飞象网讯（编译/文慧）据国外媒体报道，虽然2016年被认为是5G、物联网和云计算取得巨大进步的一个年度，但行业分析机构预计2017年将是多项技术实现突破的一个重要年度。
明确接下来发生的大事并投入足够的时间、资金和资源非常重要，这事关一家企业将成为下一个谷歌或只是一闪而逝的问题。为此，笔者采访了几位业内人士，想知道他们对来年电信行业的看法。
虽然人工智能不一定能够在2016年实现重要突破，跻身主流技术舞台，但距离这一天的到来为时不远。包括Facebook、Google、AWS和IBM等领先企业已经向人工智能技术投入巨资，2016年全球范围内的小型产品发布已经开始使这一技术正常化。在SQS首席执行官Dik Vos看来，2017年，机器将开始接替我们来进行工作。
Vos表示：“与以往相比，机器将更多地取代人类的工作：30%的劳动力需要接受再就业培训。我们将在未来几年看到数字化技术使用率持续提高，而在2017年，诸如人工智能和自动驾驶车辆等技术将取代低技能劳动力。”
“随着机器取代人类从事一些工作，包括物流司机和工厂工人，我预计更多重点将放在对高达30%的劳动力进行再就业培训上。人们想要并需要工作，而在2017年，那些由于数字化而失去工作的工人将开始考虑投身于其他行业部门，包括制造业。”
也就是说，对有些工作而言，人工智能可以成为主流或是工作环境中的一项现实功能。但目前并未实现的部分原因是没有足够的真实用例（已被证明现在可行），而且也还不具备必要的技术条件。实现重要突破的一个主要步骤是引入有效的边缘分析技术，这是Nvidia Tegra业务部门总经理Deepu Talla预计2017年将出现的下一个突破。
Talla指出：“2017年，我们将看到更多的人工智能从云端移动到边缘。也就是说，人工智能的计算能力将扩展至数十亿在现场收集数据的设备上，而不是只驻留在数据中心的服务器上。”
“这对于需要实时处理大量数据以及带宽和延迟可能构成严峻挑战的应用程序来说非常重要。这方面的例证包括可识别潜在危险以保持我们城市更安全的智能安全系统，以及其预测分析可以优化制造生产的工业机器人。”
从悲观角度来看，技术进步也在推动着那些滥用技术进步的人不断进步。世界各国不断出台新立法的举动表明，警察和情报机构需要适应数字时代需要，因为罪犯早已开始利用新技术进行违法活动。在Arxan Technologies 欧洲、中东和非洲副总裁Mark Noctor看来，网络恐怖主义只是刚刚开始，而且它正准备大肆破坏。
Noctor表示：“选举期间有许多关于黑客的话题，但实际情况是，一场代理网络战争已经在不同国家之间持续了一段时间，而且这场战争将会在2017年愈演愈烈。我们预计，针对政府基础设施以及物联网级别的商业企业的重大攻击将造成严重破坏。”
相比之下，OpenCloud营销主管Chris Haddock的看法更为积极，他预测，运营商将改变战略，开发新的商业模式。
最近几年，随着OTT开始提供免费通信服务，电信行业以前的丰厚利润受到严重挑战和侵蚀。电信企业面临着寻找新的收入来源以令投资者满意的挑战。这并不是一种演进案例，而是一个全新的竞技场。
在这方面，我们见到了2016年最大的收购案之一：AT&T收购时代华纳。这一交易令整个行业感到震惊，主要是因为其价值1,010亿美元的庞大金额，还因为AT&T志在成为内容所有者以弥补收入损失的雄心。
Haddock指出：“2017年，并购活动将有增无减一年，原因在于运营商想要收购内容提供商，这将延续今年AT&T收购时代华纳的趋势。电视和流媒体服务不再只是广播公司和OTT服务提供商的专有职责。移动运营商将提供独特的内容方案，因为他们正在转变成多业务企业，能够随时为身处任何地方的用户提供内容服务。”
“运营商不会创建自己的内容，但通过战略合作伙伴和收购，他们可以获得一系列独家内容并将之提供给用户，作为区分其概念的方式。用户将根据所提供的内容（例如，选择体育、电视或电影服务计划）选择运营商。这将有助于吸引和留住客户，并为多业务运营商提供额外的收入来源。”
虽然内容可以成为一个新的收入来源，但MapR首席执行官John Schroeder认为，数据才是运营商恢复收入的重要手段。
欧盟新出台的法律法规的目标是为电信企业提供一个公平的竞争环境，使之能够与OTT服务提供商进行长期竞争。这些新规则将使电信企业能够以和OTT目前使用的相同方式利用数据，为众多新的商业模式和收入渠道提供机会。如果数据是数字经济的货币，那么电信企业的则是个人识别号码。
Schroeder表示：“软件开发变得非常迅捷，开发商能够提供持续交付。2017年，处理和分析模型可以提供的迅捷性将与组织实现数据迅捷性的水平相似，竞争优势来源于在情境中了解数据和采取业务行动的能力，而不是简单地拥有一个大的数据池。”
“迅捷处理模型的出现将启动同样的数据实例，为批量分析、交互式分析、全局消息传递、数据库和基于文件的模型提供支持。当单个数据实例可以支持更广泛的工具集时，也可以启用更为灵活的分析模型。最终结果是创建一个灵活的开发和应用平台，支持最广泛的处理和分析模型。”
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
