2016年7月，Gartner公司發布了年度新興技術成熟度曲線。Gartner指出，2016年是數字的一年，數字業務創新是“新常態”，專注于技術創新的企業將繼續尋找可以幫助他們創造競爭優勢和價值、降低經營成本、使業務模型轉型的新技術。

圖1 2016新興技術曲線(來源：Gartner 2016年7月)

一、突出趨勢

今年，有三個趨勢非常突出：一是感知智能機器時代來臨;二是透明的身臨其境的體驗更加優化;三是平臺革命正在醞釀。這三方面的趨勢將給決策者們帶來顯著的機會，幫助企業的領導者們應對數字業務發展的挑戰，為各類組織提供鏈接新商業生態系統平臺的新機遇。

1、感知智能機器

由于強大的計算能力，海量數據，并在深度神經網絡的前所未有的進步，擁有智能機器技術的企業能夠充分利用數據，調整適應新環境，解決前人從未遇到的問題。因此，智能機器技術將是未來10年里最具破壞性的一類技術。

在這個趨勢中尋找杠桿的企業應考慮以下技術：智能微塵、機器學習、虛擬個人助理、認知專家顧問、智能數據挖掘、智能工作空間、會話用戶界面、智能機器人、商業無人機、自動駕駛汽車、自然語言問答、個人分析、企業分類法及自然管理、數據經紀人PaaS(dbrPaaS)和語境經紀(context brokering)。

2、透明化身臨其境的體驗

技術已經并將繼續成為以人為中心，它將提高人、企業和事物之間的透明度。隨著技術演變更加適應工作場所和家庭環境，并且與企業和其他人的互動加強，這種關系將變得更加交織。

在這個趨勢中尋找杠桿的企業要考慮的關鍵技術包括4D打印、腦機接口、人類機能增加、立體顯示技術、情感運算、互聯家庭、碳納米管電池、增強現實、虛擬現實和手勢控制設備等。

3、平臺革命

新興技術正在改變我們定義和使用平臺概念的方式。從技術基礎設施到生態系統平臺的轉變，奠定了較新的商業模式基礎，正在形成人類和技術之間的橋梁。在這些動態生態系統中，組織必須主動了解和重新定義他們的戰略，以建立基于平臺的商業模式，并利用內部和外部的運籌帷幄的方法以產生價值。

在這個趨勢中需要跟蹤的關鍵平臺實現技術有神經形態硬件、量子計算、區塊鏈、物聯網平臺、軟件定義安全和軟件定義一切(SDx)。

二、重點關注

一是第一次進入曲線的新興技術。圍繞上述三大趨勢，今年新興技術成熟度曲線出現了16個新技術，其分析師圍繞這些新技術為決策者們提供了他們的一些看法和思考;二是曲線上位置明顯移動的技術，對比2015年，今年曲線上有一些技術點發生了顯著的波動，報告對這些技術點的變化作了深入的分析和說明;三是曲線上消失的技術。和往年類似，一些在去年曲線上出現的技術今年沒有再出現，例如大數據、云計算及相關技術，Gartner指出這些技術不是不重要，而是不再是“新興”;四是技術成為主流的時間預見，這主要應用優先度矩陣方法。

1、第一次進入曲線的新興技術

2016新興技術曲線第一次引入的新興技術，為企業架構師(EA)提供表達未來幾年戰略性技術趨勢的前沿熱點。下面的16個新技術將支持EA應用智能機器，透明身臨其境的體驗和平臺革命的三個主題：

• 4D打印(4D Printing)
• 區塊鏈(Blockchain)
• 通用機器智能(General-Purpose Machine Intelligence)
• 802.11ax
• 情境經紀(context brokering)
• 神經形態硬件(Neuromorphic Hardware)
• 數據經紀人(dbrPaaS)(Data Broker PaaS)
• 個人分析(Personal Analytics)
• 智能工作空間(Smart Workspace)
• 智能數字挖掘(Smart Data Discovery)
• 商用無人機(Commercial UAVs (Drones))
• 互聯家庭(Connected Home)
• 機器學習(Machine Learning)
• 碳納米管電池(Nanotube Electronics)
• 軟件定義一切(Software-Defined Anything (SDx))
• 企業分類及自然管理(Enterprise Taxonomy and Ontology Management)

