کلان روندهای فناوری 2022 به روایت موسسه مک کنزی

گزارش سال 2022 مک کنزی بر اساس تحقیقات سال 2021، با داده‌های به روز شده و تجزیه و تحلیل عمیق‌تر تهیه شده است. در این گزارش ارزیابی دقیق‌تری از روندهای فناوری در دو گروه موضوعی عصر سیلیکون، که فناوری‌های دیجیتال و فناوری اطلاعات، و مهندسی فردا، که فناوری‌های فیزیکی حوزه هایی مثل انرژی و تحرک را در بر می‌گیرد. روندهای فناوری مک کنزی کارآفرینان را به سمت بازارهای جدید هدایت می کند. مدیران اجرایی حوزه B2B به کمک این گزارش می توانند با ردیابی توسعه فناوری های جدید، نحوه استفاده از این فناوریها و عواملی که بر نوآوری و پذیرش تاثیر می گذارد را پیش بینی و برنامه ریزی بهتری داشته باشند. در این گزارش، فناوریهای پیشرفته را بر اساس میزان ارتباط با صنایع مختلف رتبه بندی شده اند. مثلا هوش مصنوعی کاربردی با رتبه 20، مرتبط ترین فناوری بوده و توسعه نرم افزار نسل بعدی با رتبه 2 کمترین رتبه را کسب کرده است.

1-عصر سیلیکون

اتصال پیشرفته[1]

امروزه جدیدترین پروتکل‌ها و فناوری‌های اتصال، به شبکه‌ها توان عملیاتی بیشتر، راندمان طیف بالاتر، پوشش جغرافیایی وسیع‌تر، تأخیر کمتر و تقاضای انرژی کمتر می بخشد. این پیشرفت ها باعث افزایش تجربیات کاربر و بهره وری در صنایعی مانند تحرک، نظام سلامت و تولید می شود. شرکت‌ها با سرعت بیشتری به سمت فناوری‌های ارتباطی پیشرفته‌ای گرایش پیدا کرده اند که بر اساس استانداردهای موجود ساخته شده‌اند، اما فناوری‌های جدیدتر مانند اتصال در مدار کم ارتفاع زمین (LEO) و شبکه‌های خصوصی 5G کمتر مورد استفاده قرار گرفته‌اند.

ارتباط با صنعت: اتصال پیشرفته به یک فناوری حیاتی برای همه صنایع تبدیل شده است. که در ادامه به ذکر سه مورد بسنده می شود:

- مخابرات: شرکت های مخابراتی از اتصال پیشرفته برای معرفی خدمات جدید B2C و B2B مانند بهبود خدمات تلفن همراه به مشتریان خرده فروشی و همجنین ارائه راه حل های خصوصی 5G برای مشتریان سازمانی استفاده می کنند.

- هوافضا و دفاع: وسایل نقلیه خودران و متصل دارای ویژگی هایی هستند که به دسترسی به شبکه با کیفیت بالا بستگی دارد.

- فناوری اطلاعات و الکترونیک: تقاضا برای حسگرهای هوشمند و دستگاه‌های مجهز به اینترنت اشیا (IoT) افزایش خواهد یافت

از منظر امتیازدهی به فناوری، علاقه به اتصالات پیشرفته، به ویژه ماهواره های 5G/6G، Wi-Fi 6 و LEO، به طور قابل توجهی افزایش یافته است. نوآوریها در این حوزه افزایشی بوده است.

فناوری های زیربنایی

فناوری‌های اتصال پیشرفته نسبت به استانداردهای فعلی، بهبود عملکرد معنی‌داری را ارائه می‌کنند. این فناوری ها شامل موارد زیر است:

· فیبر نوری: کابل های فیزیکی قابل اطمینان ترین شکل اتصال با توان بالا و با تاخیر کم را ارائه می دهند.

· شبکه های کم مصرف و گسترده (LPWA): این شبکه های بی سیم از تعداد زیادی دستگاه متصل پشتیبانی می کنند. Wi-Fi 6: نسل بعدی وای فای که Wi-Fi صنعتی نیز نامیده می شود، توان عملیاتی بالاتر، کیفیت خدمات قابل کنترل تر و امنیت مشابه شبکه های سلولی را ارائه می دهد.

· 5G/6G: این پروتکل‌ها و فناوری‌های سلولی نسل بعدی دارای راندمان طیف بالاتری هستند و خدمات با پهنای باند بالا و تأخیر کم را ممکن می‌سازند.

· منظومه ماهواره ای مدار پایین زمین (LEO): این سیستم‌ها که از تعداد زیادی ماهواره بسیار کم‌هزینه تشکیل شده‌اند، در مقایسه با ماهواره‌های موجود که در مدارهای مدار زمین ثاب کار می‌کنند، پوشش وسیعی با تأخیر قابل‌توجه کاهش می‌دهند.

هوش مصنوعی کاربردی[2]

شرکت‌ها با قابلیت‌های هوش مصنوعی، مانند یادگیری ماشینی (ML)، بینایی کامپیوتر، و پردازش زبان طبیعی، در همه صنایع می‌توانند از داده‌ها استفاده کرده و بینش‌های متفاوتی را برای خودکارسازی فعالیت‌ها، افزودن یا تقویت قابلیت‌ها و تصمیم‌گیری بهتر به دست آورند. شرکت‌ها در حال توسعه و پذیرش برنامه‌های کاربردی بیشتری برای هوش مصنوعی هستند، اما در این راستا باید راه حلهایی در زمینه مسائل سازمانی، فنی، اخلاقی و مقرراتی ارائه شود تا کسب‌وکارها بتوانند کاملا از پتانسیل کامل فناوری بهره مند شوند.

