2020年，註定是充滿意外的一年。
在科技領域亦如此。
本文聚集了多位行業專家，圍繞2020年世界熱門的技術話題，進行各自的想法分享以及做出預測。預測的領域主要為邊緣物聯網，雲，5G，人工智能和工程演進這五大關鍵技術。
行業專家包括：
Keysight團隊：Keysight是美國一家生產電子測試和測量設備和軟件的公司，主要服務於電信，航空航天/國防，工業，計算機和半導體行業。
Nubix團隊：Nubix是美國一家有效監視大型分佈式IT基礎架構的分析計算的所有者和運營商
WesternDigital團隊：WesternDigital是美國計算機硬盤驅動器製造商和數據存儲公司，它在電子行業擁有悠久的歷史，是最大的計算機硬盤驅動器製造商之一。
MathWorks團隊：MathWorks是世界領先的，為工業、政府和教育行業的工程師和科學家提供科學計算軟件的的開發商。
1
邊緣物聯網
Keysight團隊預測，未來數字雙胞胎將成為主流，系統級設計、測試和監視將經歷巨大的轉變。
物聯網將隨著廣泛的商業認可，增加的公共部門應用程序和加速的工業部署而迅速進入主流。到2020年，當物聯網真正形成時，我們將看到更高水平的智能體驗，物聯網正在有效地溝通和工作彼此。
數字孿生或完整複製仿真的概念是設計工程師的必殺技。到2020年，數字雙胞胎將憑藉其加速創新的能力而成熟並走向主流。為了完全實現該技術的優勢，公司將尋求先進的設計和測試解決方案，以無縫驗證和優化其虛擬模型和實際同級產品，以確保其行為完全相同。
互聯世界將迫使人們對性能，可靠性和完整性進行評估的方式發生轉變。在2020年，要實現連接到與機械系統連接的通信系統的傳感器系統的全部潛力，將需要在系統級別進行測試的新方法。
如今，可以對雷達天線和雷達收發器模塊進行測試。但是，測試集成到汽車中的多天線雷達系統將需要不同的測試方法。數據中心，關鍵任務物聯網網絡，汽車以及各種新的，複雜的，支持5G的應用程序也是如此。
電子行業將強調系統級測試，這是確定的最終步驟，可確保在日益連接的世界中實現端到端的性能，完整性和可靠性。
Nubix產品副總裁TomYates預測，邊緣將越來越小，時間將不斷下滑。
圍繞邊緣概念的困難之一是定義進行計算的位置。是否應該在數據中心內完成？在雲端？在霧中網關？就像在房地產中一樣，邊緣計算全都圍繞位置進行。在2020年，期望看到計算和設備成為近鄰以創造真正的優勢。更多組織將尋求在生成數據的實際設備上處理數據，以解決與其他近邊緣架構相關的延遲，帶寬，連接性和成本問題。
2020年，邊緣計算背後的技術將真正變得微不足道。隨著越來越多的組織尋求在設備和傳感器上處理數據的真正優勢，相關技術將開始萎縮。 從小型電路板到小型電源需求，再到小型容器再到小型機器學習，我們已經看到了IoT領域中微小事物的泛濫。我們現在看到的第一個容器足夠小，可以在微型微控制器上運行進程和微型分析功能。
儘管邊緣計算的定義無處不在，但它們都有一個共同的主題——減少數據傳輸（數量和距離）並縮短生成結果的時間。在2020年，我們將看到數字孿生和“升降”架構的消亡，這是當前基於雲的企業架構的強項，無法解決大量邊緣帶來的延遲和帶寬問題設備已添加到網絡。相反，我們將看到新的企業架構的出現，這些架構旨在通過使用設備上計算，5G技術和機器學習推理來解決這些挑戰。
WesternDigital高級副總裁YusufJamal預測，IoT安全生態系統將加速發展和創新。
在2020年，我們將看到越來越多的人支持基於開放，基於標準的方法，以應對從邊緣到核心的IoT/IIoT安全挑戰。
