随着几场全球危机占据我们的日常生活，重要的是要看看我们可以在哪些方面利用技术来解决这些棘手的人类问题。如今，我们比过去任何时候都能够更多地访问来自可穿戴设备、医疗设备、环境传感器、视频捕获和其他连接设备的数据。当与计算机视觉、机器学习和模拟等云技术相结合时，我们开始瞥见信息和应用程序的强大融合可以带我们走向何方。下一波创新者和发明家——我有幸在拍摄《Now Go Build》时遇到了其中一些人——已经在构建解决方案，以重新造林地球，让我们的年轻人保持活跃，并重新构想从仓库到交付的供应链。而这确实只是一个开始。随着先进技术的普及——生活的方方面面都成为我们可以分析的数据——我们将看到创新的洪流，并将在 2023 年激增。预测 1：云技术将重新定义我们所知道的体育运动就像音乐和视频一样，体育运动将成为我们可以分析的数据流。这些将在未来几年解锁的见解将改变整个体育行业，并重新定义每场比赛的玩法和体验的意义。体育是人类结构的一部分。它们超越了时间、文化和物理边界。此刻，世界上最大的体育盛事之一——世界杯正在上演。预计将有 50 亿人观看。到目前为止，广播电视对职业体育的发展产生了最大的影响，为今天价值 5000 亿美元的行业铺平了道路。下一个改变游戏规则的技术进步即将到来。未来几年，每项运动的各个方面都将经历数字化转型，这将发生在从青少年篮球到职业板球的各个级别的比赛中。像 Veo 这样的公司正在引领这一潮流，利用机器学习、计算机视觉和流处理等云技术来缩小业余运动员和职业运动员之间的数字鸿沟。Veo在为业余体育观众创造了类似广播的体验的同时，它还建立了一个深度神经网络，使其能够自动从视频流中创建精彩片段。这使得球员、教练和招聘人员能够轻松找到关键比赛，改进战术，并以以前不可能的方式分享所有这些。随着像 Veo 这样的技术在所有运动的各个层面上得到更广泛的应用，想象一下接下来会发生什么。德甲联赛和 NFL 等顶级联赛已开始使用视频流、可穿戴设备、物联网 （IoT） 传感器等进行实时分析和洞察。展望未来，这些能力将继续进步，这些技术将成为几乎每项运动、各个级别的无所不在的力量。想象一下这样一个场景：教练可以使用在云中实时分析的计算机视觉和生物识别数据，在球员抽筋或丢球之前拉动他们，用休息最充分的队友代替他们，这现在是可以量化的。这同时提高了玩家的安全性并增加了游戏的竞争力。在这一点上，体育运动本身将真正开始成为一个数据流，我们可以实时分析和做出决策——球员的水合作用、球的移动、场地饱和度——所有这些都比我们今天看到的任何东西都更加汇总和丰富。随着数据的增加，进一步的创新也随之而来。在不久的将来，我们将达到这样一个地步：团队在每场比赛中都在后台持续运行“假设”模拟，使他们能够更好地预测他们当下的决策的影响。技术本身将成为职业体育的竞争基础。无论是亲身还是银幕，粉丝的体验也会发生变化。体育场馆将迅速采用我们在零售等行业看到的一些创新，例如 Amazon Go 商店，其中使用计算机视觉、传感器融合和深度学习将实现无票入场和即取即走的购买。我们还将开始看到下一代数据叠加和实时洞察，这些数据叠加和实时洞察深入到玩家层面，增强游戏并使体育运动更接近我们在当今视觉信息最丰富的视频游戏中的期望。共同观看和个性化观看体验将继续发展，将这 50 亿观众联系得比以往任何时候都更加紧密。体育界目前正处于有史以来最大的革命的边缘，而云技术是这一变化的核心。预测 2：模拟世界将重塑我们实验空间计算的方式。模拟。数字孪生。这些技术多年来一直在慢慢成熟，但日常影响有限。这种情况正在迅速改变，到 2023 年，云将使这些技术更容易获得，从而实现不受物理限制的新型用例。模拟用于制造更好的赛车、预测天气和对股票市场进行建模。虽然仿真可以解决的问题很大，但构建和运行仿真的困难是日常用例的障碍。公司受到对高性能硬件和专业劳动力需求的限制。以喷气机翼或赛车的流体动力学仿真为例，仅模拟真实场景的一秒钟就可能需要多达 150 TB 的数据。然而，随着最近推出的 AWS SimSpace Weaver 等技术，这种情况正在迅速改变，这是众多模拟技术中的第一种，它将为未来铺平道路，在这个未来，我们世界上几乎所有东西都可以被模拟，并最终将被模拟。模拟将帮助我们就我们建造的道路、组织仓库的方式以及应对灾难的方式做出更好的决策。