
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
R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29