热点 迎接未来的新技术，你做好准备了吗！
未来将有46项变革未来商业的技术！...
01
3D打印
打造物体零件过程中，3D打印机可使用各种添加流程，对材料进行层层叠加，而后整个物体才会被创造出来。
02
5G
5G 代表下一代通信网络与服务。不再是传统通信技术的演进版本，5G将会是一种新的通信方式，以满足未来的应用和场景的需求。因此，传统的 4G LTE 技术将继续并行演进。
预计将减少约2毫秒的网络延迟并将提升1000倍的无线容量，而后可为移动视频流、视频会议等应用提供所需容量，最多节省90%的能源，为70多亿人提供服务的7万多亿台无线设备通过5G连接物联网，真正趋近万物互联。
03
先进的数据可视化
很多解决方法也支持这些数据集之间的交互（比如，操纵数据，改变视角等），这样就可以通过更深层地探索数据，发现大量变量之间隐含的联系和相关性等。
整个世界日益相连，我们还需要找到方法去探索这些几乎瞬时的海量数据。数量增长的数据集不再是静态数据，先进的 dataviz 技术可对快速演变的数据集进行可视化和探索。
有些时候，可视化可以不局限于 2D 屏幕，而是通过增强现实，或现实环境，甚至是沉浸式洞穴以提供 3D 的呈现形式。
04
先进的机器人技术
因为人工智能和计算机视觉方面的进展（应用在软件或硬件中的人工视觉计算机系统，能够对如图像和视频等视觉数据进行认知，处理，和理解），机器人领域得以蓬勃发展。
当今的先进「智能」机器人是自动化的，能够根据自己的行动做出适宜的决定。机器人互联性也在不断提升，能够成为物联网的一部分与周围环境及其他智能机器进行交互。其外形不一定是人形，且大多数担任机器甚至车辆的角色，比如无人驾驶汽车。
05
自动驾驶汽车
这个领域的主要参与者包括相互之间既竞争又合作的汽车和技术公司，分别从技术以及传统汽车制造两个出发点向无人驾驶方向演进。
06
生物计算机
生物计算机将被广泛应用于演绎生命过程，基于我们DNA编码的生物分子之间的复杂生物分子互动；提供分析细菌和病毒的先进生物模板，推动其它生物力学技术的发展，因为它是目前所知道的唯一自我复制计算技术；执行需要极端平行的计算，通过数十亿分子彼此同时互动来实现；解决无法在多项式时间内确定解决的问题；提供作为长期储存信息机制的可能性等。
07
生物识别技术
生物识别技术指具体测探，衡量人类特征的检测。在某种确定的程度上，该技术可以被用来识别个体。精准度可以通过将多种不同生物计量机制结合成「多模式生物识别系统 (Multimodal Biometric Systems) 」得以提高。
众所周知的例子包括指纹，视网膜血管，红膜识别和语音识别，虽然也有很多其它在特定情况下可以用作识别个体的人类特征。这些包括心率和行走速度。DNA提供了终极的生物识别，不过，目前所需的分析时间太长，并不是目前最可行的选择。
08
区块链
区块链是分布式数据库的一种形式，使用密码技术以确保档案按顺序储存并且防止篡改。
公共，私人或社区的区块链提供由单个实体维护和集中控制总账的替代方法。这样做的时候，它们建立一个允许信任建立的对等网络(peer-to-peer network) 新模型，而不需要委托第三方。
09
人机对接
脑机接口是一种在电脑和外接设备之间，以作大脑生成的神经活动为基础的直接交流通道。虽然大多数的接口方式是通过微创设备来实现，现在最具前景的方案则是基于无创手段。在这里，脑电图（EEG）设备会记录大脑活动，其精确的时间分辨率、使用的简易、便携性和低廉的开发费用让它成为最被广泛研究的无创借口的潜力候选人。
10
云服务集成
新的计算连续体（continuum）会是一个异构环境，它建立在去中心化和各种不同计算实体和资源拓扑结构的联合基础上。包括多个云（以及云联合）模型，这些模型具有他们不同的、去中心的自主管理以及混合云模型，这些混合云模型横跨内部和外部云服务、或公私以及社区提供商的边界。
