“新興基礎設施建設”即“新基建”，指發(fā)力于科技端的基礎設施建設，主要包括七大領域：5G基建、特高壓、城際高速鐵路和城際軌道交通、新能源汽車充電樁、大數(shù)據(jù)中心、人工智能和工業(yè)互聯(lián)網(wǎng)。

高德納（Gartner）公司特針對其中五大關鍵領域，為首席信息官及IT領導者提出見解及建議。

1、5G技術：充分評估

關鍵見解

5G是新一代蜂窩技術，它將使移動服務交付模式從以消費者為中心轉變?yōu)橐詷I(yè)務和消費者為中心。

5G將滿足用例的各種服務要求并引入一個更大范圍的服務供應商生態(tài)系統(tǒng)。它結合了RF增強功能與各類移動網(wǎng)絡軟件，可實現(xiàn)靈活的網(wǎng)絡架構、服務定制化并激發(fā)新供應商的出現(xiàn)。

5G技術正處于“過高期望的峰值(the Peak of Inflated Expectations)”。目前，5G的第三代合作伙伴計劃(3GPP)的國際標準機構正在與監(jiān)管流程、頻譜分配和移動網(wǎng)絡運營商(MNO)的部署同步發(fā)展。

作為授權頻譜的當前使用者和持有者，移動網(wǎng)絡運營商仍然是5G發(fā)展階段企業(yè)機構的主要移動服務供應商。同時，LTE技術將繼續(xù)存在并為5G的初步部署奠定堅實基礎。

核心建議

負責數(shù)據(jù)中心基礎設施和云計劃的I/O技術專業(yè)人員應：

通過思考蜂窩網(wǎng)絡服務和用例需求來制定采用5G的計劃。在啟動計劃時，首先要不再將蜂窩網(wǎng)絡視為僅面向消費者的服務，也不要僅僅是針對移動基礎設施開發(fā)應用程序。

了解RF、網(wǎng)絡軟件和切片技術的組合如何影響所需的架構變化，從用例入手，建立起5G連接服務。

不要盲目采用5G，了解影響5G的各個層面上的依存關系的技術，來制定切合實際的期望。

評估5G在初期是否能作為SD-WAN和LTE或物聯(lián)網(wǎng)類型應用服務的一種延續(xù)。與移動網(wǎng)絡運營商積極溝通，了解這些服務是如何與以業(yè)務為中心的5G服務相整合的。

2、電動汽車無線充電技術：新機遇

關鍵見解

為住宅和社區(qū)停放車輛提供的充電系統(tǒng)不需要新的技術。現(xiàn)有系統(tǒng)只需提供合適的價格。

擬投資于公交車路線、短途送貨車輛等垂直市場的政府部門將建立能夠為電池快速充電的準動態(tài)充電系統(tǒng)。

制造商一般不愿意在沒有公認行業(yè)標準的情況下將無線充電技術添加到車輛上。

核心建議

為了在不斷發(fā)展的汽車無線充電、技術和服務市場獲得市場份額，您需要：

將現(xiàn)有技術用于住宅和社區(qū)應用，從而獲得產(chǎn)品上市時間優(yōu)勢。

鎖定地方政府部門作為早期充電基礎設施投資的客戶群。

加入行業(yè)團體和標準制定機構，為行業(yè)標準的到來做好準備。

3、數(shù)據(jù)中心基礎設施：2020年應做的初步工作

關鍵領域

維護和優(yōu)化現(xiàn)有數(shù)據(jù)中心基礎設施：通過自動化和機器學習(ML)來管理、改造和改善數(shù)據(jù)中心基礎設施。

規(guī)劃未來的數(shù)據(jù)中心基礎設施：制定涵蓋數(shù)據(jù)中心計算、存儲、網(wǎng)絡和數(shù)據(jù)中心設計的基礎設施愿景。

