未来十大高科技趋势预测 阿里巴巴腾讯引领世界_排行榜123网
> 未来十大高科技趋势预测 阿里巴巴腾讯引领世界
未来十大高科技趋势预测 阿里巴巴腾讯引领世界
& & &科技改变未来，把握未来的趋势，就能把握未来的发展，对于做商业的公司就能准确找到趋势，找到未来的用户。总结一下，到2019年将有20%的品牌将抛弃移动应用，转而使用基于Web浏览器的&即时应用&。到2020年全球将有1亿人将通过增强现实技术进行购物，将有30%的Web浏览通过Siri等语音助手进行。未来科技会这么发展呢？123网（）为大家介绍未来科技趋势，前瞻可能改变未来的十大高科技。
& & &据了解。到2021年，20%的个人活动将至少涉及到7家数字巨头中的一家，他们分别是苹果、谷歌、Facebook、亚马逊、百度、阿里巴巴和腾讯。
& & 未来科技十大趋势预测
1.到2020年，有1亿人将通过增强现实购物。
普拉默称，《PokemonGO》让我们对增强现实有了了解。首批基于AR的商业应用之一应该是消费者在进入零售店后，为他们提供AR头盔。它能为消费者提供更多的商品信息，从而免去了销售代表的介绍。从2017年起，领先的零售商将率先部署这项技术。
2.到2020年，30%的Web浏览将不再依赖屏幕。
未来的Web浏览将通过亚马逊Alexa或苹果Siri等语音助手进行，因为它们理解自然语言的能力将大幅提升。普拉默称，届时人们与这些语音助手聊天的时间甚至会超过与配偶的聊天时间。
3.到2019年，20%的品牌将抛弃移动应用。
普拉默说：&提供应用的企业都在想：将有数百万人下载他们的应用。但事实上，人们不会再下载它们。开发应用那已经是2~3年前的事情了。现在我们对应用已经疲倦了，应用的使用量正在下滑。&不是让用户继续更新他们设备上的应用，Gartner建议人们通过Web浏览器推出&即时应用&。
4.到2020年，算法将改变全球数十亿工人的工作。
将来，企业会基于行为、心理、社会和认知科学来创建算法，让员工们更出色地完成工作。例如，人工智能已经在帮助飞行员以更省油的方式驾驶，帮助金融顾问避免错误投资。受人工智能的推动，到2017年企业的利润率将明显提升。
5.到2022年，将有一家价值100亿美元的区块链公司诞生。
普拉默说：&目前区块链技术还不成熟。但当它成熟后，将为各行业的交易节省大量成本。&区块链技术适用于多个行业，尤其是医疗保健、和金融。从明年开始，企业将开始部署&多模态&区块链。
6.到2021年，20%的个人活动将至少涉及到7家数字巨头中的一家。
这7家数字巨头分别是苹果公司、谷歌、Facebook、亚马逊、百度、阿里巴巴和腾讯。普拉默说：&这7家公司的业务将涉及到我们日常生活的方方面面。&到2017年底，至少将有两家数字巨头的产品将出现在我们的厨房里。
7.从现在到2019年，企业在创新方面每投资1美元将需要7美元的执行成本。
对于寻求创新和转型的企业，首先必须要升级陈旧的IT设备，其成本非常昂贵。此外，还需要一些新的、不熟悉的技术，如机器学习。而部署新技术同时又意味着需要提升员工的技能。
8.到2018年，物联网将导致数据存储需求增长3%。
据预计，未来几年物联网将呈现爆炸式增长。因此，Gartner的该预测似乎违反直觉。但普拉默认为，将来物联网传感器和设备生成的数据大部分不会被存储或保留，而是由算法来将决定哪些数据被存储。
9.到2022年，物联网每年将为消费者和企业节省1万亿美元。
所节省的这些费用主要集中在维护、服务和消费品上。物联网的早期应用之一是创建&数字双胞胎&，即物理资产或流程的软件模型，机器的运作情况和任何环境因素都能关联起来，让企业能够预判其运转，快速调校，持续升级，提升可靠性和适应性，创出更多价值。普拉默预计，预测性维护可以为企业降低10%到20%的成本。
