久久精品99久久无色码中文字幕_av最新在线_丰乳肥臀在线_成人国产精品av

Atos 是一家總部位于法國，從事咨詢和 IT 服務的國際性公司。今年，它出了一份 2016 科技趨勢報告。從三個時間維度列舉了 46 項將改變商業的技術。

今天為下篇，介紹了 11 項技術，分別是：自適應安全、語義技術、智能機器、集群計算、可信任設備、普適個人信息管理、虛擬助手、可穿戴設備、網絡規模計算、網頁實時通信、無線電力。

以下是對這張信息圖的解釋：

1）時間上的影響

2016 年，看如今的解決方案如何處理這些需求

2017 年，通過試運行思考潛在的解決方案

2018 年，了解現在，思考潛在的影響以及如何解決問題

2019 年以后，現在開始跟隨這些技術，觀察技術如何演變

2）商業影響

轉型（Transformational）影響，指公司需要進行轉變了

高（High）影響，指對人類家庭生活和工作有較高影響

中等（Medium）影響，指代將會沖擊公司的流程、服務，影響用戶和消費者生活

低（Low）影響，指代有小幅度提高而不是巨大的改變

3）成熟度（Maturity)

新興階段，主要是指在學術界和少量專業市場能看到這些技術

青年期，指這些技術更多是被分析師或者思想領導者討論

早期采用，指這些技術已經開始被客戶關注、尋求解決方案

主流期，指這些技術明顯被需要，客戶開始執行解決方案

這一雷達圖展示了所有研究成果，能讓你快速理解顛覆性的新興科技是如何發展的，并開始考慮需要采取的行動。極坐標系描述了這些技術影響你業務的可能時間，也描述了這些技術影響的潛在規模。同時，技術顏色代表了每一技術如今所處的發展階段。

每一個趨勢都會從三個角度進行分析：業務影響的潛在規模；可能對你業務產生影響的時間以及成熟度。

三十六、自適應安全（Self-Adaptive Security）

1） 定義

隨著云、API 和物聯網（IoT）的發展，互聯網犯罪的數量、復雜程度和影響持續增長，因此安全范式必須進行變革。在上世紀九十年代的邊界安全技術（強調網絡防御）和二十一世紀的深度防護（強調多個保護層）之后，互聯網防御策略正向新型的自適應性安全原則轉變。這種先發制人確保安全的方法把重點從保護轉向實時偵測和響應，隨時改變防御策略。

相關技術和流程納入了安全操作中心（SOC），這還需要新一代的安全信息與事件管理（SIEM）技術結合機器學習和規范分析。

自適應安全還需要依賴新的情景識別安全技術（包括身份和訪問管理、網絡安全、設備和智能機器安全），從而對威脅進行動態適應。

2）應用

保護無邊界企業和開放商業生態系統的信息系統

更好地保護免受最新威脅的危害，包括高級持續性滲透威脅（APT）

使安全策略對不同行業的不同組織相應作出適應性調整，應對其特定的商業挑戰

3）影響

減少攻擊（包括黑客入侵、黑手黨的網絡犯罪、詐騙、行業間諜和網絡攻擊）。而在過去，這些攻擊往往會嚴重威脅到系統的可用性、保密性和數據完整性

通過有效和精準的數據收集協助取證

4）演化

專家估計，IT 業安全偵測和響應的比重將從今天的不到 30% 增加到 2020年 的 75%

開放平臺正在不斷發展，將促進多廠商安全產品的雙向溝通

自適應安全依靠安全技術和大數據技術的結合，在 SIEM 技術中引入機器學習也能達到顯著效果

解決方案使數據來源快速增長（包括暗網），這能遠遠超越傳統的安全傳感器和設備，用于分析可疑行為，預測或偵測攻擊行為

自適應安全的垂直化趨勢日益顯著，可應對金融、制造、公用事業等其他領域的行業特定風險

5）問題

自適應安全需要強大的業務驅動型管理、風險分析和符合性分析來幫助系統學習哪些是必須警醒監測并作出響應的方面

安全設備之間的無縫通訊需要得到保障，以確保語境信息在各內部組件間共享，通過自動化配置變更提高安全性、避免攻擊行為發生

自適應安全往往需要依賴人類智能來確認，在自動偵測風險后做出適應性行為。這對于避免對誤報信號做出過度反應、對業務造成不可預測的影響至關重要

提高對快速偵測和響應的關注不意味著降低防護水平。相反，防護水平應該更加精準靈敏。同理，作為對自適應安全的補充，往往還需要建立起終端到終端的安全措施、「反托拉斯」安全結構以及針對關鍵應用的高安全區域（比如應用程序資源島）