2、曲線上位置明顯移動的技術

虛擬個人助理(VPAs)

繼續成為跨越平臺之間的更不顯眼的、無處不在的技術。其情境感知增加效用已被越來越多用戶采用，因為隨著技術的提高，改造工作性質的工作空間結構方法的多樣化，VPAs使用戶獲得更好的體驗。

軟件定義安全(SDSec)

安全供應商繼續將更多策略管理從個別硬件元素移動到一個基于軟件的管理平面，以便保證指定安全策略的靈活性。因此，SDSec為安全政策的執行帶來速度和敏捷性，而不管用戶的位置、信息或工作量。

智能機器人

由于幾個關鍵廠商的收購，智能機器人在新興技術曲線上取得了進一步發展，而且隨著供應商實施其計劃，擴大其產品供應，并加快在更廣泛的行業應用案例和企業規模方面提供解決方案的步伐，智能機器人將在未來幾年繼續發展。至目前為止，智能機器人較少被采用，但在市場上獲得了關注，這就是為什么它們被定位為正在攀登膨脹預期的巔峰。

3、從曲線上消失的技術

在許多情況下，這些技術不再是“新興的”，而是正慢慢的融入我們的生活，如：大數據和云計算等。從新興技術曲線中離開的技術只是為了突出其他的新興技術。出現在2015年新興技術曲線，但沒有出現在今年新興技術曲線的技術有：

• 3D生物打印系統用于器官移植(3D Bioprinting Systems for Organ Transplant)
• 自我實現的高級分析(Advanced Analytics With Self-Service Delivery)
• 生物聲學傳感(Bioacoustic Sensing)
• 公民數據科學(Citizen Data Science)
• 消費者3D打印(Consumer 3D Printing)
• 數字化辦公(Digital Dexterity)
• 數字安全(Digital Security)
• 企業3D打印(Enterprise 3D Printing)
• 混合云計算(Hybrid Cloud Computing)
• 物聯網(Internet of Things)
• 神經商業(Neurobusiness)
• 語音翻譯(Speech-to-Speech Translation)
• 可穿戴設備(Wearables)

4、新興技術成為主流技術的時間預見

新興技術具有破壞性的性質，但他們提供的競爭優勢還沒有完全為人所知或在市場上被證明。然而，大多數技術將需要超過5至10年達到生產力高點。

兩到五年成為主流技術

軟件定義一切(SDx)預示著平臺革命臨近，機器學習已經為人們的生活、工作提供了重要幫助，自然語言問答將繼續深入推進機器學習，使其獲得大眾關注，人工智能日益融入我們的生活。

五到十年成為主流技術

軟件定義安全(SDSec)表明平臺革命正在全面發力，SDSec為安全策略的實施帶來速度和敏捷性，而不考慮用戶的位置、信息或工作量。虛擬個人助理提供不顯眼的、無處不在的、情景感知的基于顧問的解決方案，同時數據區塊鏈將擴大分布式總賬概念，有望改變行業經營模式。

超過十年成為主流技術

神經形態硬件模擬生物神經元的功能，量子計算提供了前所未有的計算能力，一般用途的機器智能將無處不在，AI作為一個服務，最終將成為透明的身臨其境的體驗、平臺革命、感知智能機器時代之間融合的關鍵因素。

圖2 2016新興技術的優先矩陣(來源：Gartner 2016年7月)