10.到2020年，40%的员工将通过佩戴健康追踪器来降低医疗成本。
届时，企业将为员工配备健康追踪器，提高员工的整体健康水平，其结果是可以少交医保费用。Gartner预计，到2018年将有200万名员工把佩戴健康追踪器作为入职条件。
声明：《未来十大高科技趋势预测 阿里巴巴腾讯引领世界》一文由排行榜123网（）网友提供，版权归原作者本人所有，转载请注明出处。本网站不对网站真实性负责，如有违反您的利益，请发邮件到处理！
暂无相关文章
如今支付异常方便，在中国几乎不用带钱，微信支付，支付宝支付，有时候还有现金奖励。出国旅游用什么支付方便？用微信支付，支付宝支付还是apple pay支付？小编今天为大家分析微信支付
中国的科技已经很发达了，特别是计算机方面，中国的超级计算机是非常的厉害了，最最新公布的2017年全球超算500强榜单排行中占据前两名的位置，美国都只能排名第四。下面排行榜123网为你
世界上最快的航天器是什么?世界上最快的航天器有多快?目前世界上最快的飞机时速为每小时7274千米，最快的飞行器时速为每秒6805米，而美国的新地平线号探测器则达到每秒16.26公里，每小时
世界上最快的客机有多快?目前世界上大型民航飞机的飞行速度为800千米/小时至1000千米/小时，在高亚音速范围之内。像我们熟知的波音飞机，最快的波音787时速为1050公里/小时。而世界上最快
相信很多人知道薛定谔的猫这一理论，但是你知道这是从哪里来得的一个猜想吗?事实上就是源自光量子计算机。因为量子计算机的难以实现，在很长的时间里，人们都认为光量子计算机的伪科
量子计算机一直以来都在被世界各国的科学家研发，也有不少科学小白们认为他是一个骗局。而今天，世界上第一台量子计算机诞生了。而且诞生在中国。 世界上第一台量子计算机：中国制造
全球芯片厂营收排名出炉，美国巨头英特尔以预估营收563.13亿美元排名第一。下面我们就来看看这份全球芯片厂营收排名详细名单。
科技改变未来，把握未来的趋势，就能把握未来的发展，对于做商业的公司就能准确找到趋势，找到未来的用户。到2019年将有20%的品牌将抛弃移动应用，转而使用基于Web浏览器的“即时应用
科技排行榜推荐
高科技排行榜精选
高科技文章排行榜未来，高科技创业的趋势是什么? - iDoNews
> 未来，高科技创业的趋势是什么?
未来，高科技创业的趋势是什么?
硅谷最火的高科技创业公司都有哪些？
在硅谷大家非常热情的谈创业谈机会，我也通过自己的一些观察和积累，看到了不少最近几年涌现的热门创业公司。我给大家一个列表，这个是华尔街网站的全世界创业公司融资规模评选。它本来的标题是billion
club，我在去年国内讲座也分享过，不到一年的时间，截至到日，现在的排名和规模已经发生了很大的变化。首先估值在10 Billlon的达到了7家，而一年前一家都没有。第二第一名是中国人家喻户晓的小米，第三，前20名中，绝大多数(8成在美国，在加州，在硅谷，在旧金山!)比如Uber、Airbnb、Dropbox、Pinterest。 第四， &里面也有不少相似模式成功的，比如Flipkart就是印度市场的淘宝，Uber与Airbnb都是共享经济的范畴。所以大家还是可以在移动(Uber)，大数据(Palantir)，消费级互联网，通讯(Snapchat)，支付(Square)，O2O
App里面寻找下大机会。这里面很多公司我都亲自面试和感受过他们的环境。
有如此之多的高估值公司，是否意味着存在很大的泡沫?
