2021 年のトップ 10 のテクノロジー トレンド - AI、エッジ コンピューティング、マシン ビジョンなど

アーキテクチャ、クラウドコンピューティング

1. 複雑なものをシンプルに: 「ミニマリズム」の道を行くマイクロサービス

2020 年、マイクロサービス分野で「マクロサービス」という新しい用語が登場しました。マクロサービスは実際には完全に新しいアーキテクチャではなく、モノリシックとマイクロサービスのバランスをとる概念です。
現在、マイクロサービスの開発によりシステムの複雑さが増しています。マイクロサービスはますます洗練され、再利用率はピークに達しました。サービス間の関係が複雑になり、メンテナンスコストが増加しました。このケースでは、技術者が「マクロサービス」を提案しました。これは、マイクロサービスの粒度のバランスをとることで、システムの保守が容易になり、複数人による共同保守が可能になり、コードベースの再構築が簡単になります。
マクロ サービスに加えて、サービス メッシュでは複雑さを解決するために多くの変更が加えられています。 Istio を例に挙げてみましょう。 2020 年、Istio は約束を守り、四半期ごとにバージョン (1.5、1.6、1.7、1.8) をリリースしました。年初にリリースされたバージョン1.5では、これまでの設計を覆し、「モノリスへの回帰」という建築思想を提案した。バージョン 1.6 のリリース ノートでは、冒頭から、ミニマリズムを最後まで貫くとさえ述べられています。バージョン 1.7 のリリース後、Red Hat の元チーフ アーキテクトであり、Istio in action の作者であり、solo.io のフィールド CTO でもある Christian Posta 氏は、Istio 1.7 が実稼働で利用できる最も安定したバージョンになると考えています。年末にリリースされたバージョン 1.8 では、Istio で Mixer コンポーネントが正式に有効化されました。
Istio のバージョン更新から、コミュニティが複雑さを解決するために懸命に取り組んできたことが容易にわかります。しかし、建物は一夜にして建てられるものではありません。 Istio バージョン 1.5 によって実現されたアーキテクチャの飛躍により、少なくともバージョン 1.5 と 1.6 を本番環境に導入することが困難になっています。バージョン 1.7 には依然として厳格なプラットフォーム バージョン要件があり (Kubernetes の開始バージョンはバージョン 1.16 以上にアップグレードされます)、依存関係 API は強制的に移行される予定です。年末にリリースされるバージョン 1.8 が、エンタープライズ プロダクションで実際に利用できる最も安定したバージョンになるかどうかは、まだプロダクション環境でテストする必要があります。
2021 年も、物事を簡素化することはマイクロサービスにとって重要なトピックとなります。

2. クラウドネイティブはもはやリソース指向ではなく、アプリケーション指向である
2010 年に、Paul Fremantle 氏が自身のブログで初めて「クラウド ネイティブ」の概念を提案しました。 10年間の開発を経て、DevOps、コンテナ、マイクロサービスなどのテクノロジーが急速に発展しました。クラウドネイティブは企業のコアビジネスにうまく適用され、企業のビジネス革新の重要な原動力となっています。

市場の観点から見ると、クラウドネイティブ テクノロジーは、金融、製造、インターネットなど、幅広いビジネス シナリオをサポートします。これらの企業にとって、クラウドネイティブテクノロジーを適用する上での最大の難しさは、クラウドプラットフォームの構築ではなく、クラウドへの移行です。従来のアプリケーションはクラウド コンピューティング向けに開発されていないため、移行ツールの使用やデバッグ、移行後の運用や保守など、移行にかかる作業量は非常に大きくなります。また、仮想化と再デプロイメントのみを使用してクラウドに移行すると、クラウド コンピューティングの弾力性、高い同時実行性などの利点を活かすことができません。

