作为众多资本与创业者追逐的风口热点，人工智能已成为推动人类进步、社会发展的新一代技术引擎。然而，无论是从技术发展还是商业化落地等角度来说，人工智能仍然处在初级阶段。因此如何推动人工智能下一阶段的发展、寻找新的突破点，成为中国乃至全球从业者共同关心的话题。
近期，Gartner发布了2018年新技术成熟度曲线（见下图），揭示了5大新兴技术趋势：① AI普惠化；②数字化生态系统；③DIY生化黑客运动；④透明的沉浸式体验；⑤无所不在的基础设施。
为了更好的了解这些技术动态的变化，我们也梳理了2017－2018年各项技术的演进趋势对比。
看新增，生物科技、自动飞行驾驶工具、知识图谱、边缘智能、会话式AI、自动驾驶L4和L5、自愈系统就似乎、AI Pass、深度学习ASIC、可移动机器人、碳纳米管、硅电池等技术上榜。看增速，5G、数字孪生、智能家居、区块链等技术向前推进速度较快。从具体的实现周期来看，这其中2－5年内可以实现的技术主要包括5G、智能家居、区块链、AR等技术。
目前来看，综合考虑各项因素，边缘智能、数字孪生、等科技方向的投资或值得关注。
边缘计算在各行各业的应用
随着传感器价格和计算成本的持续下降，更多的“东西”将被连接到互联网。随着更多的联网设备变得可用，边缘计算将在各行各业中得到越来越多的应用，尤其是在云计算效率低下的一些领域。
我们已经开始看到该技术在多个不同的行业领域产生影响。
“当我们把云的威力下沉到设备（即边缘）时，我们可带来实时地响应、分析和行动的能力，尤其是在网络条件有限或者缺乏网络的地区……它还处于初期发展阶段，但我们正开始看到这些新功能能够应用于解决全球范围的一些重大挑战。”
——微软首席技术官凯文·斯科特（Kevin Scott）
从自动驾驶汽车到农业，以下几个行业将会从边缘计算的潜力中获益。
1、无人驾驶
边缘计算技术最显而易见的潜在应用之一是交通运输——更具体地说，是无人驾驶汽车。自动驾驶汽车装备了各种各样的传感器，从摄像头到雷达到激光系统，来帮助车辆运行。这些自动驾驶汽车可以利用边缘计算，通过这些传感器在离车辆更近的地方处理数据，进而尽可能地减少系统在驾驶过程中的响应时间。虽然无人驾驶汽车还不是主流趋势，但公司们正在未雨绸缪。
2、医疗保健
如今，人们越来越喜欢佩戴健身追踪设备、血糖监测仪、智能手表和其他监测健康状况的可穿戴设备。
但是，要真正地从所收集的海量数据中获益，实时分析可能是必不可少的——许多的可穿戴设备直接连接到云上，但也有其他的一些设备支持离线运行。
一些可穿戴健康监控器可以在不连接云的情况下本地分析脉搏数据或睡眠模式。然后，医生可以当场对病人进行评估，并就病人的健康状况提供即时反馈。
但在医疗保健领域，边缘计算的潜力远不局限于可穿戴设备。不妨想想，快速的数据处理能够给远程患者监控、住院患者护理以及医院和诊所的医疗管理带来多大的好处。
3、制造业
智能制造有望从现代工厂大量部署的传感器中获得洞见。
由于能够减少滞后，边缘计算可能会使得制造流程能够更快速地做出响应和变动，能够实时地应用数据分析得出的洞见和实时行动。这可能包括在机器过热之前将其关闭。
4、农业和智能农场
边缘计算非常适合应用于农业，因为农场经常处于偏远的位置和恶劣的环境中，可能存在带宽和网络连接方面的问题。
数字孪生，赋能制造业转型
数字孪生（Digital Twin）是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程。
数字孪生提供了与工业部门中使用的物理组件相对应的虚拟对象。例如，制造汽车的机器人手臂可以使用数字孪生进行监控，数字孪生收集有关机械手臂操作的数据，并提供有关需要定期维护或更换的组件的信息。数字孪生可以使预测性维护更加容易，并提供有价值的可视化功能以提高效率。
由于数字孪生并不是一个庞大而可怕的技术，不会引起代价高昂的停机，也不会因漫长的设计过程而影响最终的收益。如今，几乎任何制造商都可以从支持传感器和连接IoT 的机器及设备收集生产数据，并将数据与基于云的机器学习和熟悉的 CAD 可视化系统结合起来，以数字化方式为物理对象创建虚拟模型，来模拟其在现实环境中的行为，并通过搭建整合制造流程的数字孪生生产系统，实现从产品设计、生产计划到制造执行的全过程数字化。数字孪生将现实与虚拟世界无缝连接，全过程赋能制造业，助力制造业数字化智能化转型。
回顾人工智能发展轨迹，真正的面向未来的东西，从投资者角度来说，简单、直接、真正能解决问题的，并且到最后能创造价值的，才是投资人最看重的。