ارتباط با صنعت: هر روز به کاربردهای هوش مصنوعی در صنایع و کارکردهای تجاری اضافه می شود. صنایع فناوری محور در پذیرش هوش مصنوعی پیشتاز هستند. در این میان، توسعه محصول و عملیات خدمات با بیشترین مزایا از هوش مصنوعی کاربردی مواجه شده اند. برنامه های کاربردی هوش مصنوعی در صنعت فناوری و بخش های سازنده آن مانند نرم افزار، سخت افزار و دستگاه های الکترونیکی فراگیر خواهند شد. برای مثال، توسعه‌دهندگان محصولات ممکن است از مدل‌های هوش مصنوعی برای ایجاد تصاویر سه بعدی برای شبیه‌سازی‌های نرم‌افزاری استفاده خواهند کرد. در صنعت مخابرات نیز برای مثال، یک بخش عملیات خدمات مخابراتی، از مدل‌های هوش مصنوعی برای شناسایی نگرانی‌های مشتریان و ارائه راه‌حل‌ها قبل از بروز شکایت، استفاده کند.

امتیازات بالای نوآوری و سرمایه گذاری برای هوش مصنوعی کاربردی با تأثیر بالقوه بزرگ آن متناسب است. از سال 2018 تا 2021، هر سال هوش مصنوعی کاربردی بالاترین امتیازات نوآوری را در بین تمام گرایش‌هایی که مورد مطالعه، داشته است.

فناوری های زیربنایی

هوش مصنوعی شامل چندین فناوری است که وظایف شناختی را انجام می دهند. این موارد شامل موارد زیر است:

· یادگیری ماشینی (ML) : به مدل هایی اطلاق می شود که پس از آموزش با داده ها به جای الگوریتم هایی که از قوانین برنامه ریزی شده پیروی می کنند، پیش بینی می کنند.

· بینایی کامپیوتری: این نوع از ML با داده های بصری مانند تصاویر، فیلم ها و سیگنال های سه بعدی کار می کند.

· یادگیری تقویتی عمیق: این نوع ML از شبکه های عصبی مصنوعی و آموزش از طریق آزمون و خطا برای پیش بینی استفاده می کند.

· پردازش زبان طبیعی. این نوع از ML داده های مبتنی بر زبان مانند متن و گفتار را تجزیه و تحلیل و تولید می کند.

· گرافهای دانش: این پایگاه های داده به عنوان شبکه هایی سازماندهی شده اند که روابط پیچیده ای را بین نقاط داده نشان می دهند.

رایانش ابری و لبه[3]

امروزه با طیف عظیم و گسترده ای از مجموعه‌ خدماتی مواجه هستیم که بواسطه پلتفرم‌های ابری حاصل شده اند. این پلتفرمهای ابری در مراکز داده متصل به شبکه‌های سریع و با ظرفیت بالایی ایجاد می شوند که قابلیت‌های محاسباتی و ذخیره‌سازی عظیمی را ارائه می دهند. این پلتفرم‌ها می توانند، منابع محاسباتی و داده‌ای را در گره‌های لبه شبکه واقع در نزدیکی کاربران نهایی یا در امکانات آنها ترکیب‌کنند. این منابع لبه نیازهای مربوط به کاهش تأخیر (یعنی حداقل تأخیر پردازش) در سیستم‌های بلادرنگ مانند اتوماسیون انبار را برآورده می‌کنند. هر روزه منابع لبه در برنامه های تلفن همراه مانند وسایل نقلیه استفاده می شوند. ادغام مداوم منابع ابر و لبه به کاربران امکان می دهد سرعت و کیفیت ابر را به سیستم های لبه و بلادرنگ گسترش دهند و موجب تسریع در نوآوری، افزایش بهره وری و ایجاد ارزش تجاری شوند.

بر اساس برآوردهای مک کنزی، محاسبات ابری می‌تواند بیش از 1 تریلیون دلار بهبود [4]EBITDA را در بین 500 شرکت فورچون انجام دهد. همه صنایع می توانند از این مزایای رایانش ابری و لبه بهره مند شوند. صنایع می توانند به کمک این فناوری ارزش‌گذاری کاربردهای خلاقانه هوش مصنوعی در زمان کوتاهتر، افزایش بهره‌وری، تحویل فناوری اطلاعات سریعتر، کاهش ریسک قابل توجهی را تجربه کنند.

ارتباط با صنعت:

مخابرات: رایانش ابری و لبه با توجه به نقش شرکت های مخابراتی به عنوان مالکان اصلی زیرساخت شبکه مورد نیاز برای محاسبات توزیع شده، امکان افزایش جریان درآمد از فناوری هایی مانند محاسبات لبه چنددسترسی (MEC) را فراهم می کند.

خودروسازی و مونتاژ: محاسبات ابری و لبه امکان توزیع کارآمد محاسبات و ذخیره سازی را در سراسر منابع مبتنی بر مرکز داده از راه دور و پردازنده برای ارائه خدمات جدید به رانندگان و مسافران و ایجاد سطوح بالاتری از استقلال فراهم می کند.

حمل و نقل هوایی، مسافرت و تدارکات: استفاده از ابر برای ترکیب اطلاعات از جریان های داده های متعدد، پیش بینی تقاضا، مدیریت برنامه و بهینه سازی مسیر موثرتر را ممکن می سازد.

خرده‌فروشی: تجارب مشتری با پرداخت‌های بدون اصطکاک، تبلیغات شخصی‌شده در زمان واقعی، و سایر موارد استفاده با تکیه بر محاسبات لبه کم تأخیر و تحلیل‌های اعمال شده در طیف وسیعی از جریان‌های داده در فروشگاه، از ویدئو فیدها گرفته تا انواع مختلف حسگرها، افزایش می‌یابد.

خدمات و سیستم‌ها بهداشتی درمانی: این فناوری‌ها منجر به بهبود موارد استفاده دیجیتال، مانند تشخیص از راه دور، نظارت فعال بر داروهای درمانی، و ردیاب‌های سلامتی و تناسب اندام می‌شوند.

هوافضا و دفاع: بهبود در شبکه‌سازی و تأخیر داده‌ها، تاثیرگذاری فناوری‌های تولید خودکار را بیشتر می‌کند، که منجر به بهره‌وری بالاتر برای نقش آفرینان عرصه هوافضا می‌شود.

رسانه و سرگرمی: ارائه‌دهندگان می‌توانند عملکرد جریان را به حداکثر برسانند و حجم زیادی از محتوای دیجیتال را با کمترین تأخیر و خرابی ارائه دهند.