したがって、クラウド ネイティブはリソース指向ではなく、アプリケーション指向になります。仮想マシンとサーバーはもはやクラウド ネイティブの意味ではなく、ビジネスの意味です。多くの技術専門家はこれを「クラウド ネイティブ 2.0 時代」とも呼んでいます。 「アプリケーション」を中心に、エンタープライズアプリケーションのライフサイクル管理を標準化し、エンタープライズビジネスのための統一されたクラウドネイティブアプリケーションの展開、運用、保守、ガバナンスの標準化プロセスを構築する…これらは、クラウドネイティブの今後の発展に向けた重要なポイントであり、課題です。

企業は、「クラウド ネイティブはビジネス部門に本当に役立つ」ということにますます気づくようになるでしょう。企業の技術アーキテクチャは徐々にビジネス指向のマイクロサービス構造へと移行し、開発や運用・保守への重点を減らし、真にビジネスに重点を置くようになります。

3. エッジコンピューティングは大規模な商用導入の先駆けとなる
2020年7月、中国電信研究所のIPおよび未来ネットワーク研究センター所長の雷波氏は、「ビジネスと市場の成熟に伴い、エッジコンピューティングの商用展開は業界各社の注目の的となっており、近い将来（2021～2023年）に大規模に実施され始めると予測されている」と述べた。

技術アーキテクチャの観点から、Edge Computing Industry Alliance (ECC) と Industrial Internet Industry Alliance (AII) が共同で Edge Computing Reference Architecture 3.0 をリリースしました。システム全体はクラウド、エッジ、フィールドの 3 つのレイヤーに分かれています。エッジ コンピューティングは、クラウド層とフィールド層の間に配置されます。エッジ層は、さまざまなフィールドデバイスの下位へのアクセスをサポートし、上位のクラウドに接続できます。エッジ層は主にエッジノードとエッジマネージャーで構成されます。エッジ ノードはハードウェア エンティティであり、エッジ コンピューティング サービスの中核となります。通常、コンピューティング、ネットワーク、ストレージのリソースを備えています。エッジ マネージャーの中核はソフトウェアであり、その主な機能はエッジ ノードを統一的に管理することです。

産業構造の観点から見ると、エッジコンピューティングはまだ初期段階にあります。ダウンストリームは主にチップ、ハードウェア、ソフトウェア、接続で構成されます。下流メーカーは、ハードウェアとソフトウェアの設備を徐々にインテリジェントなオープン性へと推進していきます。ミッドストリームは主にプラットフォームをサポートしており、関連するメーカーにはクラウドサービスプロバイダーや通信事業者などが含まれます。彼らは通常、エッジ コンピューティング アプリケーションのブレークスルーとして特定の分野を選択します。アップストリームはアプリケーションであり、スマート端末やアプリケーションにエッジコンピューティングを可能にします。上流から中流、そして下流に至るまで、産業チェーン全体の企業がエッジ コンピューティングのビジネス モデルと顧客価値を模索しています。

実装シナリオの観点から見ると、エッジコンピューティングの現在の実装は、主にエネルギーインターネット、産業インターネット、AR/VR/高解像度ビデオ、クラウドゲーム、無人運転、スマートストア、ヘルスケアなどに集中しています。

フロントエンド 4. ローコードはフロントエンド分野に新たな変化をもたらす

2014年、調査機関Forrester Researchは「ローコード/ゼロコード」という概念を正式に提案しました。名前が示すように、ローコードとは、開発者がごくわずかなコードを記述するだけで、アプリケーションを迅速に開発し、より多くの機能を拡張できることを意味します。従来のソフトウェア開発ツールやテクノロジーと比較すると、ローコードは技術的なハードルが低く、開発効率が高くなります。他の迅速な開発ツールと比較して、ローコードはスケーラビリティに優れています。

ローコード プラットフォームを活用することで、IT 技術者以外の人でもソフトウェアを構築できるようになります。共通プラットフォームを使用して複数のアプリケーションを開発できるため、IT 部門のタスクのバックログの問題がある程度解決されます。マルチプラットフォーム展開をサポートしており、アプリケーションを一度開発すれば、さまざまな環境でコンパイルして実行できます。メンテナンスが容易で、ソフトウェアの更新、デバッグ、修復、変更が容易になります。