5G和物聯網的興起正在徹底改變各種形狀和規模的企業和行業–從石油和天然氣，農業，製造業到自動駕駛汽車和智慧城市。隨之而來的是數十億個已連接的設備，監視器和傳感器，它們為從端點到邊緣再到核心的敏感數據，系統和體系結構帶來了漏洞和安全風險。
當今高度多樣化的用例和專有的IoT安全解決方案根本無法達到規模經濟。這將推動行業接受開放的軟件和硬件安全標準，RISC-V指令集體系結構（ISA）的新創新以及基於標準的設備和平臺。開放，可定製，全面，更強大，更易於使用和採用的解決方案將成為領導者，並有助於加速整個生態系統的新發展和創新。這將是保護世界依賴的數據的共同防禦。
在沒有參與生態系統和利用其在行業中的集體力量的情況下，沒有任何一家公司有足夠的規模或足夠大的規模來推動這些變化。
MathWorks行業經理預測，在工業4.0物聯網下，虛擬調試會成為現實，互聯機器將出現行業標準，智能工程師將有更多機會。
虛擬調試成為現實。隨著軟件複雜性和模塊化軟件組件可能組合的數量的增加，在物理機上執行全面測試變得越來越困難，更加耗時，最終變得無濟於事。進行軟件的虛擬調試對驗證是否存在錯誤並驗證基於物理生產線的仿真模型是否滿足要求非常重要。諸如高精度齒輪磨床生產商ReishauerAG之類的創新領導者如今已經使用多域仿真模型進行虛擬調試。
互聯機器的行業標準將會出現。在2020年及以後，將更加重視開發統一的標準，例如OPCUATSN，這將有助於確保工廠機器和模塊之間的互連性。機器不僅可以相互連接，而且可以連接到雲系統，在雲系統中，靈活的計算能力可用於對業務和工程數據運行強大的算法。
智能工程師將有更多機會。在工業4.0影響下，更多的工程師和科學家將致力於AI。建造和操作工業設備的公司需要改變職位，並僱用完全不同的技術工程師來為工業4.0反映工廠發展的開始的未來做準備。
2
雲
對於雲技術，WesternDigital團隊作出了以下5點預測：
①、在2020年及以後，HDD將繼續在數據中心蓬勃發展。
儘管許多人已經預測了HDD的消亡多年，但是容量企業型HDD根本無法替代，後者始終滿足不斷增長的數據需求併為超大規模數據中心大規模提供TCO值。如今，行業分析公司IDC估計，全球已安裝的存儲容量中近2/3由HDD組成。IDC還預計，到2023年，每年將創建103ZB，並存儲12ZB-大約60％的存儲數據將位於核心/邊緣數據中心。在人與機器不斷增長的數據驅動下，這一主流技術將看到新的數據放置技術，更高的面密度，機械創新，智能數據存儲以及新材料創新，這些創新將為大規模生產提供新的容量點和總擁有成本可以預見的將來。
②、在全球範圍內，本地和區域數據中心的數量將會增加。
雲的採用並沒有放緩；但是，兩個因素正在推動本地化數據中心的增長。首先是數據合規性。隨著多個國家尋求已經或已經通過數據本地化法律，組織將需要保持其數據更緊密以瞭解和減輕與數據合規性相關的潛在安全性和隱私風險。第二個是雲遣返。本質上，大型企業希望擁有自己的數據並租用雲，以尋求更好的成本和控制力，包括安全性，延遲和數據訪問。這些較大的企業將針對特定的突發應用，用例和項目更選擇性地使用雲。
③、將會出現新的數據中心架構，以管理不斷增長的數據量和各種數據。
在Zettabyte規模的時代，數據基礎架構需要重新架構，以解決工作負載，應用程序和AI/IoT數據集不斷增長的規模和複雜性。這些構造將涉及多層工作負載優化的存儲以及系統軟件的新方法。開源計劃ZonedStorage將幫助客戶利用SMRHDD和ZNSSSD的區域塊管理優勢來順序寫入，以讀取為中心的工作負載。2020年，隨著Zettabyte規模時代中數據中心的重新定義，我們將在ZonedStorage中看到大量的應用程序和存儲軟件投資，以幫助推動更高效的存儲層。