فناوری اطلاعات و الکترونیک: شرکت‌های فناوری می‌توانند محصولات و ابزارهایی را توسعه دهند که محیط‌های ابری و لبه‌ای را در بر می‌گیرد و نوآوری با سرعت بالا را ممکن می‌سازد.

محصولات دارویی و پزشکی: فناوری‌های ابری می‌توانند با استفاده بهتر و ذخیره‌سازی مدل‌های هوش مصنوعی و ML، کشف دارو را تسریع کنند. حسگرها و قابلیت‌های محاسبات لبه امکان نظارت مداوم بر تجهیزات را فراهم می‌کنند که کیفیت، ایمنی و عملکرد داروها و فرمول‌ها را بهبود می‌بخشد.

خدمات مالی: بازیگران می توانند از خدمات ابری برای آموزش کارآمد، ذخیره و استقرار الگوریتم هایی استفاده کنند که با مدل کردن ریسک، تشخیص تقلب را ارتقاء می بخشد.

رایانش ابری و لبه به فناوری‌های اصلی برای بسیاری از راه‌حل‌های دیجیتال تبدیل شده‌اند.

فناوری های زیربنایی

شبکه‌های ابری و لبه‌ از چند جزء فناوری تشکیل می‌شوند:

· مراکز داده: این گروه های بزرگ از سرورهای کامپیوتری تحت شبکه می توانند به عنوان زیرساخت محاسبات ابری عمومی، خصوصی یا حتی ترکیبی عمل کنند.

· دستگاه های لبه: سرورهای محلی یا دستگاه‌های کاربر نهایی و سیستم‌های بلادرنگ، محاسبات با تأخیر کم را برای برنامه‌های کاربردی در لبه شبکه امکان‌پذیر می‌کنند.

· زیرساخت شبکه: شبکه های 5G و سایر فناوری های شبکه برای فعال کردن محاسبات لبه مورد نیاز هستند.

· اینترنت اشیا: گسترش سیستم‌های سنسور محور کم‌هزینه، زمان واقعی، متصل شده توسط رابط‌های استاندارد به سبک اینترنت، امکان تجزیه و تحلیل و اتوماسیون را فراهم می‌کند.

فناوری‌های واقعیت غوطه ور[5]

فناوری‌های واقعیت غوطه‌ور از محاسبات فضایی برای تفسیر فضای فیزیکی، شبیه‌سازی افزودن داده‌ها، اشیا و افراد به تنظیمات دنیای واقعی و فعال کردن تعاملات در جهان‌های مجازی، با سطوح مختلف غوطه‌وری ارائه شده توسط واقعیت افزوده (AR)، واقعیت مجازی (VR) و واقعیت ترکیبی (MR) استفاده می‌کنند.

ارتباط با صنعت

اگرچه استفاده از واقعیت همه جانبه محدود بوده است، چندین صنعت در کاربردهای جدید پیشگام بوده اند که در این میان می توان به فناوری اطلاعات و الکترونیک اشاره کرد: تمرکز بر روی باز کردن مسیر برای پذیرش گسترده فناوری‌های واقعیت غوطه‌ورانه با بهبود آنها در جنبه‌های مختلف، از اصولی مانند وزن کمتر و دقت حسی تا چالش‌های بزرگ‌تر مانند راحتی کاربر (به عنوان مثال، کاهش حالت تهوع برای VR خواهد بود. ) و ادغام در معماری های سازمانی برای راهیابی موارد استفاده تجاری

فناوری های زیربنایی

فناوری‌های واقعیت غوطه ور شامل موارد زیر است:

· محاسبات فضایی: این فناوری ها با معرفی اشیاء سه بعدی مجازی به فضاهای فیزیکی به ایجاد واقعیت فراگیر کمک می کنند.

· واقعیت افزوده (AR): این فناوری ها با افزودن اطلاعات به تنظیمات دنیای واقعی، غوطه وری جزئی را امکان پذیر می کنند.

· واقعیت مجازی (VR): این فناوری ها کاربران را در تنظیمات کاملا مجازی غوطه ور می کند.

· واقعیت ترکیبی (MR): این فناوری‌ها سطحی از غوطه‌ور شدن بین AR و VR را امکان‌پذیر می‌کنند و عناصر مجازی را به دنیای واقعی اضافه می‌کنند تا کاربران بتوانند با هر دو تعامل داشته باشند.

· سنسورهای روی بدنه و خارج از بدنه: این ابزارها که در دستگاه‌های دستی یا پوشیدنی تعبیه شده‌اند یا در اطراف کاربران نصب شده‌اند، اشیاء و اجسام را برای نمایش در تنظیمات مجازی شناسایی می‌کنند.

· هپتیک[6]: این فناوری ها دستگاه های بازخوردی هستند که احساسات را معمولاً به صورت ارتعاش به کاربران منتقل می کنند.

· خدمات مکان یابی: این دسته از فناوری‌ها به دستگاه‌های تلفن همراه اجازه می‌دهند تا مکان کاربران را با دقت بیشتری در دنیای فیزیکی پیدا کنند، به طوری که پوشش‌های AR و MR می‌توانند در مکان‌های مناسب نشان داده شوند.

صنعتی سازی یادگیری ماشینی[7]

صنعتی‌سازی یادگیری ماشین (ML) شامل ایجاد مجموعه‌ای از ابزارهای فنی تعامل پذیر برای خودکارسازی ML و افزایش مقیاس استفاده از آن است تا سازمان‌ها بتوانند از پتانسیل کامل آن بهره مند شوند. ابزارهای ML به شرکت‌ها کمک می کنند تا پروژه‌های آزمایشی به محصولات تجاری بادوام تبدیل شوند، شکست‌های مدل‌سازی را در طول تولید برطرف کنند و بر محدودیت‌های ظرفیت و بهره‌وری تیم‌ها غلبه کنند.