現在、多くの企業が、特にフロントエンド分野において開発効率の向上を図るためにローコードプラットフォームを活用しています。 Suning Consumer Platform R&D Center のフロントエンド テクニカル ディレクターである Yu Libin 氏は、InfoQ との以前のインタビューで次のように述べています。「e コマース企業のフロントエンド チームとして、以前同様のビジネス ニーズに直面したとき、通常はコンポーネント化 + 手動修正を採用していました。今年はローコード プラットフォームを試し、フロントエンド プログラマーの作業負荷を大幅に削減しました。現在、Suning のローコード/ノーコード プラットフォームは順調に稼働しており、コスト削減が明らかになっています。たとえば、プロモーション会場をセットアップするチーム サイズは 4 ～ 5 人から 2 人に削減されました。」

ガートナーは、2021年までにアプリケーション開発に対する市場の需要がIT企業の能力の5倍になると予測しています。この生産ギャップを埋めるために、ローコード/ゼロコード技術が現在のところ唯一の実行可能なソリューションであり、必然的にこの技術を導入する企業はますます増えていくでしょう。現在、多くの大手インターネット企業がフロントエンド分野でローコード プラットフォームを適用していることがわかります。来年は、ローコード プラットフォームがより多くの企業や分野で役割を果たすようになると予想されます。

ビッグデータ、人工知能 5. ビッグデータの加速とクラウド統合、レイクウェアハウス統合の理論から実装まで

IT インフラストラクチャのクラウドへの移行が加速するにつれ、クラウド ネイティブは次世代データ アーキテクチャの主流標準になりつつあります。パブリック クラウド ベンダーが提供する標準サービスに加えて、クラウド プラットフォーム全体にわたるサードパーティ データ サービス プロバイダー (Snowflake や Databricks など) も、ユーザーや資本市場から求められています。クラウドネイティブのデータウェアハウスプロバイダーであるSnowflakeの時価総額は、2020年9月の上場後、一時1,000億米ドルを超えました。比較すると、従来の大手データウェアハウスプロバイダー（Teradataなど）の時価総額は20億米ドル未満です。

オンプレミスのデータ ウェアハウス ソリューションからクラウドベースのソリューション (パブリック クラウドとプライベート クラウドを含む) に移行する企業顧客が増えています。この傾向は米国の2B市場で広く受け入れられており、国内の2B市場でも勢いを増しています。新年もビッグデータとクラウドの融合がさらに深まり、ビッグデータ分野は「融合」（あるいは「統合」）に向けた進化を加速していくものと考えています。

実際、今年最も話題となった「レイクとウェアハウスの統合」にしろ、業界で広く認知されている「フローとバッチの統合」にしろ、どちらも「統合」という進化の理念が段階的に生み出した産物です。その本質は、パフォーマンスと使いやすさに対するより高い要件を満たしながら、ビッグデータ分析の技術的な複雑さとコストを削減することです。

過去数年間、データ ウェアハウスとデータ レイクのソリューションが急速に進化し、それぞれの欠点を補うにつれて、両者の境界は徐々に曖昧になってきました。新世代のクラウドネイティブ データ アーキテクチャは、もはやデータ レイクまたはデータ ウェアハウスという単一の従来のアーキテクチャに従うのではなく、両方の利点を組み合わせてある程度再構築されています。大手クラウドベンダーは、AWSのRedshift Spectrum、MicrosoftのAzure Synapse AnalyticsサービスとAzure Databricksの統合、Alibaba Cloud MaxCompute+DataWorks、Huawei Cloud FusionInsightなど、独自の「レイクハウス」テクノロジーソリューションを次々と提案しています。

一部の企業では、Delta Lake、Apache Iceberg、Apache Hudi などのオープンソース テーブル形式を使用して独自のデータ レイク ウェアハウスを構築しています。クラウドベンダーとオープンソース技術ソリューションの共同の取り組みにより、2021 年には「レイクウェアハウス統合」の実用的な実装事例がさらに増えるでしょう。

