随着几次全球危机占据了我们的日常生活，看看我们可以在哪里使用技术来解决这些棘手的人类问题是很重要的。今天，我们比以往任何时候都能获得更多来自可穿戴设备、医疗设备、环境传感器、视频捕捉和其他连接设备的数据。当与云技术(如计算机视觉、机器学习和模拟)结合在一起时，我们开始看到信息和应用程序的强大混合可以带我们去哪里。
下一波的创新者和发明家——我有幸在拍摄时遇到了他们中的一些人现在开始构建-我们已经在制定解决方案，让地球重新造林，让我们的年轻人保持活力，并重新设想从仓库到交货的供应链。而这仅仅是个开始。随着先进技术变得更加普及——生活的方方面面都变成了我们可以分析的数据——我们将看到创新的洪流，而这将在2023年激增。
预测1:云技术将重新定义我们所熟知的体育运动
就像音乐和视频一样，体育也将成为我们可以分析的数据流。这些技术在未来几年所揭示的洞见将改变整个体育产业，并重新定义每场比赛的意义和体验。
体育是人类的一部分。它们超越了时间、文化和物理边界。此时此刻，世界上最大的体育赛事之一正在举行——世界杯。预计将有50亿人观看比赛。到目前为止，广播电视对职业体育的发展影响最大，为今天5000亿美元的产业铺平了道路。下一个改变游戏规则的技术进步即将到来。在未来几年，每一项运动的方方面面都将经历数字化转型，从青少年篮球到职业板球，这将发生在各个级别的比赛中。
这样的公司Veo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和专业运动员之间的数字鸿沟。Veo为业余体育观众创造了一种类似广播的体验，它还建立了一个深度神经网络，可以自动从视频流中创建亮点。这使得球员、教练和招聘人员可以轻松地找到关键的打法，改进战术，并以以前根本不可能的方式分享所有这些。随着像Veo这样的技术在所有体育项目的各个级别中得到更广泛的应用，想象一下接下来会发生什么。
德甲和NFL等顶级联赛已经开始使用视频流、可穿戴设备、物联网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一项运动、每一个级别的无所不在的力量。想象一下这样一个场景:教练可以使用计算机视觉和实时分析的生物特征数据，在球员抽筋或失球之前将其拉下，用休息最好的队友替换他们，这是现在可以量化的。这同时提高了玩家的安全性并提高了游戏的竞争力。在这一点上，体育运动本身将真正开始成为一个数据流，我们可以实时分析并做出决定——球员的水分，球的移动，场地饱和度——所有这些，汇总起来，比我们今天看到的任何东西都丰富。有了更多的数据，就会有更多的创新。在不久的将来，我们将达到这样一个阶段:团队在每场比赛中都在后台运行不断的“假设”模拟，使他们能够更好地预测当时决策的影响。技术本身将成为职业体育的竞技基础。
无论是在现场还是在屏幕上，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，比如Amazon Go商店，其中计算机视觉、传感器融合和深度学习的使用将实现无票入场和即拿即走的购买。我们还将开始看到下一代数据叠加和实时洞察，深入到玩家层面，增强游戏，使体育运动更接近我们在当今视觉信息量最大的电子游戏中所期望的那样。共同观看和个性化观看体验将继续发展，比以往任何时候都更紧密地连接这50亿观众。
目前，体育界正处于前所未有的最大变革的边缘，而云技术正是这场变革的核心。
预测2:模拟世界将彻底改变我们的实验方式
空间计算。模拟。数字双胞胎。这些技术多年来一直在慢慢成熟，但对日常生活的影响有限。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，进而使一类新的用例能够摆脱物理限制。
模拟被用于制造更好的赛车、预测天气和建立股票市场模型。虽然模拟可以解决的问题很重要，但是构建和运行模拟的困难是日常用例的障碍。企业受制于对高性能硬件和专业劳动力的需求。以喷气机翼或赛车的流体动力学模拟为例，仅模拟现实场景的一秒钟就可能需要高达150tb的数据。然而，随着最近推出的技术，这种情况正在迅速改变AWS SimSpace Weaver这是众多模拟技术中的第一项，它将为未来铺平道路，在未来，我们世界上的几乎所有东西都可以并最终将被模拟。模拟将帮助我们在建设道路、组织仓库的方式以及应对灾难的方式方面做出更好的决定。通过模拟，我们可以展望未来，看看我们的努力所产生的影响，运行许多“假设”场景来回答我们的问题，而不必等待，看看多年后可能产生的影响。有了像AWS SimSpace Weaver这样的技术，一家像是陆地形成可以在实现种植1万亿棵树的目标的过程中模拟整个森林的生长。因此，它可以确保生物多样性和健康的森林，尽可能地抵消碳。