三、總體動態

整體看待這三個主題，可以看到透明的、身臨其境的體驗技術(如情感運算，互聯家庭，增強現實，虛擬現實，人類機能增強)拉動著新興技術曲線中的其他趨勢(參見圖3)。

50%的透明化身臨其境體驗技術點正處于或越過最高峰，這意味著他們即將邁向低谷。平臺革命技術在接近、處于或跨越最高峰的位置，表明它是以人為中心的技術關鍵。最后，智能機器正在新興技術曲線上迅速攀升，說明新的現實是可能通過透明的身臨其境的技術傳遞智能而實現的。

總體趨勢表明，更多的企業能夠使技術成為他們員工、合作伙伴和客戶經驗的一個組成部分，他們能夠以更新和動態的方式將其生態系統與平臺連接。此外，隨著智能機器技術的不斷發展，它們將成為人類經驗和數字商業生態系統的一部分。

圖3 新興技術如何在技術發展曲線上移動(來源：Gartner 2016年7月)

四、分階段技術點

1、觸發期

智能微塵(Smart Dust)

智能微塵是一種機器人、微機電系統(MEMS)或其他設備。智能微塵可以通過光學、溫度、壓力振動、磁場和化學成分來檢測出任何事物。目前，針對智能微塵的研究還處在實驗室階段，如南加州大學機器人研究實驗室(美國國防高級研究計劃局(DARPA)資助)和JLH實驗室。研究的主要目的是使微粒盡可能小，其中涉及的問題包含微型化的革命性發展，集成和能源管理。他們還旨在使微粒盡可能的便宜。作為一個將傳感器/通信系統集成在毫米級立方體內的技術，智能微塵還有很長的路要走。

4D打印(4D Printing)

[[170122]]

四維打印(4DP)技術是用動態能力(或功能、屬性)對材料進行編程，并通過化學、應用電子、顆粒或納米材料將其改變。此外，該技術具有排列、混合和放置特定材料的功能。4DP是處于胚胎階段的新興技術，是幾年前在僅有很少從業人員的學術和技術實驗室里產生的概念(例如麻省理工的自組裝實驗室)。兩個供應商(Stratasys和Autodesk)創建4D打印概念，撬動多零件形狀轉化能力和印刷定制的智能材料的新工藝。

通用機器智能(General-Purpose Machine Intelligence)

機器具有類似人類在學習、推理、適應和理解等方面的能力就被稱為“智能”。通用機器智能(GPMI協議;又名“強人工智能”)適用于廣泛的使用案例，專用機器智能(“弱人工智能”)僅限于特定(窄)的使用案例。GPMI協議對智能機器不是必要的，具有能夠控制自身維護和再生產方式的具有GPMI的機器只存在于科幻小說。今天人工智能系統，都不能通過等同于人類的智力的通用測試(也沒有完全可接受對人類的智慧的測量方式去測試機器)。這并不是說，永遠不可能創造一種接近于人類認知能力的機器，但我們可能距離完成必要研究和工程實驗還有好幾十年。

802.11ax

802.11ax是今天最常用Wi-Fi網絡——802.11ac的繼承。其主要改進的是提高現有2.4GHz和5GHz頻譜效率，從而提高了在人口稠密地區的吞吐量。它的目標不僅是提高Wi-Fi設備的峰值性能(如過去Wi-Fi技術所做的)，而且還可以同時支持更大數量的設備。因此，新興物聯網市場是其最大的目標之一。

情境經紀(Context Brokering)

情境經紀是一個針對發現和分析數據情境(原始數據利用和數據制備)的數據處理模型，從而了解與人決策或自動決策有關的實體衍生狀態(如人、事物或地方)。情境數據通常從外部的各種來源獲得。情境數據最初隨著經紀人市場出現(情境數據提供商如鄧白氏、益百利)，提供客戶信用評級、企業和制備情境數據評分。業務的快速數字化創造了大量新的情境數據挖掘機會，包括潛在的巧合數據收集。

神經形態硬件(Neuromorphic Hardware)