6. 産業知能は開発の初期段階を超える

ディープラーニングやナレッジグラフなどの技術の発展により、複雑な問題に対するアルゴリズムの解決能力が大幅に向上し、人工知能技術は徐々に実用的な問題を解決し、人間を超えるまでに発展してきました。これを基に、産業インテリジェンスは徐々に発展してきました。代表的なものとしては、データ駆動型の最適化と意思決定、詳細な視覚的品質検査などが挙げられます。産業知識グラフは世界的および産業的な問題を解決します。人間と機械が協調するインテリジェントな産業用ロボットが開発され、広く利用されています。

過去数年間で、産業インテリジェンスは、ルールベース、統計ベース、複雑なコンピューティングベースという 3 つの主要な段階を経てきました。一方、これら 3 つの段階は相互に排他的ではありません。エキスパート システム、従来の機械学習、ナレッジ グラフ、最先端の機械学習という 4 種類のテクノロジが共存し、常に絡み合い、統合されています。一方、技術進化の文脈はますます明確になり、ナレッジグラフに代表される知識工学とディープラーニングに代表されるデータサイエンスという2つの大きな方向性が徐々に形成されてきました。しかし、現在の産業インテリジェンスのアプリケーションは、ほとんどがポイントベースのシナリオであり、人気は限られています。また、まだ解決されていない問題も多く残っており、開発はまだ初期段階にあります。

2021年には、一般技術の飛躍的進歩により、産業インテリジェンスは新たな発展段階に入ります。具体的には、FPGA ベースのセミカスタマイズ チップが産業インテリジェンスの基盤となることが期待されています。高い互換性を持つコンパイラは、産業の適応性のニーズを満たします。リアルタイム要件により、エンドサイド推論フレームワークのさらなる最適化が促進されます。一般的な技術分野でのブレークスルーとカスタマイズされたアルゴリズムの研究が鍵となります。

7. 説明可能なAIは大規模応用に一歩近づく

機械学習モデルの「ブラックボックス」の性質により、モデルの内部動作原理とモデル意思決定プロセスを理解するのは困難です。しかし、AI 操作の結果は人間のユーザーに説明されなければなりません。同時に、AI 運用における問題は人間のエンジニアによって特定され、解決されなければなりません。さらに、AI プロセスには人間による監督が必要です。

過去数年間、私たちはディープニューラルネットワーク (DNN) などの不透明な意思決定システムの台頭を目撃してきました。ディープラーニング モデル (RNN、BERT など) の成功は、効率的な学習アルゴリズムと、数百のレイヤーと数百万のパラメーターで構成される可能性のある巨大なパラメーター空間の組み合わせに由来しており、DNN は複雑なブラック ボックス モデルと見なされています。

計算能力が強くなるにつれて、アルゴリズム モデルはますます複雑かつ大規模になります。確かに、AI は強力で、私たちがより多くのことを行うのを助けてくれるだけでなく、多くの特定のタスクでは人間を上回るパフォーマンスを発揮しますが、私たちはますますこれらのモデルを理解できなくなってきており、これは非常に厄介な問題です。いわゆる説明可能性とは、モデルの動作メカニズムを直接理解し、人工知能のブラックボックスを打ち破ることを目指します。

解釈可能な機械学習の考え方は、モデルを選択する際に精度と解釈可能性の両方を考慮することです。モデルの予測結果だけでなく、その結果の理由も示します。現在一般的に使用されている方法は、モデル自体の解釈可能性と結果に基づく解釈可能性です。

モデル自体の解釈可能性に関しては、モデルに縛られます。解釈可能にするには、モデルとアプリケーション シナリオに応じて 1 対 1 で反復する必要があります。その普遍性は非常に限られており、変更することは困難です。結果の解釈可能性に基づくと、ブラックボックスとして見ることができますが、アルゴリズム自体にはまだいくつかの問題があります。たとえば、LIME アルゴリズムはサンプリングにある程度依存しており、結果が不安定になります。しかし、産業界と学界による段階的な探求を通じて、2021年にはこれらのアルゴリズムがますます改善され、大規模なアプリケーションに近づくと信じています。