另一个我看到创新快速增长的领域是空间计算。一些公司已经在建造专门的硬件，并使用云技术来捕捉和创建几乎任何环境的3D模型。仅用一个移动设备就能做到这一点很快就会成为现实。这种民主化将激发建筑、建筑、商业房地产和零售行业的新一波创新。就像视频对互联网的影响一样，空间计算将在未来几年迅速发展，直到3D物体和环境像今天你最喜欢的短形式社交媒体视频一样容易创建和消费。互联网上静态的2D产品图像将成为过去，取而代之的是3D模型，你可以拿起、旋转并把它们无缝地放在你的客厅里，就像你今天在网络浏览器中看到它们一样。但我们期待这些模型能产生更多的东西，比如它们的内在特征可以在你的虚拟家庭中被模拟出来。一盏虚拟灯不仅可以放在你客厅的地板上，你还可以打开和关闭它，实时观察环境光如何与你的虚拟家具相互作用，并了解它对你的能源消耗的影响。这一切都发生在按下“立即购买”按钮之前。
2023年，这样的技术将开始融合。随着数字技术在我们的物理世界中日益融合，为了确保空间计算技术具有正确的影响，模拟变得更加重要。这将导致一个良性循环，让曾经完全不同的技术被企业和消费者并行使用。云，通过其巨大的规模和可访问性，将推动下一个时代。
预测3:智能能源的创新浪潮
储能表面材料。分散的电网。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。不断上涨的成本和可靠的能源获取是全球性问题——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开始融合，它们将使我们能够以前所未有的方式解决这一问题。
我们周围的环境产生了足够多的可再生能源。挑战实际上在于存储和按需交付给需要消耗能源的系统。亚马逊正在这个领域工作，举个例子150兆瓦电池存储系统为我们在亚利桑那州的设施提供清洁、可靠的能源。但我们不是唯一的。全球各地的公司也在这一领域迅速创新。云技术使材料研究科学能够用于新的用例，例如将能量存储集成到它们旨在为之供电的物体的结构中。想象一艘船，船的两侧实际上是电池，为它的旅程提供动力。这只是冰山一角，没有双关语的意思。我们也开始看到长时间存储技术的突破，比如熔盐、堆叠块和燃料电池。
另一个领域是能源的分散。由于能源供应的不确定性，一些社区正在转向微电网。我喜欢把微电网看作社区花园(但用于能源)，社区成员利用这些花园来维持自己的生活，减少对传统能源公司和老化的基础设施的依赖。在我的社区，我们有一个小型的微电网，在那里收集太阳能并在租户之间共享。随着地缘政治事件和气候波动不断放大能源挑战，微电网将成为世界各地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、风力发电场、地热发电和水力发电的数据将在云中传输、存储、监测、丰富和分析。机器学习将用于分析所有能源数据，以预测使用峰值，并通过在家庭级别的粒度上重新分配能源来防止停电。
未来一年，我们还将看到基于物联网的智能消费设备在全球范围内起飞。这将导致下一波创新浪潮，这些设备为家庭和企业提供了新的可观察性能力。想象一下，用节能技术改造历史建筑可以节省多少能源。
在接下来的几年里，我们将看到各种智能能源技术的快速融合，因为我们终于达到了我们的技术解决方案可以解决危机的门槛。虽然这可能不会像我们所希望的那样产生立竿见影的影响，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4: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、自动仓库管理和模拟只是将引领智能物流和全球供应链进入新时代的优化中的一小部分。
