今天这篇分析报告，想跟大家分享一下麦肯锡近期发布的“2025全球技术趋势洞察”这篇报告（全中文翻译），帮助大家更好的了解当下最重要的13项技术未来的趋势，报告原文为英文文档，不利于阅读，我按照一比一对应还原原文的方式翻译了这个文档，并对其中的内容用中文做了一些梳理和可视化处理

为什么选择解读这份报告？

投研圈的人都知道，阅读研究报告一定要认准国内外权威研究机构分享的报告内容，这会确保内容的专业、真实和可靠性，而麦肯锡作为全球头部的咨询公司，广受投研机构的认可，所以它公开的研究报告，更加有参考研究的价值。

报告核心内容？

这篇报告阐述了Agentic AI、人工智能、半导体、通信技术、云计算和边缘计算、沉浸式现实技术等13项技术的发展情况，分别从重点趋势、发展动态、人才和劳动力市场以及实际采纳和应用落地情况等多个角度分析。

全文1.6万字，由于内容比较多，建议大家点击收藏并慢慢阅读，更多高质量的研究报告翻译解读和生成，请大家持续关注“AI快研侠”。

以下为中文翻译版全文内容：

 一.引言

1.1 全球技术格局的转变

全球技术格局正经历由快速创新驱动的重大转变，这不仅加剧了对计算能力的指数级需求，也引发了国家和企业之间为确保战略技术领导地位的激烈竞争。

当前，技术创新正以前所未有的速度发展，成为社会关注和企业管理层探讨的核心。这种发展背景是日益激烈的全球竞争，各国和各大公司都在竞相生产和应用这些具有战略意义的技术，力图占据领先地位。

1.2 报告概述：13项前沿技术趋势

本年度《麦肯锡技术趋势展望》深入分析了13项具有改变全球商业潜力的前沿技术趋势。

报告旨在帮助商业领袖们应对日益增长的复杂性、规模化新兴解决方案，并在一个数字与物理、中心化与去中心化界限日益模糊的世界中建立信任。通过展示其他公司的应用案例，本报告的洞见可以帮助领导者判断哪些前沿技术与自身业务最为相关。这些发现基于对每个趋势背后的关注度、创新、股权投资和人才等量化指标的分析，并探讨了相关的底层技术、不确定性和未来问题。

1.3 人工智能的核心地位

人工智能不仅自身是一股强大的技术浪潮，更是其他趋势的基础性放大器，通过与其他技术结合，加速各领域进展并开辟新的可能性。

人工智能的影响力越来越多地通过与其他趋势的结合而显现。它在加速机器人训练、推动生物工程的科学发现、优化能源系统等方面都发挥着关键作用。随着人工智能解决方案在市场上的不断演进，它将更加深刻地融入到各个行业中。

1.4 新兴的显著趋势

除AI的广泛影响外，今年的报告特别强调了两个新的、值得关注的趋势：智能体AI（Agentic AI）和专用半导体。

• 智能体AI (Agentic AI): 这一趋势迅速成为企业和消费技术领域关注和实验的焦点。智能体AI结合了基础模型的灵活性与在现实世界中行动的能力，能够创建自主规划和执行多步骤工作流的“虚拟同事”。尽管其目前的投资水平相对较低，但其增长速度是所有趋势中最快的之一，预示着其革命性的潜力。2024年，智能体AI领域的股权投资已达11亿美元，相关工作岗位的发布量在2023-24年间增长了985%。

• 专用半导体: AI也是这一趋势的主要催化剂。随着AI训练和推理对计算能力、内存和网络需求的指数级增长，以及对成本、热量和功耗管理的迫切需求，半导体领域的创新激增，这体现在专利数量等量化指标上，催生了大量新产品、新竞争者和新生态系统。

1.5 跨趋势的宏观主题

今年的技术发展凸显了一个更具适应性、协作性和整体性的未来，以解决全球性问题。贯穿各项趋势的几个关键主题如下：

• 自主系统的兴起: 自主系统（包括物理机器人和数字智能体）正从试点项目走向实际应用。它们不仅执行任务，更开始学习、适应和协作。

• 新的人机协作模式: 人机交互正进入一个以更自然界面、多模态输入和自适应智能为特征的新阶段。技术正变得更能响应人类的意图和行为，叙事也从“替代”转向“增强”。

• 规模化挑战: 对计算密集型工作负载的激增需求暴露了全球基础设施的脆弱性。规模化不仅意味着解决技术架构问题，还包括人才、政策和执行等现实世界的挑战。

• 区域与国家竞争: 对关键技术的全球竞争加剧，各国和企业纷纷投资于主权基础设施、本地化芯片制造和前沿技术项目，以减少地缘政治风险并抓住下一波价值创造浪潮。

• 规模化与专业化并行: 我们既看到大型通用模型在数据中心的快速增长，也观察到边缘设备上低功耗技术的加速创新，形成了庞大语言模型与领域专用AI工具并存的生态系统。

• 负责任创新的必要性: 随着技术变得更加强大和个性化，信任成为采纳的关键。透明度、公平性和问责制不再仅仅是道德要求，而是能够加速或阻碍规模化、投资和长期影响的战略杠杆。

