
2018年的5个区块链趋势
很少有新技术能像区块链那样引起如此多的讨论。一个原因是围绕基于区块链的加密货币(如比特币和以太)的争议、担忧和感知机会。另一个原因是,越来越多的企业通过首次投币(ICOs)集资。
但是区块链在企业中的角色是什么?如今,越来越多的公司正在测试区块链的权力,通过它的分布式账本技术来帮助交易和跟踪资产。在这种技术中,每个政党都有一份相同的记录,没有人可以在不知情的情况下改变它。
|
在2018年区块链我们应该期待什么?我们把这个问题提给了Paul Brody,首席和全球创新领袖,区块链technology at EY(以前是Ernst & Young)。以下是他在2018年及以后看到的趋势:
1. 区块链将从演示转向生产
他说:“区块链正在各地的试点项目中出现。”“随着这些试点和概念验证的成熟,许多人将被抛弃,而另一些人将会走向生产系统。”他说:“这一过程将是一个必要的调整的一部分,以帮助企业技术领导者确定哪些区块链使用了真正的增值,而这只是炒作。”
你如何开始使用区块链?看看我们的,区块链:4种实验方法。]
2. 使用零知识证明将会增长
每个人都同意区块链的一个强大的用途将是作为企业之间的交易平台。但是这个平台会采取什么形式呢?一些专家预测,大型企业将创建他们自己的区块链网络,供应商和其他商业伙伴将加入其中。
布罗迪认为这是不对的。Brody说:“供应商和客户不能,也不会为他们的每一个商业伙伴加入区块链。”“区块链的长远未来取决于公司在公共、共享基础设施上开展私人业务的能力。”
这就是零知识证明的来源。Brody将零知识证明描述为一种数学运算和一种加密工具,允许一方向另一方证明某件事是经过验证的,而不需要另一方需要任何附加信息(例如私钥,在公钥加密的情况下)。
“在2018年,零知识证明才刚刚开始展示工作模式,”Brody说。“他们将允许区块链拥有安全和隐私的关键要素,而不会放弃通过网络同步整个交易信息的冗余和不变性。”他预计,未来一年,许多公司将在业务模式上进行规模扩张。
3. 区块链网络将学习如何实施法治
“智能契约是自动化业务流程操作的强大工具,它们将成为希望利用区块链技术的企业的关键生产力促进器,”Brody说。但有一个问题:当合同当事人陷入纠纷时,会发生什么?
这些问题通常由法院来解决,但是他们对区块链网络没有任何权威,这些网络是分散的,没有单一的仲裁者或强制执行者,而且通常跨越地理边界。通过网络投票可能是解决争端的一种方式,但如果一方拥有更好的法律主张,另一方更受欢迎,这可能会带来麻烦。
Brody说,区块链网络的参与者在加入某些规则之前通常会同意,但在有争议的时候如何实施和执行这些规则并不总是很清楚。“这将是一个新的挑战,应该在2018年解决。”
“太多区块链系统把这一惊人的新技术视为一种极好的数字公证或分布式数据库服务。”
4. 区块链将成为一个资产跟踪工具
Brody说:“目前仍有太多区块链系统将这种令人惊讶的新技术视为一种极好的数字公证书或分布式数据库服务。”他补充说,只看到区块链的人错过了一些重要的东西。标记化——使用区块链令牌(或“硬币”)来表示特定的资产——是这项技术的一种改变游戏规则的用途。
Brody解释说,你可以使用一个令牌来表示一个项目,因为它在整个供应链中移动,从而确保它不会同时出现在两个位置。同样,您可以使用令牌来表示传统货币中的流动资产。他说,这种方法“提供了基于区块链的解决方案的所有好处,而无需交换风险。”
5. 在接下来的几年里会有一场崩溃
布洛迪说:“随着新兴技术的兴起,一波炒作往往会推动投资和刺激,但最终会出现早期泡沫。”也许这是件好事。他表示:“我们应该欢迎重新设定市场成熟的迹象,并希望它来得更早,而不是更晚。”它不会放缓基于加密货币和区块链的行业的长期转型。它将清除一些愚蠢的想法,这些想法正在吞噬着这个行业的人才和思想。
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