區(qū)塊鏈（Blockchain）和機器學習（machine learning）這兩大趨勢發(fā)展始于2016年，并將持續(xù)到2018年，而且可望出現(xiàn)更多引人入勝的概念證明。

據(jù)報導，機器學習是人工智能（AI）的一個分支。人工智能的研究是從「推理」到「知識」，再到以「學習」為重點，有一條自然、清晰的脈絡可循。機器學習則是實現(xiàn)人工智能的一個途徑，即以機器學習為手段解決人工智能中的問題。

機器學習已有一些有趣的案例研究，例如具串流視訊功能的零售店監(jiān)視器，可藉機器學習功能執(zhí)行臉部辨識及掃描某些行為，觀察消費者在店內(nèi)行走的模式。這不僅能帶來主動的安全措施，還能在不挖掘客戶個人數(shù)據(jù)的情況下執(zhí)行任務，避免潛在的個人隱私問題。

區(qū)塊鏈是另個即將在2018年爆發(fā)的主要應用，特別是金融科技（FinTech）新創(chuàng)公司。區(qū)塊鏈的支付和安全應用，幾乎肯定會讓企業(yè)重新思考如何將其用于記錄財務交易。

在2017年曾接二連三傳出新的IoT安全漏洞，對工業(yè)領域而言，這是很嚴重的問題。由于工業(yè)物聯(lián)網(wǎng)（IIoT）設備資產(chǎn)壽命很長，制造業(yè)的連網(wǎng)設備平均可使用7~10年，因此工業(yè)公司歷來會盡可能讓設備維持最低的網(wǎng)絡聯(lián)機。

在設備使用期限內(nèi)維持設備更新和安全功能很重要，但其中很多設備無法輕易安裝修補程序。隨著制造業(yè)務中日漸融入更多連通性，工業(yè)世界對網(wǎng)絡安全的思維需迅速趕上，以免不安全的設備持續(xù)處于脆弱狀態(tài)。

目前市場上的許多IoT裝置實際上并無適當?shù)陌踩呗?，安全協(xié)議、口令方案都太弱，且無有效方法來修補或安裝操作系統(tǒng)更新。在2017年出現(xiàn)KRACK和Reaper等IoT攻擊事件后，2018年料將再度出現(xiàn)針對IoT裝置的大規(guī)模殭尸網(wǎng)絡（botnet）攻擊。

工業(yè)領域可解決此問題的方法之一，就是在連網(wǎng)裝置上下載和安裝最新更新。而美國參議院的改善IoT網(wǎng)絡安全法案（IoT Cybersecurity Improvement Act）是朝正確的方向邁出的積極一步。

自駕車可能還在早期發(fā)展階段，但絕非遙遠未來的趨勢，距其成為主流僅剩幾年時間。自駕車浪潮將帶來一種全新思維方式。簡言之，購買及駕駛自有汽車的傳統(tǒng)模式將成為過去。

未來消費者會在一定時間內(nèi)向供應商租用由行動裝置控制的汽車，而非直接擁有。要用車時，自駕車就會到指定地點待命，消費者毋須在兩地移動時自行管理汽車。另一方面，出租車和大眾運輸將利用IoT來提供更好服務、更有效的路線和更令人滿意的用戶體驗。