《經濟學人》雜志集結了二十位第一流的專家，就各自專長的領域，對未來三十年的科技走向與社會變遷，做出大膽的預言。

從未來科技的物理學基石、摩爾定律的極限、生物科技的應許等科技發展的基礎條件出發，擴展到工業產品的制造、農業新形態、食品生產、醫療保健、能源產出、軍力平衡，乃至于https://www.iothome.com/tech/ai&ml/‘ target=’_blank‘》人工智能、機器人、大數據帶來的沖擊與倫理問題，以及政策和社會面臨的巨大挑戰，每一篇專論都充滿洞察力和啟發性。對于現今從事制造、創新、商業、政治、社會工作的領導人物，以及深具企圖心、愿意接受挑戰的未來人才，《巨科技》都極有參考價值。以下是本書精采書摘。

第一波科技變革潮出現于 1950 年代晚期到 1970 年代，迎來了大型主機與迷你計算機。比爾．蓋茲和我當時都還是青少年，兩人都隨著這第一波浪潮卷入了軟件科技業。蓋茲那時還是高中生，我則是大學新鮮人，不過都有機會接觸到迷你計算機。

在那個年代，運算效能對絕大部分的人來說，根本就是看不到、摸不著。雖然只不過是第一波變革，卻已經預言了接下來數波科技潮的變化。每一波變革浪潮都帶來了令人咋舌的新事物，一開始就浮現于海面上的，只不過是其中一部分而已。就在這個關頭，贏家嶄露頭角，輸家則一敗涂地，只有領頭的創新者與公司能順利上岸。

在每一波科技潮當中，都會有一些核心的科技組件或新的商業策略浮現，隨著時間過去，一點一滴留下科技發展的足跡。這些新發展，通常都要歷時好幾十年，才有辦法完全展現影響力。

第一波現身的就是摩爾定律。受到影響的并不只有芯片上的晶體管數量，摩爾定律同樣決定了制造、設計、軟件等產業創新發展的節奏。

第二波科技潮的戰場，集中于操作系統與桌面計算機軟件，主要競爭者包括硬件制造商，以及陸續加入戰局的純軟件公司。

1990 年，第二波運算科技潮也上了岸，結果是微軟與它的專屬軟件一躍而出，成為最終的大贏家。與第一波科技潮相比，第二波科技潮的影響更顯而易見。隨著個人計算機的出貨量從 1975 年的五萬部，成長到 2000 年的1.34億部，數以億計的桌面計算機大量涌現，軟件至此真正成為一個產業。

第三波是“網絡 1.0”，除了互聯網，也帶來了亞馬遜與Google兩間公司。第四波則為“網絡 2.0”，出現的是“云端”與移動運算；蘋果有 iPhone，Google有Android系統，亞馬遜則有亞馬遜云端運算服務（AWS），都是此階段的贏家，另外還有一間新公司也繳出了亮眼成績，就是臉書。

每一波的運算科技愈來愈強大，在每一波浪潮中成功登陸的新公司，成長的速率也加快許多。微軟的營收花了15年，達到十億美元，但臉書只花了四年。

第五波與第六波科技潮則分別是大數據與物聯網，互聯網出現，造成信息爆炸，導致傳統的數據處理程序或平臺已不足以用來擷取、分享、儲存或搜尋所需信息，更別提進行預測分析了。

2006 年，出現了全新的開放原始碼軟件Hadoop，這是一款免費的開放原始碼軟件，搭配云端運算平臺之后，掀起了大數據的浪潮。

據估計，未來十年內，不只數十億的人口會透過上千個應用程序，不斷生產龐大的數據，聯網的設備更將超過一千億臺，而且每臺都會搭載數十個傳感器。要不了多久，至少一兆顆以上的傳感器，就會開始透過物聯網（IoT），從四面八方搜集資料，包括穿戴式設備、自動駕駛車、無人機、衛星或相機等。大數據的浪潮步步進逼的同時，跟隨其后的物聯網浪潮也慢慢在積聚能量，我們則從一般的互聯網演化至萬物聯網（IoE），看著數十億臺設備、還有數十億人口逐步連結在一起。

最新的大數據與物聯網兩波科技潮，還沒抵達岸邊，但此時已經可以看到第七波浪潮滾滾而來，這一波變革正是蓋茲最在意的一波：人工智能。

在這個領域當中，深度學習（deep learning）是最新的一環，其算法的設計，是以多層次機器學習互動之下產生的數據，做為學習基礎。系統學習可用的數字化數據以指數倍增，數據工具持續改善，關鍵的開放原始碼軟件出現，加上云端基礎設施價格平易近人，以上種種因素，導致現代人工智能的創新，出現百家爭艷的態勢。

對創業家與投資者來說，其實機會和標的早已明顯出現變動了。以往軟件投資一直集中在開發工具、平臺、應用程序，好讓企業能夠提升運作效率，或是擴大規模。軟件現在基本上就決定了用戶體驗，透過軟件，顧客掌握了更大的權力，一切也變得更加公開透明。

比爾．蓋茲的看法相當正確，軟件確實可以創造出驚人的價值。但即使是蓋茲也認為，目前看來，人工智能軟件就算有變得“超級聰明”的風險，也是相當久遠以后的事了。不過，毫無疑問的是，駕馭萬物聯網的能力，以及聰明善用大數據來服務顧客、讓顧客主導的能力，絕對是接下來的重要戰局。

責任編輯：Ct