ارتباط با صنعت

صنعتی‌سازی ML از توسعه و کاربرد راه‌حل‌های هوش مصنوعی با امکان آموزش سریع و استقرار مدل‌ها پشتیبانی می‌کند. به این ترتیب، روند مربوط به همان صنایعی است که روند "هوش مصنوعی کاربردی" وجود دارد. انتظار می‌رود صنعتی‌سازی ML بیشترین تأثیر را در صنایعی ایجاد کند که تسریع تولید برنامه‌های کاربردی ML مزیت رقابتی را به همراه خواهد داشت. برخی از این صنایع عبارتند از:

- فناوری اطلاعات و الکترونیک هوش مصنوعی و ML برای طراحی سخت‌افزار و نرم‌افزار اهمیت بیشتری پیدا می‌کنند.

- مخابرات: شرکت ها به طور گسترده تری به هوش مصنوعی و ML در چندین عملکرد تجاری از بازاریابی و فروش گرفته تا خدمات مشتری و بهینه سازی شبکه متکی خواهند بود.

فناوری های زیربنایی

راه حل های نرم افزاری مربوط به مراحل گردش کار ML است که به شرح زیر است:

· مدیریت اطلاعات: نرم افزار به بهبود کیفیت داده، در دسترس بودن و کنترل در تغذیه سیستم ML کمک می کند.

· توسعه مدل: ابزارسازی برای ساخت مدل های ML و استانداردسازی فرآیندها استفاده می شود.

· استقرار مدل: ابزار تامین و تدارک، مدل‌های ML را وارد تولید می‌کند و فرآیندها را استاندارد می‌کند.

· عملیات مدل زنده: نرم افزار به حفظ یا بهبود عملکرد مدل ها در تولید کمک می کند. راه حل های سخت افزاری شامل تراشه های پردازش و مکانیسم های مورد استفاده در عملیات گردش کار ML است:

· سخت افزار یکپارچه: این راه حل ها تراشه های سخت افزار فیزیکی را به چارچوب های نرم افزاری متصل می کنند. دو نوع شامل سیستم های سخت افزاری یکپارچه عمودی و افقی است.

· محاسبات ناهمگن: این راه حل با تخصیص وظایف به تراشه های سخت افزاری مانند واحدهای پردازش گرافیکی (GPU)، واحدهای پردازش تانسور (TPU) و واحدهای پردازش نورومورفیک (NPU) به بهینه سازی بارهای کاری محاسباتی کمک می کند.

توسعه نرم افزار نسل بعدی[8]

فناوری‌های نسل بعدی قابلیت‌های مهندسان را در هر مرحله از چرخه عمر توسعه نرم‌افزار (SDLC) - از برنامه‌ریزی و آزمایش گرفته تا استقرار و نگهداری - تغییر می‌دهند و کارکنان غیر فنی بیشتری را قادر می‌سازند تا برنامه‌های کاربردی بسازند. این فناوری‌ها، که شامل برنامه‌نویس‌های دونفره هوش مصنوعی، پلتفرم‌های کم‌کد و بدون کد و تست خودکار می‌شوند، می‌توانند به ساده‌سازی وظایف پیچیده و ایجاد دستورات واحد کمک کنند.

به دلیل وجود چالش های فنی، نیاز به بازآموزی در مقیاس بزرگ توسعه دهندگان و مهندسان آزمایش و موانع سازمانی ممکن است پذیرش این امر کند پیش برود.

ارتباط با صنعت

توسعه نرم‌افزار نسل بعدی تقریباً برای هر صنعتی مفید است. بخش هایی که از این فناوری ها استفاده می کنند کیفیت های مشابهی دارند. به طور مثال؛ در شرکت‌های بخش فناوری اطلاعات و الکترونیک، ابزارها و راه‌حل‌هایی را تولید می‌کنند که توسعه نرم‌افزار نسل بعدی را امکان‌پذیر می‌سازد. اینها شامل برنامه‌نویس‌های دونفره هوش مصنوعی، پلتفرم‌های کم‌کد و بدون کد، و برنامه‌های آزمایش خودکار، در میان محصولات دیگر می‌شوند.

فناوری های زیربنایی

فناوری‌هایی که به توسعه نرم‌افزارهای نسل بعدی کمک می‌کنند شامل موارد زیر است:

· پلتفرم های کم کد و بدون کد. سیستم‌های توسعه نرم‌افزار با رابط‌های کاربری گرافیکی، ایجاد برنامه‌های کاربردی را برای غیرمهندس‌ها آسان‌تر می‌کنند و به آن‌ها اجازه می‌دهند به جای نیاز به نوشتن کد از ابتدا، بلوک‌های از پیش نوشته شده کد را جمع‌آوری کنند.

· زیرساخت به عنوان کد: قالب های پیکربندی به کاربران کمک می کند تا زیرساخت های فناوری اطلاعات مورد نیاز برنامه ها را ایجاد کنند.

· خدمات میکرو: این ابزارها اجزای کوچک، مستقل و تک عملکردی از برنامه های نرم افزاری هستند که می توانند برای انجام عملکردهای پیچیده تر ترکیب شوند.

· برنامه نویس جفت هوش مصنوعی: این نرم افزار مبتنی بر هوش مصنوعی بر اساس زمینه کد ورودی یا زبان طبیعی، کد را به برنامه نویسان انسانی توصیه می کند.

· تست مبتنی بر هوش مصنوعی: نرم افزارهای نسل بعدی می توانند از هوش مصنوعی برای آزمایش واحدها و عملکرد استفاده کنند تا به کاهش زمانی که توسعه دهندگان برای آزمایش صرف می کنند کمک کند.

· بررسی خودکار کد: این برنامه ها از قوانین از پیش تعریف شده یا هوش مصنوعی برای انجام بررسی های کیفی یا امنیتی روی کد منبع و بهبود پوشش استفاده می کنند.

فناوری های کوانتومی[9]

فناوری‌های کوانتومی این نوید را می دهد تا با بهره‌گیری از ویژگی‌های منحصربه‌فرد مکانیک کوانتوم انواع محاسبات پیچیده با سرعت بسیار بالاتر، متحول کردن شبکه‌ها با امنیت بیشتر، و ارتقای حسگرها با حساسیت چشمگیرتر صورت پذیرد. فناوریهای کوانتومی با شبیه‌سازی‌ها و ارائه راه حلهای سریعتر به پیشرفت‌های عمده در صنایعی مانند هوافضا و دفاع، مواد شیمیایی، فناوری اطلاعات و داروسازی کمک خواهند کرد.