看了那么多高估值公司，很多人都觉得非常疯狂，这是不是很大泡沫了，泡沫是不是要破了，是很多人的疑问。我认为在硅谷这个充满梦想的地方，投资人鼓励创业者大胆去做同样也助长了泡沫，很多项目在几个月的时间就会估值翻2、3倍，如Uber、Snapchat上我也惊讶于他们的巨额融资规模。那么这张图就是讲“新兴技术炒作”周期，把各类技术按照技术成熟度和期望值分类，在硅谷创业孵化器YCombinator
课程How to Start a Startup提到。创新萌芽Innovation Trigger”、“期望最顶点Peak ofInflated
Expectation”、“下调预期至低点Trough of Disillusion”、“回归理想Slope
ofEnlightenment”、“生产率平台Plateau of
Productivity”，越往左，技术约新潮，越处于概念阶段;越往右，技术约成熟，约进入商业化应用，发挥出提高生产率的效果。纵轴代表预期值，人们对于新技术通常会随着认识的深入，预期不断升温，伴之以媒体炒作而到达顶峰;随之因技术瓶颈或其他原因，预期逐渐冷却至低点，但技术技术成熟后，期望又重新上升，重新积累用户，然后就到了可持续增长的健康轨道上来。Gartner公司每年发布技术趋势炒作图，Gartner's
2014 Hype Cycle for Emerging Technologies Maps the Journey to Digital Business
今年和去年的图对比显示，物联网、自动驾驶汽车、消费级3D打印、自然语言问答等概念正在处于炒作的顶峰。而大数据已从顶峰滑落，NFC和云计算接近谷底。
未来，高科技创业的趋势是什么?
我先提一个最近看的一部电影《Imitation
Game》，讲计算机逻辑的奠基者艾伦图灵(计算机届最高奖以他命名)艰难的一生，他当年为破译德军密码制作了图灵机为二战胜利作出卓越贡献，挽回几千万人的生命，可在那个时代因为同性恋被判化学阉割，自杀结束了短暂的42岁生命。他的一个伟大贡献就是在人工智能的开拓工作，他提出图灵测试(Turing
Test)，测试某机器是否能表现出与人等价或无法区分的智能。我们现在回到今天，人工智能已经有了很大进步，从专家系统到基于统计的学习，从支持向量机到神经网络深度学习，每一步都带领机器智能走向下一个阶梯。在Google资深科学家吴军博士(数学之美，浪潮之巅作者)，他提出当前技术发展三个趋势，第一，云计算和和移动互联网，这是正在进行时；第二，机器智能，现在开始发生，但对社会的影响很多人还没有意识到；第三，大数据和机器智能结合，这是未来时，一定会发生，有公司在做，但还没有太形成规模。他认为未来机器会控制98%的人，而现在我们就要做个选择，怎么成为剩下的2%？李开复在2015年新年展望也提出未来五年物联网带来庞大创业机会。
为什么大数据和机器智能结合的未来一定会到来?
其实在工业革命之前(1820年)，世界人均GDP在1800年前的两三千年里基本没有变化，而从1820年到2001年的180年里，世界人均GDP从原来的667美元增长到6049美元。由此足见，工业革命带来的收入增长的确是翻天覆地的。这里面发生了什么，大家可以去思考一下。但人类的进步并没有停止或者说稳步增长，在发明了电力，电脑，互联网，移动互联网，全球年GDP增长
从万分之5到2%，信息也是在急剧增长，根据计算，最近两年的信息量是之前30年的总和，最近10年是远超人类所有之前累计信息量之和。在计算机时代，有个著名的摩尔定律，就是说同样成本每隔18个月晶体管数量会翻倍，反过来同样数量晶体管成本会减半，这个规律已经很好的match了最近30年的发展，并且可以衍生到很多类似的领域：存储，功耗，带宽，像素。而下面这个是冯诺伊曼，20世纪最重要的数学家之一，在现代计算机、博弈论和核武器等诸多领域内有杰出建树的最伟大的科学全才之一。他提出(技术)将会逼近人类历史上的某种本质的奇点,在那之后
全部人类行为都不可能以我们熟悉的面貌继续存在。这就是著名的奇点理论。目前会越来越快指数性增长，美国未来学家Ray
Kurzweil称人类能够在2045年实现数字化永生，他自己也创办奇点大学，相信随着信息技术、无线网、生物、物理等领域的指数级增长，将在2029年实现人工智能，人的寿命也将会在未来15年得到大幅延长。
国外值得关注的大数据公司都有哪些？国内又有哪些?
