向、轉行的念頭又開始蠢蠢欲動，作為工程師/準工程師，雖說干的是技術活，但只顧埋頭腳踏實地，似乎還缺了點啥，有時候也該抬起頭，環顧一下，至少要保證自己前行的道路不太偏差。

為此，小編搜集了一些行業大佬們關于未來熱門技術發展的預判，或許從這些發展趨勢中能找到一些努力的方向。

是德科技首席技術官Jay Alexander給出其對2018年主要技術趨勢的預判：

（是德科技算得上是電子測量業老大哥了吧，要想把人家新產品新技術測得準，自家必須技術過硬，so,這個趨勢預判值得推薦！）

區塊鏈壯大—— 區塊鏈是一種為比特幣等加密數字貨幣提供支持的技術，它正蓄勢待發，在各種應用中被廣泛采用，并因其固有安全性而使這些應用大為受益。基于區塊鏈的智能安全合約將在各個行業（從金融、房地產到教育和醫療）出現。即便是成熟的行業都可能開始采用這種技術經過許可或專有的變體，用來驗證是否遵從國際流程標準。

軟件真正無處不在—— 虛擬化技術推動了大規模聯網計算的變革，使得云基礎架構快速興起，這些云基礎架構從根本上改變了實現價值的方式。隨著這種趨勢在聯網計算環境中快速普及，這一概念將普遍應用到電子系統中，從而在應用性能和價值方面取得新突破。傳統方式將解體并以新方式重構，優化高性能自定義軟件的組合與軟件的靈活性。

CMOS 可幫助實現毫米波寬帶連續譜的商業化—— 隨著經濟高效的 CMOS 推動頻率提高，毫米波寬帶連續譜將有望在消費類應用（從5G 到無人駕駛）中普遍應用。傳統的用于政府安全通信研發技術將出現在各種商業應用中，開辟“新”帶寬天地。

混合光子集成電路快速擴展，助力高速通信和計算應用—— 數據中心中涉及傳統電子/光學數據傳輸接口的要求在實際應用中很快將遭遇功耗瓶頸。要以經濟的方式在未來數據中心交換機中實現超過 25.6 Tbps 傳輸速率，新封裝技術將興起，促進各種光子和開關電路的集成。雖然這種技術到 2020 年才能獲得普遍商業化應用，但預計在 2018 年，這一領域的研發力度將大大增強。

商業化太空—— 私有企業將迅速改變人類探索和利用太空的方式。在過去，中央政府資助、擁有和控制衛星并掌控空間利用方式。盡管存在一些大的技術難題，按照商業規則行事的公司將推動宇宙飛船和商業衛星網絡的積極啟動和運行，實現從實時實時天氣影響、無處不在的全球互聯網接入到太空旅行和行星礦業等各種新應用。

薛定諤的貓定律將得到印證—— 安全長距離通信領域將取得重大成果。利用量子力學中所描述的物理現象將從理論上實現安全的長距離通信。量子通信使得篡改或竊聽幾乎無處著手。如有任何人試圖攔截或修改此類通信，系統將會向發送者和目標收件人發送這種安全威脅的通知。

AR/VR 的應用將超越游戲行業—— 開發套件將普及，將出現游戲行業之外的新應用。由于增強現實將大幅提高復雜環境中的通信，尤其是原本需要人為介入的場合；穩健的生態系統將圍繞制造、運營、服務和支持以及培訓而開發。

無人駕駛的時代到來，但不乏挑戰—— 在無人駕駛汽車的開發方面取得重大進展，但該行業不光要解決技術挑戰，還要消除諸如監管問題（燃料、安全性、通信、保險和法務）等實際影響。在自主汽車普遍應用之前，有一些道德挑戰需要解決，比如具有保險和法務方面影響的事故責任。機器在駕駛時，您如何分派責任呢？該行業需要相關法規和標準來應對這些問題。

電動車的采用—— 傳動系統、控制系統和電池技術方面的進步使得電動汽車行駛里程更為接近傳統的內燃機汽車。電動車的采用將超出預期，導致競爭更為激烈，并且推動基礎設施建設和促使成本降低。在這種良性循環的影響下，寬禁帶半導體技術（比如，GaN（氮化鎵）、SiC（碳化硅））的投資將在外形和能效方面實現突破，進一步加快這一趨勢。