ارتباط با صنعت

فناوریهای کوانتومی که در مراحل اولیه توسعه علمی هستند، هنوز در هیچ صنعتی تفاوت عمده‌ای ایجاد نکرده‌اند.

امیدوارکننده ترین کاربردها را می توان در فناوری اطلاعات یافت:

- فناوری اطلاعات و الکترونیک: شرکت های به سطح بلوغ رسیده در حال بهبود امنیت شبکه با فناوری توزیع کلید کوانتومی[10]هستند. ارائه دهندگان ابر در حال توسعه قابلیت ها یا ایجاد شراکت برای ارائه خدمات محاسبات کوانتومی هستند. علیرغم پیشرفت‌های تحقیقاتی انجام شده در چند سال گذشته، فناوری‌های کوانتومی همچنان نوپا هستند و نسبت به فناوری‌های بالغ‌تر توجه کمتری را به خود جلب کرده‌اند.

فناوریهای زیربنایی

اصول مکانیک کوانتومی را می توان در طبقات مختلف از فناوری ها به کار برد که شامل موارد زیر می شود:

· محاسبات کوانتومی: این فناوری از خواص کوانتومی ذرات زیر اتمی برای بررسی تعداد زیادی از مسیرها به نتایج محاسباتی احتمالی استفاده می کند و در نتیجه مشکلات خاصی را بسیار سریعتر از رایانه های کلاسیک حل می کند.

· ارتباطات کوانتومی: این انتقال امن و ضد جعل اطلاعات کوانتومی رمزگذاری شده بین مکان های دور از طریق فیبرهای نوری یا ماهواره ها است.

· سنجش کوانتومی: برخی از ابزارها قادر به اندازه‌گیری برخی کمیت‌های فیزیکی با حساسیتی هستند که مرتبه‌ای بالاتر از حسگرهای سنتی است.

اعتمادبخشی به معماری ها و هویت دیجیتال[11]

فناوری‌های اعتمادساز دیجیتال، سازمان‌ها را قادر می‌سازد تا خطرات فناوری و داده‌ها را مدیریت، نوآوری را تسریع و از دارایی‌ها محافظت کنند. علاوه بر این، ایجاد اعتماد به حاکمیت داده و فناوری می تواند عملکرد سازمانی و روابط با مشتری را بهبود بخشد. فناوری‌های زیربنایی شامل معماری‌های عدم اعتماد (ZTAs)، سیستم‌های هویت دیجیتال و مهندسی حریم خصوصی است. سایر فناوری‌ها با اطمینان از اینکه مدل‌های هوش مصنوعی ایمن، عاری از تعصب و قابل توضیح هستند، به ایجاد اعتماد کمک می‌کنند. با این حال، پذیرش فناوری‌های اعتمادساز دیجیتال توسط طیف وسیعی از عوامل، از جمله چالش‌های یکپارچه‌سازی، سیلوهای سازمانی و کمبود استعداد، از موانع توسعه آن محسوب می شوند. ایجاد یک ذهنیت جامع ریسکپذیری اول-اعتماد[12]به رهبری بالا به پایین و تغییرات برنامه ریزی شده در حوزه‌های مختلف فعالیت، از استراتژی و فناوری گرفته تا پذیرش کاربر نیاز دارد.

ارتباط با صنعت

با جمع‌آوری، مدیریت و تجزیه و تحلیل داده‌های بیشتر، فناوری‌های اعتمادساز دیجیتال اهمیت بیشتری پیدا می‌کنند. بسیاری از صنایع که در آنها معمولا داده های بسیار حساس را مدیریت می کنند، در خط مقدم اتخاذ این راه حل ها هستند. این صنایع شامل موارد زیر است:

- فناوری اطلاعات و الکترونیک: ZTAها (معماریهای عدم اعتماد) می توانند ریسک داده های غیرمتمرکز را کاهش دهند. فناوری‌های هویت دیجیتال اصطکاک را در سفرهای مشتری کاهش می‌دهند. مهندسی حریم خصوصی از پروتکل ها و کنترل های تعبیه شده برای حفظ عملکرد مدل ها و راه حل ها استفاده می کند.

امتیازدهی روند

- مخابرات: بازیکنان می توانند خدمات هویت دیجیتال را در شبکه های نسل بعدی بسازند تا پیشنهادات خود را گسترش دهند، تجارب مشتری را بهبود بخشند، و آن را به شرکای شخص ثالث در شبکه های خود گسترش دهند، در حالی که ZTA و مهندسی حریم خصوصی را در سیستم ها و فرآیندهای داخلی نیز اعمال کنند.

فناوری های زیربنایی

فناوری های اعتماد دیجیتال شامل موارد زیر است:

· معماریهای عدم اعتماد (ZTA). نوعی از طراحی سیستم فناوری اطلاعات است که فرض می‌کند به همه نهادها، چه در داخل و چه در خارج از سازمان، نمی‌توان اعتماد کرد و بنابراین کنترل‌های امنیت سایبری را برای هر تعامل با هر نهاد اعمال می‌کند.

· هویت دیجیتال: هویت شامل تمام اطلاعات دیجیتالی است که یک فرد یا یک موجود را مشخص و متمایز می کند. با هویت خودمختار (SSI)، کاربران می توانند کنترل ‌کنند که کدام اطلاعات شناسایی و با چه کسی به اشتراک بگذارند.

· مهندسی حریم خصوصی: این عمل پیاده سازی، عملیات، و حفظ حریم خصوصی توسط طراحی را مدیریت می کند، و بر کاهش استراتژیک خطرات حریم خصوصی و امکان تصمیم گیری هدفمند در مورد تخصیص منابع و اجرای موثر کنترل های حریم خصوصی در سیستم های اطلاعاتی متمرکز شده است.

