与几个全球危机占据我们的日常生活,重要的是要看到我们可以用技术来解决这些困难的人类问题。今天,我们有更多的访问数据从衣物,医疗设备,环境传感器、视频捕捉和其他连接设备比我们过去在任何时候。当结合云技术如计算机视觉、机器学习和模仿开始的,强大的信息和应用程序可以把我们融合。
下一波的创新者和发明者一个几个人我很幸运遇到了在拍摄现在去构建——已经重新造林地球建立解决方案,让我们的青春活跃,甚至再现供应链从仓库交货。这是真的只是一个开始。获得先进的技术变得更加普遍存在的方方面面的生活变得数据我们可以analyze-we会看到大量创新,这将在2023年激增。
预测一:云技术将重新定义我们所知道的运动
喜欢音乐和视频,我们可以分析运动将成为数据流。这些在未来几年将解锁的见解将改变整个体育产业和重新定义意味着什么,亲身体验了游戏。
体育运动是人类的一部分。他们超越时间、文化和物理边界。此时此刻,世界上最大的体育赛事之一是这样的世界杯。预计约有50亿人观看。直到现在,广播电视有最大的影响在职业体育的发展,为今天一个5000亿美元的产业。下一个改变游戏规则的技术进步是在地平线上。在未来几年,每项运动的方方面面将进行数字转换,而这将会发生在每一个级别的比赛,从青少年篮球职业板球。
这样的公司Veo领导这个电荷,利用云技术如机器学习,计算机视觉,和流处理,缩小业余和职业运动员之间的数字鸿沟。而Veo创造了广播式授权体验观众的业余运动,它还建立了一个深层神经网络,允许它自动创建突显出视频流。这允许球员,教练,和招聘人员很容易找到关键,改进策略,和所有人分享的方式,根本不可能的。Veo等技术越来越广泛地应用在所有水平的所有运动,想象接下来会发生什么。
顶级联赛,像德甲和NFL,已经开始使用视频流,衣物,物联网(物联网)传感器,实时分析和见解。展望未来,这些功能将继续前进,和技术将成为一个无所不在的力量几乎每一个运动,在每一个级别。想象这样一个场景:一个教练可以使用计算机视觉和生物数据分析了实时云之前把一个球员抽筋或失球,代之以最休息的队友,现在可量化的东西。这同时提高球员的安全,增加了游戏的竞争力。在这一点上,体育本身将真正开始成为一个数据流,我们可以分析和决定在现实播放器水化,球运动领域saturation-all,聚合和更丰富的比我们今天所看到的。和更多的数据来进一步创新。在不远的将来,我们将达到一个临界点团队不断“what - if”模拟后台运行在每一场比赛,使他们能够更好地预测时刻的影响他们的决定。技术本身将成为竞争的职业体育的基础。
无论是人或在屏幕上,风扇的经验也将改变。体育场将迅速采取的一些创新,我们看到在零售等行业,如亚马逊去商店,在使用计算机视觉、传感器融合,深度学习将使ticketless条目和采购好。我们也将开始看到下一代的数据覆盖和实时的见解去玩家水平,增加比赛,使运动更接近我们预期今天最可视化信息的视频游戏。Co-viewing和个性化的浏览体验将继续发展,比以往任何时候都更紧密地连接的50亿观众。
体育世界目前最大的革命的边缘有见过,和云技术中心的这种变化。
预测2:模拟世界将重塑我们实验的方式
空间计算。模拟。数字双胞胎。这些技术已经慢慢成熟多年,但日常的影响是有限的。这是快速变化,在2023年,云计算将使这些技术更容易,反过来使一类新的用例将不受物理约束。
模拟是用来构建更好的赛车,预测天气,股票市场模型。虽然模拟可以解决很重要的问题,构建和运行模拟的困难是日常使用的障碍病例。公司受到需要高性能的硬件和专业的劳动力。采用流体动力学模拟飞机机翼或赛车作为一个例子,它可能需要多达150 tb的数据来模拟真实场景的一秒。然而,这是快速变化与技术最近推出了AWS SimSpace韦弗,第一次的模拟技术,将为未来铺平道路,几乎任何在我们的世界,并最终将被模拟。模拟可以帮助我们做出更好的决定对我们构建的道路,我们组织我们的仓库,我们的方法和应对灾害。通过仿真,我们可以窥视未来看我们的努力的影响,运行大量的“假设”场景,回答我们的问题,而无需等待,看看可能是多年的影响。AWS SimSpace韦弗之类的技术,这样的公司是陆地形成可以模拟整个森林的生长在实现种植1万亿棵树的目标。结果,它可以确保生物多样性和森林健康最碳抵消。