云服务集成（CSI）为集成这些不同的、以云为基础的元素提供了灵活手段，为横贯IT领域的商业过程提供支持。计算工作量被部署于跨多个云环境中，提供最优的配送模式。
11
认知计算
认知计算时一种集成，集成了数学和来自不同领域的方法（比如，人工智能、机器学习，自然语言处理等）。打破传统神经科学和计算机科学、认知计算的边界，就能学习、理解自然语言，实现人与传统可编程系统的自然互动。
12
容器
容器，是一种轻量级虚拟技术，可以在一个单独操作系统中，为应用提供一个独立的运行环境。容器为用户和在容器里运行的的应用，提供一种错觉和体验，就像运行在他们自己专用的机器上。
13
背景代理
背景代理收集和存储各种数据，然后利用根据数据之间的交互推断背景，之后再基于背景信息触发动作。这样做使它们能通过提取数据的相对于数据其它部分的意义有效地使数据具有能力，从而实现数据的全部潜力，否则该数据可能就会被隔离利用。
背景代理在背景丰富的服务中起着至关重要的作用，这些服务可以使用关于一个人或物体的信息主动预测该用户的需求并向其提供最合适的内容、产品或服务。
14
深度学习
深度学习是机器学习的一个分支，其根植于神经网络，其中多层神经网络算法尝试为数据中的高水平抽象建模。
目前大多数应用都使用监督学习（supervisedlearning），其中网络通过一个大型的未标记的数据样本集为每一种分类获得训练（例如，一张猫的图像被标记了「猫」），然后生成一个可被用于映射新样本的模型。而另一方面，在无监督学习中，机器可以在没有相关数据集的特定训练下识别物体、文本和图像。
一些深度学习模型可以从文本中构建多维空间。其中网络可以「发现」词之间隐藏的语义关系，并根据其临近的词放置该词。比如，在一个根据历史书创建的词空间中，它可能会确定一个这样的等式：国王-男性+女性=女王。其它模型为了实现目标，会跟随从样本中学到的模式来生成文本或优化动作序列。
15
数字化工作平台
数字化工作平台是异步消息、实时语音和视频通信、屏幕共享、内容和背景的结合。这些内容和背景的元素通过文档、图片、网址、声音和视频提供。最简单的数字化工作平台可以被看作是以下三个领域融合成一个的工作平台：
· 围绕语音和视频的统一通信（UC）
· 围绕文档和项目的现代团队协作
· 来自现有业务和办公应用的事件，如计划会议、新接订单或新的销售线索
它可能还包括企业社交网络、共享磁盘、会议、笔记、演示文稿、任务管理和内容管理。尽管事实上在这样的协作和通信环境中已有很多不同的能力和功能可用，但每天仍有新的相关技术和解决方案出现。
16
数字标牌
数字标牌使用电子技术来显示信息或提供内容。内容可以根据背景进行调整，比如是否有人在看或人们只是经过，标牌还能通过触摸界面或运动检测系统等与用户交互。
17
分布式社交网络
分布式社交网络（DSN）是指由社交网络倡议开发的、以一种联合和分布式的模式运营的社交网络平台。许多这样的项目都在「联合社交网络（FederatedSocial Web）」的旗帜下进行联合。
关键的社交网络功能（如个人信息共享、通信、关系管理和内容分享）是通过新兴的开放标准和协议实现的。
尽管 DSN和中心化的社交网络可能具有相似的应用场景，但它们更加重视私人和对个人数据的控制。许多人在努力确保（个人）数据被终端用户持有，而不是处在系统/服务器管理员的控制之下。它们点对点的运营模式和对隐私的关注意味着它们更倾向于关注特定的应用场景。
18
边缘计算