· هوش مصنوعی قابل توضیح AI (XAI): این هوش مصنوعی ضمن کمک در افزایش اعتماد و اطمینان در مدل‌ها، درک اینکه چرا آنها خروجی‌هایی را ارائه می‌کنند را آسانتر می سازد.

· چارچوب‌های اعتمادسازی اضافی، مانند پشته ابزار برای صنعتی‌سازی یادگیری ماشین (ML)، با طراحی و اعتماد در استفاده در مقیاس به اعتماد کمک می‌کند.

وب 3[13]

Web3 به مدلی برای اینترنت در آینده اشاره دارد که با غیرمتمرکز کردن قدرت، آن را بین کاربران توزیع می کند و به آنها کنترل بیشتری بر نحوه درآمدزایی داده های شخصی و مالکیت قوی تری بر دارایی های دیجیتال می دهد. علاوه بر این، طیف وسیعی از فرصت‌های تجاری را فراهم می‌کند: مدل‌های تجاری جدید که توسط سازمان‌های مستقل غیرمتمرکز (DAOs)[14]اداره می‌شوند و با حذف واسطه‌ها از طریق اتوماسیون ایمن (قرارداد هوشمند) و خدمات جدید شامل دارایی‌های قابل برنامه‌ریزی دیجیتالی فعال می‌شوند.

ارتباط با صنعت

برنامه های کاربردی بالقوه Web3 صنایع بسیاری را در بر می گیرد. از صنایعی که برای اولین بار از فناوری های Web3 استفاده کرده اند، می توان به فناوری اطلاعات و الکترونیک اشاره کرد: در این صنعت نوآوران از Web3 برای ایجاد شبکه‌های غیرمتمرکز و همتا به همتا استفاده می‌کنند، کاربران رسانه‌های اجتماعی را قادر می‌سازند محتوای خود را ایجاد کرده و به فروش برسانند، امکان کنترل قوی‌تر کاربر بر هویت دیجیتالی را فراهم می‌کنند و زمینه را برای پذیرش پلتفرم‌های متاورس فراهم می‌کنند.

فناوری های زیربنایی

فناوریهای تشکیل دهنده پشته Web3 شامل موارد زیر است:

· بلاک چین: این یک دفتر کل (لجر) توزیع شده دیجیتال و غیرمتمرکز است که در شبکه ای از رایانه ها وجود دارد که برای تسهیل ثبت و تأیید تراکنش ها با هم کار می کنند.

· قراردادهای هوشمند: اینها برنامه‌های نرم‌افزاری هستند که در کدها و داده‌های غیرقابل تغییر روی یک بلاک چین ایجاد می‌شوند و زمانی که شرایط مشخص (مانند شرایط مورد توافق خریدار و فروشنده) برآورده شوند، به‌طور خودکار اجرا می‌شوند.

· دارایی های دیجیتال: نمونه هایی از این اقلام نامشهود بومی دیجیتالی شامل ارزهای دیجیتال بومی، توکن های حاکمیتی، رمز ارز با ثبات یا استیبل کوین ها، NFT ها و دارایی های توکن شده است.

2- مهندسی فردا[15]

آینده مهندسی زیستی[16]

پیشرفت‌ در علم بیولوژی، همراه با نوآوری‌ها در فناوری دیجیتال، به سازمان‌ها کمک می کند تا با ایجاد محصولات و خدمات جدید، به تقاضاهای حوزه‌های متنوعی مانند سلامت و درمان، غذا و کشاورزی، محصولات مصرفی، پایداری، و تولید انرژی و مواد پاسخ دهند.

ارتباط با صنعت

در حالی که روند مهندسی زیستی می‌تواند بر تمام صنایع تأثیر بگذارد، مراقبت‌های بهداشتی و دارویی در صدر آنها می باشد:

- سیستم ها و خدمات بهداشتی و درمانی

- کالاهای بسته بندی مصرفی

- کشاورزی

- مواد شیمیایی

مهندسی زیستی در میان پنج گرایش برتر برای علاقه در سال 2021 رتبه بندی شد.

فناوری های زیربنایی

آینده مهندسی زیستی با پیشرفت‌هایی در اومیکس[17]، مهندسی بافت[18]و زیست ماده[19]تعریف می‌شود:

· اومیکس: شامل علوم زیستی می شود که به پسوند "-omics" ختم می شوند، مانند ژنومیک و پروتئومیکس

· مهندسی بافت: فناوری مهندسی بافت امکان اصلاح سلول ها، بافت ها و اندام ها مثل؛ گوشت پرورشی را فراهم می کند.

· زیست ماده: مواد ساخته شده با استفاده از فناوری مهندسی زیستی هستند.

آینده انرژی پاک[20]

راه‌حل‌های انرژی که به سمت انتشار خالص صفر حرکت می‌کنند، کل زنجیره ارزش، از تولید یا ساخت تا ذخیره‌سازی و توزیع را در بر می‌گیرد. این راه حل های مهم شامل منابع تجدید پذیر مانند انرژی خورشیدی و نیروی باد، سوخت های پایدار مانند هیدروژن، سیستم های باتری طولانی مدت و شبکه های هوشمند است.

ارتباط با صنعت

بخش برق، گاز طبیعی و خدمات شهری با پیامدهای مستقیم تغییر به سمت فناوری‌های انرژی پاک مواجه خواهد شد.

فناوری های زیربنایی

فن‌آوری‌های انرژی پاک در اشکال مختلفی برای استفاده در زنجیره ارزش وجود دارند. از نمونه های قابل توجه می توان به موارد زیر اشاره کرد:

· فتوولتائیک خورشیدی[21]

· سرعت باد کم در خشکی و فراساحل[22]

· هیدروژن[23]

· الکترولیزها[24]

· ذخیره انرژی طولانی مدت (LDES)[25]

· شبکه هوشمند[26]

· خودروی الکتریکی (EV)[27]

آینده تحرک[28]

مسیر حمل و نقل (تحرک) به سمت فناوری‌های مستقل، متصل، الکتریکی و هوشمند (ACES)[29]تغییر پیدا می کند. این تغییر با متحول ساختن بازارها، کارایی و پایداری حمل و نقل زمینی و هوایی افراد و کالاها را بهبود بخشد.