8. 認知知能のブレークスルーは期待に値する

現在、関連する理論と技術の継続的な革新により、AIはデータ、コンピューティング能力、アルゴリズムの「3つの要素」のサポートにより、ますます私たちの日常生活に入り込んでいます。しかし、この一連の驚きの背後には、ほとんどの AI が言語理解、視覚シーン理解、意思決定分析などに苦戦しているという事実があります。これらのテクノロジーは依然として知覚レベルに焦点を当てており、つまり AI を使用して人間の聴覚、視覚、その他の知覚能力をシミュレートしていますが、推論、計画、関連付け、作成などの複雑な認知インテリジェンスタスクを解決することはできません。

現在の AI には、情報が「脳」に入った後にそれを処理、理解、思考する機能が欠けています。比較的単純な比較と識別のみを実行し、「認知」ではなく「知覚」の段階にとどまります。知覚知能技術に基づく AI は、まだ人間の知能には程遠いものです。その理由は、AI が、大規模な常識的な知識ベースと認知に基づく論理的推論という、その発展を制限するボトルネック問題に直面しているためです。ナレッジグラフ、認知推論、論理表現に基づく認知グラフは、国内外の学者や業界リーダーの間で「現在この技術的ボトルネックを打破できる実現可能なソリューションの 1 つ」と見なされるようになっています。

知性を獲得するにはどうすればいいでしょうか?現在、2 つのアプローチがあります。1 つ目は、いわゆる暴力的な美学で、データが足りない場合は GPT-3 のようにデータを追加します。将来的にはGPT-4、GPT-5などが登場すると思います。このアプローチは成功するかもしれない。しかし、視点を変えて、生物学的知能がどのように達成されるかを見ることもできます。生物学的知能を達成するには多くの方法があり、問題を解決するためにニューロンの数や激しい美学に単純に頼るわけではありません。

汎用人工知能を 3 つの条件として定義すると、1 つはマルチタスク、つまり単一のことだけではなく多くのことを実行できることです。 2つ目は堅牢性です。 3つ目は、さまざまな環境に適応する能力です。そのため、今後は神経科学、認知科学、計算科学を相互に統合し、人工知能と脳科学の双方向の相互作用を強化し、生物知能システムの微細構造と動作メカニズムを明らかにし、脳のような機能と優れた性能を備えた知能システムを構築し、視覚などの機能と典型的なモデル動物を参考にして知能レベルをテストし、人工知能の将来の発展の実現可能な道を模索する必要があります。

5G、ブロックチェーン 9. 5Gネットワ​​ークの初期構築は、スマート医療、工業製造などの産業の発展を促進する

5Gの開発速度は、前世代の通信技術よりもはるかに速いです。 2020年、世界中の通信事業者は基地局の建設を加速しました。中国は世界最大の5G市場であり、現在70万以上の5G基地局を保有している。消費者に最も近い5G端末の観点から見ると、主流のスマートフォンブランドはすでに消費者市場に参入しています。 5G iPhoneは今年遅れているにもかかわらず、売れ行きは好調で、5G市場の急速な発展に貢献すると期待されています。

しかし、5Gにはまだ「キラーアプリケーション」が欠けている。低遅延と高帯域幅は 5G の特徴であり利点です。 2021年は、5Gと「ビデオ」「クラウドゲーム」「モノのインターネット」「エッジコンピューティング」の組み合わせが注目に値する焦点になると考えています。

疫病の影響で、生放送、ショートビデオ、音声・ビデオ通話などの動画シーンが徐々に当たり前になってきました。どうすれば、音と画像の一貫性を高め、ラグを減らし、遅延を少なくできるでしょうか?その答えは5Gという重要な技術にあります。さらに、超高精細技術の進化のための基本条件の 1 つは帯域幅です。帯域幅がどんどん大きくなって初めて実現可能になります。

クラウド ゲームは本質的にはインタラクティブなオンライン ビデオ ストリームであり、実装に最も近い 5G アプリケーションの 1 つと考えられています。今年4月、百度はクラウドゲームを主要な応用シナリオとするクラウドフォン製品の発売も発表した。 5Gの商用化に伴い、クラウドコンピューティングと5G技術の統合により、クラウドゲームの遅延が短縮され、ゲーム品質、操作のスムーズさなどが大幅に向上すると予想されています。大手テクノロジー企業やインターネット大手を含む多くの企業が市場に参入し、その産業エコシステムも急速に改善されるでしょう。