通过模拟，我们可以展望未来，看看我们努力的影响，运行许多“假设”场景来回答我们的问题，而不必等待多年后可能会产生什么影响。借助 AWS SimSpace Weaver 等技术，像 Terraformation 这样的公司可以在实现种植 1 万亿棵树的目标的过程中对整个森林的生长进行建模。因此，它可以确保生物多样性和健康的森林具有尽可能多的碳抵消。一家气候变化初创公司如何使用 AWS 云计算来监测新森林的生长Terraformation 结合了本地专业知识和 AWS 云计算工具来重新种植植物。我看到创新迅速上升的另一个领域是空间计算。公司已经在构建专用硬件并使用云技术来捕获和创建几乎任何环境的 3D 模型。仅使用移动设备即可做到这一点很快就会成为现实。这种民主化将激发建筑、施工、商业房地产和零售行业的新一波创新浪潮。就像视频对互联网所做的那样，空间计算将在未来几年迅速发展，达到 3D 对象和环境像您今天最喜欢的短社交媒体视频一样易于创建和使用的地步。互联网上的静态 2D 产品图像将成为过去，取而代之的是 3D 模型，您可以像今天在网络浏览器中看到它们一样无缝地拾取、旋转和放置在客厅中。但预计这些模型会出现更多，以便可以在您的虚拟家庭中模拟它们的内在特征。虚拟灯不仅会放置在客厅的地板上，您还可以打开和关闭它，实时观察环境光如何与虚拟家具相互作用，并了解它对您的能源消耗的影响。所有这一切都是在按下“立即购买”按钮之前。到 2023 年，此类技术将开始融合。随着数字技术在物理世界中的日益融合，仿真对于确保空间计算技术产生正确影响变得越来越重要。这将导致企业和消费者并行使用曾经不同的技术的良性循环。云通过其巨大的规模和可访问性，将推动下一个时代。预测三：智能能源创新激增储能表面材料。去中心化网格。智能消费技术。2023 年，我们将看到全球范围内的快速发展，改善我们生产、储存和消费能源的方式。我们正处于另一场能源危机之中。成本上升和能源的可靠获取是全球性问题，它们影响着每个人。虽然这不是我们第一次面临能源危机，但几种成熟的技术正在开始融合，它们共同将使我们能够以前所未有的方式解决这个问题。亚马逊扩大全球最大可再生能源企业买家的地位该公司宣布了 37 个新的可再生能源项目，总计 3.5 吉瓦的清洁能源装机容量。我们周围的环境产生了足够的可再生能源。挑战实际上在于存储和按需交付到需要消耗该能源的系统。亚马逊正在这一领域开展工作，例如亚利桑那州的 150 兆瓦电池存储系统，该系统为我们在该地区的设施提供清洁、可靠的能源。但我们并不是唯一的。全球各地的公司也在这一领域迅速创新。云正在为新的用例提供材料研究科学，例如将能量存储集成到它们旨在供电的物体的结构中。想象一下一艘船，船的侧面实际上是在旅途中为其提供动力的电池。这只是冰山一角——没有双关语。我们也开始看到长期存储方面的突破，如熔盐、堆叠块和燃料电池。另一个领域是能源的分散化。由于能源供应的不确定性，一些社区正在转向微电网。我喜欢将微电网视为社区花园（但用于能源），社区成员利用这些花园来维持生计，减少对传统能源公司及其老化基础设施的依赖。在我家附近，我们有一个小型微电网，太阳能被收集并在租户之间共享。随着我们继续看到地缘政治事件和气候波动加剧的能源挑战，微电网将成为全球许多社区的可行解决方案，而云技术将在实现这一目标方面发挥作用。来自太阳能电池板、风电场、地热发电和水力发电的数据将在云中进行流式传输、存储、监控、丰富和分析。机器学习将用于分析所有能源数据，以预测使用高峰，并通过家庭层面的能源粒度重新分配来防止停电。我们还将看到基于物联网的智能消费设备在来年在全球范围内起飞。这将导致下一波创新，这些创新是由这些设备为家庭和企业提供的新可观测性功能产生的。想象一下，通过使用节能技术改造历史建筑，我们可以节省能源。在未来几年中，我们将看到所有类型的智能能源技术迅速融合，因为我们终于达到了我们的技术解决方案可以解决我们危机的门槛。虽然这可能不会产生我们都希望的直接影响，但这些技术将从根本上永远改变我们创造、储存和消耗能源的方式。预测四：即将到来的供应链转型2023年，计算机视觉和深度学习等技术的采用将推动供应链向前发展。无人驾驶车队、自主仓库管理和模拟只是将开启智能物流和全球供应链新时代的一小部分优化。在过去的几年里，我经常反思的一点是全球供应链的脆弱性。