ارتباط با صنعت

صنعت خودرو و مونتاژ و صنعت حمل و نقل هوایی، مسافرتی و لجستیک از جمله مواردی هستند که بیشتر تحت تأثیر پیشرفت‌های فناوری ACES قرار گرفته‌اند. آنها با تغییراتی در تقاضا و مخازن ارزش مواجه خواهند شد که می‌تواند با مدل‌های تجاری جدید و زنجیره‌های ارزش مواجه شود.

فناوری های زیربنایی

در آینده ای نه چندان دور کارآمدی و پایداری حمل و نقل بواسطه فناوریهای ACES و فناوری های نزدیک به آن تعریف می شود:

· خودران[30]

· فناوری های وسایل نقلیه متصل[31]

· فناوری های برق رسانی[32]

· راه حل های تحرکت هوشمند[33]

· فناوری های سبک وزن[34]

· کربن زدایی زنجیره ارزش[35]

آینده فناوری های فضایی[36]

مهم ترین پیشرفت در فناوری های فضایی طی پنج تا ده سال گذشته در کاهش هزینه ها و دردسترستر کردن قابلیت ها و برنامه های جدید بوده است. کاهش هزینه قطعات به شدت ناشی از کاهش اندازه، وزن، قدرت و هزینه (SWaP-C) ماهواره ها و وسایل پرتاب شده است. این کاهش ها همچنین منجر به تغییر در معماری سیستم شده است، مانند تغییر ماهواره های منفرد، بزرگ ژئوسنکرون-مدار زمین ثابت (GEO)[37]به ماهواره های کوچکتر، توزیع شده در مدار نزدیک زمین (LEO)[38]. امروزه استفاده از فناوری‌های فضایی و تحلیل‌های سنجش از راه دور قابل توجه است.

ارتباط با صنعت

کاربردهای فناوری فضایی برای بسیاری از صنایع در حال توسعه است. در حال حاضر، صنایع زیر مرتبط ترین هستند:

- مخابرات: ماهواره ها می توانند اینترنت پهن باند را برای هواپیماها فراهم کنند و اتصال را در مناطق دورافتاده افزایش دهند.

- هوافضا و دفاع: تصاویر ماهواره ای پیشرفته برای ناوبری و نظارت برای دستیابی به اهداف امنیتی و اطلاعاتی مورد استفاده قرار گرفته می شود.

فناوری های زیربنایی

هنگام ایجاد قابلیت‌های فضایی در کوتاه‌مدت، شرکت‌ها می‌توانند به این فناوری‌ها که پیشرفته‌تر هستند تکیه کنند:

· ماهواره های کوچک: ماهواره‌های کوچک مدولار با استفاده از معماری‌های «CubeSat» و مولفه هایی با اندازه استاندارد برای انجام مأموریت‌های متنوع، به طور سفارشی ساخته می شود.

· سنجش از دور: تصویربرداری و نظارت با طیف کامل برای مشاهده ویژگی های زمین مانند اقیانوس شناسی، آب و هوا و زمین شناسی استفاده می شود.

· پیشرفت های SWaP-C: یکی از محرک‌های مقرون‌به‌صرفه کاهش اندازه، وزن، قدرت و هزینه ماهواره‌ها و وسایل نقلیه پرتاب است که در نتیجه حسگرهای ارزان‌تر و با وضوح بالاتر، سیستم‌های قدرت کارآمدتر و سایر پیشرفت‌ها ایجاد می‌شود.

· راه اندازی نوآوری های فناوری: استفاده مجدد از سازه های تقویت کننده، موتورها یا موارد دیگر، همراه با پیشرفت های فناورانه (مثل؛ علم مواد، طراحی به کمک رایانه، چاپ سه بعدی) و افزایش نرخ پرتاب، به کاهش هزینه های عملیاتی و افزایش دسترسی به فضا کمک می کند.

تحول بخش فضایی در دهه گذشته نیز از ظهور فناوری‌های جدید، از جمله موارد زیر پشتیانی می کند:

· ارتباطات لیزری پیوندهای لیزری به ماهواره ها اجازه می دهد تا با استفاده از پالس های نور برای انتقال داده ها ارتباط برقرار کنند:

· نیروی محرکه هسته ای سیستم‌هایی که از انرژی حرارتی یا الکتریکی استفاده می‌کنند، فضاپیماها را سریع‌تر و طولانی‌تر از پیشرانه‌های شیمیایی یا خورشیدی سنتی به پیش می‌برند، بنابراین ناوبری در اعماق فضا را ممکن می‌سازند.

· ربات های سوخت رسان اتومات ها می توانند به ماهواره های در مدار سوخت رسانی کنند، بنابراین طول عمر ماموریت را افزایش می دهند

· تغییر موقعیت مدار این فناوری‌ها می‌توانند مدار را افزایش دهند یا شیب ماهواره را تغییر دهند.

آینده مصرف پایدار[39]

تمرکز مصرف پایدار بر استفاده از کالاها و خدماتی است که با استفاده از فناوری‌های کم کربن و مواد پایدار با کمترین تأثیرات زیست‌محیطی تولید می‌شوند. در سطح کلان، مصرف پایدار برای کاهش خطرات زیست محیطی، از جمله تغییرات آب و هوا، حیاتی است. بسیاری از فناوری‌هایی که از مصرف پایدار پشتیبانی می‌کنند از نظر فنی قابل دوام هستند، ولی تعداد کمی از آن‌ها به اندازه کافی مقرون‌به‌صرفه شده‌اند تا به مقیاس انبوه دست یابند.

ارتباط با صنعت

بسیاری از بخش ها در حال تغییر به سمت مصرف پایدار هستند. موارد زیر پیشرفت قابل توجهی داشته اند:

- خودرو و مونتاژ. برقی‌سازی ناوگان جهانی به سرعت در حال گسترش است.

- کشاورزی. شرکت‌های زنجیره ارزش از راه‌حل‌های دیجیتال و شیوه‌های نوآورانه برای تولید و توزیع مواد غذایی به شیوه‌ای پایدارتر استفاده می‌کنند.