这是2014年总结的Big
Data公司列表，我们大致可以分成基础架构和应用，而底层都是会用到一些通用技术，如Hadoop、Mahout、HBase、Cassandra，我在下面也会涵盖。我可以举几个例子，在分析这一块，Cloudera、Hortonworks、MapR作为Hadoop的三剑客，一些运维领域，MangoDB、Couchbase都是NoSQL的代表，作为服务领域AWS和Google
BigQuery剑拔弩张，在传统数据库，Oracle收购了MySQL、DB2老牌银行专用，Teradata做了多年数据仓库。上面的Apps更多，比如社交消费领域Google、
Amazon、Netflix、Twitter，
商业智能：SAP，GoodData，一些在广告媒体领域：TURN，Rocketfuel，做智能运维Sumologic等等。去年的新星 Databricks
伴随着Spark的浪潮震撼Hadoop的生态系统。
对于迅速成长的中国市场，大公司也意味着大数据，BAT三家都是对大数据的投入也是不惜余力，我5年前在Baidu的的时候，就提出框计算的东东，最近两年成立了硅谷研究院，挖来Andrew
Ng作为首席科学家，研究项目就是百度大脑，在语音，图片识别大幅提高精确度和召回率，最近还做了个无人自行车非常有趣。腾讯作为最大的社交应用对大数据也是情有独钟，自己研发了C++平台的海量存储系统。淘宝去年双十一主战场，2分钟突破10亿，交易额突破571亿，背后是有很多故事，当年在百度做Pyramid(按Google三辆马车打造的金字塔三层分布式系统)有志之士，继续在OceanBase创造神话。而阿里云当年备受争议，马云也怀疑是不是被王坚忽悠，最后经历了双十一的洗礼证明了OceanBase和阿里云的靠谱。小米的雷军对大数据也是寄托厚望，一方面这么多数据几何级数增长，另一方面存储带宽都是巨大成本，没价值就真破产。
与大数据技术关系最紧密的就是云计算，您曾在Amazon 云计算部门工作过，能否简单介绍一下亚马逊的Redshift框架吗？
本人在Amazon
云计算部门工作过，所以还是比较了解AWS，总体上成熟度很高，有大量startup都是基于上面开发，比如有名的Netflix、Pinterest、Coursera。Amazon还是不断创新，每年召开reInvent大会推广新的云产品和分享成功案例，在这里面我随便说几个，像S3是简单面向对象的存储，DynamoDB是对关系型数据库的补充，Glacier对冷数据做归档处理，Elastic
MapReduce直接对MapReduce做打包提供计算服务，EC2就是基础的虚拟主机，Data Pipeline 会提供图形化界面直接串联工作任务。
Redshift，它是一种(massively parallel
computer)架构，是非常方便的数据仓库解决方案，就是SQL接口，跟各个云服务无缝连接，最大特点就是快，在TB到PB级别非常好的性能，我在工作中也是直接使用，它还支持不同的硬件平台，如果想速度更快，可以使用SSD的，当然支持容量就小些。
Hadoop是现今最流行的大数据技术，在它出现的当时，是什么造成了Hadoop的流行？当时Hadoop具有哪些设计上的优势？
看Hadoop从哪里开始的，不得不提Google的先进性，在10多年前，Google出了3篇paper论述分布式系统的做法，分别是GFS、MapReduce、 BigTable，非常NB的系统，但没人见过，在工业界很多人痒痒的就想按其思想去仿作，当时Apache Nutch
Lucene的作者Doug
Cutting也是其中之一，后来他们被Yahoo收购，专门成立Team去投入做，就是Hadoop的开始和大规模发展的地方，之后随着Yahoo的衰落，牛人去了Facebook、
Google，也有成立了Cloudera、
Hortonworks等大数据公司，把Hadoop的实践带到各个硅谷公司。而Google还没有停止，又出了新的三辆马车，Pregel、Caffeine、Dremel， 后来又有很多步入后尘，开始新一轮开源大战。
为啥Hadoop就比较适合做大数据呢？首先扩展很好，直接通过加节点就可以把系统能力提高，它有个重要思想是移动计算而不是移动数据，因为数据的移动是很大的成本需要网络带宽。其次它提出的目标就是利用廉价的普通计算机(硬盘)，这样虽然可能不稳定(磁盘坏的几率)，但通过系统级别上的容错和冗余达到高可靠性。并且非常灵活，可以使用各种data，二进制，文档型，记录型。使用各种形式(结构化，半结构化，非结构化所谓的schemaless)，在按需计算上也是个技巧。
围绕在Hadoop周围的有哪些公司和产品?