1.6 技术趋势的组合力量

不同的前沿技术可以相互结合，共同为未来提供创新的解决方案。

场景一：工厂机器维修

• 人工智能 (AI): 利用先进的模式识别来诊断设备问题。

• 智能体AI (Agentic AI): AI智能体自主创建维修计划，监督质量检查，并订购维修零件。

• 机器人技术 (Robotics): 机械臂自主执行物理维修任务。

场景二：个性化药物配送

• 数字信任 (Digital Trust): 生物识别区块链技术为每种所需药物建立一个不可变的监管链。

• 生物工程 (Bioengineering): 医生创造个性化治疗方案（例如，将肿瘤活检转化为直接攻击并消除癌细胞的靶向抗体）。

• 未来出行 (Future of Mobility): 自动驾驶无人机将关键药物运送到最偏远或服务不足的地区。

场景三：风电场维护团队

• 能源与可持续性 (Energy & Sustainability): 风电场需要全年保持最高效率，以最大化清洁能源输出，同时最小化停机时间和运营成本。

• 沉浸式现实 (Immersive Reality): 技术人员使用增强现实眼镜，通过视觉指导安全地维护和修理复杂的涡轮机系统。

• 先进连接 (Advanced Connectivity): 低地球轨道卫星为技术人员提供远程访问实时数据和基于云的诊断工具。

1.7 投资趋势分析

在经历了宏观经济环境和市场疲软导致的技术融资普遍下降后，前沿技术的投资环境在2024年趋于稳定，并在许多情况下出现反弹。

尽管2023年市场普遍不景气，但云和边缘计算、生物工程和空间技术等趋势的股权投资水平仍在增长。而人工智能和机器人等领域的投资在短暂下滑后，于2024年恢复到比两年前更高的水平。股权投资水平最高的两个趋势——能源与可持续技术以及未来出行——在2023年虽有整体下滑，但前者在2024年实现了反弹。

1.8 13项技术趋势全景

为了便于分析，报告将13个技术趋势分为三大类：人工智能革命、计算与连接前沿、以及前沿工程。通过综合评分，可以清晰地看到每个趋势在2024年的发展状态。

1.9 研究方法论

为评估13个技术趋势中每一个的发展情况，我们收集了六个可衡量活动维度的数据：搜索引擎查询、新闻文章、专利、研究出版物、股权投资和人才需求。

我们为每个维度使用特定的数据源，通过关键词搜索来确定每个趋势的活跃度，并将其标准化为0到1的评分。创新得分结合了专利和研究数据；关注度得分结合了新闻和搜索数据。投资衡量资本市场流向相关公司的资金。企业采纳度评分（1-5分制）则通过麦肯锡专家访谈得出，具体标准如下：

• 1 - 前沿创新: 技术仍处于萌芽阶段，很少有组织投资或应用。

• 2 - 实验阶段: 组织正在通过小规模原型测试技术的可行性，不侧重短期回报。

• 3 - 试点阶段: 组织正在通过试点项目或有限实施，在少数业务用例中部署技术。

• 4 - 规模化进行中: 组织正在整个企业范围内扩大技术的部署和采用。

• 5 - 完全规模化: 技术已在整个企业完全部署和集成，成为标准。

 二. 人工智能革命

2.1 趋势01：智能体AI (Agentic AI)

智能体AI是一种能够独立规划和执行复杂、多步骤任务的人工智能系统。它建立在基础模型之上，能够自主行动、相互沟通并适应新信息，标志着从通用智能体平台到为深度研究设计的专用智能体的重大进步。

趋势与重要性

智能体AI已从一个边缘概念迅速转变为企业技术领域最热门的话题之一。与仅仅进行对话的聊天机器人不同，智能体AI的核心区别在于其在世界中“行动”的能力，它通常利用数字工具来完成任务，而不仅仅是提供输出。这些系统能够自主规划和执行多步骤任务，正在被各组织探索用于自动化工作流和委派任务给“虚拟同事”。

智能体AI的核心优势

• 处理不可预测的长尾任务： 传统自动化系统需要开发者预设规则，难以处理规则外的异常情况。而基于大语言模型（LLM）的智能体能很好地响应从未见过的输入，处理那些难以预先编码的复杂任务。

• 使用为人类设计的数字工具： 过去，系统间的数据交互需要定制代码。现在，AI智能体可以像人一样使用网页浏览器等工具，“阅读”网站信息并填写表单。

• 通过自然语言接收指令： 由于LLM能处理自然语言，AI智能体可以像人类同事一样被管理，用户可以用日常语言下达指令、进行指导。

• 生成可理解和修改的工作计划： 基于LLM的AI智能体生成的工作计划是人类可读的，它们可以描述自己正在做什么，并根据反馈进行调整。

“AI智能体不仅仅是自动化任务，它们将重塑工作的完成方式。那些学会构建人与智能体协作团队的组织，将解锁速度、规模和创新的新高度。”

— Lareina Yee, 麦肯锡全球研究院总监兼湾区高级合伙人

最新发展动态

• 通用智能体平台的构建： 各大公司正在现有AI产品中增加智能体功能，或开发全新的、面向特定任务的应用，尤其是在软件编码和数学等拥有强大训练数据集的领域取得了快速进展。

• 多步骤推理链的有效性增强： 通过多智能体工作流（“管理者”智能体分配任务给“专家”子智能体）等新技术，AI处理复杂、新颖任务的能力得到提升，输出更准确、更具情境感知能力。

• 针对特定业务解决方案的关注： 越来越多的AI智能体被开发用于解决高价值的特定业务问题，如软件开发、销售优化和客户支持自动化，减少了用户编写复杂提示的需求。

• AI智能体间的“对话”： AI模型现在可以相互通信并创建自己的语言，这种AI到AI的通信成本低于人机交互，为机器人技术和复杂问题解决带来了新的可能性。

• 信任、治理与责任问题凸显： 随着AI智能体承担更多自主角色（如执行金融交易），企业日益关注问责制和法律框架。设计强大的护栏和提供正确的操作环境至关重要。

人才与劳动力市场

与智能体AI相关的职位发布量仍然较小，但自2021年以来增长显著，特别是在软件工程师、数据科学家和数据工程师等职位。这表明市场对开发具备自主决策和行动能力的AI系统的兴趣和投资日益增加。

智能体AI的开发依赖于一系列技术技能，如Python编程、机器学习和软件工程，以及提示工程和自然语言处理等新兴领域。虽然人才需求旺盛，但供需情况不一：TensorFlow等技能相对容易获得，而Python等领域的专业人才则供不应求。

