资讯
从无人驾驶到远程工作，从5G通讯到AI与IoT的汇流，不同行业高管的想法汇总后勾勒出了商业变局的全貌。
公共部门引领AIoT和自动化全面落地
特里?沃尔比(TerryWalby)：自动化技术公司Thoughttonomy创始人兼CEO
基于AI+IoT的自动化技术正给公共服务带来大量好处。随着人口老龄化不断加深，公共部门的财政压力日益吃紧。一方面是社会对服务业和蓝领型人才的需求持续增加，另一方面则是此类服务的供给持续缩减，公共部门亟需全面引入基于AI+IoT的自动化技术，以提高工作效率，将一线人员从机械繁琐的日常事务中解放出来。
我们预计，公共部门的虚拟员工比例将远高于社会其他领域，在AI+IoT技术的应用领域成为驱动和引领者，而非以往面对创新科技时的落后和跟进者。
智能零售进入日常生活
赛勒斯?梅瓦瓦拉(CyrusMewawalla)：市场情报公司GlobalData项目研究主管
零售商将使用更多的摄像头追踪购物者，并使用大量机器算法分析和预测顾客行为，提供相应推荐，使他们的购物体验更加高效。
另一方面，中国正在率先开发基于智能手机、扫描和自动支付的无人商店，这些智能门店的定位基于便利店和自动售货机之间，是能够为农村和城郊地区提供服务的自主移动单元，将成为基础设施的重要补充环节。
营销团队肩负安全责任
伊恩?伍利(IanWoolley)：客户数据追踪平台Ensighten首席风险管理官
正如许多黑客在2018年所披露的那样，第三方技术问题是当前用户数据泄露的重点原因之一。
通过聊天框、填写表单和网站上未经批准的第三方标签，犯罪分子可以悄无声息地窃取用户数据。问题的关键在于，营销人员负责收集用户数据，但不一定对数据安全负责。
2019年，企业需要更加审慎和全面地看待用户数据安全问题。为实现这一目标，企业将在内部引入更多高级安全人才，以适应并掌控全新的数据环境，而不是将数据安全简单外包给第三方服务商――而这一举措将进一步挤压原本有限的专业技术人才池。
由于缺乏专业人才，既有营销团队的角色可能会发生转变――企业将以培训的形式在专业营销人员进行投资，以便让他们承担营销安全的职责。在更高的管理级别上，首席营销官和首席信息安全官将紧密合作，以减轻安全漏洞。
GDPR重要性日益凸显
夏兰?戴恩斯(CiaranDynes)：云数据集成公司Talend产品高级副总裁
GDPR(《通用数据保护条例》)将是今年最值得关注的安全法规之一，因为它的处罚力度非常惊人。18年有很多公司已经遭遇诉讼，但仍没有任何一家大型企业被课以高额罚款，所以我认为它远没有达到应有效果(注：2019年1月21日，法国数据保护监管机构CNIL根据GDPR对Google处以5000万欧元的罚款，理由是Google在处理个人用户数据时存在缺乏透明度、用户获知信息不充分以及缺乏对个性化广告的有效同意等问题。这是GDPR实施后数额最大的罚单。)。
显然，所有公司都在竭尽所能地遵守规定，不过我相信一旦有公司真正遭遇GDPR的高额处罚，那现有公司处理数据隐私的方式还将进一步发生巨大变化，GDPR会比目前更有力地重新定义企业与公众的关系。
5G成为关键技术
内森?雷德(NathanRader)：开源软件提供商Canonical战略总监
欧洲运营商过去在通讯协议的开发上始终处于领先地位(2G、3G和4G)，但5G则相反。
这次的不同之处在于，4G将欧洲所有的网络协调起来，将技术结合在一起，创建了一个非常密集和快速的网络。
与美国相比，美国每隔5到10英里就有一个基站，对5G这样的高容量网络的需求比我们在欧洲看到的要大得多。
同样，随着家庭的距离越来越远，5G支持固定宽带的需求也越来越迫切。
例如，如果你把中国和亚洲其他国家比较，情况也是如此。
这就是为什么这两个地区在大规模实现5G方面都领先于欧洲。
在没有客户需求和现有网络产能过剩的情况下，电信公司有理由在欧洲推出大规模5G吗?
云端安全配置自动化
尼尔?萨克(NeilSack)：网络安全公司Netskope首席信息安全官
2019年各行业将持续推进自动化技术在业务上的使用。过去几年里，自动化一直是行研报告的热门话题，但2019年人们将关注自动化技术如何简化云端安全配置。
企业将不断提高IaaS(基础设施即服务)自动化安全配置的能力，并通过针对IaaS和SaaS(软件即服务)的机器学习技术，进行应用数据监测和威胁防护，自动化评估和审查云服务提供商的服务条款。
无论在自动化技术应用于哪个行业，都应该始终维护数据安全和用户隐私。
边缘计算融入智能家居
阿蒂什(Attiches)：混合云数据服务公司NetAppCEO
传统物联网(IoT)设备围绕着固有的“家庭电话”模式构建:收集数据――发送数据――处理数据――等待指令。遵循这一模式的智能设备需要实时联网，否则就会失去大部分功能。
但即使是5G网络的出现，等待数据往返于云端或数据中心依然需要时间，智能设备无法实现实时响应，另一方面，数据量的飞速增长导致网络传输的负担不断加重。
要达到即时响应效果，数据处理必须发生在设备本地，这将对智能设备的边缘计算能力提出需求。
