深度解读 Gartner 2022 年重要战略技术趋势：三大主题、十二项技术趋势背后的判断逻辑。

10 月 19 日，Gartner 发布了 2022 年重要战略技术趋势，包括生成式人工智能、数据编织、分布式企业、云原生平台、自治系统、决策智能、组装式应用程序、超级自动化、隐私增强计算、网络安全网格、人工智能工程化、全面体验等十二项技术。

近日，Gartner 北亚区集团副总裁 Mike Ryan、Gartner 高级研究总监高挺（Arnold Gao）接受了 InfoQ 等少数媒体的采访，介绍了 Gartner 的本土化战略，并深入解读了 2022 年重要战略技术趋势。

谈到 Gartner 在中国市场的战略，Mike Ryan 表示，2021 年，Gartner 以中国市场为导向做了很多本土化的调整，包括扩建分析师团队，覆盖云基础设施、应用、安全、数据分析领域等。Mike Ryan 还表示，不同于以往都是英文的报告，明年，Gartner 将会出版中文研究报告，文献库、数据库、工具等也将推出中文版本。

Gartner 研究副总裁 David Groombridge 表示：“首席执行官和董事会正在设法通过与客户建立直接数字联系来实现增长，因此首席信息官的优先事项必须满足这些业务的要求，而这些要求贯穿于 Gartner 的 2022 年重要战略技术趋势。”

“首席信息官必须找到能够成倍增加 IT 力量的方法，从而实现增长和创新并创建可扩展、有韧性的技术基础，通过这一可扩展性释放用于数字投资的现金。这些要求构成了今年趋势的三个主题：工程化信任、塑造变化和加速增长，”David Groombridge 说。

Gartner 2022 年重要战略技术趋势解读

Gartner 高级研究总监高挺（Arnold Gao）向 InfoQ 等少数媒体详细介绍了 2022 年“重要战略技术趋势”，深入分析了其所涵盖的”三大主题、十二大技术趋势”背后的判断逻辑。

主题一、工程化信任

工程化信任（Engineering Trust），本质上是为了构建一个安全可靠的数据处理基础设施，它为数字经济夯实数据基础。

工程化信任包括四个技术趋势：

数据编织（Data Fabric）

在过去的十年里，数据和应用孤岛的数量激增，而数据和分析（D&A）团队的技能型人才数量却保持不变，甚至下降。如何把企业的数据整合起来、编织起来，是数据编织想要解决的问题。

数据编织是一种新型的数据管理设计理念。作为一种跨平台和业务用户的灵活、弹性数据整合方式，数据编织能够简化企业机构的数据、整合基础设施并创建一个可扩展数据架构来减少大多数数据和分析团队因整合难度上升而出现的技术债务。这个数据架构里包括的数据元素，可以是传统的关系型数据库，也可以是非结构化数据库、数据湖、云数据库等。

从业务的角度看，数据编织是指，现在很多企业在拥有大量离散数据的情况下如何用一套新的架构把不同的数据连接起来，并对应真实世界中的业务场景。

数据编织的真正价值在于它能够通过内置的分析技术动态改进数据的使用，使数据管理工作量减少 70%并加快价值实现时间。

网络安全网格（Cybersecurity Mesh）

Groombridge 表示：“数据贯穿了今年的许多趋势，但只有当企业能够信任数据时，数据才会变得有用。如今，资产和用户可能出现在任何地方，这意味着传统的安全边界已经消失。这就需要有网络安全网格架构（CSMA）。”

高挺认为，在大数据时代，用户设备无处不在，数据的来源也无处不在。传统的以数据中心为核心的中心化架构，已不能满足逐渐“云化”、“边缘化”的时代的安全需求，需要有一种新的安全架构，即“网络安全网格”。

网络安全网格之所以称为网格（Mesh），是因为它把一系列的网络安全服务整合起来提供身份内容及策略等方面的认证。与传统的安全模式不同，它采用分布式的形式。

且不同于传统的“一对多”的方式，即一个中央控制台对应所有终端或接入网络的安全“点”。网络安全网格是一种“多对多”、“N 对 N”的方式，能够让安全工具之间产生更多协作。这种方式的优点在于，除了做到中心化的网络安全模式下集中式的安全以外，它还可以做到模块化或者可编排化。

市面上已经有一些类似于网络安全网格的解决方案出现了，如 SASE、XDR 架构等，一些传统安全厂商如 Fortinet、IBM、McAfee、微软等，都在做一些相应的解决方案。

CSMA 帮助提供一体化安全结构和态势，为任何位置的任何资产提供安全保障。到 2024 年，使用 CSMA 一体化安全工具组成一个合作生态系统的企业机构能够将单项安全事件的财务影响平均减少 90%。