神經形態硬件采用多進制信號來模擬生物神經元的功能。多進制信號的例子包括模擬水平和基于尖峰信號，這些方法傳輸更多的信息，但比數字信號的速度慢一些，較慢的速率能夠保證在低功率下具有較高的可擴展性。生物神經元在在成千上萬的輸入和數十億神經元(人類1000億，老鼠7100萬個，蟑螂一百萬個)間表現出緩慢的處理過程(100ms周期)。神經系統處在非常早期的原型階段。IBM已向勞倫斯利弗莫爾實驗室(Lawrence Livermore Laboratories)交付了系統，高通的Zeroth處理器正在驅動運行在高通傳統處理器內核上的軟件環境。神經形態硬件部署存在三大障礙。

數據經紀人PaaS (dbrPaaS)

企業對智能決策、過程和操作的需求快速增長，但實現更高層次的智能需要的專業知識很難尋找或發展。企業中數據科學家和企業組織的大部分工作是內部和外部的組織中，使用越來越多的先進的數據準備和分析工具，在不斷擴大的數據源范圍內取得洞察力發現。一些供應商提供的數據服務(數據經紀人或DaaS)為數據科學家提供準備的背景資料。

量子計算 (Quantum Computing)

基于量子技術的硬件是非常規的、復雜的和先進的。到目前為止，最大的量子糾纏是五比特。即便如此，大多數研究人員認為，硬件不是核心問題。有效的量子計算需要算法的發展(量子算法)，通過量子態的操作解決現實世界的問題。雖然已經開發了一些算法，但算法的缺乏是根本問題。IBM最近以提高量子計算意識為目標，開設了量子平臺供外部使用。今天，該系統用五個量子比特僅解決微不足道的問題，但IBM預計將繼續擴大其規模。

人類機能增進(Human Augmentation)

人類機能增強過程沿著自發(用戶必須特意與技術交互，或通過正常活動的副作用取得的?)且可探測(一個人是否知道另一個人是機能增強的)的軌跡和范圍發展。技術來增強人的能力主要集中在軌跡和范圍的某個點上，技術的幫助是特定的且可檢測的(例如使用智能手機或智能手表)。提供更多的自發和不可檢測的相互作用的技術(例如提高精神集中度的隱形眼鏡顯示器或腦刺激)產生了新的問題，特別是一些極端情況(例如外科植入物或遺傳操作)。面對選擇用技術增強身體和頭腦機能的員工，組織和社會必須面對越來越多的機會和挑戰。

個人分析(Personal Analytics)

個人分析是使用個人數據以幫助多領域的目標，包括個人醫療保健(健身跟蹤);安全(警覺和專注駕駛);財務管理(財務跟蹤以達到節約目標);就業(優先工作計劃以滿足日常工作角色要求);社會關系(與他人消磨時間)，自尊(個人發展)，最終實現自我(我是一直想成為的人嗎)。個人分析和量化自我是不一樣的;量化自我是作為個人分析數據的幾個來源之一，是一個新興的概念。雖然量化自我已經隨著管理個人健康和睡眠的可穿戴設備進入主流消費者意識，但是分析這些系統產生的大量數據仍然是許多消費者的一個盲區。

智能工作空間(Smart Workspace)

智能工作空間利用物理物聯網對物理對象數字化，傳遞新的工作方式，分享信息及開展合作。物理環境程序化使智能工作空間與移動設備、應用軟件、數字職場圖、智能機器協同，以提高員工的工作效率。人們工作的任何地點都可以成為智能工作空間。

立體顯示技術(Volumetric Displays)

立體顯示技術是將物體呈現為三維的效果，采用跟隨觀眾移動的360度球面視角。與大多數平面3D顯示器不同，通過立體顯示技術可以創建出高度的幻覺效果或立體的視覺感受，能夠擁有出非常逼真的效果。目前，立體顯示技術還沒有走出實驗室，但常常被認為像是電影《星球大戰》中莉亞公主的實體圖像那樣。但實體顯示仍然是一個難以捉摸卻夢寐以求的目標。