全球采纳情况与现实应用

采纳分数：2 ， 实验阶段。 尽管投资和兴趣浓厚，但智能体AI技术在现实商业环境中的应用仍处于早期测试阶段。许多公司通过小规模原型测试其功能，但全面采用仍然有限。

• OpenAI Operator (2025年1月): 一个可以自主执行预订航班、餐厅和购物等网络任务的AI智能体。

• Darktrace: 使用自主AI智能体实时检测和响应复杂的網絡威脅，模仿人类免疫系统，无需人工干预即可应对前所未见的攻击。

• Salesforce Agentforce: 允许组织在各种业务功能中部署自主AI智能体，处理解决支持工单、安排会议等任务。

• Cursor: 通过自然语言处理自动化编码任务，彻底改变软件开发行业。

2.2 趋势02：人工智能 (Artificial Intelligence)

人工智能是指能够执行通常需要人类智能的任务的计算机系统。这些系统利用算法、数据和计算能力来识别模式、做出决策并从经验中学习，已经从一个技术奇观演变为推动各行业和日常生活中切实变革的核心力量。

趋势与重要性

从驱动自然语言对话、自动化复杂分析，到控制机器人和无人机等物理系统，人工智能的影响广泛而深远。最有效的解决方案通常融合多种形式的人工智能：用于语言的生成模型、用于数据洞察的分析引擎，以及日益增多的、能够自主决策和行动的智能体AI。这种融合正在悄然重塑企业的运营方式和个人的互动模式。

尽管78%的组织已在至少一个业务职能中使用AI，但只有1%的领导者认为他们的公司在AI部署方面已完全成熟，这表明从潜力到完全实现价值之间仍有巨大差距。多模态AI的出现、小型化领域专用模型的普及以及开发工具的民主化，使得企业和消费者比以往任何时候都更容易将AI集成到工作流和日常生活中。

从2023年到2024年，人工智能的创新和关注度激增。在专利活动、谷歌搜索和研究出版物方面，AI引领了所有技术趋势。2025年第一季度，AI公司融资额高达520亿美元，其中包括对OpenAI 400亿美元的投资，创下了VC融资史上的最高纪录。

“AI技术的发展持续飞速，我们全球AI状况调查中近80%的公司表示正在使用AI。但从AI中规模化地获取价值是一个旅程。只有1%的公司报告其AI使用已完全成熟。对于改造公司和行业而言，仍有巨大的空间。”

— Michael Chui, 麦肯锡湾区高级研究员

最新发展动态

• 基础模型的普及增加了竞争并降低了成本： 众多竞争者提供免费或低价的高质量文本输出，开源模型的兴起进一步推动了创新。

• “小模型爆炸”： 通过蒸馏和量化等技术，能够从更大的“父”模型中创建出功能强大、针对特定领域的AI模型。这些小模型输出质量高，但计算需求大大降低，显著减少了成本和能耗。

• 多模态和多步骤推理能力增强： 公司正加倍努力开发能够处理多种数据输入（文本、图像、视频、音频）并生成相应输出的多模态生成式AI模型。同时，AI在复杂、多步骤推理方面的能力也显著提升。

• 从原则到行动的负责任AI： 随着生成式AI的普及，对抄袭、问责、数据投毒、偏见和公平性的担忧持续存在。行业正在从原则转向行动，实施AI治理平台并寻求第三方信任和风险评估。

• 全球投资扩大但分布不均： 主权AI在全球范围内获得巨大关注。欧美国家正在通过培育技术公司生态系统来发展国内AI基础设施，而亚洲多国也在积极建设AI研究中心。与此同时，风险投资对AI初创公司的投资急剧增加，科技巨头每年在基础设施、模型和部署上投入数千亿美元。

人才与劳动力市场

随着组织从早期实验转向更广泛的部署，AI人才需求持续演变。2024年招聘活动回暖，特别是对数据科学家和工程师的需求增加。对产品和解决方案岗位的需求增长表明，行业重点正转向推动业务整合和用户影响。

AI人才管道面临压力。机器学习、Python和数据科学等核心技能需求旺盛，但后两者的供应仍然滞后。云基础设施（尤其是AWS）方面的专业知识尤其稀缺。

全球采纳情况与现实应用

采纳分数：4 - 规模化进行中。 组织正在其整个企业范围内扩大AI的部署和采用。AI解决方案的价值主张已广泛确立，集成AI能力日益被视为企业保持竞争力的必要条件。

• 成本降低： Anthropic、Google、OpenAI和DeepSeek等公司大幅降低了其生成式AI服务的价格，使得开发者和企业更容易获得这些服务。

• 小型高效模型兴起： Inflection 3.0等小型LLM在计算资源消耗较少的情况下，实现了与前沿模型相当的性能。Meta的Llama 3 8B量化模型能够在手机上实现实时语言转换。

• 多模态模型迭代： OpenAI的GPT-4.1、Anthropic的Claude 4和Google的Gemini 2.5等最新旗舰模型都在多模态处理、复杂推理和高级编码方面取得了显著进展。Google DeepMind的AlphaFold 3在准确预测蛋白质结构方面取得重大突破，有望推动制药、生物技术甚至食品领域的进步。

• 负责任AI的实践： 美国正在立法为AI设立护栏，例如加州的《AI透明度法案》。同时，法院判例也开始界定AI生成内容在版权法中的地位。

 三、 计算与连接前沿

3.1 趋势03：专用半导体

专用半导体是为执行特定任务而优化的定制芯片。与通用半导体不同，它们被设计用于处理特定工作负载（如大规模AI训练和推理），同时优化性能、速度、能效等关键特性。

趋势与重要性

半导体技术对未来的商业增长至关重要，它塑造了从计算到汽车等各个行业的创新轨迹。AI工作负载是近期专用半导体创新的主要驱动力。这些高度定制化的芯片为AI的规模化训练和推理提供了必需的专业处理能力。随着AI带来的能源需求呈指数级增长，功效和热管理也已成为关键性能因素。展望未来，专用半导体将在计算、内存和网络领域得到越来越广泛的应用。

