翻遍整个技术雷达，竟没有找到 AI 四个字！？
ThoughtWorks 每年会定期开会讨论公司的全球技术战略以及对 IT 行业有重大影响的技术趋势，作为讨论结果，会对外发布技术雷达，对当下互联网技术趋势进行分析，给业界和开发者提供技术导向。
11 月底，ThoughtWorks 发布了新一期技术雷达，在本期雷达中，我们看到中国开源力量的崛起，看到微信平台被介绍为“每一个想开辟中国市场的企业都需要考虑的重要商业因素”，这是振奋国人的消息；也看到了对我们一直关注的 Service Mesh、区块链等前沿技术的美好展望。当然，技术雷达中还有许多内容，然而，我们愣是没有看到当下最火热的 AI！我们采访了 ThoughtWorks 中国区 CTO 徐昊，请他就技术雷达中的几个观点进行深度解析。
本期技术雷达，从中国开源软件市场的崛起开篇，ThoughtWorks 断言中国开源界星星之火，已经长成了燎原之势。我们可以看到，当下中国开源市场表现活跃，包括阿里和百度在内的众多大型企业正在积极发布各种开源平台、框架和工具。除此之外，携程、360、新浪、小米等公司也在积极拥抱开源。另一方面，今年 10 月份发布的 Octoverse 2017 也显示，中国开发者正在不断加入 GitHub。整体上看，不管是企业还是个人，大家都越来越关注开源这件事。
而在开源数量快速增涨的同时，开源质量也持续提高，以最近来说，RPC 框架 brpc 甫一开源便好评如潮；消息中间件 RocketMQ 成为 Apache 顶级项目；TiDB GA 版本发布，在世界顶级项目的道路上越走越好……
另外，我们也看到，当下在开源社区使用中文交流也变得越来越普遍，一改以往英文独霸的局面。本期技术雷达中预期“主要的开源创意会继续保持 README 文件中先有中文版后有英文版的趋势。”
对于这股崛起的开源力量，徐昊认为有几个原因可以解释。首先是国内很多企业对开源这件事在心态上有了明显转变。过去几年，中国企业强调的是“保护智力资产”，认为自家的产品不应该拿出去开源，怕别人模仿自己产品的特性，自己权益会受到侵害。同时企业会觉得产品是自己心血所成，不愿意无偿去分享。
但是，他们慢慢发现，产品特性所带来的竞争优势并不能持续很长时间，因为技术上的东西，并不是无解的，别人可以通过后期的追赶，或快或慢，最终甚至能反超领跑者，正所谓“天道不独秘”。以微信为例，刚开始，看它的功能特性，大家会觉得它是以国外 WhatsApp 为模型的一款应用，但是如今再去看，微信在功能特性上已经与 WhatsApp 千差万别，微信除了最基本的通讯能力，目前它不仅成为了特别流行的线上支付平台，同时借助微信内置的内容和会员管理系统，使得各类型的企业都不可避免需要与其产生联系，而作为零售平台的能力，使得用户绝大部分零售需求场景都能在微信上得到满足。
相反地，企业慢慢意识到，以往苦苦想要以各种方式去争夺的“领域标准制定权”，如果以开源项目的方式去做，那么会更加高效。企业把一个项目开源，如果这个项目是优秀的，那么追随者就会多起来，这样项目会在多方协作下不断完善，变得更优秀。而这其中，围绕着这个开源项目形成的上下游关系，其实是在展开成一个项目的生态系统。一旦这样的生态形成，那么企业的影响力将自然而然地显现。
意识到了这样的变化，国内企业慢慢开始鼓励开源，并且制定明确的开源策略，“有了背后这些资本的支持，国内整体的开源力量才有可能像今天这样发展起来”。
徐昊说，中国开源力量崛起的另一个原因是中国市场的独特性。“中国市场现在面临的问题，与海外市场完全不一样，我们有本土需求。”他举了一个例子，在本期技术雷达中，提到的百度开源图表库 ECharts，这就是因为国内的需求是要处理极大量的数据，同时又要在手机上获得很好的性能表现，这与以往 D3.js 遇到的情况不同。“ECharts 即使处理 100k + 数据点也具有令人难以置信的性能。”同时，徐昊还指出，当下很多中国的开源项目，本身并不存在可以借鉴的内容，其实不少都是因为国内市场的独特性而需要发挥原创能力才能实现。
除此之外，徐昊认为，钱对于人才的激励效果在逐渐减轻，而让聪明的开发者一起在最前沿的开源软件上共事更能够持续激励他们。
虽然在全球包括日本、泰国、瑞士和中国等多个国家与地区遭遇不同程度的监管，但是比特币的热度有增不减，据报道，本月比特币币值已经被炒到了 2 万美元，并且专家还预计其将一路飙升，最终在 2018 年突破 4 万美元。然而，当人们将比特币币值膨胀至此，当人们为代币的合法性与可行性争论不休的时候，支撑起这些虚拟货币系统的底层技术——区块链——相比之下却鲜有人问津。特别是国内环境，如今谈论区块链技术，多数人首先想到的是 ICO，是比特币比汇率，是国家已经对虚拟货币进行了严格的监管。“敏感”至少在今天是成了区块链的归宿。
这是牵连！“区块链技术不应该被比特币炒烂。”
