2021年技术趋势报告：全球企业加速数字化转型（161页）

同时，量子技术利用亚原子微粒的特性来 解决当今超级计算机仍无法解决的复杂问 题。宏观力量框架也将有助于直观显示交 互、信息和计算等技术的演化发展路径。 交互：随着人类和技术之间的互动更加深入， 未来交互终将走向简单透明和自然交互。 信息：随着机器管理信息的方式日益进 步，其终极目标是制造能够结合认知和体 会的全知机器，不仅能够识别相关关系， 还能识别因果关系。 计算：随着计算能力扩展，我们的长期目标 是实现计算丰度——无限的处理及获取技术 和信息的能力、和从中获得收益的能力。最终，为了规模化、持续化，新兴技术必须建 立在坚实的基础上，包括：技术业务、IT功能 的演进；信任、风险（涉及网络、监管和技术 道德）；以及核心系统现代化，重构企业传统 的核心系统。

精密的机器学习模型能高效地帮助 企业发现模式、揭示异常、做出预 测和决策、以及形成洞察力——这 些都日益成为组织绩效的主要驱动 因素。许多企业现在意识到，有必 要从个人英雄主义转变到注重提升 绩效的模式，要将开发阶段的机器学习模型高效迁入生产和 管理阶段。但是，虽然他们不懈努力，繁冗而脆弱的开发和 部署流程却遇到了重重阻碍，阻碍了生产团队、运营员工和 数据科学家之间的合作。随着人工智能和机器学习技术日趋 成熟，强大的工程和运营体制有助于组织克服这些阻碍， 并高效地实现人工智能技术规模化，从而加速企业转型。 为了扩大人工智能和机器学习的转型优势，人工智能的匠人 时代势必远去，让位于自动化、具有产业化洞察力的人工智 能时代——进入MLOps（又称ML CI/CD、ModelOps和ML  DevOps）：应用这种DevOps工具以及模型开发和交付方法， 能够确保模型的开发部署和持续的维护、管理，实现机器学 习的产业化和规模化应用。