④、數據利用設備，媒體和結構創新的層級將擴展而不是合同。
從人工智能，機器學習和大數據分析到各種商業智能和可訪問的存檔工作負載，以數據為中心的以讀取為中心的應用程序將繼續以十億字節的強勁增長。隨著企業在其數據基礎架構上提供越來越差異化的服務，這些大規模使用案例正在推動存儲層對性能，容量和成本效率的多樣化需求。為了滿足這些需求，數據中心體系結構將繼續朝著一種模型發展，該模型將通過結構一致地配置和訪問數據存儲解決方案，並將底層存儲平臺和設備交付給滿足特定應用需求的各種SLA。儘管我們當然希望在這些規模上擴大TLC和QLCFlash的部署，
⑤、面料和可組合物將形成共生關係。
以太網結構正成為數據中心的“通用背板”，統一瞭如何大規模共享，組合和管理存儲，以滿足日益變化的應用程序和工作負載的需求。在2020年，我們將看到越來越多地採用可組合的，分解的存儲解決方案，這些解決方案可以有效地在以太網架構上擴展，併為各種數據中心應用程序提供NVMe設備的全部性能潛力。可組合存儲將大大提高企業調配和優化其數據基礎架構以滿足動態應用程序需求的靈活性和靈活性。
3
5G
Keysight團隊預測：要實現5G成熟，挑戰將無處不在。
2020年的5G新功能將給網絡帶來壓力，揭示新的數據中心和網絡瓶頸。
工業物聯網應用將增加訪問請求，移動汽車物聯網應用將延長延遲需求。邊緣計算對於處理增加的訪問請求並滿足嚴格的延遲要求將變得更加重要。
更高的數據速度將對數據中心中更快的內存，更快的數據總線和更快的收發器提出更高的要求。滿足速度和靈活性要求將是原因之一，但是通過網絡實現應用程序貨幣化的客戶可追溯性將成為升級到最新標準的主要動力。
我們將看到先進的設計，測試和監視功能，可確保網絡和產品提供預期的性能和故障安全可靠性。業界將經歷芯片組與產品製造商，軟件公司，網絡運營商，雲託管公司和國際標準組織之間更緊密的合作，以構建明天的網絡基礎架構。
5G代表了許多領域的技術演進和革命，帶來了跨越多個領域的新技術挑戰。要實現5G成熟，挑戰將無處不在。
該行業將從一小批將最初的5G網絡商業化的早期行動者轉變為一個全球社區，在這個社區中，每個大洲和許多國家的多個運營商都將擁有商業5G網絡。
早期採用者將擴大規模，2020年推出的用戶將迅速解決其初始部署中的問題。第二代設備和基站將被推向市場，並且該標準將在3GPP的Rel-16中發佈另一個新版本。
2020年該行業的關鍵技術挑戰將是：確保中頻帶（3.5-5GHz）頻率的性能，將毫米波移至移動性，向完整的獨立（SA）5G網絡過渡的規劃以及解決架構分解和標準集中式RAN和移動邊緣計算（MEC）。
Nubix工程副總裁MikeGray預測：5G不會很快到達工業物聯網。
雖然5G在工業物聯網中具有巨大的潛力，但在製造，石油和天然氣，公用事業和交通運輸的公司能夠利用新的移動技術方面，還有很長的一段路要走。主要原因：安裝和擴展此基礎架構的成本很高。5G將首先到達主要都會區，但在偏遠地區，由於5G覆蓋的距離不那麼長，因此需要增加更多的蜂窩塔。對於物聯網傳感器和其他物聯網/邊緣計算基礎設施要求可靠性和低延遲的行業，不應期望很快利用5G的優勢。
4
人工智能
西部數據首席信息官StevePhillpott預測：
公司將開始自動執行ML的數據科學家角色
全世界根本沒有足夠的數據科學家來支持ML工作負載的增長。公司現在正在開發將ML的功能交付給軟件工程師和/或業務主題專家的方法。新的現成工具將能夠履行數據科學家的基本職責，而真正的數據科學家的角色將轉移至更高級別的附加值，例如針對特殊用例工作對ML進行微調。在3-5年內，機器學習自動化將成為常態，並且公司將擁有更多可用的工具來使數據科學家人員更加高效和敏捷。