三十七、語義技術（Semantic Technologies）

1）定義

語義技術包括一套多種多樣的技術，其目的在于幫助機器理解大量或復雜的數據，而不需實現提供與數據相關的任何背景知識。本質上來說，這類技術給信息帶來結構和意義，方法往往是提供機器可讀的元數據，這些元數據與人類可讀、意義詳細的內容存在聯系。

2）應用

自然語言處理（NLP）——處理非結構化的文本內容

數據挖掘技術——從大量數據中發現模式（趨勢和相互聯系）

人工智能系統——使用推理模型解答復雜問題

分類計數——利用探試學和規則對數據進行分類

語義網——允許程序抓取特定的信息并回答潛在的問題

關聯數據——語義網的一個子集，也是語義網上發布數據的一種方式，以此來相互連接并變得更有用，使得計算機自動閱讀成為可能

語義數據集成——通過組合不同的數據源增進分析和決策能力

語義搜索技術——使用戶能夠用概念定位信息

3）影響

通過明確提供意義使基于語義的技術自動化成為可能，機器就不需從數據中推導

幫助人類和及其相互理解和溝通，就像人類相互溝通一樣

允許機器代表用戶自動使用服務

通過結合不同的數據來源、用公開數據庫擴大企業數據庫，使企業數據集成更進一步

讓計算機用更好地方式來表達、交換和處理知識

通過處理知識而非數據提高靈活性

允許計算機自己學習（機器學習）

使出于特定目的搜集而來的數據也可用于其他語境

4）演化

引入了RDF（用于儲存語義元數據）和OWL（決定本體，可明確信息意義和關系），并在后來得到標準化

SPARQL語義查詢語言也得到引入并在后來標準化

蒂姆·伯納斯-李在W3C官網發表了自己對于關聯數據的思考

全球語義網仍是空中樓閣，但與之相關的想法、概念、標準和技術正在更小的層面投入應用以提供語義豐富的服務

已有公司提供語義解決方案的商業支持服務，并將之應用到生產中

現有和遺留的基于SQL的數據集成方案正轉變成語義數據云

為了日后完全轉型（RDB2RDF）所做的標準化工作使得更多有價值的信息能從現有的復雜數據中提取出來，這是通過結合其他數據源實現的

商業公司越來越多地提供基于NLP的語義搜索引擎服務

5）問題

（語義網）本體不容易設計，其重要性也常有爭議

對本體達成共識相當困難，即使在非常專門化的領域也是如此

篩選出本題中的虛假信息相當困難

數據提供者往往從廣告中獲取營收，而廣告需要接觸用戶，因此可能無法提供語義豐富的信息

當不同數據源使用不同概念定義時，需要有一個能在詞匯之間自動建立聯系的方式

由于這一目標過于龐大以及復雜，語義網仍未被意識到

三十八、智能機器

1）定義

智能機器指代配置認知計算能力的系統，它們能夠在沒有人類干預的情況下自主做決定、解決問題，執行之前由人類引導的活動或任務，從而提高效率和生產力。

2）應用

自動機器人或自駕汽車——重塑交通、物流、分發以及供應鏈管理

專家系統——模仿人類的決策能力解決問題，尤其是需要專家投入解決問題的行業，比如汽車行業、消費電子產品行業、醫療健康行業、工業

智能虛擬助手——比如 Avatar，能為客戶提供信息和服務幫助

傳感器——在沒有人類直接干預的情況下，收集我們周圍物質世界的數據信息

3）影響

提高效率和生產力

增加收入和利潤率空間

在增強勞工技能需求的同時，為缺乏技能的勞工提供一個可行的替代選擇

彌補計算機進化也無法取代的任務