物联网（IoT）的成长和越来越丰富的云服务的出现共同带来了对网络边缘数据处理的需求。边缘计算也指雾计算（fog computing）、网式计算（mesh computing）、露点计算（dew computing）和远程云（remote cloud）。它将应用、数据和服务从中心化模式的云计算移向了位于网络末端的更为分散的模式。
无处不在的（而且有时是自动的）设备——包括便携式计算机、智能手机、平板电脑和可能不会持续连接到网络的传感器——彼此之间和与网络之间通信与协作以在没有第三方干预的情况下执行存储和处理任务。
边缘计算涵盖了许多类型的技术：从无线传感器网络和移动数据采集到分布式点对点自组式网络和处理等等。
19
百亿亿次超级计算
百亿亿次超级计算机是指每秒至少能执行100 亿亿（10^18）次计算（exaFLOPS）的高性能计算（HPC）系统，这超过了今天的千万亿次超级计算机速度的一千倍。它将在解决 21世纪的新挑战上提供重要的推动力，满足各个领域（尤其是产业界、学术界和科学界）对越来越高的强大计算系统的需求，并可使其可利用认知计算来解决涉及到不断增长的数据量的问题。
人们相信要让神经网络的处理能力达到人脑一样，百亿亿次正是所需要的数量级；因此，这也是Human BrainProject（欧盟人脑计划）要实现的目标能力。
20
基于纤维丛的计算
随着服务器管理变得越来越依赖软件定义，基于纤维丛的计算模型由一个协同工作的互连节点网络组成，这个节点网络从远处看就像是一个统一的编织品。
这些节点在外围设备旁边包含松散耦合的虚拟化存储、联网、处理和记忆功能，其中，每一个节点都可以独立于其它节点进行扩展。这些资源可以被轻松地、甚至自动地改变用途。数据中心基础设施管理（DCIM）层和潜在的应用层与数据中心服务供应层动态地协商它们的资源需求。
和网格计算（gridcomputing）相反，结构解决方案并不针对某个特定的场景。
21
沉浸式体验
沉浸式体验是指用户的注意力完全被吸引，让用户与真实世界断开并在模拟的空间中失去自己的体验。沉浸式体验技术涵盖多个种类的帮助体验更为沉浸化的设备，并通过这些设备来让该技术对用户更无形。
这些设备包括：3D显示器——创造深度感的显示设备；触觉设备——添加触摸的感觉；全息用户界面——基于激光的立体显示，用户可在其中与全息图像交互；虚拟现实（VR）——真实世界环境的数字模拟。
22
内存内计算
内存内计算是一种计算方式，计算机或者运行应用的网络计算机的中央内存充当首要的数据存储器，来存储这些应用所使用的——可能有多TB——数据组。然后，这些应用使用传统硬盘驱动持续不断地存储内存数据，以回复、管理过载情况以及输送数据到其它地点。
23
商业洞察平台
洞察平台是第三代商业分析平台。第一代平台为商业智能，关注于绩效跟踪。第二代为大数据分析，关注于行为分析。
这个平台将现有技术和新技术进行了整合，从联网环境中实时收集并分析海量数据集，快速将数据转化为具有可行性（规范的）的商业洞见。通常包括以下几方面：
流分析（Streaming analytics）：在运转中实时分析数据从而提升获得洞见的速度
分布式分析（Distributed analytics）：在分布式架构中就地分析数据
规范分析（Prescriptive analytics）：它是基于大数据分析来作出预测，然后给出决策建议
24
万物联网
万物联网是一个无所不在的通信网络，它有效的从几十亿的现实物体和物理活动中捕捉、管理并传递数据。将人、过程、地点和其他事物包含进来也可以对物联网进行延伸。
空间分布式的传感器和执行器（节点）组成的网络，每一个节点都有一个接收器和控制器用于在网络环境上进行通信，从而探测和检测时间（传感器）或者激发动作（执行器）。每一个节点都有一个独一无二的标签，以及不需要人人或人机互动，只通过网络进行数据交换的能力。