抛开比特币的场景，区块链本身因为有其分布式信任机制和分布式账簿策略，是一个非常有效的数据处理平台。最开始，发明人是在开发比特币系统的时候，将区块链技术发展出来的，这就好比开发者想写一个华容道的游戏，写着写着发现自己“顺便”得到了一个可行的算法。这也正是当下比特币与区块链技术的绑定关系会如此深刻的一大原因。
但是区块链并不是简单的一个“华容道算法”。其实区块链本身除了是一种技术，它还是一种思想，利用这种去中心化、分布式信任原理，区块链可以应用到现实生活的各个方面，这正是区块链更加深远的意义所在。而这与比特币使用场景完全是两回事。徐昊为我们展示了一个例子，从 2017 年 1 月 1 日起，国际木材保护研究组织开始对某种珍贵木材的使用做出严格限制，由于这些木材分布在全球各地，在这其中组织使用到了区块链技术去追踪涉及到的每一块木材。在区块链网络上将木材分别标定之后，只有被授权使用的木材才能够进行加工，制造成其它形式，共识机制使得这个区块链分布式系统中每一块木材都不可能被悄悄处理。
除此之外区块链技术还被用在这些领域：用户信息跟踪、知识产权保护、新闻自由保护、世界碳资产管理……徐昊认为，区块链本身是一门值得深入研究的技术，我们应该将目光从单一的比特币这个领域移开，关注区块链技术本身的发展。他也很高兴地表示，如今 ThoughtWorks 看到了越来越多的企业不在比特币上下文去讨论区块链，如今区块链技术与金融行业的关系是相对较深的，可以看到目前已经有一些金融机构在内部采用区块链技术，他们在尝试用区块链去中心化的这些特点，去寻找一种新的金融思路。这是一种新趋势。同时他期待区块链技术能持续找出解决分布式信任问题的方法。
当下 AI 有多火，无需多言，但是翻遍本期技术雷达，我们并没有找到针对 AI 的相关分析。徐昊告诉我们，“AI 这次不写进技术雷达里，它是本期的‘隐藏主题’，太火的东西，我们往往更需要克制对待。”
AI 没有被写进本期技术雷达中，背后的实际情况是，“AI 走到了瓶颈期”，徐昊解释到，AI 目前火了行业，但是在企业应用推进上实际很缓慢，他认为当下只有很少企业做到对目前火热的人工智能技术的应用。
在以往的技术雷达中，其实 AI 是一个很热门的主题，许多 AI 技术和理论的产生，使得整个 AI 行业突然发展迅猛。徐昊来了个转折：“许多企业客户接触 AI 的这些信息轰炸，至少有一年以上的时间了，但是他们今天会问‘这些 AI 理论和技术到底可以帮我干什么？到底要怎么去使用？’；而另一些人尝试做了一些项目，但是并没有得到他们预期的结果。”，当下 AI 没有给出一个特别明确的主题和方向，企业不知道实际 AI 该如何去落地。
徐昊认为，造成这个现象的一个原因是，目前关于 AI 的研究结果多体现在针对判定性问题上，像深度学习最近不断取得的研究进展。但是现实生活中有许多问题并不是判定性问题，他举例：“最简单的‘优化’问题，就不是现在深度学习框架所能解决的。比如高铁车头的造型，其实也是通过人工智能算法计算后得出来的，但是它的做法并不是去进行深度学习，而是通过将各个参数随机突变去保留车头信息某些特征，不断演化，经过上百万轮计算，最后得出拥有最小风阻的造型。”，虽然同是 AI 算法，但这与目前被炒热的 AI 技术——深度学习，或者说用于帮人做决策的技术是不相关的。恰恰是这些技术，才是当下更多企业需要并且能够去应用的，然而实际情况是这一类型的 AI 技术其实没有什么热度。
正是这种研究与现实生活需求的差距，使得 AI 在今天遇到了瓶颈，今天被炒火的是那一部分与目前的现实生活并不太相关的 AI 技术与理论，而真真正正人们需要去利用的那一部分被挤到了一边，这导致了许多企业不知 AI 该如何落地，因为他需要的那部分内容实际上还没有火起来，还没传播开。
那么 AI 将何去何从？大可不必惊慌。徐昊表示，换个思路来思考，用于自动化的 AI 是当下 AI 的出路，比如停车场系统、快递标枪扫码系统这些已经相对成熟的案例。徐昊认为计算机技术发展的几十年时间，其实就是人工智能发展的历史，回望整个计算机技术历史趋势，我们其实只是在做三件事情。
第一件是处理结构化数据，将现实世界的非结构化数据整合成结构化数据，为后续处理做准备；第二件事是在数据结构化的基础上实现流程自动化，将操作托付给机器，让其自动化地将整个流程串通；第三件事是指基于流程自动化，通过更多的接触点，使更多用户访问到数据，具体表现是最初只能够使用传统互联网，发展到了移动互联网，再到如今预期的 IOT 万物互联，从哪里都可以去访问数据。而当前我们在这三个问题中，对流程自动化做得还不够，我们在需要与物理实体发生实际联系的流程自动化上的研究并不成熟，这正是当下我们应该关注的内容，而 AI 在这其中是重中之重，“没有 AI 算法，我们只能用人工。”
确实应该静下来思考一下 AI 该何去何从，我们见识了很多 AI 理论的突破，也看到了各种 Alpha 的胜利，但是这跟企业的实际生产、跟我们的普通生活有什么关系呢？这里有一场关于 AI 落地的技术会议，或许能给出一点启发。点击阅读原文，了解详情。