图片来源@视觉中国

文 | 润土投资

7月20日，国际知名咨询公司麦肯锡发布了《McKinsey Technology Trends Outlook 2023》2023科技趋势展望报告。

在报告中，麦肯锡分析了全球先进技术的发展以及可能的用途和对各行业的影响。通过分析每个科技趋势的创新和投资的量化指标，以衡量其发展动力，并考虑到这些趋势的长期性质和相互依存性，深入探讨了每种科技趋势的底层技术、关键不确定性以及未来存在的问题，同时在此次报告中新增了一个重要的分析维度——人才，提供了与每个趋势最相关角色的人才供需动态数据。

01 

总体摘要

生成式AI代表了人工智能的下一个前沿，在现有的通用人工智能和工业化机器学习技术基础上，生成式AI在大多数行业中都具有巨大的潜力和适用性

2021年至2022年，生成式AI相关话题的兴趣（从新闻和互联网搜索中评估）增加了三倍。生成式AI和其他基础模型通过将辅助技术提升到一个新水平、减少应用开发时间并将强大能力赋予非技术用户，改变了AI游戏规则。生成式AI有望从特定用例和更广泛用途（例如协助编写电子邮件草稿）的组合中增加高达4.4万亿美元的经济价值，这些用途可以广泛提高生产力。

大多数科技趋势的投资在同比收紧，但随着最近科技估值的反弹，未来增长的潜力仍然巨大

实际上，2022年的绝对投资额保持强劲，合计超过1万亿美元，充分表明了投资者对这些趋势价值潜力的信心。在2022年的14种趋势中，随着安全性、隐私性和可扩展性变得越来越重要，信任架构和数字身份的趋势增长最大，增长接近50%。通用人工智能、先进连接技术和边缘计算等其他趋势的投资则有所下降，原因可能是由于这些技术已相对成熟。与气候技术和未来出行等新兴技术的较长投资期相比，更成熟的技术可能对短期预算动态更加敏感。此外，随着一些技术变得更具盈利性，它们通常可以在边际投资较低的情况下实现进一步规模化，主流采用率将继续保持增长。 

寻求长期增长的企业应该关注对其业务来说最重要的科技趋势组合，进行有针对性的投资，利用成熟的技术或新兴技术来推动创新，以及实现可持续增长

例如边缘计算和未来生物工程等技术已经显示出稳步增长的创新性，并在各行业继续拓展用例。事实上，在各行业中已经确定了400多个边缘计算的用例，预计边缘计算在未来五年内将在全球范围内突破两位数的增长。此外，量子计算等新兴技术也在不断发展，并显示出巨大的价值创造潜力。麦肯锡对2023年的科技趋势分析报告显示，从量子计算中最早看到经济影响的四大行业分别是汽车、化工、金融服务和生命科学，这四大行业有望到2035年获得高达1.3万亿美元的价值。

科技人才动态：人才的匮乏是制约增长的首要问题，获得科技趋势价值所需知识技能的人才供需之间存在巨大差距

合格人才的短缺一直是限制许多高科技领域增长的一个长期因素，包括AI、量子技术、太空技术和电气化与可再生能源。而且人才紧缺问题在云计算和工业化机器学习等行业中尤为突出，同时，雇佣高度专业化人员的领域，如未来出行和量子计算，也面临着人才匮乏的主要挑战。这些现状凸显了企业雇主当前面临的人才困境。

麦肯锡通过对这些科技趋势中的350万条招聘信息的调研发现，许多最急需的技能合格从业者数量不到全球平均水平的一半。企业应该紧跟人才市场的脉搏，做好应对显著变化的准备，并向希望雇用和留住的技术人员提供有吸引力的价值定位。同时企业应该继续研究如何调整角色或提升员工技能，以满足定制化的工作要求。尽管整体上全球职位在2021年至2022年期间下降了13%，但与科技趋势相关领域的职位增长都非常强劲，达到15%。2018年至2022年期间，通用人工智能和下一代软件开发领域共发布了近100万个职位，其中下一代软件开发领域的职位数量增长最为显著。

02 

15种科技趋势

麦肯锡《McKinsey Technology Trends Outlook 2023》2023科技趋势展望报告中概述了所有15种科技趋势的考虑因素，分析了每项技术可能的用途和对各行业的影响，并将其分为“人工智能革命、数字化建设、计算和互联网前沿、尖端科技以及可持续发展”五大类。

为了描述每个科技趋势的状态，麦肯锡基于拥有研究专利的创新分数以及新闻和网络搜索的关注度分数，统计了相关技术的投资情况和技术采用率等级，并对每个科技趋势进行了打分，还详细分析了该科技趋势的最新动态、实际用例、底层技术、关键不确定性以及未来存在的问题。