NI公司在《2018 NI趨勢展望報告》中探討了五大主題的發展趨勢：

（雖然不大，但絕對是一個技術創新驅動型公司，NI每年都會推出趨勢展望，值得一看）

機器學習讓數據為您工作—— 智能系統會產生數據并依賴于數據，數據量的不斷增加加劇了對大模擬數據(Big Analog Data)的挑戰。

機器學習已經在模式識別（pattern recognition）相關的某些領域取得了顯著的成果，但是該技術正在對企業產生更大、更長遠的影響，需要相關行業提出更廣泛的見解以及提高效率。 消費者領域的機器學習應用浪潮將滲透到工業中，這將幫助工程師和管理人員通過自動化數據分析改進業務運營。 除了推動創新，機器學習還帶來了直接即時的業務改進，例如正常運行時間延長、生產成本降低以及工程開發效率提高。

5G將顛覆測試過程—— 5G創新不止于設計。 測試和測量解決方案將成為產品商業化周期中的關鍵環節，但是5G需要的測試方法與之前的無線技術截然不同。

5G采用了大規模MIMO和毫米波等新技術。 兩種技術都使用多天線和波束成形技術，這與目前和以往的無線架構有很大的不同。 5G還包括新的無線控制機制，通過將控制與數據分割開來實現網絡切片的概念，使服務擴展到單個用戶設備。另外，5G標準比3G和4G標準要復雜得多。

5G將變革我們的網絡，所以行業必須改變這些系統的設計、開發和測試方式。 對于算法設計，如果要從概念過渡到生產，只是對系統進行建模而沒有進行真實的驗證是不夠的。 而對于測試來說，僅針對單個組件的傳統方法將無法解釋對系統的整體影響。

IIoT的3大準則—— 工業物聯網(IIoT)中智能設備和互聯設備的數量快速增加，為提高性能和降低成本提供了巨大的機會，但一個被忽視的挑戰是如何高效地管理這些分布式系統。

工業物聯網（IIoT）已經從概念和試點項目迅速演變為大規模的廠級部署，并取得了豐碩的成果。如果無法跟上IIoT創新的步伐，不僅可能丟失市場份額，而且會消耗許多不必要的成本。事實上，據埃森哲2017年3月的《Connected Business Transformation》報告指出：“95%的商業領袖期望他們的公司在未來三年內使用IIoT。”

結合目前的邊緣節點硬件和數據分析軟件，通過小型IIoT試點實現設備預測性維護和智能機器互聯控制所獲得的商業優勢是顯而易見的。現有的技術已經完全可以容納更大規模的工業互聯系統，但同時也帶來了更大的工業數據智能管理挑戰。而現在，最受關注的技術熱點和挑戰是：如何擴展和管理大型IIoT部署，包括遠程系統管理、軟件配置管理和數據管理。

電氣化的影響—— 汽車電氣化趨勢不只是全球從內燃機汽車和混合動力汽車向全電動汽車的轉變。 除了車輛本身日益復雜的影響，我們還需要考慮對支持基礎設施提出的新要求。

在全球范圍內，政府正在推行新的指令，這些指令將導致內燃機逐漸消失。 中國率先規定在2018年之前上路的新車輛中，必須有8％是“新能源”或零排放車輛，這是很大的挑戰，因為目前這一比例僅為2％至3％。 類似的限制內燃機未來發展的政府法規已經遍及全球，與此同時，混合動力汽車和全電動汽車產業的重要性和發展也不容忽視。從內燃機到混合動力以及全電動汽車的轉變只是車輛電力電子系統中變化最顯著的一部分。 電氣化對車輛子系統也同樣很重要。

打破摩爾定律—— 盡管最近關于摩爾定律消亡的言論很多，實際情況與摩爾定律也有所偏差，但數十年的創新基本上還是一直遵循著摩爾定律。

雖然經過了五十多年的反復驗證，這一定律現在再次面臨挑戰，但請不要對半導體和電子市場的前景悲觀失望。盡管有一些微小的偏差，但半導體處理技術的發展數十年來一直遵循這一定律。 這種“無限制”的體積縮小（scaling）可允許復用類似的架構設計，為半導體技術的發展提供更低的成本、更低的功耗以及更快的處理速度。 而這種“無限制”的體積縮小的終結是否意味著計算技術的進步即將走到盡頭？ 盡管這一威脅嚴重到足以讓DARPA增加資金投入到后摩爾定律世界的研究，但科學家和工程師一直以來都在不斷地克服縮小體積芯片過程中的障礙，而純粹針對半導體芯片體積縮小的一些創新替代方案則描繪了一個明朗有趣的未來。 利用第三維度(3D IC和SiP)以及新型計算架構，或許可以帶來新的轉折。

Gartner發布的2018首要戰略科技發展趨勢：

（作為全球有名的IT研究與顧問咨詢公司，閱司無數的Gartner的報告應該有些分量吧）

Gartner近日公布了將在2018年對大部分企業機構產生顯著影響的首要戰略科技發展趨勢，包括人工智能基礎、智能應用與分析、智能物件、數字孿生、從云到邊緣、會話式平臺、沉浸式體驗、區塊鏈、事件驅動、持續自適應風險和信任等。