“半导体行业长期依赖全球分工，但地缘政治优先级的不同正在加速向区域化和供应链多元化的转变。但这需要时间，因为该行业资本密集且供应点集中。驾驭这一不断变化的格局对于维持行业的韧性、连续性和长期创新至关重要。”

— Bill Wiseman, 西雅图高级合伙人

最新发展动态

• AI驱动芯片优化： AI的快速发展促使公司开发专门用于训练和推理的优化芯片。训练芯片（如GPU）是专为处理海量数据集的计算巨头，而基于ASIC的AI加速器则用于高效部署训练好的AI模型。

• 新硬件供应商挑战传统巨头： 为了减少对Nvidia等第三方供应商的依赖，亚马逊、谷歌、Meta和微软等科技巨头已投入巨资研发定制ASIC和其他专有半导体技术。

• 计算需求驱动数据中心扩张： AI的演进和对计算能力的指数级需求推动了数据中心的大规模扩张。麦肯锡分析预测，到2030年，数据中心容量需求的70%将用于托管AI系统的工作负载。

• 地缘政治影响全球供应链： 2024年全球半导体市场销售额创历史新高。贸易限制、关税和市场碎片化可能影响全球半导体供应，尤其是在美国和欧洲等地区日益关注技术主权的背景下。

人才与劳动力市场

2024年，专用半导体领域的职位发布量大幅增长，特别是数据科学家和软件工程师等职位。这一激增凸显了软件在半导体生态系统中的战略重要性日益增加，推动了对能够在这个快速发展的领域进行创新的专业人才的需求。

全球采纳情况与现实应用

采纳分数：4 - 规模化进行中。 专用半导体的采纳与人工智能的规模化应用紧密相关。顶级参与者已在生态系统中占据领先地位，而其他初创公司则仍在试验和试点阶段。

• Nvidia的先进封装技术： Nvidia正在将其复杂的CoWoS封装技术从CoWoS-S转向CoWoS-L，以集成更多芯片（包括GPU核心和HBM），从而提高新GPU的性能和效率。

• 云服务商自研AI芯片： AWS的Trainium3和Inf2、谷歌的TPU Ironwood、微软的Maia 100等自研芯片，旨在减少对外部供应商的依赖、为特定AI工作负载定制性能并降低成本。

• HBM需求激增： 2024年3月，美光科技（Micron Technology）已售罄其2024年全年的HBM，并分配了2025年的大部分供应，这反映了AI公司对高性能内存的强烈需求。

• 台积电在美国扩张： 台积电在美国的总投资预计将达到1650亿美元，计划在凤凰城新建三个制造厂、两个先进封装设施和一个主要的研发中心，这是美国历史上最大的单一外国直接投资项目。

3.2 趋势04：先进连接 (Advanced connectivity)

先进连接涵盖一系列增强和扩展数字通信网络的技术，包括无线低功耗网络、5G及新兴的6G蜂窝系统、Wi-Fi 6和7标准，以及低地球轨道（LEO）卫星。

趋势与重要性

先进连接技术不断革新消费者体验，并将许多技术概念变为现实。随着AI在全球范围内的颠覆性影响，连接变得比以往任何时候都更加重要。电信公司有机会开发新的价值流，但他们是成为价值创造者还是仅仅作为价值连接者，仍有待观察。

“6G正从标准化的角度走来，并将引入像传感这样的新功能。这将为电信公司提供新的变现可能性，而不仅仅是传输数据。通过传感，他们可以成为数据生产者。”

— Martin Wrulich, 维也纳高级合伙人

最新发展动态

• 5G为6G奠定基础： 2024年，5G-Advanced（或5.5G）实现商业化，其集成的传感和通信能力为6G网络成为大规模传感器系统奠定了基础。

• 网络切片市场日趋成熟： 全球网络切片市场预计在2025年达到16.9亿美元，同比增长49.6%。该技术能够为特定需求定制网络性能，减少浪费并提高效率。

• AI数据中心推动光纤需求： 从数据中心到边缘计算和智能应用，光纤以其高速、可靠和可扩展的基础设施为AI提供支持。

• 直连卫星网络（NTN）成为现实： NTN通过卫星等平台扩展了全球通信覆盖范围，尽管前期投资巨大，但为偏远地区提供了新的连接选择。

• AI-RAN的创新： AI-RAN（人工智能无线接入网络）是一种创新的移动网络基础设施方法，用GPU取代传统CPU，使基础设施能够同时支持RAN和AI工作负载，为电信公司创造了新的变现机会。

人才与劳动力市场

先进连接领域的人才市场已从快速扩张转向整合。继2022年招聘高峰后，工程和项目职位的发布量稳步下降，反映出行业重点从网络铺设转向优化。软件和系统职位的收缩更为明显，表明对新平台开发的兴趣减弱。

随着先进连接的规模化，公司在物联网、5G和AI等关键领域面临人才短缺。尽管云计算和网络工程方面的人才相对容易招聘，但在自动化和其他新兴能力方面仍存在差距。

3.3 趋势05：云计算与边缘计算 (Cloud and edge computing)

云计算和边缘计算涉及将工作负载分布在不同位置，从超大规模的远程数据中心到区域中心和本地节点。这种方法通过解决延迟、数据传输成本、数据主权和数据安全等因素来优化性能。

趋势与重要性

AI的快速发展正在重塑整个云基础设施领域，从半导体到数据中心设计。随着企业越来越多地部署由AI驱动的工作负载，电力限制和供应链转移已成为关键挑战。对AI计算的激增需求促使芯片开发者、云提供商和基础设施制造商之间进行更深层次的合作。预计到2030年，超大规模数据中心的容量将增加两倍，凸显了对可扩展和高效资源分配的需求。