提到Hadoop一般不会说某一个东西，而是指生态系统，在这里面太多交互的组件了，涉及到IO，处理，应用，配置，工作流。在真正的工作中，当几个组件互相影响，你头疼的维护才刚刚开始。我也简单说几个：Hadoop
Core就三个HDFS，MapReduce、Common，在外围有NoSQL: Cassandra、HBase，有Facebook开发的数据仓库Hive，有Yahoo主力研发的Pig工作流语言，有机器学习算法库Mahout，工作流管理软件Oozie，在很多分布式系统选择Master中扮演重要角色的Zookeeper。
能否用普通人都能理解的方式解释一下Hadoop的工作原理？
我们先说HDFS，所谓Hadoop的分布式文件系统，它是能真正做到高强度容错。并且根据locality原理，对连续存储做了优化。简单说就是分配大的数据块，每次连续读整数个。如果让你自己来设计分布式文件系统，在某机器挂掉还能正常访问该怎么做？首先需要有个master作为目录查找(就是Namenode)，那么数据节点是作为分割好一块块的，同一块数据为了做备份不能放到同一个机器上，否则这台机器挂了，你备份也同样没办法找到。HDFS用一种机架位感知的办法，先把一份拷贝放入同机架上的机器，然后在拷贝一份到其他服务器，也许是不同数据中心的，这样如果某个数据点坏了，就从另一个机架上调用，而同一个机架它们内网连接是非常快的，如果那个机器也坏了，只能从远程去获取。这是一种办法，现在还有基于erasure
code本来是用在通信容错领域的办法，可以节约空间又达到容错的目的，大家感兴趣可以去查询。
接着说MapReduce，首先是个编程范式，它的思想是对批量处理的任务，分成两个阶段，所谓的Map阶段就是把数据生成key, value pair,
再排序，中间有一步叫shuffle，把同样的key运输到同一个reducer上面去，而在reducer上，因为同样key已经确保在同一个上，就直接可以做聚合，算出一些sum，
最后把结果输出到HDFS上。对应开发者来说，你需要做的就是编写Map和reduce函数，像中间的排序和shuffle网络传输，容错处理，框架已经帮你做好了。
MapReduce模型有什么问题？
第一：需要写很多底层的代码不够高效，第二：所有的事情必须要转化成两个操作Map/Reduce，这本身就很奇怪，也不能解决所有的情况。
Spark从何而来？Spark相比于Hadoop MapReduce设计上有什么样的优势？
其实Spark出现就是为了解决上面的问题。先说一些Spark的起源。发自 2010年Berkeley AMPLab，发表在hotcloud
是一个从学术界到工业界的成功典范，也吸引了顶级VC：Andreessen Horowitz的 注资.
