目前，隨著5G網(wǎng)絡(luò)、數(shù)據(jù)中心等新型基礎(chǔ)設(shè)施建設(shè)受到更加廣泛的關(guān)注，各領(lǐng)域各行業(yè)也在著力培育“數(shù)字土壤”，讓“新基建”真正釋放出新動能。

據(jù)了解，“新基建”首先在信息通信領(lǐng)域迅速刷屏。對此，Gartner公司副總裁及高管合伙人龔培元（Michael Kung）針對“新基建”的五大關(guān)鍵領(lǐng)域，為CTO（首席信息官）及IT領(lǐng)導者提出見解及建議。

充分評估5G技術(shù)

龔培元認為，5G是新一代蜂窩技術(shù)，它將使移動服務交付模式從以消費者為中心轉(zhuǎn)變?yōu)橐詷I(yè)務和消費者為中心；并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)。

另外，5G技術(shù)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(gòu)正在與監(jiān)管流程、頻譜分配和移動網(wǎng)絡(luò)運營商（MNO）的部署同步發(fā)展。作為授權(quán)頻譜的當前使用者和持有者，移動網(wǎng)絡(luò)運營商仍然是5G發(fā)展階段企業(yè)機構(gòu)的主要移動服務供應商。同時，LTE技術(shù)將繼續(xù)存在并為5G的初步部署奠定堅實基礎(chǔ)。

對此，他建議，負責數(shù)據(jù)中心基礎(chǔ)設(shè)施和云計劃的I/O技術(shù)專業(yè)人員要通過思考蜂窩網(wǎng)絡(luò)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(luò)視為僅面向消費者的服務，也不要僅僅是針對移動基礎(chǔ)設(shè)施開發(fā)應用程序。

然而，也不要盲目采用5G，了解影響5G的各個層面上的依存關(guān)系的技術(shù)，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(luò)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。

新機遇：電動汽車無線充電技術(shù)

龔培元指出，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(shù)，現(xiàn)有系統(tǒng)只需提供合適的價格。未來，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)。而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(shù)添加到車輛上。

“所以，為了在不斷發(fā)展的汽車無線充電、技術(shù)和服務市場獲得市場份額，需要將現(xiàn)有技術(shù)用于住宅和社區(qū)應用，從而獲得產(chǎn)品上市時間優(yōu)勢?！彼硎?，應該鎖定地方政府部門作為早期充電基礎(chǔ)設(shè)施投資的客戶群，加入行業(yè)團體和標準制定機構(gòu)，為行業(yè)標準的到來做好準備。

數(shù)據(jù)中心基礎(chǔ)設(shè)施：2020年應做的初步工作

在龔培元看來，對于維護和優(yōu)化現(xiàn)有數(shù)據(jù)中心基礎(chǔ)設(shè)施，需要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(chǔ)設(shè)施。在規(guī)劃未來的數(shù)據(jù)中心基礎(chǔ)設(shè)施方面，要制定涵蓋數(shù)據(jù)中心計算、存儲、網(wǎng)絡(luò)和數(shù)據(jù)中心設(shè)計的基礎(chǔ)設(shè)施愿景。

另外，數(shù)據(jù)中心新興技術(shù)實施具有以下特點的智能基礎(chǔ)設(shè)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。

預測人工智能核心技術(shù)

“由于技能、技術(shù)和基礎(chǔ)設(shè)施整合方面的挑戰(zhàn)，用于AI項目試點的AI基礎(chǔ)設(shè)施策略將不易擴展到生產(chǎn)中。那么，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?！饼徟嘣赋?，與生產(chǎn)AI管道相關(guān)的技術(shù)債務和基礎(chǔ)設(shè)施復雜性將成為大多數(shù)企業(yè)中的IT領(lǐng)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(shè)備中的需求。

對此，他建議稱，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(lǐng)導者應該做到以下舉措：設(shè)計串流數(shù)據(jù)分析基礎(chǔ)設(shè)施自定義參考架構(gòu)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(chǔ)設(shè)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(luò)分析的最佳位置。

全球工業(yè)物聯(lián)網(wǎng)市場分析