4）演化

是現在已有的自動駕駛汽車、先進的機器人、虛擬個人助手、智能顧問的原型

基于傳感器數據的爆炸式增長，將為智能機器提供更多關于物理世界的背景

由于認知計算、先進算法和人工智能，智能機器工作將更加自動化

隨時間變化，更多、更好的機器將進入我們的生活。依照摩爾定律它們將發展更快、價格更低

人工智能、語音識別、機器學習的進步意味著知識型工作現在也可以自動化

機器將能夠做出越來越重要的商業決策，這樣的決策中人類會逐漸減少控制

在未來，這樣的機器有潛力影響到發達國家中至少1/3產業中的商業動態

5）問題

公司的首席信息官們必須要讓公司認識到更自動化的智能機器在支持公司業務目標時所帶來的風險和機遇

真的有必要擔心智能機器可能會取代從制造業到倉儲業到運輸業中的眾多白領、藍領工作

三十九、集群計算（Swarm Computing）

1）定義

也被稱之為集群智能、蜂巢計算。集群計算指代大規模分布、自組織系統中的所有代理能共同朝著一個確定的輸出目標協同工作。系統中的每一個代理都有自己的一套規則且只與局部環境互動。所有代理的聚集行為能導致全體行為「智能」的產生。

由于預測到物聯網節點會增加，而眾多獨立節點的計算能力有限，所以每一個節點都將連接到社區中的其他物體上，從而創造出一個 IoE 集群。

2）應用

優化物流鏈和交通

控制無人駕駛汽車，優化行車時間和道路

配合智能城市、分布式電網這些概念復雜的基礎設施的經營

預測復雜系統的行為，比如交通或物流網絡

在軍事場景中提供監測

傳遞傳感器網絡安全

群眾管理

使機會主義合作成為可能

管理參與者經濟，有助于合理使用資源、鼓勵貢獻、優化服務。

3）影響

創立一個網絡-現實世界設備的動態生態系統，其中的每一個節點為集體能力和洞見做出貢獻。

允許操作和交互根據背景環境進行適應

通過以下幾點改善提供服務的效率和可靠性

使臨時合作成為可能，幫助建立服務網絡

優化交付日程和交流模式,從而讓信息和服務能共享以及交流

增加不穩定資源的可靠性，有助于管理不穩定因素

能讓工作分布到不同的簡單設備（或機器人）身上

補充其他形式的人工智能

促進了大規模分布計算機模型的發展

4）演變

集群計算的概念首次出現于 20 世界 90 年代

之后不久開始對算法和仿真的研究

集群計算首次使用于物流和仿真

適時地，移動硬件的微型化使得微型機器人集群成為可能

現在，集群計算與機器人、物聯網、分布式云模型緊密聯系在一起

未來長期發展中，比如，納米機器人集群可能有助于醫療產業

5）問題

基于代理的編程是復雜且高要求的，此時的實踐者不是那么容易就能做到的

將集群與其他中央控制機器結合起來也非常復雜

安全是個重大憂患，尤其是集群中的單獨一個機器人被其他機器人或組織主要控制時

通信協議需要較好的統一標準，從而讓靈活的、動態互動成為可能

也可能存在一些不確定的行為，比如非預期的或失去控制自主產生的行為

集群病毒，集群的行為可能會受到流氓組件的不利影響，也可能自己成為流氓組件。這在使用中可能產生巨大影響

四十、可信任（常用）設備（Trusted Devices）

1）定義

可信任設備是指終端機、軟件支持的物件和機器這樣的設備有保護數據處理可用性、完整性和隱私安全性的可信任能力。這包括智能手機、支付終端機這樣的人機交互設備，以及智能家居和智能機器這樣的自動化設備。