隐私增强计算（Privacy-Enhancing Computation，PEC）

除了应对不断成熟的国际隐私和数据保护法律外，首席信息官还必须避免因隐私事件而导致客户信任下降。因此，Gartner 预计到 2025 年，60%的大型企业机构将使用一种或多种隐私增强计算技术。

有了网络安全网格之后，可以在很大程度上保证数据是安全、可信的，但接下去的一个问题是：要让数据产生价值，我们就必须处理分析数据，或者是构建 AI 模型，那么如何保证数据在被处理的过程中，它的隐私不会泄露，尤其是在和第三方的数据合作和数据外包的场景中？这就是隐私增强计算背后的逻辑。

隐私增强计算大致分三类：

第一类：为敏感数据的处理或分析提供一个可信环境。这里的可信环境，包括可信第三方或硬件可信执行环境，这类隐私增强计算也被称为“机密计算”。

第二类：在不泄露数据的情况下对数据进行本地处理或分析。这一类技术往往通过分布式的形式来实现，包括联邦学习、隐私感知机器学习等。

第三类：在处理或分析数据之前对数据和算法进行转换。使得数据和算法在处理的过程中不会泄露隐私。具体的技术包括：差分隐私、同态加密、安全多方计算、零知识证明等等。

云原生平台（Cloud-Native Platform，CNP）

为了真正能够在任何地方提供数字能力，企业必须放弃熟悉的“直接迁移”并转向 CNP。CNP 运用云计算的核心能力，向使用互联网技术的技术创造者提供可扩展的弹性“IT 相关能力即服务”，从而加快价值实现时间并降低成本。

“云原生平台”是打造数字基础设施的闭环之一，如今云的应用已越来越普遍，传统的上云模式是，企业有一个数据中心，“上云”后，企业就把传统的应用直接“切”到“云端”上去，但因为“云”的环境和传统数据中心的环境不一样，直接把数据“切”上去可能会产生“兼容性问题”。

为了解决兼容性问题，Gartner 发现，许多企业使用云原生平台作为打造数据底座的闭环。简而言之，“云原生平台”就是天生就为“云”设计的平台，应用程序从设计到写代码，到最后部署，一开始就考虑到了“云”的环境，充分利用和发挥了“云平台”的弹性和分布式的优势。

传统的 DevOps、微服务、容器等，都是“云原生”平台中的一部分，最后用云平台来实现弹性伸缩、动态调度，优化资源的利用率。

“云原生平台”最大的好处是在开发时可以把应用和基础设施的关联性剥离，缩短上线时间，充分利用公有云的优势。

Gartner 预测到 2025 年，云原生平台将成为 95%以上新数字倡议的基础，而在 2021 年这一比例只有不到 40%。

主题二、塑造变化

第二个主题是塑造变化，这是一组用来加速数字化的技术趋势，其中包括 Gartner 去年提出的“超级自动化”、“AI 工程化”及今年新引入的“决策智能”以及“组装式应用程序”等四项技术。

组装式应用程序（Composable Applications）

在不断变化的业务环境中，业务适应性需求能够引导企业转向支持快速、安全和高效应用变化的技术架构。可组合的应用架构增强了这种适应性，而采用可组合方法的企业机构在新功能的实现速度上将比竞争对手快 80%。

传统的应用程序开发面临诸多挑战：一，没有足够的开发能力；二，选错技术方向；三，交付不够迅速。解决这一问题，一种常见的技术型方案是“代码重用”，将已有的、较成熟的代码重新应用，可节省时间，提高交付速度。

而 Gartner 所提出来的“组装式应用”是通过引入一种新的架构来解决问题，它希望引入模块化的理念使技术和业务团队可以更敏捷、更有效地重用代码。

其核心被称为“封装的业务能力（Packaged Business Capability，PBC）”，PBC 的定义是一种软件定义的最小化的业务功能，可以把它理解为是一种单一的对象或单一的功能。

它和传统的软件开发交付的一个很大的区别是颗粒度。如传统的 ERP/CRM 系统，它是基于项目交付的封装应用,首先它是基于项目交付的，因为一个大的 ERP 上线，一个大的 CRM 上线,是一个超大的项目。这个项目最后交付的是一个大系统，这个大系统是一个封装应用。封装应用的意思是，一旦部署完了，除小的地方可以修修改改，基本上不能动它大的体系、大的架构了。

而基于 PBC 的交付，它更像是一种高度定制化的可重复使用的组装应用。在这种架构中，PBC 像一个个原子，组装式的应用是把这些原子重新组合起一个个分子。用户团队可以根据自己的需要来组装所需的业务能力。