在过去几年里，我经常反思的是全球供应链的脆弱性。我们每天都被提醒延迟交货，缺货，空货架。虽然亚马逊已经通过数字货运匹配和配送站等创新对其供应链进行了微调，但许多公司仍然在物流方面面临挑战。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，还将用于预防故障。更少的停机时间意味着稳定的生产。在全球范围内运送这些产品则是另一个挑战。由云驱动的数字货运网络将跨越国家，甚至海洋，提供实时数据，使承运人能够优化最有效的航运路线，并根据不可避免的事件(如设备故障和天气中断)改变航线。可以把它看作是对商品当前状态和到达时间的实时洞察，而且是在供应链的每个层面。
这些货运网络将为第一批跨国自动卡车货运奠定基础。影响将立即显现，美国等国家目前正面临8万名司机的短缺。通过使用空间计算、边缘计算和模拟，自动卡车运输将对我们的全球供应链产生巨大影响。为什么?人类司机开车的时间是有限的，之后他们就会分心、疲劳和潜在的危险。这是在我们考虑每个国家具体的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开始变质之前到达德克萨斯州的达拉斯。然而，一辆自动驾驶卡车可以在路上行驶24小时。没有强制的休息时间，技术永远不会疲劳、不耐烦或分心。产品到达它们需要到达的地方更快、更安全、更高效。
到达当地仓库后，机器人拣货、订单分类和自动化包装将变得更加普遍。随着使用人工智能、计算机视觉和精确处理公司库存中单个产品的机器人技术的创新，我们将继续看到这种发展。自动机器人也将开始在仓储中发挥更大的作用。想象一下，能够为一个叉车操作员配备一个库存的实时数字双胞胎，一个使用自动飞行库存无人机不断更新的库存，他花了大量的时间只是搜索产品。
转变供应链的关键是利用技术优化产品过程中的每一步。从明年开始，我们将看到智能工厂、智能设备和智能航运的加速发展。每一种都将在改善工人安全、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:定制硅将成为主流
专用芯片的使用将在2023年迅速增加。因此，随着工作负载利用硬件优化来实现性能最大化，同时降低能耗和成本，创新的步伐将加快。
定制芯片和专业硬件在消费技术行业迅速获得了吸引力。从我们的笔记本电脑到我们的手机，再到我们的可穿戴设备，随着定制硅的制造和采用，我们的性能都有了显著的飞跃。虽然在消费者领域采用速度很快，但在业务应用程序和系统中却并非如此，因为传统上软件和硬件的刷新周期较长。然而，随着定制硅的普及和采用，这种情况将在未来几年迅速改变。
在AWS，平均是1亿Amazon弹性计算云(Amazon EC2)实例每天都会被触发(在撰写本文时)。这在很大程度上是由于多年来我们与客户密切合作，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，这也导致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可以在专门为特定用例构建的定制芯片上运行，从而获得更高的性能和成本效益。
以机器学习工作负载为例。软件工程师传统上依赖昂贵、耗电的gpu来做从模型构建到推理的所有事情。然而，这种一刀切的方法并不有效——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门为模型训练(AWS Trainium)和推断(AWS Inferentia)．随着这种情况的发生，一波新的创新浪潮将开始。通过使用基于trainium的实例实现50%的培训成本节约，或者使用基于inferentia2的实例实现每瓦性能提高50%，工程师和企业都将注意到这一点，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，在这些应用程序中，转移到定制硅仍然有好处，例如基于AWS graviton3的实例与同类EC2实例相比，它在相同性能下可节省高达60%的能源。
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，并最终为其他特定的工作负载提供更多定制的硅。这是另一个良性循环。艾伦·凯曾经说过:“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们将真正开始利用定制芯片所提供的一切优势。
想从沃纳·沃格尔斯博士那里了解更多，请访问，所有事物都是分布式的．
