【IT168 资讯】2018年的科技将会是怎样的呢?DevOps、人工智能、云技术还是安全?怀着这样的疑问，我们采访了四位专家，他们对2018年又有什么样的预测呢?

　　虽然没有什么东西是一成不变的，但随着2018年的到来，DevOps、云技术和数据科学也将有一个巨大增长的契机。对于人工智能和其他流行的技术，目前还不确定会有怎样的发展方向。

　　DataStax，Developer Relations副总裁，Patrick McFadin

　　* 人工智能将深入到“幻灭的裂谷”。Facebook或谷歌这样的大型用户让人工智能看起来很简单，但其实没有深厚经验的公司很难作出什么结果。

　　* 流处理数据将进一步整合到标准的后端数据库中

　　* 随着云供应商之间的竞争越来越激烈，对锁定的恐惧也将越来越普遍，因此更多的公司将采用多云技术。

　　* 随着技术的成熟，图形数据库用例将会变得更少。

　　*“数据自治”，对大型云端运营商的恐惧，可能会成为大型数字化转型项目的主要推动力。越来越多的品牌希望在多云的世界中拥有数据自主权，以保持竞争力并保持领先地位。随着数据驱动的应用程序出现，满足大型云播放器的需求和紧迫性将会增强。

　　Qualys，产品管理副总裁，Chris Carlson

　　JAXenter：DevOps / DevSecOps这一角色将在2018年有什么变化吗?

　　Chris Carlson：各种规模的企业无论在使用上还是在重要性上，对DevOps的需求都将持续增长。安全团队需要明白，DevOps正在快速改变IT的运行方式，并且在计划和执行生命周期的早期，需要与IT和应用程序开发团队进行合作，在DevOps管道中构建安全性，这将为企业创建成功的DevSecOps项目。通过获取与现有安全技术、流程和报告集成的不同点解决方案来尝试启用DevSecOps的安全团队，而实际上这会创建更多的安全孤岛，并引入阻滞剂，从而降低DevOps交付的速度、自动化速度和敏捷性。

　　JAXenter：2018年，要改进DevOps流程，企业需要做什么?

　　Chris Carlson：企业有很多机会为其开发项目实施和改进DevOps流程。有许多服务公司、咨询公司、咨询公司和厂商，他们都致力于帮助企业通过DevOps工具和流程实施并取得成功。

　　然而，缺乏的是安全并无缝的将集成到DevOps(也称为DevSecOps)中。了解DevSecOps的安全从业人员仍然很少，侧重于端点和周边安全的厂商没有推动DevSecOps的动力，小型初创公司只为DevOps提供有限的安全工具集，但没有足够大的解决方案或足够大的想法来获得有意义的推动力。

　　对企业来说，建立一种DevSecOps文化和协作非常重要，这些流程会影响企业的盈利潜力和发展规模。

　　JAXenter：2018年最大的威胁是什么?

　　Chris Carlson：包括针对端点的勒索软件、针对终端和服务器的有组织犯罪工业间谍活动、以及针对Web应用程序的攻击在内，针对企业的威胁将继续增加。许多企业仍然缺乏通过提供良好的安全保障(识别和修补易受攻击的系统、锁定开放配置、识别和修复Web应用程序攻击)来保护企业的能力。他们仍然缺乏猎取、发现和应对威胁的能力，这些威胁躲过了预防控制，而且在未被发现的环境中活跃。我预计我们将开始看到在云环境中运行的企业应用程序的数据泄露事件。

　　Databricks，首席技术专家，Matei Zaharia

　　为具有竞争优势的公司提供数据集。

　　虽然在垂直领域，我们已经有了一些应用，但接下里我们将看到大量涌入的企业，为其他企业提供能获得竞争优势的情报。用户将通过数据集或查询进行付费，并消除数据清理、处理和机器学习的困难。

　　当下最受欢迎的专业中，包括了数据科学和计算机科学。我们将看到越来越多的企业开始使用数据科学团队和数据产品。

　　AI会从垂直行业开始寻找更多的商业用例。对企业来说，通用的机器学习平台很难投入使用，但针对常见业务问题的垂直专用解决方案，将开始融进最新的ML技术并转换标准业务流程。

　　深度学习框架将开始汇合并在抽象中提升。虽然目前已经有了大量的框架，但是其中很多都提供了像ONNX这样的类似功能集，定义和服务模型的基本任务将得到良好的处理。相反，开发人员将开始专注于使这些框架更容易的应用于更高级别的业务应用程序上。

　　云将启用新的数据应用架构。我们已经开始看到，云数据管理系统可以做更多的工作。我们期望，来自各种厂商的新产品能够充分利用公有云的可扩展性、弹性、可用性和易管理性。

　　Sumo Logic，首席技术官，Christian Beedgen

　　AI不会在短时期内改变企业。

　　之前有关人工智能对企业直接影响的预测和主张都被过分夸大了，大肆宣传人工智能将如何引导我们在医学上获得新的发现和突破。设计一个能够确定可观事实的模型是非常困难的，无论是明确的还是隐含的人性偏见，都将被编码到数据分析系统中，并强化现有的偏见。

　　话虽如此，但在某些应用中，系统可以在比人类更短的时间内作出更好的决策，例如自动驾驶汽车。2018年，我们将开始在日常生活中看到人工智能的实际使用，对于企业来说，还为时过早。尽管数字化转型的呼声很高，但在企业可以考虑研究AI等先进技术之前，还有很多工作要做。

　　多云、多平台将推动多选的需求。

　　在过去的几年中，企业IT部门之间一直在讨论如何将关键基础架构迁移到云上，具体来说，云模式是最具成本效益、最安全和可扩展的。云是企业IT的现在(和未来)这是可以肯定的，如果传统公司继续以主要或单独的方式提供基础设施，几年后竞争对手将占上风。

　　此外，随着云用户的要求越来越高，这个问题也将进一步加剧，这将在2018年推动采用多云、多平台的大规模增长。因此，企业需要一个可以跨任何厂商(无论是亚马逊、微软或谷歌)的统一云本地分析平台，包括传统上运行的内部部署。