我们每天都会想起这一点——延迟交货、无法获得的产品、空空如也的货架。尽管亚马逊通过数字货运匹配和送货站等创新对其供应链进行了微调，但许多公司仍在努力应对物流挑战。这种情况即将改变。这将从商品本身的制造开始。工厂中的物联网传感器将激增，机器学习不仅将用于预测设备故障和机器故障，还可以预防它们。更少的停机时间意味着稳定的生产。将这些产品运送到全球是另一回事。由云提供支持的数字货运网络将穿越国家甚至海洋，提供实时数据，使承运商能够优化最高效的航线，并改变航向以应对不可避免的事件，例如设备故障和天气中断。可以将其视为实时洞察货物的当前状态和到达时间，但遍布供应链的各个层面。这些货运网络将为首次跨国自动驾驶卡车运输奠定基础。影响将立即显现出来，美国等国家目前正面临 80,000 名司机短缺的问题。通过使用空间计算、边缘计算和模拟，自动驾驶卡车运输将对我们的全球供应链产生巨大影响。为什么？人类驾驶员只能在方向盘上呆这么长时间，然后才会分心、疲倦和潜在危险。这是在我们考虑每个国家/地区的具体健康和安全法规之前。这意味着从南加州运来的新鲜水果只能希望在它们开始变质之前到达德克萨斯州达拉斯。然而，自动驾驶卡车可以 24 小时在路上行驶。没有强制性的休息时间，技术永远不会感到疲倦、不耐烦或分心。产品更快、更安全、更高效地到达需要的地方。到达当地仓库后，机器人拣选、订单分拣和自动包装将变得更加普遍。随着机器人技术的新创新，我们将继续看到这种情况的发展，这些创新使用人工智能、计算机视觉和对公司库存中单个产品的精确处理。自主机器人技术也将开始在仓储中发挥更大的作用。想象一下，能够通过库存的实时数字孪生来增强叉车操作员，他花费大量时间只是搜索产品，该数字孪生使用自主飞行库存无人机不断保持最新状态。供应链转型的关键是利用技术来优化产品旅程中的每一步。从明年开始，我们将看到智能工厂、智能设备和智能航运的发展加速。每一种都将在提高工人安全、优化库存管理、降低维护成本和简化生产流程方面发挥作用。未来的供应链是数字化的。预测 5：定制芯片成为主流2023 年专用芯片的使用将迅速增加。因此，随着工作负载利用硬件优化来最大限度地提高性能，同时降低能耗和降低成本，创新步伐将加快。定制芯片和专用硬件在消费技术行业迅速获得关注。从笔记本电脑到手机再到可穿戴设备，随着定制芯片的制造和采用，一切都在性能上取得了显着飞跃。虽然在消费领域采用速度很快，但对于业务应用程序和系统来说却并非如此，这些应用程序和系统传统上具有更长的刷新周期。然而，随着定制芯片的可访问性和采用，这种情况将在未来几年迅速改变。在 AWS，平均每天启动 1 亿个 Amazon Elastic Compute Cloud （Amazon EC2） 实例（截至撰写本文时）。这在很大程度上是由于我们多年来与客户密切合作，以了解他们正在运行的工作负载类型，然后确定我们下一步应该构建什么。与消费设备一样，这导致 AWS 近年来在芯片设计方面投入巨资。这是因为我们知道，公司在云中运行的工作负载在专为特定用例构建的定制芯片上运行可以更具性能和更具成本效益。以机器学习工作负载为例。软件工程师传统上依靠昂贵、耗电的 GPU 来完成从模型构建到推理的所有事情。然而，这种一刀切的方法效率不高——大多数 GPU 都没有针对这些任务进行优化。在未来几年，更多的工程师将看到将工作负载转移到专为模型训练 （AWS Trainium） 和推理 （AWS Inferentia） 等而设计的处理器的好处。当这种情况发生时，新一波的创新浪潮将开始。通过使用基于 Trainium 的实例节省 50% 的训练成本，或在基于 Inferentia2 的实例上实现 50% 的每瓦性能提高，工程师和企业都会注意到，我们将开始看到工作负载的大规模迁移。即使对于通用应用程序也是如此，在通用应用程序中，迁移到定制芯片仍然有好处，例如基于 AWS Graviton3 的实例，在相同的性能下，与同类 EC2 实例相比，其能耗最多可减少 60%。成本节约和性能优势将带来更多的实验、更多的创新、更多的采用，并最终为其他特定工作负载提供更多的定制芯片。这是另一个良性循环。艾伦·凯曾说过，“真正认真对待软件的人应该自己做硬件。在未来的一年里，真正认真对待软件的人将真正开始利用定制芯片所提供的一切。要从 Werner Vogels 博士那里