2）應用

保證人類使用數字系統通信和交互的安全

確保對重要基礎設施和自動化程序的防護——比如智能電網、智慧城市、智能交通

醫療連接設備

3）影響

提供通過設計確保安全的可信任終端機和智能機器，這些機器有著值得信任的應對風險的水平

在網絡犯罪普遍的時代，這能緩和黑客攻擊和欺詐的風險

4）演變

在民用終端機中已經存在防護級別的技術，尤其在政府職員和公司高層的智能手機中

如今的主要趨勢是加強物聯網關鍵流程中的設備安全性能

下一個演變將注重于保證智能機器、自動化機器的安全。畢竟，我們對手術機器人、智能汽車、自動化無人機的依賴越來越大，絕對的可信任非常重要

5）問題

大部分可信任設備需要硬件和軟件安全的結合,因為單獨的軟件安全會增加劫持風險

在如今連接不斷加強的世界建立信任需要各種安全組分（安全的物聯網）和大量認證

管理方式（下一代認證和訪問管理、大數據）的整合

這可能也要求植入情境智能，這樣侵入意圖就能被偵測到，并自動做出合適的應對措施（比如敏感信息的自摧毀）

四十一、無處不在的個人信息管理（Ubiquitous PIM）

1）定義

如今大部分人使用多于四種以上的信息孤島（information silos）存儲、管理、轉移他們的私人信息，包括谷歌、Outlook、Facebook、Twitter、WhatsApp、本地磁盤、USB 硬盤、OneDrive 網盤、Dropbox 等。無處不在的個人信息管理（普適 PIM）是一種存儲個人信息的新方法，把所有的信息存儲在統一的一個存儲系統中，但仍然可以通過多種應用接觸到這些信息。大部分信息類型都適用于無處不在的 PIM 方法，包括信息（電子郵件、社交博文、公共網站回應信息）、聯系方式、文檔（文本、圖片、視頻）和日志。

2）應用

企業社交網絡——讓所有應用使用同一個存儲層，可以交換/共享所有需要的信息

合作——提供多樣的接入同種信息的合作工具，每一個工具都根據用戶的專業水平和個人喜好進行定制

業務交流——統一交流方式，這樣用戶們只需要專注于對話本身不需要操心技術問題

3）影響

減少復雜性，消除信息孤島問題

通過增加各種不同應用中信息的相關性和一致性，從而提高信息可用性

削減了能量消耗，因為不再需要到處 copy 信息，保持信息同步

把個人從多種專用的社交網絡、協作和交流工具中解放出來

允許個人選擇最適合自己的網絡和工具

打開通向新產品和新服務的更為廣闊的領域

能與物聯網結合在一起

4）演變

各種應用的本地文件系統開始分享越來越多的信息

混合本地和云存儲的解決方案出現，一些能共享信息，但更多的是交流信息

混合本地、云和無處不在的 PIM 存儲的解決方案開始出現，剛開始時是通過適配器結合各種聯系方式、通信、合作和文檔

很快，各種應用將利用全球普適儲存方式，與無處不在的 PIM 標準化進行信息交流

在未來，人們將需要為信息擔心，一種全新的 IT 領域應用將開始興起

5）問題

為了實現無處不在的 PIM 還有大量的工作需要完成，但現在只有小部分團體和個人在研究存儲信息的新方法

事實上，在理論知識和如何做到之間還有很大鴻溝

直到現在的數據交流系統分裂變得更加嚴重時，這種現狀才會改變

四十二、虛擬助手

1）定義

虛擬助手是幫助我們完成服務和任務的助手。他們可以理解問題并用自然語言的方式回答。它們利用人工智能、機器學習、語音處理、推理和知識表征來使人機交互的過程變得更加容易，更加自然，更加富有吸引力。