在2013年，这些大牛(Berkeley系主任，MIT最年轻的助理教授)从Berkeley
AMPLab出去成立了Databricks，引无数Hadoop大佬尽折腰，它是用函数式语言Scala编写，Spark简单说就是内存计算(包含迭代式计算，DAG计算,流式计算
)框架，之前MapReduce因效率低下大家经常嘲笑，而Spark的出现让大家很清新。 Reynod 作为Spark核心开发者,
介绍Spark性能超Hadoop百倍，算法实现仅有其1/10或1/100。在去年的Sort
benchmark上，Spark用了23min跑完了100TB的排序，刷新了之前Hadoop保持的世界纪录。
Linkedin都采用了哪些大数据开源技术？
在Linkedin，有很多数据产品，比如People you may like, job you may be interested,
你的用户访问来源，甚至你的career
path都可以挖掘出来。那么在Linkedin也是大量用到开源技术，我这里就说一个最成功的Kafka，它是一个分布式的消息队列，可以用在tracking，机器内部metrics，数据传输。数据在前端后端会经过不同的存储或者平台，每个平台都有自己的格式，如果没有一个unified
log，会出现灾难型的O(m*n)的数据对接复杂度，如果你设定的格式一旦发生变化，也是要修改所有相关的。所以这里提出的中间桥梁就是Kafka，大家约定用一个格式作为传输标准，然后在接受端可以任意定制你想要的数据源(topics)，最后实现的线性的O(m+n)的复杂度。对应的设计细节，还是要参考设计文档
Apache Kafka 这里面主要作者Jay Kreps，Rao Jun 出来成立了Kafka作为独立发展的公司。
在LinkedIn、Hadoop作为批处理的主力，大量应用在各个产品线上，比如广告组。我们一方面需要去做一些灵活的查询分析广告主的匹配，广告预测和实际效果，另外在报表生成方面也是Hadoop作为支持。如果你想去面试Linkedin
后端组，我建议大家去把Hive、 Pig、 Azkaban(数据流的管理软件)，Avro 数据定义格式，Kafka、Voldemort
都去看一些设计理念，LinkedIn有专门的开源社区，也是build自己的技术品牌。Blog | LinkedIn Data
Team如果想从事大数据方面的工作，是否可以推荐一些有效的学习方法？有哪些推荐的书籍？
我也有一些建议，首先还是打好基础，Hadoop虽然是火热，但它的基础原理都是书本上很多年的积累，像算法导论，Unix设计哲学，数据库原理，深入理解计算机原理、Java设计模式，一些重量级的书可以参考。Hadoop
最经典的the definitive guide，我在知乎上也有分享有什么关于 Spark 的书推荐?&
其次是选择目标，如果你像做数据科学家，我可以推荐Coursera的data science课程，通俗易懂Coursera -
Specializations学习Hive、Pig这些基本工具，如果做应用层，主要是把Hadoop的一些工作流要熟悉，包括一些基本调优，如果是想做架构，除了能搭建集群，对各个基础软件服务很了解，还要理解计算机的瓶颈和负载管理，Linux的一些性能工具。最后还是要多加练习，大数据本身就是靠实践的，你可以先按API写书上的例子，能够先调试成功，在下面就是多积累，当遇到相似的问题能找到对应的经典模式，再进一步就是实际问题，也许周边谁也没遇到，你需要些灵感和网上问问题的技巧，然后根据实际情况作出最佳选择。
谈一谈Coursera在大数据架构方面和其他硅谷创业公司相比有什么特点？是什么原因和技术取向造成了这些特点？
首先介绍一下Coursera，
作为MOOC(大型开放式网络课程)中领头羊，2012年由Stanford大学的Andrew和Daphne两名教授创立，目前160+员工，原Yale校长担任CEO。它的使命universal