我看到一个快速上升的另一个领域创新空间计算。公司已经建立专门的硬件和使用云技术来捕捉和创造几乎任何环境的3 d模型。这样做只有一个移动设备很快就会成为现实。这种民主化将激励新一波创新架构,建设、商业地产和零售行业。互联网像视频一样,空间计算将在未来几年迅速推进到3 d对象和环境一样容易创建和使用你最喜欢的短小精悍的社交媒体视频今天。静态二维产品图片在互联网上成为过去,取而代之的是3 d模型,你可以挑选,旋转,无缝地在你的客厅可以看到今天在一个web浏览器。但期待更多的摆脱这些模型,这样,他们的内在特性可以模拟在虚拟的家。虚拟灯不仅会被放置在地板上你住的房间,你可以打开和关闭它,观察环境光与实时虚拟家具,并理解它对你的能量消耗的影响。所有这一切之前推着“现在购买”按钮。
2023年,这样的技术将开始收敛。随着集成数字技术在我们的物质世界,模拟空间计算技术已经变得越来越重要,以确保正确的影响。这将导致一个良性循环的曾经完全不同的技术被用于并行的企业和消费者。云,通过其庞大的规模和可访问性,将推动下一个时代。
3:预测的智能能源的创新
储能材料表面。分散的电网。聪明的消费技术。2023年,我们将看到在全球范围内迅速发展,提高我们的生产方式,商店,和能源消耗。
我们正处在另一个能源危机。成本上升和可靠的获取能源是全球问题影响每个人。虽然这不是第一次,我们已经面临着能源危机,一些成熟的技术开始收敛,和在一起,他们将使我们前所未有的解决这个问题。
我们周围的环境产生足够多的可再生能源。挑战实际上是存储和按需交付的系统,需要消耗能量。亚马逊是工作在这个空间,例如,150兆瓦的电池存储系统在亚利桑那州的提供清洁、可靠的能源对我们的设施。但我们不是唯一的。公司在全球范围内也迅速创新在这个空间。云是使材料研究科学小说用例,如将储能集成到他们的目标是权力结构的对象。想象一个航运船舶的船舶实际上是权力的电池在其旅程。这只是iceberg-no双关。我们也开始看到突破长期存储、熔盐、叠块,和燃料电池。
另一个领域是分散的能量。与不确定性能源可用性,一些社区转向微型电网。我喜欢把微型电网作为社区花园(但对于能源),社区成员使用这些来维持自己,减少对传统能源的依赖公司及其老化的基础设施。在我的邻居,我们有一个小的微型智能电网",在太阳能收集和租户之间共享。我们继续看到能源地缘政治事件和气候波动放大的挑战,微型电网将成为世界各地的许多社区的一个可行的解决方案,和云在启用这个技术将发挥作用。数据从太阳能电池板、风力发电场,地热能,水电将流,存储,监控,丰富,在云计算和分析。机器学习将被用来分析所有能源数据来预测使用峰值和防止中断通过再分配的能量在家庭层面的粒度。
我们还将看到IoT-based智能消费设备未来一年全球起飞。这将导致下一波创新出现的新的可观测性的功能,这些设备提供的家庭和企业。想象一下节约能源我们可以通过改造历史建筑节能技术。
在未来几年内,我们将看到一个快速收敛的所有类型的智能能源技术,当我们终于遇到了阈值,技术解决方案可以解决我们的危机。虽然这可能没有直接的影响,我们都希望它能永远在一起这些技术将从根本上改变我们的方式创建、存储、和消费能源。
预测4:即将到来的供应链转变
2023年,采用的技术,如计算机视觉和深度学习将推动供应链。无人驾驶飞机、自治的仓库管理和模拟是优化的几个,将导致一个新时代智能物流和全球供应链。
我经常反映在过去几年是全球供应链的脆弱性。我们想起这个daily-late交货,不可用产品,空空的货架上。尽管亚马逊调整其供应链创新像数字货运匹配和交付,许多公司仍在挣扎与后勤挑战。这是即将改变。