3.4 趋势06：沉浸式现实技术

沉浸式现实技术涵盖增强现实（AR）和虚拟现实（VR），包括AR智能眼镜、先进的触觉反馈以及由AI驱动的渲染、跟踪和处理能力的增强。

趋势与重要性

沉浸式现实技术——包括将图像投射到现实世界环境中的增强现实（AR）和通过空间计算在完全虚拟环境中实现互动的虚拟现实（VR）——有潜力在多个行业中转变用户体验。这些技术不断发展，出现了更轻便、更实惠的可穿戴设备、改进的触觉技术和AI集成。虽然游戏和娱乐仍然是采用最广泛和创新最明显的领域，但这些技术也越来越多地应用于市场营销、原型设计和高风险场景模拟，以提高培训和安全性。通过提供安全、可控的环境，AR和VR允许用户在没有现实世界风险的情况下练习技能和进行实验。

“沉浸式现实正在迅速超越其在游戏和娱乐领域的根基，成为跨行业的变革力量。随着技术成熟，那些深思熟虑地将AR和VR融入运营的组织将开启生产力、创造力和人际连接的新维度。下一波创新将不仅由技术进步定义，更取决于沉浸式体验如何无缝地融入日常业务和生活的方方面面。”

— David Naney, 南加州高级专家

最新发展动态

• 头戴设备表现不及预期： 由于高成本、有限的消费者接受度和技术限制，AR和VR头戴设备的历史表现未达预期。尽管如此，Meta的AI眼镜和谷歌的Android XR眼镜等项目表明投资仍在继续。

• 触觉技术模糊现实与模拟界限： 触觉技术和先进感官反馈的整合正在创造更具沉浸感和真实感的虚拟环境。超低功耗的触觉执行器、可穿戴手套和套装提供了精确的触觉反馈，模拟雨滴或纹理等感觉。

• AI集成革新技术： AI正在彻底改变AR和VR技术，尤其是在游戏和培训模拟中增强了渲染、跟踪和处理能力。AI算法能够生成对用户互动做出动态响应的超现实环境和角色，创造更具沉浸感的体验。

人才与劳动力市场

与软件岗位相比，机械工程岗位的需求相对稳定，反映了在AR和VR设备制造和原型设计中对硬件专业知识的持续需求。2024年大多数职位的人才需求下降表明，随着用例和支持结构的发展，就业市场正在进行自我调整。

沉浸式现实行业在VR、AR和AI技能方面面临短缺，这主要是由对自适应模拟和AI驱动内容创作日益增长的需求所驱动的。C++等编程技能相对容易获得，3D建模专业知识仍然丰富。

全球采纳情况与现实应用

采纳分数：2 - 实验阶段。 智能眼镜已获得一定关注，但头戴设备的采用速度慢于预期。在医疗保健和消费品等领域势头正在增强，但可用性问题、高成本和区域性的基础设施与创新差距限制了其大规模应用。

• Apple Vision Pro的Persona功能： 利用AI和AR扫描用户面部，为FaceTime通话创建逼真的数字头像，让用户在虚拟环境中更自然地交流。

• Snap Spectacles第五代： 针对AR开发者，提供了更广阔的46度视野、更鲜艳的色彩和更长的电池续航，推动了智能眼镜的视角拓展。

• Meta Quest 3： 作为一款独立的头戴设备，它无需连接外部PC或主机，具有改进的图形、处理能力和渲染能力，使VR对普通用户和企业应用更具吸引力。

• 梅奥诊所的混合现实手术： 2024年，医生完成了首例混合现实引导的肩关节置换手术，使用特制工具和护目镜创建关节的高度精确全息图，提高了植入物放置的精度。

3.5 趋势07：数字信任与网络安全 

该趋势涵盖旨在确保安全、透明和可信赖的数字互动的技术和实践，包括身份验证、数据保护、加密、威胁检测和基于区块链的信任系统。

随着AI和智能体AI的进步凸显了全面风险管理的必要性，对数字信任和网络安全的兴趣增加，导致相关术语的谷歌搜索量从2023年到2024年上升了20%。

最新发展动态

• AI信任的紧迫性： AI技术的迅速发展凸显了在整个价值链中建立AI信任的迫切需要。对AI公司的信任度已从2019年的61%下降到今天的53%。未能主动实施负责任和安全的AI实践可能会给公司乃至整个社会带来严重后果。

• 攻击者利用AI和机器学习： 攻击者正越来越多地利用生成式AI和机器学习来更有效地攻击组织。与此同时，组织自身也在采用这些技术来加强威胁检测和响应能力。

• 第三方软件漏洞： 随着各行业越来越依赖第三方软件和功能，风险在各种业务流程中变得集中，增加了设计和实施软件物料清单（SBOM）以增强透明度和管理漏洞的必要性。