access to world's best
education。很多人问我为什么加入，我还是非常认可公司的使命。我相信教育可以改变人生，同样我们也可以改变教育。能不能把技术跟教育结合起来，这是一个很有趣的话题。里面有很多可以结合，比如提供高可靠平台支持大规模用户在线并发访问，利用数据挖掘分析学生行为做个性化课程学习，并提高课程满意度，通过机器学习识别作业，互相评判，用技术让人们平等便捷的获取教育服务。
Coursera作为创业公司，非常想保持敏捷和高效。从技术上来说，所有的都是在基于AWS开发，可以想像随意启动云端服务，做一些实验。我们大致分成产品组，架构组，和数据分析组。我把所有用到的开发技术都列在上面。因为公司比较新，所以没有什么历史遗留迁移的问题。大家大胆的使用Scala作为主要编程语言，采用Python作为脚本控制，比如产品组就是提供的课程产品，里面大量使用Play
Framework，Javascript的backbone作为控制中枢。而架构组主要是维护底层存储，通用服务，性能和稳定性。我在的数据组由10多人构成，一部分是对商业产品，核心增长指标做监控，挖掘和改进。一部分是搭建数据仓库完善跟各个部门的无缝数据流动，也用到很多技术例如使用Scalding编写Hadoop
MapReduce程序，也有人做AB testing框架,
推荐系统，尽可能用最少人力做影响力的事情。其实除了开源世界，我们也积极使用第三方的产品，比如sumologic做日志错误分析，Redshift作为大数据分析平台，Slack做内部通讯。而所有的这些就是想解放生产力，把重心放到用户体验，产品开发和迭代上去。
Coursera是一个使命驱动的公司，大家不是为了追求技术的极致，而是为了服务好老师、同学，解决他们的痛点，分享他们的成功。这点是跟其他技术公司最大的区别。从一方面来说，现在还是早期积累阶段，大规模计算还没有来临，我们只有积极学习，适应变化才能保持创业公司的高速成长。
正在加载......您好， []|
高科技产业出现向市区转移趋势
[导读]城市是创新和新技术的中心。它们类似于巨大的培养皿，在这里，各种充满创意的企业家相互接触碰撞，进行整合以及再整合，从而激发新的创意、灵感，新的企业和新的行业。
腾讯科技讯（坎贝）北京时间9月2日消息，据国外媒体报道，在我们的有限的记忆里，硅谷、北卡州三角研究园和高新技术区”（Nerdistan）的高科技产业通常是在郊区办公园区繁荣发展的。但是在近几年，这些产业出现一个明确的向市区转移的趋势。当然，硅谷仍然是全球杰出的高科技产业中心。但即使在硅谷，像市中心的帕洛阿尔托这些人口较为密集、用途较为混合的地区，正成为初创企业和小型企业青睐的办公地点。此外，Pinterest、Zynga、Yelp、Square和等很多初创企业也在旧金山市中心办公。纽约市的“硅巷”（silicon alley）在经历了20世纪90年代科技股泡沫的错误开端后，现在已经成为了超过500家全新初创企业的聚集地，包括Kickstarter和Tumblr，更不用提位于第十五、十六西大街之间第八大道上、原港务局大楼的()卫星中心。在大西洋对岸，伦敦曾经遭遗弃的肖尔迪奇地区（Shoreditch）、即现在所谓的科技城或小硅谷 （silicon roundabout），已经转型成为一个繁荣的高科技地区，根据Centre for London发布的最新报告，这里容纳了3200家科技公司和4.8万个就业岗位。在洛杉矶，“硅滩”(Silicon Beach)——圣塔莫尼卡与威尼斯之间大约三英里的地带，已经成为一个著名的初创企业枢纽，来自洛杉矶的风险投资家马克·舒斯特(Mark Suster)指出，因为这里方便步行而且具有类似于市中心的基础设施，使其成为年轻科技企业钟情的聚集地。西雅图的南湖联盟（SouthLakeUnion）地区，在联合创始人保罗·阿伦（Paul Allen）的带领下，正将曾经濒临灭亡的制造业地区转型成为一个面向新兴科技的大型中心，这里有新的总部以及多个生物技术研究中心。