它們執行的任務和服務依賴于用戶鍵入或語音輸入的信息、情境感知以及可訪問的例如天氣或交通狀態、新聞、股票價格、日程表、零售價格等互聯網資源。

2）應用

行政協助——例如即時建議、詢問和提醒，同時支持個人和商業應用場景

持續的專家協助——包括長期項目或專家工作，該領域它們的學習能力體現在隨著它們的處理內容的增加，他們的協助表現也會變得更好

用戶服務協助——包括零售、銀行、保險和電信行業在內的人類客戶服務代表將被人工智能助手補充甚至取代

大規模結構化或非結構化數據組的數據挖掘——搜索（潛在的）模式和異常，預先識別問題，發現機會并支持決策制定

預測性的專家協助——預測事件發生并在事件發生之前采取行動

虛擬個人購物助手——基于用戶的口味、需求和欲望來學習、預測、服務以幫助用戶優化購物決策過程

3）影響

降低成本并提高效率，統一客戶服務平臺不同頻段的企業形象來提升用戶滿意度

加強應用的功能并提升信息處理任務的表現

在未來將被期待用于越來越多的日益復雜的數字化生活

在這種情況下，也許將會轉變公司于客戶互動的客戶接觸模型，從直接接觸轉變為虛擬助手的幫助；這意味著交互需要變得更加清晰和簡潔——這將使情感化營銷顯著客觀化

4）演變

2000-2010 年，搜索引擎進化到包含了更多語境（分析）、精煉搜索結果，從而增強結果的相關性

自然語言處理系統進化到可以讓用戶通過語言與計算機交互

可用的計算能力更多，意味著自然語言將被更加高效地處理。例如 Siri 這樣的虛擬助手的出現意味著搜索進化到了更加個性化、可提供交互服務和由更強大軟件協助的生態系統的地步

虛擬助手將被裝載到云上，這使得它能被應用于多種設備：可穿戴、辦公室、住所和車輛中的多種設備上

未來的助手將能夠偵測用戶的確切位置

傳感器的進步（例如，智能手機內置的麥克風、相機、加速計和 GPS）將為虛擬助手提供更多可利用的額外的背景信息

虛擬助手也將借由語音分析和面部表情學習如何檢測情感，無論用戶是正在移動、靜止或在車輛中，都可以準確識別

在它們獲得相關數據組權限或允許助手將數據用于新領域的前提下，實時學習能力將確保助手做出即時反映

5）問題

個人數據日益增加的碎片化和復雜性削弱了虛擬助手能實時提供服務的表現

普適個人信息管理（PIM）將幫助虛擬助手注釋我們所有的數字信息，但是它們現在需要轉換器來連接像Outlook、Gmail、MicrosoftLive、Facebook、Twitter、LinkedIn 等應用以及本地文件系統中的多種數據

用戶需要一切皆在掌控（例如他們的數據被用于那些場景、被誰使用）的感覺，這將幫助他們信任助手是基于用戶的利益而運行的

幫助用戶網上購物的虛擬助手將有能力加強某些公司的業務，與此同時，削弱另外一些公司

當下計算機和人工智能取代人力工作的現象將隨著虛擬助手功能的強化而激起社會焦慮的攀升

四十三、可穿戴設備

1）定義

可穿戴設備裝載了具有感知、計算和通信能力的微型電子器件。它們利用穿戴者的情境信息（由嵌入式傳感器偵測到）來提供一般的或特定的服務，從而讓用戶對自身數據信息做出實時反應。