Groombridge 表示：“在动荡的时代，可组合的业务原则帮助企业机构驾驭对业务韧性和增长至关重要的加速变化。没有它的现代企业机构可能会失去在市场中的前进动力和客户忠诚度。”

决策智能（Decision Intelligence，DI）

一家企业机构的决策能力是其竞争优势的重要来源，而如今这个时代对这项能力的要求也越来越高。

决策智能是一门实用的学科。该学科通过清楚理解并精心设计做出决策的方式以及根据反馈评估、管理和改进结果的方式来改进决策。

Gartner 预测在未来两年，三分之一的大型企业机构将使用决策智能实现结构化决策，进而提高竞争优势。

这样的预测背后，是基于 Gartner 在 2020 年做的一项调查所发现的普遍现象：

• 决策比两年之前更复杂了

• 对决策者能够解释自己决策的期望提高了

• 基于数据事实的基础是决策时最重要的参考因素·

• 在足够的数据和 AI 模型的基础上，有一些决策是可以被自动化的

超级自动化（Hyperautomation）

超自动化通过快速识别、审核和自动执行尽可能多的流程来实现加速增长和业务韧性。

Groombridge 表示：“Gartner 的研究表明，表现最好的超自动化团队专注于三个关键优先事项：提高工作质量、加快业务流程和增强决策敏捷性。在过去的一年中，业务技术专家平均支持 4.2 项自动化倡议。”

Gartner 曾在 2021 年的重要战略技术趋势中提过“超级自动化”，2022 年的关注点有所三点不同：

第一，今年更强调 IT 和业务的融合团队；

第二，超级自动化包含 AI、机器学习、RPA、BPMS 等多项技术。

第三，今年，中国乃至全球范围内的企业，都已经逐渐开始自动化，至少在某些流程或最重要的流程上已经实现了自动化运营。尽管目前有很多传统行业，目前暂时无法实现超级自动化，但 Gartner 认为这个趋势已经成为必然。

人工智能工程化（AI Engineering）

IT 领导人想方设法地将人工智能集成到应用中，在从未投入生产的人工智能项目上浪费时间和金钱或在人工智能解决方案发布后努力保持它们的价值。人工智能工程化是一种实现人工智能模型操作化的综合方法。

高挺表示，“AI 工程化”本质上是 AI 在企业中大规模、全流程的落地过程，尽管目前大家现在对 AI 期待很高，但实际上 AI 目前的应用仍然是被低估的。因为，很多 AI 项目的价值只能体现在一些“点对点”的一次性的方案中。将 AI 大规模落地的工程化方法（包含 DataOps、ModelOps 和 DevOps）总和起来，便是“AI 的工程化”的一整套体系。人工智能工程化对企业有很多好处，企业在进行人工智能落地的时候，落地效率、落地广泛度会更高。

Groombridge 表示：“从事人工智能工作的混合团队是否真正能够为他们的企业机构实现差异化，取决于他们通过快速人工智能变革不断提升价值的能力。到 2025 年，10%建立人工智能工程化最佳实践的企业从其人工智能工作中产生的价值将至少比 90%未建立该实践的企业高出三倍。”

主题三、加速增长

加速增长的本质是一组将数字化技术用以连接物理和虚拟世界，以构建一种新的工作方式（包括新的体验模式、新的商业模式等）的技术趋势。

分布式企业（Distributed Enterprise）

随着远程和混合工作模式的增加，以办公室为中心的传统企业机构正在演变成由分散在各地的工作者组成的分布式企业。

Groombridge 表示：“这就要求首席信息官通过重大技术和服务变革提供无摩擦工作体验，不过事情总有两面性：这项技术会对业务模式产生影响。从零售到教育，每家企业机构都必须重新配置交付模式才能支持分布式服务。两年前，全世界没有人想到自己能在数字试衣间里试穿衣服。”

高挺认为，“分布式企业”的本质就是许多员工开始远程工作。如今“远程工作”已经成为新常态。在这个过程中，企业会发现自身的运作模式开始悄然发生一些变化，例如企业发现远程工作一样能满足公司的业务需求，还能降低成本。

对企业来说，另外一个改变是员工在家里办公，企业的客户也在家办公，这样一来，整个需求场景包括交付场景会发生一些变化，这背后基础设施的需求也会发生变化。例如，国内很多互联网厂商开发了“在线会议”的解决方案，这其实就是这种变化所衍生出的商机。

Gartner 认为，构建以人为中心、整合物理空间和虚拟空间的技术将会成为主流趋势。它同时还会带来一些商业模式的变化，例如很多公司用 VR 技术实现数字试衣间，用户在虚拟世界里买衣服可以获得跟真实世界类似的体验。在未来，企业推出产品和服务时，可能会侧重采用数字优先、远程优先的逻辑。