• 地缘政治风险加剧： 在不确定的环境中，各国越来越多地将技术武器化以实现战略目标，引发了对关键基础设施和数据安全韧性的担忧。

• 金融等领域的代币化： 随着机构寻求扩大产品范围，代币化在金融等领域日益普及。区块链技术提供可互操作、不可变账本的能力，正在推动代币化资产等应用的发展。

全球采纳情况与现实应用

采纳分数：4 - 规模化进行中。 即使网络安全已在组织中全面部署，技术进步也意味着它必须不断发展。AI信任技术仍处于早期试点阶段，尽管生成式AI已迅速推出。

• MLCommons的AILuminate v1.0基准： 一种评估大型语言模型（LLM）对有害提示做出危险响应倾向的工具，有助于识别和量化风险。

• 思科收购Splunk： 2024年3月，思科以280亿美元收购Splunk，将其机器学习分析平台整合到自己的网络安全产品组合中，以增强威胁检测和响应能力。

• 语音钓鱼（Vishing）攻击激增： 根据CrowdStrike报告，利用声音的钓鱼攻击在2024年下半年猛增442%。

• 欧盟的《加密资产市场法规》（MiCA）： 于2024年底生效，为数字资产提供全面的法律框架，旨在在促进创新的同时减轻风险。

3.6 趋势08：量子技术

量子技术利用量子力学的独特性质，来执行某些比经典计算机快指数倍的复杂计算、保护通信网络，并生产比传统同类产品灵敏度更高的传感器。

最新发展动态

• 错误校正和规模化创新： 量子比特的可靠性得到了提高，实时错误缓解技术也得到改善，为构建更稳健的容错系统做出了贡献。

• 竞争日益激烈的领域： 超大规模计算公司正在技术发布方面取得显著进展，标志着一个新时代的到来。初创公司等小型参与者则通过专注于风险更高的创新来寻求差异化。

• 全球创新中心兴起： 2025年，量子技术创新中心显著增长。目前已有34个国家制定了国家量子计划，联合国已宣布2025年为国际量子科学与技术年。

人才与劳动力市场

量子技术领域的职位发布在2022年达到顶峰，之后在2023年和2024年稳步下降。总体而言，人才数据显示招聘活动曾出现激增然后趋于稳定，软件开发和工程在整个时期内主导了需求。

量子技术行业在量子计算和AI技能方面面临严重短缺，而这些技能是大多数职位所要求的。相比之下，云计算的人才供应充足，而这仅是10%的职位所要求的技能。

全球采纳情况与现实应用

采纳分数：1 - 前沿创新。 该技术仍处于萌芽阶段，很少有组织投资或应用它。它在商业环境中基本上未经证实，用户仍处于探索阶段，运行概念验证和小规模原型以评估潜在应用和局限性。

 四、 前沿工程

4.1 趋势09：机器人未来 (Future of robotics)

机器人技术的未来涵盖了能够自主或半自主执行任务、适应新的现实世界输入、并具有越来越高自主性和灵活性的机器人，包括自主移动机器人和人形机器人。

趋势与重要性

在过去六十年中，机器人已成为先进制造业的常客。如今，超过四百万台工业机器人在汽车厂等环境中工作。在AI进步的推动下，物理机器人技术在2024年已超越工业环境，进入机场、大型商店和餐厅等更广泛的领域。服务机器人（如物流、酒店、农业）市场的年增长率在20%至35%之间，远超工业机器人。尽管对“人形”机器人的兴趣日益浓厚，但许多机器人形态各异，例如仓库中类似扫地机器人的自主移动机器人（AMRs）。此外，被称为“协作机器人”（cobots）的机器人被设计成能与人类工人并肩安全工作，扩展了机器人的应用场景。

尽管取得了显著进展，但挑战依然存在。例如，先进的人形机器人充电两小时仅能工作约四小时，并且维持平衡仍然是一大技术难题。在灵活性方面，仿人手设备在抓取物体时通常比人手慢得多，而吸盘等其他设备在特定任务上可能更有效。其他关键优先事项包括劳动力技能重塑、人机协同工作的物理安全以及强大的网络安全框架。

“AI驱动的机器人时代已经到来。面对劳动力短缺和生产成本不断攀升，该技术将很快成为竞争差异化的一个维度和CEO级别的议程话题。市场机会是巨大的——到2040年高达约9000亿美元——但其采用仍需解决能力发展、运营模式、IT/OT基础设施以及规模化自动化 playbook 等方面的挑战。”

— Ani Kelkar, 波士顿合伙人

最新发展动态

• 机器人“基础模型”的兴起： 越来越多的机器人开发者正在构建“基础模型”来控制物理世界中的机器人——这与支撑虚拟世界进步的AI解决方案相同。这些模型旨在生成机器人行为而非语言，并期望能像LLM一样从训练数据中泛化，对未明确训练过的输入做出适当反应。

• 训练数据是限制因素： 与可以利用整个互联网语言数据进行训练的LLM不同，为机器人基础模型寻找足够的运动数据是一项挑战。研究人员正通过协作收集更大的真实世界数据集、创建模拟世界、教机器人观看视频等方式来解决这一问题。

• 人形机器人的发展： 多家公司正在开发人形机器人，它们被设计用于为人类设计的物理空间，因为腿比轮子更适合爬楼梯。这些机器人被设计用于灵活应用，可部署于多用途甚至通用任务。

• 向服务业等新领域扩张： 机器人技术已扩展到更多领域，特别是服务业，包括与人类工人并肩安全工作的协作机器人（cobots）。例如，机器人现在正在食品服务领域备餐，医疗保健领域也扩大了机器人的使用范围。

人才与劳动力市场

尽管机器人领域的职位数量与其他行业相比仍然较少，但在2021年至2024年间，几乎所有相关职位的需求都有所增加。维修技师、数据科学家和自动化工程师等职位的增长尤为强劲，反映了制造业、物流和医疗保健领域对自动化需求的扩大，以及AI系统集成对数据科学家的需求增加。

随着机器人越来越多地融入AI驱动系统，对机器学习、人工智能、自动化和计算机视觉等专业知识的需求日益增长，但人才库仍然有限。公司需要弥合这些技能差距，才能完全释放机器人技术的变革潜力。

全球采纳情况与现实应用

采纳分数：2 - 实验阶段。 尽管在仓库、制造和通用场景中有多个试点项目正在进行，但除制造业和电子商务外，很少有公司正在规模化或已经完全规模化该技术。

• Covariant RFM-1： 一种机器人基础模型，赋予机器人类似人类的推理能力，帮助它们理解物体如何移动和互动，并遵循基于语言的指令。

• Figure AI Helix： 一个视觉-语言-动作（VLA）模型，使人形机器人能够执行复杂任务，如整理杂货，实现了动态物体识别和无需预先训练的协作。

• Boston Dynamics Electric Atlas： 一款全电动人形机器人，具有增强的力量和运动范围，可在工业环境中搬运重物。现代汽车计划将其部署在汽车制造业中作为协作机器人。

