1.    生成式AI

生成型人工智能标志着人工智能的一个转折点。OpenAI、谷歌、微软、Facebook、Salesforce、IBM等都在大力投资于大型语言模型技术LLM的研发，推动模型的不断创新和改进。与以往的人工智能不同，生成式AI可以根据从类似非结构化数据格式中学到的信息，生成新的非结构化内容，如文本、音频、视频、图像、代码、模拟甚至蛋白质序列或消费者旅程。而且，其核心技术——基础模型，可以适应各种任务。

2.    应用型人工智能

通过机器学习（ML）、计算机视觉和自然语言处理（NLP）等人工智能技术，各行各业的企业可以利用数据并得出洞见，实现自动化流程、增强能力，并做出更明智的决策。麦肯锡的研究估计，应用型人工智能所蕴含的潜在经济价值介于17万亿美元至26万亿美元之间，并且追求这一价值的企业比例正在增加。

3.    工业化机器学习

工业化机器学习，通常称为机器学习运营(ML运营)，或者简称为MLOps，指的是在企业中扩展和维持机器学习应用所需的工程实践。这些实践得到了快速发展的技术工具生态系统的支持，这些工具在功能和互操作性方面都得到了显著改进。MLOps工具可以帮助企业从试点项目转向可行的商业产品，加速分析解决方案的扩大，发现和解决生产中的问题，并提高团队的生产力。经验表明，成功实现机器学习的工业化可以将机器学习应用的生产时间框架（从概念验证到产品）缩短约八至十倍，并将开发资源减少高达40％。

4.    下一代软件开发

下一代技术正在改变软件开发生命周期（SDLC）的每个阶段工程师的能力，从规划和测试到部署和维护，还能使非技术员工创建应用程序。这些技术可以帮助简化复杂的任务，并将其他任务简化为单一命令。这些技术包括AI辅助编程工具、低代码和无代码平台、基础设施即代码、自动集成、部署和测试，以及新兴的生成型AI工具。由于技术挑战、需要对开发人员和测试工程师进行大规模的再培训以及其他组织障碍，应用可能会比较缓慢。

5.    Web 3.0

Web 3.0 超越了对加密货币投资的典型理解，更重要的是它指的是未来互联网的一种模式，它将权力分散化并重新分配给用户，潜在地赋予他们更多对个人数据如何获得经济价值以及数字资产的更强所有权。此外，它提供了一系列商业机会：由去中心化自治组织（DAOs）治理的新商业模式，并通过安全（智能合约）自动化消除中间人，涉及数字可编程资产的新服务，以及使用区块链技术进行新数据存储和治理。Web 3.0 吸引了大量资本和人才，底层技术不断改进，并且应用不断增多；截至2023年，目前运行的去中心化应用程序有数千个，而2018年仅约有一千个。