Gartner 预计，到 2023 年，75%充分发挥分布式企业效益的企业机构将实现比竞争对手快 25%的收入增长。

全面体验（Total Experience，TX）

全面体验是一项结合客户体验（CX）、员工体验（EX）、用户体验（UX）和多重体验（MX）学科的业务战略。TX 的目标是提升客户和员工的信心、满意度、忠诚度和拥护度。企业机构将通过实现具有适应性和韧性的 TX 业务成果来增加收入和利润。

“全面体验”概念的大背景是，我们现在已经进入到了“体验经济”的时代。我们现在所处的时代，已经从传统的以营销为主的时代到了一个以产品为主的时代。这意味着，一家公司要做大做强，除了做很多市场宣传外，自身的产品力也要够强。而如何判定一项产品具有最强的产品力，一个关键指标是，这款产品给用户带来的体验。

Gartner 将全面体验分为四个模块：客户体验、用户体验、员工体验、多重体验。

从销售的流程看，最关注客户体验，关注客户在从产品认知到买单这一系列流程中的体验感；

用户和客户不同，一项产品的客户未必是它的用户，因此也要关注用户在产品使用过程中的体验；

多重体验是指企业如何用技术手段去触达最终用户，这种触达可能采用线下或是线上的形式。多重体验强调具备一系列数字化能力，能够收集用户反馈等各项用户体验数据。

现在许多企业追求客户体验，追求用户体验，但员工是不是有足够的技术能力进行支撑，使得员工可以很好地满足公司对用户体验和客户体验的要求呢？这正是员工体验所强调的内容。

这四个体验模块在企业设计战略时候应当放在一起，考虑全面体验。不过现在，多数企业仅考虑了两个或三个模块。

自治系统（Autonomic Systems）

随着企业的发展，传统的基于规则的系统或简单的自动化将无法适应不断变化的运营需求。

自治系统是可以从所在环境中学习的自我管理型物理或软件系统。与自动化甚至自主系统不同，自治系统无需外部软件更新就可以动态修改自己的算法，使它们能够像人类一样迅速适应现场的新情况。

Groombridge 表示：“自治行为已因为近期被部署在复杂的安全环境中而为人所知。而从长远看，这项技术将被普遍应用于机器人、无人机、制造机器和智能空间等物理系统。”

高挺表示，“自治系统”早期虽然有一些案例，但它仍存在一些问题。自治系统的优点是，它会像人类一样可以自我迭代。但它现在还处于萌芽期，因此有时候会变得不可控。尤其当这个系统应用在生活中时，可能会遇到道德伦理上的困境。

生成式 AI（Generative Artificial Intelligence）

生成式 AI 是最引人注目和最强大的人工智能技术之一。该机器学习方法从其数据中学习内容或对象，并运用数据生成全新、完全原创的实际工件。

此前人们对于 AI 的使用，很多时候是要让它去做出判断、分类或得出结论。而如今，AI 的新用法，生成式 AI 正在出现。生成式 AI 不仅可以做判断，还可以做创造，人们可以用 AI 来创造出一些新事物，生成式人工智能可用于多种活动，如创建软件代码、促进药物研发和有针对性的营销。

我们可以看到，在未来一段时间内。AI 会逐渐从一个做判断的机器变成一个做创造的机器。

Gartner 预计到 2025 年，生成式人工智能将占所有生成数据的 10%，而目前这一比例还不到 1%。

但该技术也会被滥用于诈骗、欺诈、政治造谣、伪造身份等，具有一定的争议性。

小结

在接受 InfoQ 等少数媒体采访时，高挺表示，与去年相比，2022 年重要战略技术趋势最大的特点在于，去年 Gartner 发布的很多技术趋势比较偏场景化，今年的技术趋势更偏重技术和架构，如提出了“数据编织”、“云原生平台”等概念。

此外，从宏观上看，2021 年重要战略技术趋势的大主线是“新冠疫情影响下的世界发生了怎样的变革”，而今年的主线是，在新冠疫情已经成为新常态的背景下，企业如何在新常态下创造出新模式，以获得长期发展。

今年 Gartner 发布的 2022 年重要战略技术趋势，涵盖十二项前沿技术趋势。高挺表示，从技术成熟度来看，超级自动化、全面体验、分布式企业等技术的成熟度较高，生成式人工智能、网络安全网格、数据编织等技术的成熟度相对较低。

以生成式人工智能为例，高挺表示目前该项技术还处于非常早的时期，还没有大规模的落地。尽管这项技术已经存在一些令人担忧的应用风险，但目前还很少有企业在这方面进行专门的预警。因为根据历史的经验，一项技术要达到成熟、能够应用后才会产生各种负面效应。现阶段，生成式人工智能技术的成熟度，尚没有达到进行风险监管的程度。