AI/ML將幫助推動“自動”一切的採用
在IT中，對更高效率的追求永無止境，而自動化對於成功至關重要。從數據庫任務到製造到汽車，再到客戶體驗和自助業務功能，幾乎所有可以自動化的東西都將成為現實。利用多種數據類型的融合，新的AI/ML模型和見解將成為自動化的關鍵推動力。在2020年，組織將繼續實施AI/ML，以釋放自動化的力量來提高效率和提高生產力。結果？降低整個價值鏈的成本。
我們將在AI/ML生態系統中看到更多的標準化，這將使其更易於在邊緣集成和部署解決方案
分析是競爭優勢——到2020年沒有在分析上進行投資的公司可能會在2021年停止營業。有太多的公司數據可以收集，處理然後轉化為洞察力。那些在這個領域沒有充分利用現代分析工具的人將會遭受苦難。這樣，新的互聯世界將有越來越多的工作負載移至邊緣，從而增加了確保這些非常小的邊緣設備具有運行和分析大量數據的能力的需求。由於佔地面積小和快速部署的需求，我們將需要更多的標準化和互操作性。這將採取更加開放的架構，開放的標準，開放的消息傳遞等形式。
而PhilippHFWallner，MathWorks行業經理預測：AI成為靈活生產的推動力，邊緣計算也將幫助AI和預測性維護髮展。
在過去的幾年中，自動化行業一直在討論“一個樣本量一個”的願景–生產線如何生產一種種類的商品而又不會遇到較長的轉換時間或其他效率低下的問題。對於工業4.0，必須實現這一願景才能滿足生產中完全個性化的要求。這意味著機器不能以固定的，不固定的方式安裝在車間上，即無法針對重複生產幾個月甚至幾年的一種特定產品進行調試，參數設置和調整。生產線必須靈活。它們必須由可以輕鬆重新佈置的多個機電模塊構建。還必須有一個AI，可以根據生產線上的下一個個性化商品對機器進行參數設置和調整。
工業控制器和邊緣計算設備的快速增長的計算能力以及雲系統的使用，有助於在生產系統上實現軟件功能的新維度。基於AI的算法將更好地優化整個生產線的吞吐量，同時將能源和其他資源的消耗降至最低。預測性維護將不斷髮展並不僅考慮來自一臺機器或站點的數據，而且還將考慮來自多個工廠以及來自不同設備供應商的設備之間的數據。根據需求，這些基於AI的算法將部署在非實時平臺以及PLC等實時系統上。
5
工程演進
Keysight團隊預測：教育將轉移以培養下一代工程師。
學術界將建立行業合作伙伴關係，以跟上技術發展的步伐，並將認證計劃，行業級儀器和自動化系統納入教學實驗室，以對學生進行當前實際應用的培訓。
為了解決物聯網問題，大學將結合基本電子學，網絡，設計工程，網絡安全和嵌入式系統的方法，同時越來越重視技術對社會和環境的影響。
為了解決人工智能，自動化和機器人技術問題，大學將把諸如認知科學和機電一體化等當前利基性話題主流化為必修課程。
Nubix邊緣計算工程部副總裁MikeGray預測，即將改變企業的編程方式。
隨著邊緣計算的快速增長，企業將開始改變其編程方式。大多數雲原生開發人員都使用Python和Java等高級編程語言。他們不瞭解C和C++，因此他們甚至無法開始為邊緣設備編寫軟件。企業沒有資源聘請另一個具有正確技能的開發團隊來從事邊緣計算項目，但是在許多情況下，業務目標需要邊緣計算帶來的收益。這些組織將需要利用他們已經擁有的開發團隊的技能和知識。為了實現這一目標，我們將開始看到雲開發人員熟悉的概念（例如容器）適用於嵌入式世界。
作者：EmbeddedComputingDesign的副編輯佩裡·科恩（PerryCohen）。
編譯：傳感器專家網 梟梟