这将开始制造自己的商品。工厂将激增,物联网传感器和机器学习不仅将用于预测设备故障和机械故障,但为了防止他们。更少的停机意味着生产一致。全球船运这些产品是另一个挑战。数字货运网络由云将遍历国家,甚至海洋,提供实时数据,允许运营商与最有效的运输路线优化,改变以应对不可避免的事件,例如设备故障和天气中断。认为它拥有实时洞察当前状态和货物到达的时间,但是在供应链的各个层面。
这些货运网络将为第一个越野自治卡车运输。影响将会立即感到,与美国等国家目前经历的短缺80000名司机。通过使用空间计算,边缘计算和仿真,自治卡车将产生巨大的影响我们的全球供应链。为什么?驾驶员只能花这么长时间开车之前变得心烦意乱,累,和潜在的危险。这是之前我们认为每个国家的特定的卫生和安全法规。这意味着新鲜水果被从南加州只能希望运往到达拉斯,德克萨斯,之前他们开始恶化。然而,一个自治的卡车可以24小时在路上。没有强制休息,和技术永远不会累,不耐烦,或者心烦意乱。产品得到他们需要更快,更安全,更有效。
到达当地的仓库,机器人采摘,顺序排序,自动包装将变得更加普遍。我们将继续看到这种发展与创新使用人工智能的机器人技术,计算机视觉,单个产品的精密处理公司的库存。自主机器人将在仓库也开始发挥更大的作用。想象能够增加叉车操作员,他花大部分时间只是寻找产品,库存的实时数字的双胞胎,一个总是保持最新使用无人机自主飞行的库存。
把供应链的关键是使用技术来优化产品每一步的旅程。从明年开始,我们将看到一个加速发展的智能工厂、智能设备和智能航运,。每个在改善工人的安全将发挥作用,优化库存管理,减少维护成本,简化生产流程。未来的供应链是数字。
预测5:定制硅成为主流
使用专用芯片将在2023年迅速增加。因此,创新的步伐将加快工作负载利用硬件优化,最大化性能,同时降低能耗,降低成本。
定制的硅和专门的硬件已经迅速在消费者科技行业中站稳脚跟。从我们的笔记本电脑到手机可穿戴设备看到重要的飞跃与制造性能和采用定制的硅。虽然一直在快速消费空间,采用相同的没有对业务应用程序和系统,传统上的软件和硬件有刷新周期较长。然而,这将在未来几年迅速改变的可访问性和采用定制的硅扎根。
在AWS,平均为1亿Amazon Elastic Compute Cloud (EC2)每天实例启动(在撰写本文时)。这在很大程度上是因为密切我们如何工作与客户多年来理解它们正在运行的类型的工作负载,然后决定我们接下来应该建立。像消费设备,这使得AWS近年来大力投资芯片设计。这是因为我们知道工作负载公司在云中运行可以更好的性能和更划算定制专用的硅上运行特定的用例。
以机器学习工作负载为例。软件工程师在传统上依赖昂贵,耗电gpu从模型建立、推理。然而,这种一刀切的方法不是efficient-most gpu不优化了这些任务。在未来几年,更多的工程师将工作负载转移到处理器的好处专门为诸如模型训练(AWS Trainium)和推理(AWS Inferentia)。当这发生时,将开始新一轮的创新。实现50% cost-to-train储蓄与Trainium-based实例,或更好的性能/瓦特50% Inferentia2-based实例,工程师和企业会注意,我们将开始看到一个大规模迁移的工作负载。相同的通用应用程序甚至会是真的,那里仍有好处定制硅等AWS Graviton3-based实例减少了60%的能源使用相同的性能比EC2实例。
节约成本和性能优势将导致更多的实验,更多的创新,更多的采用,最终,更多定制硅对其他特定的工作负载。这是一个良性循环。Alan Kay曾经说过,“人真的想软件应该让自己的硬件。”,在未来一年,人真的想软件将真正开始利用所有定制的硅。
学习更多从Werner Vogels博士访问,一切的分布式。