• Tesla Optimus： 一款专为工业和家庭环境中的通用任务设计的人形机器人，配备先进的人工智能和22个自由度的手，能够执行精细的操作。

• GXO与Agility Robotics合作： GXO物流公司已与Agility Robotics签订多年协议，在其设施中部署Digit人形机器人，用于自动化搬运和码垛等任务，这是行业内首个此类协议。

4.2 趋势10：出行未来 (Future of mobility)

出行技术包括自动驾驶汽车（AVs）、电动汽车（EVs）、无人机、城市空中交通解决方案（如电动垂直起降飞行器），以及微型交通工具（如电动滑板车和电动自行车），旨在提高交通系统的效率、安全性和可持续性。

趋势与重要性

在技术进步和可持续发展需求的推动下，2025年的未来出行正在迅速演变。人工智能、先进传感器和连接性的整合正在提高车辆的安全性和效率，而共享出行模式正在重塑城市交通。这些发展有望彻底改变交通、城市规划、能源系统和全球生活质量。然而，挑战依然存在，包括监管框架、基础设施建设和公众接受度。例如，欧盟的电池法规为电池设计、生产和报废管理设定了更严格的标准，反映了出行领域对可持续性的日益重视。

“我们正处在一个节点，几项突破性新技术正接近规模化，例如自动驾驶应用和下一代电池化学。关键的下一步将是从开发技术转向构建新的生态系统。”

— Andreas Breiter, 湾区合伙人

最新发展动态

• 全球电动汽车销售增长不均： 2024年美国电动汽车销售增长放缓至略高于7%，而中国则在强劲的消费者需求、扩大的充电基础设施和政府激励措施的推动下增长了近36%。在欧洲，纯电动汽车的平均成本已低于同类汽油车。

• 自动驾驶汽车进展与挑战并存： 共享自动驾驶汽车已在洛杉矶、凤凰城和旧金山等多个城市运营。然而，由于持续的技术障碍、高昂的运营成本和公众的怀疑，采用时间表平均比过去的预测推迟了两到三年。

• 无人机在商业运营中的作用扩大： 商业无人机送货服务预计到2034年将达到290亿美元的市场规模，复合年增长率为40%。公司正在定制无人机以满足特定的送货需求，并将其与自动驾驶汽车集成以实现无缝的最后一英里配送。

• 电动垂直起降（eVTOL）行业接近认证： 多家制造商正在全球范围内推进认证阶段，监管机构也在努力协调安全标准。该行业有望在明年开始有限的商业客运运营，标志着短途城市空中交通的变革性转变。

人才与劳动力市场

软件相关职位在2022年达到顶峰后最近有所下降，部分原因可能是AI简化了自动驾驶系统的编码过程。数据科学家的职位发布稳步增长，反映了对电池分析和AI驱动物流需求的增加。该行业向以数据为中心的出行解决方案和AI增强工作流的转变，凸显了从传统软件角色更广泛的转移。

尽管软件工程职位减少，但该行业在软件工程和Python技能方面仍面临短缺，用户体验方面的人才也严重不足。车队管理和C++技能则出现过剩，数据分析人才供应充足。

全球采纳情况与现实应用

采纳分数：3 - 试点阶段。 组织正在最初的几个业务用例中部署该技术。尽管需求存在一些区域性波动，但全球市场在可持续发展努力和技术进步的推动下保持强劲。例如，非洲和中东由于电力供应和低燃料成本等原因，在电动汽车采用方面较为缓慢。

• Waymo在美扩张并计划进入日本： Waymo于2024年将其全自动驾驶打车服务扩展到洛杉矶和奥斯汀，并在一年内将乘车次数从每月1.2万次增加到31.2万次。公司计划于2025年进入日本市场，在东京复杂的城市环境中提供服务。

• Kodiak Robotics实现商业化无人驾驶： 2024年12月，Kodiak在西德克萨斯州启动了其首次商业无人驾驶运营，使用自动驾驶卡车在私有道路上为阿特拉斯能源解决方案公司运输压裂砂。

• 商业无人机配送试点推进： 亚马逊Prime Air已在美国部分市场恢复无人机配送，沃尔玛正通过与Wing和Zipline等供应商合作扩大其无人机配送服务。其他公司也在扩大自主配送业务，并获得了FAA的批准。

• Candela P-12 Nova电动水翼渡轮： 2024年推出的全球首款电动水翼渡轮，通过减少水阻力将能耗降低80%，实现了城市内的高速、零排放、低噪音运行。

4.3 趋势11：生物工程未来 (Future of bioengineering)

生物工程是工程学原理在生物学中的应用，利用技术进步（如基因编辑、合成生物学）来改善人类健康和表现、改造食品价值链并创造创新产品。

生物科学和先进计算技术的融合正在为生物工程的下一波创新奠定基础。这一交叉领域在2024年推动了多个行业的创新，影响了医疗保健、农业、制药和环境管理等领域。基因编辑、个性化医疗和合成生物学的突破有望改善人类健康和寿命，同时为食品生产和安全提供更环保的解决方案。人工智能在生物工程中的应用正在加速研发并降低成本。一个显著的例子是，2024年诺贝尔化学奖授予了三位使用AI预测现有蛋白质结构和设计新蛋白质的研究人员。

“生物工程终于达到了一个我们可以看到一定成熟度的阶段——例如，AI在化学和生物设计中更广泛的应用、市场上的生物工程精准药物以及3D生物打印。没有人再怀疑这个领域的科学和经济影响。”