盡管現在最熱門的可穿戴設備是智能手表，仍然有很多穿戴在其他部位的可穿戴設備。

手腕——例如智能手表、手鐲和手環

頭部——包括頭帶和頭盔

眼部——例如眼鏡、隱形眼鏡、生物增強設備

耳部——例如耳塞

可移植/嵌入式芯片——例如助聽器

手掌——手套或者數字筆

智能衣物和織物——包括繃帶、T恤、夾克、襪子、文胸、腰帶和鞋子

嵌入式首飾——包括指環和耳環

皮膚——例如紋身

2）應用

全產業

安全——增強授權、認證和追蹤

場地服務和維護——例如，整合 SCADA （數據采集與監視控制系統）來幫助問題解決

支付和花費——提升移動端能力

訓練——提供支持和記錄以及分享活動

狀態監測——收集健康和環境信息

和智能物體的直接交互——初始時基于云的服務

信息——簡化獲取資源和分享信息的過程

特定行業

健康醫療——訓練醫生、協助手術、監視病人和醫生的健康、記錄治療、支持和監視醫療康復計劃

零售——分享產品信息、推銷、倉儲和庫存管理

軍事和國土安全——監視活動、記錄行動、導航和身份識別

交通——導航、追蹤、檢測司機健康

運動——檢測關鍵參數、比較結果、適應環境和記錄活動

3）影響

和認知計算結合，將加強人類能力

幫助客戶服務代表理解用戶的需求和偏好

使體域網（Body Area Network）概念成為可能——隨著物聯網（IOT）放大了設備對穿戴者的了解，從而增強了設備對穿戴者情境的整體描繪

提升領域服務和客戶維護的性能，并降低成本

帶來新的商業機遇

提供市場人員可利用的健康見解

為交換可穿戴設備的使用和數據提供獎勵機制

連接移動支付和客戶忠誠度

為之前品牌難以觸及的新奇的客戶問題提供解決方案

4）演變

可穿戴設備最初用于軍事、醫療健康和醫藥領域

現在主要集中于健康和監控 B2C 市場活動

利益正被拓展到 B2B 市場的全新領域，智能手表、數字徽章和智能手環最初似乎是該領域最有利可圖的商品，智能眼鏡和新涌現的智能織物和嵌入式配件緊隨其后

可穿戴設備的出貨量將在 2017 年之前有望達到 6000 萬個

2018 年各公司對可穿戴設備技術的計劃投入將接近 200 億美元

長期來看，可穿戴設備將成為我們個人生活、職業生活緊密結合的重要部分，成為一種比智能手機更私密化的替代品同時也通過提供附加的視野來加強智能手機的功能

一些人將可穿戴技術視作通向環境計算（ambient computing）的下一步

5）問題

基于設備的尺寸、意圖和人機工程學來調整交互模式

設備將從能夠自動描述更大范圍的背景環境而獲利

但是可穿戴設備的技術進步取決于其他技術的進步——包括傳感器、顯示器、電池、通信和增強現實

材料對人類器官的影響（例如過敏反應）和輻射必須是可控的

小型設備的電量管理和散熱是極富挑戰的難題

電源以及備援策略，需要某些場景下在完整的使用周期可用

在關鍵情形下，例如醫療任務，可穿戴設備及其使用者需要遵從法律約束

可穿戴設備需要保持數據在傳輸、存儲和處理過程中的透明度，尤其是這些數據被更廣闊的生態系統時

四十四、大規模萬維網計算（Web-scale Computing）

1）定義

超大規模運算，也被稱為大規模萬維網計算，是一種大規模的、分布式、網化的計算環境，隨著數據規模和工作量的增加可以有效的擴展，有時這種擴展是指數級別的。計算、記憶、網絡、存儲資源將變得更為快速，具有成本效益。

超大規模加速硬件通常建立在剝離的商業硬件基礎上。潛在地，數以百萬計的虛擬服務器會協同工作來滿足日益增加的計算需求，不需要額外的物理空間、冷卻設備和電力資源。

利用超大規模運算，總體擁有成本（TCO）隨后將顯然依據高可靠性、實現應用和/或傳遞數據的單一價格決定。

2）應用

使云、分布式存儲和和更多基于網絡具有的大規模分布式站點成為可能

為必須處理極大規模數據或處理數百萬種業務（只有極少準備時間）的商業提供支持，包括銀行、零售、石油挖掘和開采、健康和醫藥

為新興技術提供支持——例如認知計算和物聯網

3）影響

為未來集中的數據處理提供穩健靈活的環境，幫助企業最大化利用他們日漸增長的大規模數據

提供一個通用的、可擴展的平臺來輕松地適應不斷變化的商業和技術前景

利用它集裝箱化的數據中心單元來節省空間和能量

要求更少的服務器，削減硬件和行政管理成本

擁有改變現代企業使用和管理 IT 的潛力

4）演化

公有云服務巨頭例如谷歌、Facebook和亞馬遜最初發展該技術來支撐他們急劇的增長，并在不犧牲服務質量和可用性的條件下提供他們所需的靈活性

不久其他的企業也開始利用這些開源軟件

超大規模計算現在正在被其他商業領域的企業開發，包括那些擁有更小和更傳統的 IT 環境的企業

進一步的技術進步正在奠定更快、更便宜和更大規模系統的基礎

超大規模運算預期將最終被全球范圍內半數的企業應用

5）問題

超大規模運算調整了 IT 的角色和企業所需的技能

任何計算能力極速的增長——包括超大規模計算——都會挑戰能源資源

四十五、網頁實時通信（WebRTC）

1）定義

IETF、W3C、WebRTC 同心協力的結果是一個免費開放的互聯網標準，使通過標準瀏覽器和移動設備運載的跨平臺、基于互聯網的、免插件的實時通信系統成為可能。

本質上，WebRTC 定義了置入瀏覽器中的聲音和視頻媒體處理軟件的標準。這是一個可拓展標準，并且提供了一個聯合了HTML5 的標準 API 接口，該接口通過特定機制處理通信過程中參與者在以往環節產生的數據。

