
新一代信息技术发展新趋势
近几年媒体上频繁出现“新一代信息技术”这一概念。新一代信息技术,不只是指信息领域的一些分支技术如集成电路、计算机、无线通信等的纵向升级,更主要的是指信息技术的整体平台和产业的代际变迁。上世纪80年代以前普遍采用的大型主机和简易的哑终端,被认为是第一代信息技术平台。从上世纪80年代中期到本世纪初,广泛流行的是个人计算机和通过互联网连接的分散的服务器,被认为是第二代信息技术平台。近10年来,以移动互联网、社交网络、云计算、大数据为特征的第三代信息技术架构蓬勃发展。概括地说,新一代信息技术,“新”在网络互联的移动化和泛在化、信息处理的集中化和大数据化、信息服务的智能化和个性化。新一代信息技术发展的热点不是信息领域各个分支技术的纵向升级,而是信息技术横向渗透融合到制造、金融等其他行业,信息技术研究的主要方向将从产品技术转向服务技术。以信息化和工业化深度融合为主要目标的“互联网+”是新一代信息技术的集中体现。
网络互联的移动化和泛在化。近几年互联网的一个重要变化是手机上网用户超过桌面计算机用户,以微信为代表的社交网络服务已成为我国互联网的第一大应用。移动互联网的普及得益于无线通信技术的飞速发展,4G无线通信的带宽已达到100Mb。我国提出的TD—LTE制式被认定为4G无线通信的国际标准之一,已率先在国内部署,这是我国从通信大国走向通信强国的重要机遇。正在研发的5G无线通信不只是追求提高通信带宽,而是要构建计算机与通信技术融合的超宽带、低延时、高密度、高可靠、高可信的移动计算与通信的基础设施。当前,基于IPv4协议的互联网在可扩展性、服务质量和安全性等方面已遇到难以突破的瓶颈,近来各大企业和研究者们正在积极发展软件定义的互联网和以内容为中心的互联网,这可能是未来互联网发展的重要方向。过去几十年信息网络发展实现了计算机与计算机、人与人、人与计算机的交互联系,未来信息网络发展的一个趋势是实现物与物、物与人、物与计算机的交互联系,将互联网拓展到物端,通过泛在网络形成人、机、物三元融合的世界,进入万物互联时代。
信息处理的集中化和大数据化。上世纪末流行个人计算机,由分散的功能单一的服务器提供各种服务,但这种分散的服务效率不高,难以应付动态变化的信息服务需求。近几年兴起的云计算将服务器集中在云计算中心,统一调配计算和存储资源,通过虚拟化技术将一台服务器变成多台服务器,能高效率地满足众多用户个性化的并发请求。过去长期以来计算机企业追求的主要目标是“算得快”,每隔11年左右超级计算机的计算速度提高1000倍。但为了满足日益增长的云计算和网络服务的需求,未来计算机研制的主要目标是“算得多”,即在用户可容忍的时间内尽量满足更多的用户请求。这与传统的计算机在体系结构、编程模式等方面有很大区别,需要突破计算机系统输入输出和存储能力不足的瓶颈,未来10年内具有变革性的新型存储芯片和片上光通信将成为主流技术。同时,社交网络的普及应用使广大消费者也成为数据的生产者,传感器和存储技术的发展大大降低了数据采集和存储的成本,使得可供分析的数据爆发式增长,数据已成为像土地和矿产一样重要的战略资源。人们把传统的软件和数据库技术难以处理的海量、多模态、快速变化的数据集称为大数据,如何有效挖掘大数据的价值已成为新一代信息技术发展的重要方向。大数据的应用涉及各行各业,例如互联网金融、舆情与情报分析、机器翻译、图像与语音识别、智能辅助医疗、商品和广告的智能推荐等等。大数据技术大概5—10年后会成为普遍采用的主流技术。
信息服务的智能化和个性化。过去几十年信息化的主要成就是数字化和网络化,今后信息化的主要努力方向是智能化。“智能”是一个动态发展的概念,它始终处于不断向前发展的计算机技术的前沿。所谓智能化本质上是计算机化,即不是固定僵硬的系统,而是能自动执行程序、可编程可演化的系统,更高的要求是具有自学习和自适应功能。无人自动驾驶汽车是智能化的标志性产品,它融合集成了实时感知、导航、自动驾驶、联网通信等技术,比有人驾驶更安全、更节能。美国已有几个城市给无人驾驶汽车颁发了上路许可证,估计10年内计算机化的智能汽车将开始流行。德国提出的工业4.0,其特征也是智能化,设备和被加工的零件都有感知功能,能实时监测,实时对工艺、设备和产品进行调整,保证加工质量。建设智慧城市实际上是城市的计算机化,将为发展新一代信息技术提供巨大的市场。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15