對話用戶界面(Conversational User Interfaces)

對話用戶界面(CUI)是一個高層次的設計模型，在此之中用戶和機器以口語或書面自然語言交互作用。這些通常是非正式的和雙向的交互作用范圍從簡單的話語(例如“停止”，“是”或“現在幾點”“12:24”)到高度復雜的相互作用(收集犯罪案件的證人證言)和高度復雜的結果(如為用戶創建一個抽象的形象)。作為設計模型，CUI要依賴于應用程序和相關服務的實現。供應商和開源活動在不斷增加，利于CUI的發展。更多已確定引進將動搖新UI模式控制局面的CUI和新商業模式，以部分替代和補充應用程序和API。

腦機接口(Brain-Computer Interface)

由于顱骨阻塞和分散電磁波，無創的方法不能使用較高頻率的信號。因此，腦機接口的一個主要挑戰是獲得足夠數量的明顯不同的大腦模式來執行一系列命令。雖然今天的控制不是很順利或很連續，但是在多個維度控制虛擬對象、玩互動游戲和控制硬件是可能的。值得注意的是，世界上第一個意念控制的無人機競賽是2016年時在佛羅里達大學舉行的，吸引了廣泛的關注，預示著消費機器人的巨大潛在市場。

虛擬個人助理(Virtual Personal Assistants)

虛擬個人助理(VPA)可以代替人來完成助理工作。通過用戶的允許，隨著技術的提高、方式的多樣化，用戶與VPA合作更舒適，VPA應用呈增長趨勢。嵌入在已有產品中的，像Gmail收件箱這樣不太引人注意的類似VPA的特點一直在增加，如狹隘的VPA(如個人理財顧問、健康教練和日程代理)。VPA正在成為跨平臺的平臺中心焦點(如微軟的Cortana智能套件)。

智能數據挖掘(Smart Data Discovery)

在過去的五年中，基于視覺的數據挖掘工具已經破壞了傳統的商業智能(BI)和分析市場，因為它們很容易使用，并且使用戶能夠快速組裝數據，在數據中找到新觀點，可視化探索關于未來的一些假設。與傳統的BI技術相比，雖然數據挖掘在使企業用戶探索數據的方式方面一直是不斷變革的，但許多與數據制備、海量復雜數據組合模式探索、見解分享有關的活動仍然很大程度上依賴人工完成。

情感運算(Affective Computing)

情感運算技術可以感知一個用戶的情緒狀態 (通過傳感器、麥克風、攝像機和/或軟件邏輯)，并通過執行預定的具體指令做出回答, 比如與用戶之間的交互或推薦適合用戶適時心情的視頻。與多個傳感器輸入相結合的情感運算技術, 仍主要停留在早期的概念驗證階段，但隨著在線學習的擴展，情感運算技術將吸引越來越多的關注，并試圖尋找擴展和增長記憶力的算法。

商業無人機(Commercial UAVs)

商業無人機(UAV)類似于小型直升機、固定翼飛機和多軸飛行器，可以由人類飛行員在地面遠程控制，或作為自主導航裝備和用來執行空中監視。無人機通常包括GNSS、攝像頭、聲納傳感器和導航系統，引導他們進行成像、熱和譜分析。內存高速緩存和通信鏈路允許無人機收集和傳輸數據集，以及將它們傳輸到云進行記錄或實例計算。

物聯網平臺(IoT Platform)

各企業致力于增加物聯網終端種類, 尋求更好效益, 同時發覺新的商機和盈利模式。由于這些因素的交互作用，企業需要不斷增加先進技術資源以達到相應的成熟度、規模和商業價值。大規模物聯網平臺可以實現基礎和高級的物聯網方案和數字化商業操作。物聯網平臺以一個混合方式部署，它將與基于云的元素(無論是私人的還是公共的)和分布于終端和網關之間的本地軟件合并。