传感器和执行器有多种尺寸和价格，一些甚至只有用显微镜才可以看到。此类微型设备可以植入许多不同物体中，并应用到不同环境中——像边远地区的恶劣环境中。
感应器可能包含以下功能，如 GPS、无线射频识别（RFID）、 Wi-Fi 联网接入。一些甚至还具有探测其它节点的准确地点的能力。
案例包括心脏监控植入、农畜物芯片转发器、沿海水域的电子蛤，嵌入感应器的汽车或能够帮助消防队员展开搜救的现场操作设备。
25
IPv6
IP（互联网协议）是当下网络的主要通信协议，如因特网。为了取代IPv4，在20 世纪 90 年代设计出了IPv6(互联网协议版本 6) 。IPv6 包含了一些新特征，如地址分配，网络重新编号和自动配置。它通过提供支持给组播，并更有效率地管理移动数据流量来解决 IPv4 的缺点。此外，IPv6 可以嵌入一些配置和发现机制从而加入到 IPv4 的标准网络。
IPv6的实施与推广，将极大促进互联网创新，尤其在以下几个方面：
实时联网——随着自动化汽车、远程遥控手术、工业自动化、视频直播和网络语音传输（voice over IP）的需求增长，IPV6 能够突破 IPv4 在这些领域应用案例中所暴露出来的人工瓶颈；
移动性——以 5G 与 IPv6 的组合为决定性要素，为路由层面提供无限的覆盖范围；
物联网——提供近乎无限的（IP）地址；
创新平台——相比 IPv4，IPv6 运行得更好，配置更加简单易用
26
下一代基于位置的服务
地理信息系统（GIS）获取、存储、分析和显示根据地理位置所引用的信息。下一代会将第三个维度考虑进去。这种3D（空间）方式提供了一个对世界更加逼真的表征。
空间数据可以有非常广泛的来源，包括全球定位卫星、信标、WiFi热点、远程传感器和 LiFi 等可见光通信（VLC）源。可视化技术让企业可以从这种空间数据中提取见解。
其最基本的应用案例是基于地理围栏（geofence）或地址列表推送内容或激活或关闭功能。更先进的空间（3D）分析可以使用用户或物体的确切地理位置，以提供基于背景的信息和服务。
27
低功耗广域网
低功耗广域网（LPWAN）无线通信技术也被称为超窄带（ultra-narrowband），具有很低的功率需求和长程的范围，但数据率较低。
LPWAN 的设计目的是让没有高功率源的物体能够连接起来，主要是物联网（IoT）。毕竟，大部分连接到物联网的物体只需要传输很少量的数据（如命令和状态），而那样的操作也只需要很小的功率。
28
忆阻器
忆阻器是一种非线性的无源电子元件，其阻值会根据流过电荷的历史记忆而发生变化。这种组件的阻值反映了这种历史，因此它的名字是「记忆 memory」和「电阻 resistor」的组合。
基于忆阻器的存储器是非易失性的，其数据密度可超过每立方厘米100 TB，具有很高的速度和较低的功率需求。神经网络可以具备自己的物理实现能力，而不再仅依赖于计算机模拟，在神经形态系统上拥有更长期的潜力，可以通过紧凑的神经忆阻系统以传统计算机一小部分的功耗实现超越传统计算机的性能。
29
自然用户界面
自然用户界面（NUI）是设计用来让人机交互感觉尽可能自然的系统。其所包含的广泛的技术让用户可以利用日常行为、直观的操作和他们自然能力控制交互式应用。其中可能包括触觉、视觉、语音、运动和更高级的认知功能，比如表情、感知和回忆。
一些自然用户界面依赖于媒介设备，而其它更先进的系统对用户来说要么不显眼——或甚至是不可见的。其最终目标是让人机界面近乎消失。例子包括：
增强现实——在自然生活之上增加一个额外的智能层
虚拟现实——提供真实或想象的环境的沉浸式数字表征
混合现实——融合真实和虚拟世界以生成物理和数字目标共存和实时交互的环境
神经接口——基于大脑产生的神经活动，提供大脑和外部设备之间的直接通信路径