- مصالح ساختمانی و ساختمانی تکنیک های جدید ساختمانی و مصالح پایدار در حال ایجاد صنعت ساختمان سازی سبزتر هستند.

- حمل و نقل هوایی، مسافرتی و تدارکات. مقررات شرکت ها را به نوسازی ناوگان، کربن زدایی سوخت و بازنگری در مسیریابی و استفاده سوق می دهد.

- محصولات دارویی و پزشکی. شرکت‌ها می‌توانند فرآیندهای تولید خود را برای بهبود بهره‌وری انرژی، کاهش مصرف آب و جایگزینی پلاستیک برای مواد بازیافتی پایدارتر برای بسته‌بندی بهینه کنند.

- بخش های عمومی و اجتماعی سازمان‌ها می‌توانند بازار را برای کالاها و خدمات پایدار برانگیزند و تغییرات را الزامی کنند، نوآوری را با تأمین منابع مالی تقویت کنند و ابتکارات مهمی را به سایر بخش‌های اقتصاد ارائه دهند. شرکت‌ها در بخش‌های زیر نیز در حال آماده‌سازی برای تغییرات بلندمدت در مدل‌ها و بازارهای تجاری خود هستند:

- مواد شیمیایی. بازارهای پلاستیک های بازیافتی و پلاستیک های ویژه ایجاد شده از CO2 جذب شده در حال رشد هستند.

- نفت و گاز. اتخاذ ترسیب کربن برای حمایت از افزایش بازیابی نفت در حال افزایش است.

- فلزات و معادن صنعت معدن شاهد کربن زدایی عملیات (به عنوان مثال، تولید فولاد سبز با سوخت هیدروژنی) و خنثی کردن اثرات فعالیت تولید بر سرمایه طبیعی، و همچنین افزایش تولید مواد معدنی مورد نیاز برای انرژی پاک و سایر فناوری های پایدار است.

- کالاهای بسته بندی مصرفی تقاضا برای اقلام و بسته بندی با ویژگی های پایداری قانونی و قابل تایید در حال افزایش است.

- هوافضا و دفاع بازیگران هوافضا در حال طراحی و ساخت هواپیماهایی هستند که بیشتر به سوخت های پایدار متکی هستند و کارایی انرژی را افزایش می دهند.

- خرده فروشی: خرده فروشان می توانند اثرات زیست محیطی عملیات را در طول چرخه عمر محصول کاهش دهند.

- فناوری اطلاعات و الکترونیک: فعالان فناوری می توانند بهینه سازی مصرف برق در مراکز داده، تامین انرژی مراکز داده با انرژی های تجدیدپذیر و کاهش ضایعات در زنجیره ارزش لوازم الکترونیکی مصرفی را در نظر بگیرند.

- برق، گاز طبیعی و تاسیسات: تقاضا برای برق بر اساس روندهای مصرف پایدار مانند برق رسانی متفاوت خواهد بود.

- مشاور املاک: توسعه املاک و مستغلات به دنبال بهینه سازی تقاضای انرژی است. بازارها در پاسخ به تغییرات ترجیحات مصرف‌کننده، برنامه‌ریزی شهری و توسعه زیرساخت‌ها تغییر خواهند کرد.

- مخابرات: از آنجایی که آنها به حجم فزاینده ای از مشتریان در سطح جهانی خدمت می کنند، ارائه دهندگان مخابراتی می توانند مصرف انرژی خود را با ارتقاء به 5G و بهره برداری از شبکه های خود با انرژی های تجدیدپذیر بهینه کنند.

فناوری های زیربنایی

آینده مصرف پایدار تا حدی توسط فناوری های زیر تعریف می شود:

· کشاورزی پایدار و پروتئین های جایگزین. اینها شامل شیوه های نوآورانه (مانند آبیاری ریز و کشاورزی عمودی) است.

· و محصولات (مانند گوشت های گیاهی و پرورشی).

· سرمایه طبیعی این شامل فن آوری برای احیای جنگل ها و اکوسیستم های طبیعی، پوشش گیاهی ساحلی، تنوع زیستی، و حوضه های آب شیرین

· فناوری های دایره ای تکنیک های طراحی و تولید می تواند بازیافت و استفاده مجدد را افزایش داده و ضایعات را به حداقل برساند.

· ساخت و ساز سبز این شامل استفاده از شیوه های پایدار (مانند بهره وری انرژی و کاهش ضایعات) و مواد است.

· جذب، استفاده و ذخیره کربن. CO2 را می توان به طور مستقیم از منابع نقطه ای، مانند تاسیسات صنعتی و نیروگاه هایی که از سوخت های فسیلی استفاده می کنند، جذب کرد.

· حذف کربن پس از انتشار دی‌اکسید کربن، می‌توان آن را با استفاده از روش‌های مبتنی بر طبیعت (مانند کاشت درخت) یا مهندسی شده (مانند جذب مستقیم هوا) از جو خارج کرد.

[1] Advanced connectivity

[2] Applied AI

[3] Cloud and edge computing

[4] درآمد قبل از بهره، مالیات و استهلاک

[5] Immersive-reality technologies

[6] Haptics

[7] Industrializing machine learning

[8] Next-generation software development

[9] Quantum technologies

[10] quantum-key-distribution

[11] Trust architectures and digital identity

[12] trust-first

[13] Web3

[14] decentralized autonomous organizations

[15] Engineering Tomorrow

[16] Future of bioengineering

[17] omics

[18] Tissue engineering

[19] Biomaterials

[20] Future of clean energy

[21] Solar photovoltaics

[22] Low-wind-speed onshore and offshore

[23] Hydrogen

[24] Electrolyzers

[25] Long-duration energy storage

[26] Smart grid

[27] Electric-vehicle

[28] Future of mobility

[29] autonomous,connected, electric, and smart

[30] Autonomous

[31] Connected-vehicle technologies

[32] Electrification technologies

[33] Lightweight technologies

[34] Lightweight technologies

[35] Value-chain decarbonization

[36] Future of space technologies

[37] geosynchronous-equatorial-orbit

[38] low-Earth-orbit

[39] Future of sustainable consumption