Zappos的总部位于内华达州沙漠地区，该公司首席执行官谢家华（Tony Hsieh）正寻求将拉斯维加斯中心作为创意中心，把公司总部搬到原来的市政大楼。他向《财富》杂志表示：“当你在城市生活，酒吧或者餐馆成为了第二个会议室。”由于总部附近缺乏这些场所，“我们的想法从‘让我们打造一个园区’变成‘让我们打造一座城市’。”Twitter联合创始人杰克·多西（Jack Dorsey）在2月底发表Twitter消息说：“我喜欢在城区建设企业园区的主意。”此前，他将公司新总部设在旧金山Mid-Market地区曾被遗弃的Art Deco大楼。风投行业标杆人物保罗·格拉汉姆（Paul Graham）指出，尽管拥有各种优势和力量，硅谷有一个巨大的弱点。他认为，在20世纪50和60年代创办的高科技“天堂”现在已经成为一个巨大的停车场，“旧金山和伯克利都很优秀，但它们在40英里之外。硅谷是一个折磨人的郊区蔓延地带。这里的天气非常好，使其大大优于大部分其他美国城市折磨人的郊区蔓延地带。但能够避免蔓延地带的竞争城市拥有真正的优势。”不过，截然不同的生活风格是在城镇地区办公的优势之一。与前几代相比，现在年轻的科技工作者不在意拥有汽车和大房子。他们喜欢居住在中央地区，可以租一间公寓使，用公共交通或者步行、骑自行车去上班，同时在非上班时间附近也有很多进行社交活动的选择。舒斯特在博客里提到：“现在的年轻人，不再是以往那些想要住在风景山的。事实上并不是很多企业可以像谷歌和那样拥有往返旧金山、帕洛阿尔托和桑尼维尔总部的免费巴士。”或者，正如一位高科技行业创业者向Centre for London报告的作者表示：“我们搬到这里之后过得更好。这里有很多酒吧以及各种就餐的地方。”但是这个趋势并不止存在于年轻和追求时尚的企业当中。由于城镇中心拥有各种文化和智力设施，很多领先的科学家和工程师也喜欢来到这里办公和居住。5月份微软在纽约市开设其新的研究实验室，因为该公司有意招揽的优秀科学家喜欢留在城市里。这个趋势中，更大部分原因在于科技本身的性质在改变。一代人之前，最快速发展的科技公司更像工厂。他们开发专有的软件系统，设计和生产芯片，开发计算机并创造构成互联网基础的设施。不管是还是微软，他们都拥有大规模的工程师团队，因此需要大型郊区园区。科技性质的变化——尤其是云计算应用程序，可以让新的初创企业更快获得成功，只需要较小的团队和更小的足印。科技是速度也已经提高。麻省理工学院的埃里克·沃恩·希佩尔（Eric Von Hippel）指出，成功的公司需要密切联系终端用户和首次采用者。如果企业位于城市里，很多这些终端用户都只是举步之遥。同时，高科技产品和行业比以往更多地涉及多个学科。成功常常需要精通于一个以上的科技领域以及其他业务线。东伦敦的科技行业不是由科技公司本身引导，而是将计算机技术与音乐、艺术和故事整合在一起的“数字创意”企业。用于社交媒体和应用程序的软件需要直观、易于使用的界面，能够无缝传播信息。设计也是成功的新硬件产品的中心，最显然的例子是苹果iPad和iPhone。设计人才大量集中于大城市，因为那里有领先的设计学校以及多个吸引此类技艺的行业。高科技行业其他领域越来越少以突破性创新为前提，而更多地是以零售、广告、媒体、金融、服务、教育、出版、通讯、时尚和音乐等大规模新市场所需的应用程序技术的前提。纽约和伦敦等大城市最大程度的集中了这些市场。城市是创新和新技术的中心。它们类似于巨大的培养皿，在这里，各种充满创意的企业家相互接触碰撞，进行整合以及再整合，从而激发新的创意、灵感，新的企业和新的行业。
推荐微博：
[责任编辑：hankqiao]
(请登录发言，并遵守)
如果你对科技频道有任何意见或建议，请到交流平台反馈。【】
新闻排行财经科普数码科技
Copyright & 1998 - 2017 Tencent. All Rights Reserved}