商業實現是可行的并通過提供差異化的信號定義方式和協作模型來區分彼此，并且使多方參與成為可能。

2）應用

瀏覽器間通信——包括聲音、視頻聊天、會議、屏幕共享、客戶互動、娛樂、游戲和文件轉換及分享

企業通信——例如一鍵直呼、呼叫中心、聯合通信以及現代團隊協作

教育和訓練——包括虛擬教室和同步學習

分配信息和調度——允許人類和機器可以通過更加自然和透明的方式交互

3）影響

簡化部署和并通過減少專有插件和應用的需求來削減基于瀏覽器通信解決方案的成本

使潛在的傳輸協議和安全機制標準化

允許任何帶有 WebRTC 標準瀏覽器的設備成為通信設備

使聲音和視頻在基于瀏覽器的應用中更容易地被訪問

提升客戶交互并通過開放更豐富的交互模式了來增加收入

允許人類和機器以更自然和更透明的方式交互

為受到 OT語音服務威脅的電信運營商開放新服務領域的大門，鼓勵他們活躍地參與

4）演變

WebRTC 最初誕生于 2011 年，是谷歌贊助的實現不同瀏覽器實時通信技術免費開源項目

Firefox、Opera 及其他瀏覽器在僅僅一年之后開始支持 WebRTC

WebRTC 現在支持幾乎所有主流桌面和移動瀏覽器，并被一些逐漸增長的消費者服務（例如FacebookMessenger）和現代企業協作服務（例如 Unify's Circuit）使用來增強聲音和視頻通信

WebRTC 是 HTML5 的一部分，預期會在逐漸發展的過程中得到更廣泛的支持

到 2018 年，預計潛在的支持 WebRTC 的設備數量將達到 50 億，而嵌入式設備是全新的基于 WebRTC 應用的主要運行平臺

P2P 基于 WebRTC 的視頻服務將會快速地被普及

長期看來，WebRTC 預期會取代現有的協議

企業級別的多方參與的 WebRTC 應用和聯合協作服務在未來的五年間仍將具有極大吸引力

5）問題

WebRTC1.0標準尚未完成，社區開發者對它的許多方面仍未達成共識（存在分歧）

標準的缺乏將導致很多高階服務可能存在兼容性和/或互通性問題以及市場的碎片化，使得商業產品產生分化

主流瀏覽器支持的缺少使得標準的修改緩慢

和其他非互聯網 RTC 通信平臺協作要求額外的軟件

WebRTC 將會導致全新的安全威脅，這些威脅要求全新的創新性的解決方法

四十六、無線供電（Wireless Power）

1）定義

無線供電描述了不需要實體線路，通而過電磁場替代的電力傳輸方式�，F有兩種電力傳輸方式：利用電磁感應和電容性充電的近場充電（NFC）；利用電磁裝置輻射電磁波的遠場或輻射充電。

2）應用

可穿戴設備——包括智能手表

健康設備——包括助聽器和計步器

電力交通——包括汽車和公共汽車

消費產品——包括智能手機和平板

工業——包括工廠和倉儲的資產

3）影響

允許電力設備在輸電線不方便、危險以及不可用的情況下充電

解決電動汽車的能源存儲問題，大大增強了電力汽車的可用范圍和可靠性

敞開了通向不中斷的、普適計算環境的通道，在這種環境中，電力的即時可用性是至關重要的

4）演變

感應充電不是一項新技術，但是它的應用范圍限于極少數設備

該技術正向更遠距離，更高級別的充電方式演變

規范化的程度似乎正在提高，最重要的標準集中在 AirFuel Alliance

可穿戴設備和傳感器組的爆炸性發展及其有限的電力存儲容量，使得無線供電傳輸成為一項更有趣的議題

5）問題

能源效率需要通過除去潛在的能量損失獲得進 一步提升

能源管理將通過流程簡化而大大獲利

現有的多種標準限制了互通性

安全隱患限制了無線供電的應用環境

社會擔憂限制了無線供電的充分利用，盡管對它影響健康的憂慮是毫無科學根據的