人工智能革命

通用人工智能

通过机器学习(ML)、计算机视觉和自然语言处理(NLP)等AI能力，各行业的企业都可以利用数据洞察信息，实现流程自动化、增加或增强功能，并做出更好的决策。麦肯锡预测，通用人工智能的潜在经济价值在17万亿至26万亿美元之间，并且追求这种价值的公司比例也在持续增加。

根据麦肯锡年度人工智能现状全球调查显示，采用人工智能技术的受访组织比例从2017年的20%上升至2022年的50%，增加了一倍多。其中2022年的调查还显示，采用人工智能技术可以带来显著的财务效益：25%的受访者将公司EBIT的5%或更高归因于AI。然而，在企业充分发挥这项技术潜力之前，首先需要解决组织、技术、伦理和监管问题。

工业化机器学习

工业化机器学习(ML)，通常称为ML运营或MLOps，指企业规模化和持续ML应用所需的工程实践。无论是在功能还是互操作性方面，这些实践均得到一个快速改进的技术工具生态系统的支持。MLOps工具可以帮助企业将试点项目转化为可行的商业产品，加速分析解决方案的规模化，识别和解决生产中的问题，并提高团队的生产力。经验表明，成功实现工业化机器学习的组织可以将机器学习应用的生产时间框架(从概念验证到产品)缩短约8至10倍，开发资源降低高达40%。工业化机器学习最初由少数领先企业推动，但随着越来越多的企业将AI应用于更广泛的行业用例中，其技术采用率正在不断扩大。

生成式AI

生成式AI标志着AI的一个发展转折点。与早期的AI不同，它可以根据从非结构化数据的类似格式中学习信息，实现创造新颖的非结构化内容，如文本、音频、视频、图像、代码、模拟甚至蛋白序列或消费者行为。其核心技术基础模型可以适应广泛的工作任务，如总结、分类或草拟文件。相比之下，早期AI模型就显得比较“狭隘”，通常只能执行一个任务。

在商业环境中，生成式AI不仅可以解锁新的用例，还可以加速、扩展或以其他方式改进现有用例。通过支持开发新产品和收入来源、提升客户体验，生成式AI有可能重新定义企业和价值链，其影响力预计将主要体现在提高员工生产力和体验上。

数字化建设

下一代软件开发

下一代技术正在改变软件开发生命周期中每个阶段的工程师能力，从规划、测试到部署、维护，使更多非技术员工能够创建应用程序。它们可以简化复杂任务并将其减少为单个命令。这些技术包括AI编程搭档、低代码/无代码平台、基础设施即代码，以及自动集成、部署和测试等新兴的生成式AI工具。由于技术难度、重新培训开发人员和测试工程师的大规模需求以及其他组织障碍，该项技术的采用速度虽然较慢，但在早期发展阶段中已经展现了显著的生产力提升能力，相信广泛应用的时代正在到来。

信任架构和数字身份

数字信任技术使组织能够管理技术和数据风险，加速创新并保护资产。此外，建立数据和技术治理信任还可以提升组织绩效并改善客户关系。相关底层技术包括零信任架构（ZTA）、数字身份系统和隐私工程。其他技术通过在人工智能设计中构建可解释性、透明度、安全性和偏差最小化原则来帮助建立信任。但是，由于集成问题、组织孤岛、人才短缺等因素的影响，数字信任技术的采用一直受到阻碍。

Web3

Web3的概念远超过对加密货币投资的普遍理解，它更多地是指互联网的未来模式，该模式将中心化权力重新分配给用户，潜在地赋予用户对其个人数据单一化和数字资产所有权的更多控制权，并催生一系列新的商业模式。Web3吸引了大量资本和工程人才，但新创企业仍在测试和扩展可行的商业模式，同时传统企业将继续探索最佳的Web3用例。早期采用者面临的挑战包括当下不明确以及不断发展的法律法规、用户体验不如现有的Web2产品等问题。

计算和互联网前沿

先进连接技术

先进连接技术的提高将增强全球消费者的用户体验，并提高出行、医疗保健和制造业等行业的生产力，为未来各行业的数字解决方案提供支持。许多企业已经迅速采用了基于现有部署和连接标准的高级连接技术，但一些即将出现的新技术，如低地球轨道(LEO)连接、5G/6G网络等面临着需要解决的障碍，以增加其技术采用率。