虚拟视网膜显示器——直接在视网膜上播放影像，有效增强现实世界
身体监测——读取比手势更进一步的肢体语言
触觉——模仿身体感觉的数字反馈
自适应接口/情感跟踪——根据变化的背景或用户需求改变布局和元素
关系意识（relational awareness）——作为用户代理的设备了解用户与其他人处于何种关系。
功能可见性——提供实际物体的数字表征，让用户可以利用所有他们所知道的如何使用该物体的知识。
3D显示器——创造深度感的显示设备
全息用户界面——基于激光的立体显示，用户可在其中与全息图像交互
物理控制——其中物理输入被转换成数字输出
30
近距离无线通讯技术
近距离无线通讯技术（Nearfieldcommunication/NFC）允许设备之间（比如手机、可穿戴产品与标签、卡等）无线短距离通讯，为设备与实物的交互提供了一种自然而直观的方法，手机更显著地释放了NFC 的潜能。
NFC技术规范并便利了终端用户无线电子通讯设备的一体化；
- 拓展了产品功能；
- 实现了与已有非接触式基础设施之间的互操作性；
- 票务、徽章、名片的无纸化；
- 简化支付行为，NFC 手环更增加了微支付及感应支付旅行（tap-to-paytravel）的名气
- 或可推动科技公司瓦解传统支付/交易价值链
- 能够加强未来手机应用领域的隐私保护
31
开源硬件
开源硬件模型拓展了流行于开源软件发展中的观念及方法论。参考文件——包括图表，图解，零件清单及相关产品说明书——拥有开源执照即可出版，因此其他团队可根据特殊需要修改并完善这些资料。
这些模型有时与相较而言更传统的开源软件结合，像是操作系统，计算机固件或拓展工具。例如Linux 和 Android 系统正被应用在嵌入式设备中。
通过开源硬件可以更容易制作出新设备原型，比如联网传感器设备，避免供应商依赖；通过促进硬件设计的可利用性，达到对系统的长期（几十年）维系；为互联网规模的数据中心提供服务器和网络基础设施，促进工业供应商对核心技术标准的采用，以吸引合作伙伴形成生态系统；加速创新，普及 MIT 提出的分布式 fab lab 模型。
32
塑料晶体管
塑料晶体管反映了材料科学的进步，给我们提供了除传统电子器件之外的其他选择。基于拥有电特性的有机聚合物，包括有机发光二极管（organiclight-emitting diodes/OLED），这些材料可被轻易地印刷在不同类型基材上，允许可弯曲塑料上呈现出复杂电路——这对于传统电子器件来说根本不可能。
塑料晶体管将被大量应用以实现曲面显示、导电油墨、可印刷的计算机电路、透明电路、可穿戴计算设备、智能绷带、电子标签（Radio Frequency Identification/RFID射频识别技术）、塑料太阳能电池等。
33
隐私增强技术
隐私增强技术（Privacy-enhancingtechnologies/PETs）指牵涉到个人数据（无论是雇员、客户或是公民）的保护或掩蔽技术，以顺应数据保护法规并维持与客户的信任关系。
它不仅保护敏感数据（比如信用卡信息，金融数据或健康记录），也给与个人信息以保障（包括消费习惯，兴趣，社会关系及交往），数字时代用户反感于被一些服务商利用，然而部分隐私的披露是可容忍的。
因此，隐私增强技术超越了传统的专注于保护数据机密性的技术（比如权限控制和加密）；它也包含了确保数据使用被限定在被保护及被意指的目的中的技术，包括同型加密、数据掩蔽、匿名及假名。
34
量子计算
量子计算机是利用量子力学现象（比如叠加与纠缠），对数据进行运算的计算系统。量子计算的基本元素是量子比特（量子的叠加态，可以同时有多个值），相比最优的经典计算方案，其主要优点在于能够以成倍快于前者的速度执行一些量子算法。