大量接続によるモノのインターネットの世界を実現するには、5Gが不可欠です。しかし、Forrester は、2021 年には「接続の混乱」が主流の現象になると予測しています。IoT ネットワークの接続オプションは多数あり (衛星、セルラー、Wi-Fi、Bluetooth、Zigbee、Z-Wave など)、5G が唯一のオプションではありません。企業や組織はこうした「市場の混乱」を乗り越えて整理する必要があるため、5GやWi-Fi技術の導入は2020年に比べて実際に減少している。

今日の AI 時代では、コンピューティング業界もインテリジェンスと切り離せません。 5G テクノロジーのサポートにより、現在普及しているエッジ コンピューティングは、帯域幅とレイテンシを大幅に改善し、よりインテリジェントなコンピューティングを実現できるようになります。 KPMGとIDCは、5Gとエッジコンピューティングのおかげで、コネクテッドヘルスケアの分野に加えて、工業製造、スマート輸送、環境モニタリング、（クラウド）ゲームなどの産業分野も今後2〜3年で大幅な成長を達成すると予測しています。

10. ブロックチェーン技術は「新しいインフラ」の推進により導入が加速している

ブロックチェーンは近年比較的重要な技術です。現在、ガートナーの誇大宣伝サイクル曲線の「幻滅の谷」にあります。暗号通貨はブロックチェーン技術の主な応用例の 1 つです。近年、政府は暗号通貨詐欺の取り締まりを強化している。今年、公安当局は総額148億元を超える「プラストークンプラットフォーム」のオンラインねずみ講事件の捜査を開始した。

一方、フェイスブックが発行を予定しているデジタル通貨「ディエム（旧称リブラ）」は2020年現在も大きな規制圧力にさらされているが、中国人民銀行のデジタル人民元は政府の推進のもと、各地で試験運用が行われている。深センは10月に初のデジタル通貨の試験運用を実施した。その後、蘇州市政府各部門は12月に抽選を通じて地元住民に2000万人民元相当のデジタル紅包を配布した。

当選者10万人には、オンラインショッピングやオフラインでの消費に使用できる新しいデジタル人民元200元が贈られます。政府はまた、美団と滴滴出行とでそれぞれ食品配達や配車サービスなどのサービスにデジタル人民元を使用する試験も行っている。法定デジタル通貨DC/EPは所有権確認プロセスにブロックチェーン技術を使用しているため、長期的には、生産要素にデータを組み込み、データの所有権確認、価格設定、取引を促進するという要件により、データチェーン化が徐々にトレンドになるでしょう。

さらに、プライバシーとセキュリティの問題は、ブロックチェーン アプリケーションの実装における課題の 1 つとなっています。さまざまなメーカーも、さまざまなデータ暗号化伝送プロトコル、データ暗号化ストレージプロトコル、リモート認証などのテクノロジーを全体的なソリューションに統合し、各シナリオに必要なプライバシー保護戦略を提供し、開発のハードルを下げるよう努めてきました。プライバシー保護技術は来年、さまざまな場面で画期的な進歩と検証を達成し、ブロックチェーンの大規模応用をさらに促進するでしょう。

2020年、ブロックチェーンは徐々に中国の各垂直産業に浸透し、初期には実証効果を形成し、政府事務、民生、金融、サプライチェーンなどの分野に集中し、「to G」（国有企業や公共機関を含む）は中国のブロックチェーン業界の主流の収益モデルとなった。同時に、国家発展改革委員会は、新インフラの情報基盤に「ブロックチェーン」を明示的に含めました。 COVID-19の影響下で、世界中の企業はデジタル変革を加速する必要があり、今後ブロックチェーンは人工知能や5Gなどの新しいインフラ関連技術とともに企業のデジタル変革に貢献するでしょう。 2021年には、「ブロックチェーン+」の導入事例も増えるでしょう。