2、期望膨脹期

手勢控制(Gesture Control)

手勢控制裝置是一種可由用戶穿戴或手持以便捕捉身體動作、手勢、表情的設備。具有特定語義內容的手勢可以被設備裝置和應用軟件解釋，從而增強人機界面的功能(HMI)。人類與機器之間自然、直觀的互動正在推動硬件、操作系統和軟件界面的創新。因而可以想象，大多數的人機交互會成為一種生物技術，并最終取代鍵盤和鼠標。比如，手勢控制、自然語言、面孔識別、情緒檢測和觸摸形式的輸入/輸出(I / O)控制。

微數據中心(Micro Data Centers)

微數據中心呈組裝式或集裝箱式，體積比一間機房小，一般不超過一兩臺設備的體積, 通常是一臺或小于一臺設備的體積。微數據中心存儲所有必需的信息技術功能 (如服務器和設備的不斷電供電系統)，通常由一個大型數據中心管理，用于處理分散的特定需求(例如，積累傳感器數據或聚集小型遠程辦公室的數據)。

智能機器人(Smart Robots)

[[170123]]

智能機器人即以電動機械的形式存在的智能機器，它們可以在物質世界中獨立工作，同時在短時間內就可以完成學習。既可以通過在人類監督條件下訓練和示范學習，也可以從有監督的工作中進行經驗學習。智能機器人可以感知自己周圍的環境條件，識別、解決基本問題。一些智能機器人有專門的運行方式，如倉庫機器人，而其他一些智能機器人具有更常見的運行方式和/或類似人的外貌。因為他們具有先進的感知能力，所以智能機器人可以與人類一起工作。

區塊鏈(Blockchain)

區塊鏈是一個熱炒的概念，包含了一系列聯系較弱的技術和處理過程，包括中間件、數據庫、數據安全、數據分析、貨幣及身份管理等概念。區塊鏈也正在成為豐富的分布式賬簿的常用方法，市場上已經有超過24種的產品。

互聯家庭(Connected Home)

互聯家庭的目的是實現與多個設備、服務器和應用程序的網絡連接，從通信娛樂到醫療、安全和家庭自動化。這些服務器和應用程序通過多個相互關聯的集成設備、傳感器、工具和平臺傳遞信息。情境的、實時的、智能的信息可以通過本地或云端存儲，使得個體或者其他連接到服務器的家庭成員能夠通過遠程或者在家里操控和監督自己的家。

認知專家顧問(Cognitive Expert Advisors)

認知專家顧問(CEAs)在今年取代了智能顧問。類似機器學習和自然語言處理，CEAs至少擁有一個專門的算法，針對特定需求所建造，并具備一套大數據庫，能夠生成對某些問題的見解、發現，做出建議和決策。

機器學習(Machine Learning)

機器學習(ML)是一門技術學科，其目標是從一系列觀測變量中提取出某些類型的知識或者模式。根據觀測變量的類型，ML可以分為三個主要的學科分支：監督學習，它的訓練數據包括了輸入和輸出(又被稱為標記數據);非監督學習，采用未標記的數據進行訓練;強化學習，它通過環境提供的好/壞信號對學習過程進行評估。

軟件定義安全(Software-Defined Security)

軟件定義安全 (SDSec) 是一個涵蓋大量的安全技術的統稱。在安全政策管理技術從基礎的安全政策實施環節中抽象出來之后，這些安全技術就有了優勢。信息安全不能抑制劑數字化商業的需求。在不考慮用戶、信息的位置或工作量的前提下，軟件定義安全技術將提高安全策略的執行速度和敏捷性。

自動駕駛(Autonomous Vehicles)