沉浸式现实技术

沉浸式现实技术利用空间计算来解释物理空间，模拟在现实环境中添加数据、对象和人员；并通过增强现实(AR)、虚拟现实(VR)和混合现实(MR)提供不同级别的沉浸感，实现在虚拟世界中的交互。2021年，风险投资者们向AR和VR初创公司提供了约40亿美元的资金，这是继2018年之后第二个最成功的融资年份。尽管AR和VR的总投资随后在2022年有所下降，但投资者对这一科技趋势表现出持续的兴趣，去年至少完成了7轮1亿美元或以上的投资轮次。麦肯锡的研究表明，新兴的元宇宙科技到2030年可能会在消费者和企业用例中创造高达4万亿至5万亿美元的价值。

云和边缘计算

未来，企业将利用涉及多个位置的计算和存储基础架构，实现从本地到更接近本地(边缘)、从小型区域数据中心到远程超大规模数据中心的转换。与云相比，边缘计算为组织提供了更快(超低延迟)在数据源头处处理数据的能力，并实现数据主权和增强数据隐私的灵活性，从而解锁各种新的用例，缩短与终端用户的距离，减少数据传输延迟和成本，并提供对更相关数据集的更快访问。公共云将通过以更好的规模经济执行非时间敏感的计算用例，继续在未来的企业发展中发挥关键作用。云和边缘计算资源的持续集成将让用户将云的创新、速度和敏捷性扩展到边缘和实时系统中，从而加速创新，提高生产力并创造商业价值。

量子技术

量子技术有望利用量子力学的独特属性，比传统计算机更高效地执行特定类型的复杂计算，保障通信网络的安全，并提供新一代传感器，其灵敏度相比传统传感器的灵敏度有大幅提高。原则上，量子技术可以为航空航天、国防、汽车、化工、金融和制药等行业的发展带来重大进步。但是，由于实现完全纠错的量子计算机和可扩展的量子通信网络仍然存在技术挑战，准量子技术用户应为不确定的采用路线做好准备。

尖端科技

出行领域

汽车大规模生产开始已过去一个多世纪，移动出行正处于第二次重大拐点：向自动驾驶、互联、汽车电气化和共享出行(ACES)技术转变。在过去十年中，ACES技术的采用率在不断提高，随着可持续性发展政策不断收紧、消费者偏好发生改变和创新的不断推进，其发展步伐正在加快。例如，预计自动驾驶技术到2035年将创造高达4000亿美元的收入。但短期内，创新者仍需面临技术、法规和供应链问题的挑战。

生物工程

生物学上的突破，结合数字技术的创新，可以帮助组织通过创造新产品和服务来满足医疗保健、食品和农业、消费品、可持续发展以及能源和材料生产等不同领域的需求。麦肯锡的研究预测，当今科学已证明可行的约400个生物工程用例到2030-2040年，预计每年可以产生2万亿至4万亿美元的经济增长。虽然目前某些基因疗法和生物产品已获得认可，但生物工程未来仍需要解决伦理、监管以及公众认知问题，才能充分发挥其经济增长潜力。

太空技术

过去五到十年，航天工业最重要的发展是技术成本的降低，这使得新技术和应用变得更容易。卫星和运载火箭的尺寸、重量、功率和成本的降低有力地推动了太空组件成本的降低。这些减少导致了系统架构的变化，例如从单个大型地球同步赤道轨道(GEO)卫星转向更小的分布式低地球轨道(LEO)卫星，以及传统非航天公司对航天技术的兴趣日益浓厚。如今，太空技术和遥感技术的使用非常广泛，分析表明，到2030年，太空市场可能会超过1万亿美元。未来的太空经济可能涵盖目前尚未大规模开展的活动，例如在轨制造、发电和太空采矿，以及载人航天。

可持续发展

电气化和可再生能源

尽管越来越多的国家政府和企业致力于实现大幅的脱碳目标，但由于地缘政治紧张局势和能源需求的反弹，能源市场仍面临极端性波动。电气化和可再生能源有助于推动实现净零排放承诺，主要包括太阳能、风能、水电、核能、氢能以及其他可再生能源、可持续燃料等。

此前，麦肯锡在《2022年全球能源展望》报告中分析了全球能源的发展趋势，预测未来能源结构将向电力转移，到2050年，电力、氢气与合成燃料将占能源结构的50%。此外，对化石燃料需求的峰值预计将继续向前推进，石油需求预计在未来五年内达到顶峰。能源领域的总投资预计将以每年4%以上的速度增长，并将向非化石和脱碳技术倾斜。

非电气化和可再生能源的气候技术

气候技术包括碳捕捉、碳利用和储存（CCUS）、碳清除、自然气候解决方案、循环技术、替代蛋白质和可持续农业,以及用于跟踪净零进展的技术。

（本期内容编译自麦肯锡《McKinsey Technology Trends Outlook 2023》，版权属于原作者。）

*参考资料：麦肯锡《McKinsey Technology Trends Outlook 2023》