前三個戰略科技發展趨勢探討了人工智能（AI）與機器學習（machine learning）將如何滲透至幾乎任意領域，并代表著未來五年內技術提供商的一個主戰場。隨后的四個趨勢集中于混合數字與物理世界，以打造一個沉浸式、數字增強型環境。最后三個趨勢則指的是利用不斷擴大的人員與商業規模以及設備、內容、服務之間的連接，實現數字化業務成果。

人工智能基礎

至少到2020年之前，創建能夠自我學習、調整并有望自主行動的系統都是技術提供商的一個重要戰場。直到2025年，利用人工智能助力決策、重塑商業模式與生態系統、重建客戶體驗的能力都將是數字化計劃取得成功的關鍵推動力。

Cearley先生認為：“人工智能技術正在快速演化，各企業機構必須對技能、流程與工具投入巨資，以便成功利用這些技術構建人工智能增強型系統。投資領域可能包括數據準備、集成、算法、選擇訓練方法和建模。數據科學家、開發人員與業務流程所有者等多方支持者將需要一起工作。”

智能應用與分析

在今后幾年里，幾乎任一應用與服務都將采用一定程度的人工智能。其中某些應用將成為真正的智能應用，若無人工智能與機器學習，這些應用程序將無法存在。其他一些則將潛在利用人工智能，從幕后提供智能。智能應用在人類與系統之間搭起了一個全新智能中間層，有望改變工作的本質以及工作場所的結構。

Cearley先生表示：“在探索智能應用時應將其作為增強人類活動的一種方式，而非簡單地替代人類。增強分析是一個格外具有戰略意義的、逐漸發展的領域。它面向廣泛的商業用戶、運營工作者和民間數據科學家（citizen data scientist），利用機器學習自動完成數據準備、洞察發現與洞察分享。”

在廣大軟件與服務市場內，人工智能已成為下一個關鍵領域，包括企業資源規劃（ERP）的各個方面。套裝軟件與服務提供商應表明將如何通過高級分析、智能流程和先進的用戶體驗等形式通過人工智能為新版本增加商業價值。

智能物件

智能物件是指摒棄嚴密的編程模型，轉而利用人工智能實現高級行為并更加自然地與周圍環境及人類進行互動的實物。人工智能正在大力推動全新智能物件（如：自動駕駛車輛、機器人與無人機）的進步并為許多既有物件（例如與消費者及工業系統相連接的物聯網）帶來更強功能。

Cearley先生認為：“目前，用于受控環境（例如耕作與采礦）下的自動駕駛汽車（automobile vehicles）是智能物件快速成長的一個領域。到2022年，我們可能將親眼目睹自動駕駛汽車在有限、可控且明確定義的道路上行駛的實例。不過，駕駛員可能是自動駕駛汽車的普及的一個必要條件，以防發生意外技術故障。至少在未來五年內，我們預測需要駕駛員的半自動汽車將占主導地位。在此期間，制造商將更加嚴格地測試技術，同時法律法規問題以及文化接受度等非技術性問題也將得到解決。”

數字孿生

數字孿生是指以數字化方式再現真實的實體或系統。在今后三至五年內，物聯網項目背景下的數字孿生尤其前途光明，并于當前引領著人們對于數字孿生的興趣。精心設計的資產數字孿生有望極大地改進企業決策。這些數字孿生與其真實的對應物相關聯，并用于了解物件或系統的狀態、響應變化、改進運營并提升價值。首先，各企業機構將只是實施數字孿生，然后隨著時間的推移而不斷改進它們，提高其收集數據、反映正確數據、應用正確分析與規則并有效響應商業目標的能力。

Cearley先生表示：“久而久之，我們世界中幾乎每一方面的數字化再現都將與其真實對應物動態地聯系在一起，此外還將彼此聯系并納入基于人工智能的功能，以實現高級模擬、運行與分析。城市規劃者、數字營銷人員、醫療保健專業人員以及工業規劃者均將受益于這一向綜合數字化孿生世界的長期轉變。”

從云到邊緣

邊緣計算（Edge computing）描述了一種計算拓撲，在這種拓撲結構中，信息處理、內容收集與交付均在鄰近此類信息的源頭完成。連接與延遲挑戰、帶寬限制以及嵌入邊緣的更強大功能均支持分布式模式。各企業應著手將邊緣設計模式用于基礎設施架構之中——對于擁有大量物聯網元素的企業尤其如此。

雖然許多人將云與邊緣視作競爭方法，但云實際上是一種計算方式，在這種情況下，可彈性擴展的技術功能以服務形式交付，且天生就無需集中模式。

Cearley先生指出：“從互補概念考慮時，云可作為創建服務導向型模式以及集中控制和協作結構的一種技術方式，而邊緣則用作交付方式，從而以離散或分布式流程執行云服務的各個環節。”