这些算法正在迅速发展，未来有一天或能打破当前组合分析的一些技术限制。量子计算应用范围广泛，如解密、运筹学、优化、仿真（结合齐次多项式模型）和大数据分析（神经网络）。
35
软件定义一切
SDx（软件定义一切）是指用商用硬件上运行软件来取代老式受物理机制限制（往往是专用的）硬件设备。这一概念可应用于 IT 系统中的诸多方面，比如网络、计算、储存、管理、安全等。
软件定义网络（SDN）——与物理网络设备解耦的可编程遥控器通过网络传输数据；
软件定义计算（SDC或虚拟化）——使CPU和内存资源与物理硬件解耦，创造出独立的软件容器（虚拟机），在同一个物理服务器上同时运行；
软件定义存储（SDS或存储虚拟化）——使存储功能（包括备份和回复）与存储硬件解耦，用软件实现存储资源供应的自动化和优化；
软件定义数据中心（SDDC）——使所有资源（包括CPU、内存、存储和安全）虚拟化并作为服务提供；
网络功能虚拟化（NFV）——把SDC、SDS和SNS结合起来，作为电信行业的解决方案
36
自适应安全
随着云、API和物联网（IoT）的发展，互联网犯罪的数量、复杂程度和影响持续增长，因此安全范式必须进行变革。在上世纪九十年代的边界安全技术（强调网络防御）和二十一世纪的深度防护（强调多个保护层）之后，互联网防御策略正向新型的自适应性安全原则转变。这种先发制人确保安全的方法把重点从保护转向实时侦测和响应，随时改变防御策略。
相关技术和流程纳入了安全操作中心（SOC），这还需要新一代的安全信息与事件管理（SIEM）技术结合机器学习和规范分析。
自适应安全还需要依赖新的情景识别安全技术（包括身份和访问管理、网络安全、设备和智能机器安全），从而对威胁进行动态适应。
37
语义技术
语义技术包括一套多种多样的技术，其目的在于帮助机器理解大量或复杂的数据，而不需实现提供与数据相关的任何背景知识。本质上来说，这类技术给信息带来结构和意义，方法往往是提供机器可读的元数据，这些元数据与人类可读、意义详细的内容存在联系。它被广泛应用于以下技术：
自然语言处理（NLP）——处理非结构化的文本内容
数据挖掘技术——从大量数据中发现模式（趋势和相互联系）
人工智能系统——使用推理模型解答复杂问题
分类计数——利用探试学和规则对数据进行分类
语义网——允许程序抓取特定的信息并回答潜在的问题
关联数据——语义网的一个子集，也是语义网上发布数据的一种方式，以此来相互连接并变得更有用，使得计算机自动阅读成为可能
语义数据集成——通过组合不同的数据源增进分析和决策能力
语义搜索技术——使用户能够用概念定位信息
38
智能机器
智能机器指代配置认知计算能力的系统，它们能够在没有人类干预的情况下自主做决定、解决问题，执行之前由人类引导的活动或任务，从而提高效率和生产力。
智能机器被广泛应用于以下产品与技术：
自动机器人或自驾汽车——重塑交通、物流、分发以及供应链管理；
专家系统——模仿人类的决策能力解决问题，尤其是需要专家投入解决问题的行业，比如汽车行业、消费电子产品行业、医疗健康行业、工业；
智能虚拟助手——比如 Avatar，能为客户提供信息和服务帮助；
传感器——在没有人类直接干预的情况下，收集我们周围物质世界的数据信息；
39
集群计算
亦被称之为集群智能、蜂巢计算。集群计算指代大规模分布、自组织系统中的所有代理能共同朝着一个确定的输出目标协同工作。系统中的每一个代理都有自己的一套规则且只与局部环境互动。所有代理的聚集行为能导致全体行为「智能」的产生。
由于预测到物联网节点会增加，而众多独立节点的计算能力有限，所以每一个节点都将连接到社区中的其他物体上，从而创造出一个IoE 集群。
40