數(shù)據(jù)中心新興技術：實施具有以下特點的智能基礎設施策略：軟件定義、可組合、敏捷、可編程、可擴展、具有彈性、具有響應性并能適應變化。

數(shù)據(jù)中心在混合環(huán)境中的作用：平衡傳統(tǒng)數(shù)據(jù)中心的運營與無服務器技術、數(shù)據(jù)中心，托管服務供應商、云和邊緣計算的影響。

4、人工智能核心技術：2020年預測

關鍵見解

由于技能、技術和基礎設施整合方面的挑戰(zhàn)，用于AI項目試點的AI基礎設施策略將不易擴展到生產(chǎn)中。

AI推理引擎將被部署在各個位置，包括邊緣、傳統(tǒng)數(shù)據(jù)中心和公有云，這將促進對全平臺部署解決方案的需求。

與生產(chǎn)AI管道相關的技術債務和基礎設施復雜性將成為大多數(shù)企業(yè)中的IT領導者的工作難點。

對實時響應的需求正在推動將分析置于數(shù)據(jù)采集點附近以及邊緣系統(tǒng)或端點設備中的需求。

核心建議

希望從AI概念驗證擴展到生產(chǎn)并實現(xiàn)產(chǎn)量增長的IT領導者應：

設計串流數(shù)據(jù)分析基礎設施自定義參考架構的原型并展示，從而加快AI在生產(chǎn)中的應用。

使用容器封裝機器學習模型并簡化模型管理，從而創(chuàng)建推理引擎部署流程，同時將AI應用于生產(chǎn)。

通過戰(zhàn)略性地使用具有可擴展AI基礎設施功能的云服務和供應商來加速AI的實現(xiàn)。

通過量化要采集的數(shù)據(jù)類型和數(shù)據(jù)量以及通信帶寬、延遲和可用性的影響來確定進行深度神經(jīng)網(wǎng)絡分析的最佳位置。

5、全球工業(yè)物聯(lián)網(wǎng)：市場機會分析

關鍵見解

工業(yè)物聯(lián)網(wǎng)(IIoT)軟件平臺在2018年首次實現(xiàn)了盈利，但此后能否盈利充滿挑戰(zhàn)。

與其他物聯(lián)網(wǎng)堆棧相比，工業(yè)物聯(lián)網(wǎng)應用具有相對更穩(wěn)定的增長率和利潤率，這主要是由于購買中心和物聯(lián)網(wǎng)相關購買要求的不斷變化。

工業(yè)物聯(lián)網(wǎng)服務的增長和利潤仍然受到以下因素的限制：供應商專注于狹隘的專業(yè)領域;以及供應商無法為重復收入型產(chǎn)品創(chuàng)建具有吸引力的產(chǎn)品目錄。

連接性和硬件(HW)是物聯(lián)網(wǎng)解決方案的基礎要素，并且分別是工業(yè)物聯(lián)網(wǎng)最重要的利潤和收入來源。

核心建議

為創(chuàng)建創(chuàng)新的工業(yè)物聯(lián)網(wǎng)產(chǎn)品，技術總經(jīng)理必須：

通過開發(fā)具有特定行業(yè)特征和功能的工業(yè)物聯(lián)網(wǎng)平臺擴展客戶環(huán)境，從而維持增長。

開發(fā)獨立于平臺的工業(yè)物聯(lián)網(wǎng)應用并實現(xiàn)此類應用的差異化，這些應用能夠將行業(yè)專業(yè)知識和商業(yè)智慧“轉化為產(chǎn)品”，用于目標行業(yè)的基礎用例并產(chǎn)生收益。

通過創(chuàng)建基于資產(chǎn)的托管服務組合確保每年的重復性收入。此類服務能夠為物聯(lián)網(wǎng)解決方案和物聯(lián)網(wǎng)資產(chǎn)的運營和服務管理提供信息技術基礎設施庫(ITIL)方法。

通過鎖定創(chuàng)建聯(lián)網(wǎng)工業(yè)產(chǎn)品和服務(在銷售點需要嵌入或捆綁硬件和聯(lián)網(wǎng)功能)的工業(yè)企業(yè)來提高增長率，同時降低銷售成本。