— Erika Stanzl, 苏黎世合伙人

最新发展动态

• 生物材料和组织工程迅速发展： 3D生物打印和再生疗法的显著进展增加了实验室培育器官和复杂疾病先进治疗的潜力。

• 生产能力开始匹配科研进展： 生物工程行业正在通过安装如2000升生物反应器等大规模基础设施来扩大生产能力，以支持日益增长的需求并推动更广泛的临床转化。

• AI加速药物和生物材料研发： 在药物开发中，AI正在简化数据处理和候选药物筛选等任务。在生物材料领域，AI通过模拟独特的分子结构来支持新化合物的快速设计和测试。

• 基于CRISPR的疗法进入临床应用： 精准医疗的这一里程碑开启了从根本上治疗遗传性疾病的新纪元，并正在催化基因编辑递送系统的进一步创新。

人才与劳动力市场

自2022年以来，生物工程职位的就业市场出现了一些收缩迹象。科学家、化学家和研究人员等关键职位的招聘数量有所下降，这可能反映了生物技术资金放缓、制药和研究领域的整合以及新兴生物技术商业化延迟的综合影响。

生物工程的一些领域有足够的人才来满足需求，例如具有生物学和数据分析等广泛适用技能的人才。相反，机器学习、统计学和生物统计学等更专业的技能在人才库中比例更高，人才可用性与市场需求更紧密地对齐。

4.4 趋势12：空间技术未来 (Future of space technologies)

空间技术涵盖卫星系统、运载火箭、居住模块和探索任务，包括低地球轨道卫星星座、将空间资产与地面网络集成的直连设备连接，以及地球观测。

趋势与重要性

空间技术正在迅速重塑我们的世界，开启了新的连接水平和数据驱动的洞察力，吸引了传统航空航天领域以外的广泛兴趣。公司已加入国家行列，参与全球发射活动和空间探索投资。自2024年以来，遥感和地球观测等领域的扩展用例吸引了众多高科技公司的关注和投资。该领域的最新趋势包括低地球轨道（LEO）卫星通信星座，其中最著名的是拥有超过7000颗在轨卫星的SpaceX星链（Starlink）。

“经过多年持续的技术改进和成本降低，空间技术正成为头条新闻，从太空旅游到国防系统。我们必须集体利用这项技术，特别是与AI结合，来促进人类的繁荣。”

— Giacomo Gatto, 伦敦合伙人

最新发展动态

• 有效载荷发射成本下降： 在可重复使用火箭和卫星小型化创新的推动下，将有效载荷送入LEO的成本已经下降。例如，SpaceX的星舰（Starship）旨在通过完全可重复使用和高发射频率，将每公斤的成本降低到10至30美元。

• 空间通信选择扩展： 极低地球轨道（VLEO）卫星、激光通信和5G网络与卫星系统的集成正在改变空间通信，为全球连接和数据传输扩展了选项。

• 天地数据融合： 公司继续将天基数据与地面数据集整合，以加强环境监测和灾害响应。这种融合对于应对野火等问题尤为重要。

• 先进的地球观测系统： 使用高光谱成像的卫星现在提供了一半以上的气候数据。结合机器学习算法，这些系统可以实现从检测管道泄漏到识别作物疾病等应用的实时分析。

人才与劳动力市场

工程类职位继续主导空间技术就业市场，但从2022年到2024年，每个主要角色的需求都有所下降。质量工程师、项目经理和高级技术职位仍然重要，但总体职位发布反映了行业向效率和自动化的更广泛转变。

空间技术领域在软件工程和Python专业知识方面面临短缺，这可能是由AI驱动的任务自动化和卫星数据处理需求增长所致。相比之下，数据分析、MATLAB编程平台和制造业的技能更容易获得。

4.5 趋势13：能源与可持续技术未来 

这些技术涵盖了旨在将全球能源格局转变为更可持续和更有韧性的未来的广泛创新，特别关注清洁电子、电气化和清洁分子。

趋势与重要性

能源是现代社会的支柱，其生产、储存和分配系统的转型是我们时代最重要的挑战和机遇之一。能源转型是在地缘政治紧张、政策转变和宏观经济不确定的背景下展开的。对清洁能源技术的关税可能会增加成本并使全球供应链复杂化。与此同时，数据中心的爆炸性增长正在推高电力需求。因此，能源转型不仅是脱碳问题，还关系到确保新系统是可负担、可靠且具有全球竞争力的。

最新发展动态

• 电力需求激增： 仅数据中心就已成为全球电力消费增长的最大驱动力之一，凸显了部署能够满足这一增长需求的低排放电力系统的迫切需要。

• 测量技术的进步： 卫星图像和激光雷达（LiDAR）等技术增强了以更高精度和更低成本监测和模拟环境影响的能力。

• 氢能日益重要： 氢正日益被视为难以减排行业脱碳的重要选择。电解槽技术的创新和与低成本可再生能源的整合正在逐步改善其前景。

• 先进生物燃料和电子燃料获得关注： 农业废料制燃料等生物燃料生产创新正在提高效率并降低成本，但不确定性依然存在。

• 核能吸引关注： 核能因其提供稳定基荷电力的能力而备受关注。多个国家已启动或扩大其核裂变计划，31个国家承诺到2050年将全球核能容量增加三倍。

人才与劳动力市场

自2021年以来，能源和可持续技术领域的就业市场显著扩大，直接支持该行业转型的职位增长强劲。专门从事可再生能源系统的维修技师、从事电网现代化的电气工程师以及监督脱碳项目的项目经理需求旺盛。

能源和可持续发展领域在清洁能源和可持续性专业知识方面面临人才短缺，候选人供应不足。随着AI技术融入能源系统，自动化和包括Python在内的其他技术技能也变得日益重要。

---

OK，以上即为全文分析内容，更多高质量的研究报告生成，请大家持续关注我！