可信任设备可信任设备是指终端机、软件支持的物件和机器这样的设备有保护数据处理可用性、完整性和隐私安全性的可信任能力。这包括智能手机、支付终端机这样的人机交互设备，以及智能家居和智能机器这样的自动化设备。
可信任设备能够保证人类使用数字系统通信和交互的安全，确保对重要基础设施和自动化程序的防护——比如智能电网、智慧城市、智能交通以及医疗连接设备。
41
无所不在的个人信息管理如今大部分人使用多于四种以上的信息孤岛（informationsilos）存储、管理、转移他们的私人信息，包括谷歌、Outlook、Facebook、Twitter、WhatsApp、本地磁盘、USB硬盘、OneDrive 网盘、Dropbox 等。无处不在的个人信息管理（普适PIM）是一种存储个人信息的新方法，把所有的信息存储在统一的一个存储系统中，但仍然可以通过多种应用接触到这些信息。大部分信息类型都适用于无处不在的 PIM方法，包括信息（电子邮件、社交博文、公共网站回应信息）、联系方式、文档（文本、图片、视频）和日志。
42
虚拟助手虚拟助手是帮助我们完成服务和任务的助手。他们可以理解问题并用自然语言的方式回答。它们利用人工智能、机器学习、语音处理、推理和知识表征来使人机交互的过程变得更加容易，更加自然，更加富有吸引力。
它们执行的任务和服务依赖于用户键入或语音输入的信息、情境感知以及可访问的例如天气或交通状态、新闻、股票价格、日程表、零售价格等互联网资源。
43
可穿戴设备可穿戴设备装载了具有感知、计算和通信能力的微型电子器件。它们利用穿戴者的情境信息（由嵌入式传感器侦测到）来提供一般的或特定的服务，从而让用户对自身数据信息做出实时反应。
尽管现在最热门的可穿戴设备是智能手表，仍然有很多穿戴在其他部位的可穿戴设备。
手腕——例如智能手表、手镯和手环
头部——包括头带和头盔
眼部——例如眼镜、隐形眼镜、生物增强设备
耳部——例如耳塞
可移植/嵌入式芯片——例如助听器
手掌——手套或者数字笔
智能衣物和织物——包括绷带、T恤、夹克、袜子、文胸、腰带和鞋子
嵌入式首饰——包括指环和耳环
皮肤——例如纹身
44
大规模万维网计算超大规模运算，也被称为大规模万维网计算，是一种大规模的、分布式、网化的计算环境，随着数据规模和工作量的增加可以有效的扩展，有时这种扩展是指数级别的。计算、记忆、网络、存储资源将变得更为快速，具有成本效益。
超大规模加速硬件通常建立在剥离的商业硬件基础上。潜在地，数以百万计的虚拟服务器会协同工作来满足日益增加的计算需求，不需要额外的物理空间、冷却设备和电力资源。
利用超大规模运算，总体拥有成本（TCO）随后将显然依据高可靠性、实现应用和/或传递数据的单一价格决定。
45
网页实时通信IETF、W3C、WebRTC 同心协力的结果是一个免费开放的互联网标准，使通过标准浏览器和移动设备运载的跨平台、基于互联网的、免插件的实时通信系统成为可能。
本质上，WebRTC 定义了置入浏览器中的声音和视频媒体处理软件的标准。这是一个可拓展标准，并且提供了一个联合了HTML5 的标准 API 接口，该接口通过特定机制处理通信过程中参与者在以往环节产生的数据。
商业实现是可行的并通过提供差异化的信号定义方式和协作模型来区分彼此，并且使多方参与成为可能。
46
无线供电
无线供电描述了不需要实体线路，通而过电磁场替代的电力传输方式。现有两种电力传输方式：利用电磁感应和电容性充电的近场充电（NFC）；利用电磁装置辐射电磁波的远场或辐射充电。
无线供电可广泛应用于：
可穿戴设备——包括智能手表
健康设备——包括助听器和计步器
电力交通——包括汽车和公共汽车
消费产品——包括智能手机和平板
工业——包括工厂和仓储的资产
注：本平台内容出自公益目的，仅作交流分享之用。
新的技术交流平台上线了！
关注 纸牌屋网络科技
微信扫一扫关注公众号