自動駕駛是指車輛不需要人類干預，自己就可以從一個起點，借助各種車載技術和傳感器，如激光雷達、雷達和攝像頭，以及控制系統、軟件、地圖數據、GPS和無線通信數據等，“自動駕駛”到預定目的地。傳感器、定位、成像、引導、人工智能(AI)、映射和通訊技術的不斷進步，以及先進軟件和云計算的快速發展， 使得自動駕駛很快成為現實。然而，2016年這項技術變得更加復雜，加上成本居高不下，嚴重影響了它的可靠性和可購性。

碳納米管電池(Nanotube Electronics)

利用半導體性質，碳納米管為將來制備具有高速開關的微晶體管半導體設備提供了可能。利用金屬(導電)性質，碳納米管為作為低電阻連接件應用到集成電路中提供了可能。人們正在評估將碳納米材料技術應用到硅及其化合物的半導體材料中。同時，人們也在積極研究碳納米材料的硅版本(通常稱為硅納米線)在硅陽極的電池的使用。

軟件定義一切(Software-Defined Anything，SDx)

軟件定義一切(SDx)是市場上一系列技術的總稱，包含了通過自動化云計算、開發運營(DevOp)，以及快速基礎設施配置的驅動，為基礎設施可編程性和數據中心互用性改進標準。用“軟件定義”一詞的潮流源自軟件定義網絡(SDN)，它能將大量不同的個人設備中分散的網絡邏輯和政策集成一個軟件。由于SDN將軟硬件分開，因此可能分離了購買決策，并且允許采用通用硬件，這是其最具顛覆性的特點。

3、幻滅期

自然語言問答(Natural-Language Question Answering)

目前，非對話式，以信息為中心的問題回答已經實現(Alexa，語音助手，谷歌Now和Siri)。然而，根據用戶個人的對話，環境或是相關事物完成一段簡短的對話——還不是很成熟。目前，還存在著重大的挑戰，包括將有疑問的語句給出合理解釋，把未知的范疇匹配到已有的知識庫中和從有限的答案(甚至只是一個)中做出選擇。假設在當前的關注度、發展速度、以及技術下(比如深度神經網絡)，要解決這些挑戰至少還需要5年的時間。

企業分類及自然管理(Enterprise Taxonomy and Ontology Management)

信息的分類(按類別)和本體(按自然屬性)的管理包括實踐和實施技術解決方案。本體(ontology)是一種分類方法，將具有親緣關系或者功能相近的對象歸納在一起。分類(taxonomy)是一種對特定概念、物質，甚至語言結構進行區分的方法。這一定義只針對數據，而并不是一個一般化的定義。

增強現實(Augmented Reality)

增強現實(AR)是使用實時的文本、圖形、聲音和其他材料與真實世界的對象相關聯，用頭戴式的設備演示或投影成圖像的技術。虛擬世界中，不同的擴增實境都可以轉化為真實世界。這種技術的目的就在于增強用戶與環境的聯系。目前的技術是為了解決特殊的、專業的案例。因此，曲線上的位置與到達成熟所需的時間，會因企業發展的不同而不同。這代表了人們對市場上增強現實的普遍觀點。

4、復蘇期

虛擬現實(Virtual Reality)

虛擬現實技術是一種可以創建和體驗虛擬世界的計算機仿真系統，它利用計算機生成一種動態的模擬環境，使用戶沉浸到該環境中。手勢識別或手掌識別根據手和身體的動作或者觸屏來進行反饋。基于房間的通訊系統可以給為多人提供3D體驗。沉浸式虛擬現實技術比目前任何一種圖形處理技術都要先進，還需要5到10年的時間，讓曝光度和技術同步成熟，并被消費者所接受。

《Gartner2016年度新興技術成熟度曲線》(Hype Cycle for Emerging Technologies, 2016)于2016年7月19日正式發布，本文由上海市科學學研究所產業創新研究室孟海華副研究員、沈應龍博士翻譯、解讀，文章為作者獨立觀點，不代表主辦機構立場。

文章轉載自微信公眾號“三思派”（ID: Science-Pie）