會話式平臺

在人類與數字化世界互動方面，會話式平臺將推動下一個重大模式轉變。詮釋意圖的負擔從用戶交給了計算機。該平臺接收用戶的問題或命令，然后通過執行某些功能、展現某些內容或詢問更多輸入信息來響應。在接下來的幾年內，會話界面將成為用戶互動的一個首要設計目標，并通過專用硬件、核心操作系統特性、平臺及應用來實現。

Cearley先生認為：“在理解語言以及用戶基本意圖方面，會話式平臺已經達到了臨界點，但仍有所不足。會話式平臺面臨的挑戰在于用戶必須以非常結構化的方式進行溝通，而這通常都是令人失望的體驗。會話模型的穩健性以及用于訪問、調用與協調第三方服務以交付復雜結果的應用程序接口（API）及事件模型是各類會話式平臺之間的主要區別要素。”

沉浸式體驗

會話式界面正在改變人們控制數字世界的方式，而虛擬、增強和混合現實（virtual, augmented and mixed reality）則在改變人們觀察和與數字世界互動的方式。目前，虛擬現實和增強現實市場尚不成熟，還處于碎片化階段。不過，人們對該領域的興趣非常濃厚，因而催生了視頻游戲和360度球幕視頻等諸多新奇的虛擬現實應用，然而這些高級娛樂應用目前能產生的商業價值微乎其微。為了推動實現真正有形的商業效益，各企業必須審視特定的虛擬現實和增強現實應用的真實場景，以提高員工的工作效率，同時優化設計、培訓和可視化過程。

作為一種融合并拓展了虛擬現實和增強現實技術功能的沉浸式體驗類型，混合現實應運而生。作為一種特別的沉浸式體驗，這種技術十分引人注意，因為它優化了界面以更好匹配人們觀察并與世界互動的方式。混合現實跨度極大，包括用于增強或虛擬現實的頭盔式顯示器以及智能手機、基于平板的增強現實和環境傳感器的應用等。混合現實代表了人們觀察并與數字世界互動的范圍。

區塊鏈

區塊鏈正在從數字貨幣基礎架構向數字化平臺轉變。區塊鏈技術與現有的集中式交易和記錄機制截然不同，可作為已有企業和初創公司發展顛覆式數字化業務的基礎。雖然有關區塊鏈的宣傳都集中于金融服務行業，但區塊鏈在其它一些領域也有潛在的應用前景，比如政府部門、醫療保健、制造業、媒體發布、身份識別、所有權登記服務和供應鏈等。雖然區塊鏈前景可觀且無疑會帶來顛覆式影響，但是對區塊鏈的展望勝過區塊鏈的現實，而且許多相關技術在未來兩到三年內難以成熟。

事件驅動

數字化業務的核心圍繞以下理念，即：企業總是保持高度敏感，隨時準備探索利用全新的數字化業務時刻。業務事件可以是數字表達的任何事物，反映出明顯的新狀態或狀態變化，比如完成訂單或飛機著陸等。借助事件代理（event brokers）、物聯網、云計算、區塊鏈、內存數據管理（in-memory data management）和人工智能，人們可以更迅速地發現業務事件并進行更加詳細的分析。不過，如果缺乏文化和領導力變革，技術本身也難以實現事件驅動模式的全部價值。數字化業務促使IT領導者、規劃者和架構者從本身需求出發去積極地采用事件思維（event thinking）。

持續自適應風險和信任

為了確保數字化業務計劃面對高級定向攻擊時仍能有效實施，安全和風險管理領導者必須采用一種持續自適應風險和信任評估（CARTA）方法，以實現基于風險和信任且帶有適應性反應的實時決策。安全基礎架構必須在任何地方都具有自適應性，以便更好地利用機會并管理風險，從而確保安全性能夠跟上數字化業務的速度。

作為持續自適應風險和信任評估的一部分，各企業機構必須克服安全團隊和應用團隊之間的障礙，就像DevOps工具和流程彌合開發和運營之間的差別一樣。信息安全架構師應嘗試從多點協同將安全測試融入DevOps工作流程之中，在此過程中，他們必須以十分透明的方式與開發人員合作，并且保持DevOps的團隊合作、敏捷性和速度以及開發環境的靈活性，從而實現“DevSecOps”。運行時，持續自適應風險和信任評估也可與誘捕技術（deception technology）等聯合應用。虛擬化和軟件定義網絡等技術進步已使“自適應蜜罐技術”（adaptive honeypot）的部署、管理和監控變得更加容易，而后者是網絡誘捕的基本組成部分。