区块链可以实现分布式、安全、透明地记录和存储能源和交易流。它可用于实时跟踪能源消耗或了解所有参与者的资产组合。由于实施了“智能合约”，它还有助于能源认证和审计，以及向产消者计费和付款。
这些元素使得区块链特别适合创建分散式系统，例如微电网。这些小型网络可以实现能源生产、消费和邻居之间的共享，并且可以在不连接到配电网的情况下自主运行。
2016 年，咨询公司 Lo3 Energy 和初创公司 ConsenSys 在纽约启动了布鲁克林微电网项目，这是位于公园坡 (Park Slope) 和戈瓦纳斯 (Gowanus) 社区的分散式社区电力系统项目。
这个基于以太坊平台构建的微电网，使少数配备太阳能电池板的建筑物的租户能够跟踪其生产情况并相互交换剩余电力。从那时起，各地出现了数十个此类实验。
网络安全：迈向后量子加密
量子计算机的建造可能在未来二十年内实现，这对网络安全构成了威胁。
如今，几乎所有数字通信都受到三种密码系统的保护：公钥加密、数字签名和密钥交换。
这些系统由非对称加密算法实现，例如 RSA 加密或 Diffie-Hellman 密钥交换，这些算法基于计算难度假设，即传统计算机解决某些数学问题的难度。
然而，这些问题可以通过足够强大的量子计算机轻松解决。
因此，这项技术的出现必然会用替代 富人数据 的“后量子”系统取代当前的加密方法，这些系统能够抵抗量子计算机的威胁，并基于新的数学问题。
美国国家标准与技术研究所 (NIST) 正在致力于此项工作，该机构于 2017 年发起了一项全球征集提案活动，旨在开发、标准化和部署新的后量子密码系统。
医疗保健：深度学习正在改善医疗诊断
人工智能 (AI)——更具体地说是深度学习 (DL) 模型——正在彻底改变医学成像领域，而医学成像在医学诊断中发挥着至关重要的作用。
一般来说，放射科医生会检查所拍摄的图像并撰写一份总结其发现的报告，转诊医生会在此基础上做出诊断并制定治疗方案。
然而，人类对医学图像的解读能力有限，而且可能非常耗时。如今，深度学习算法已经足够强大，可以协助医疗专业人士完成这项任务。因此，许多领域都在开发工具，用于检测和表征病理、量化疾病程度以及作为决策辅助。
2018 年，美国食品药品监督管理局 (FDA) 批准销售首款使用人工智能检测糖尿病视网膜病变（一种可能导致失明的严重糖尿病并发症）的医疗设备，无需临床医生先对图像进行解读。该软件名为 IDx-DR，利用卷积神经网络 (CNN) 分析视网膜照相机拍摄的眼睛图像。如果检测到阳性结果，患者将被转诊给眼科医生进行进一步评估。
FDA 还批准了 MammoScreen 的商业使用，这是一款基于 CNN 的数字乳房 X 线摄影解读软件。MammoScreen 由法国初创公司 Therapixel 开发，在 2017 年的 DREAM 数字乳房 X 线摄影挑战赛中夺得第一名。
工业：新型协作机器人范式
协作机器人技术（人机协作）在工业领域正在逐步发展，它与“传统”机器人技术具有相同的目标（提高生产率、可用性、安全性），但具有多种优势。
与传统工业机器人不同，协作机器人无需安全笼即可与人类并肩工作。它可以更快、更轻松地进行编程，并且更灵活地执行各种任务。
协作机器人技术也带来了一种范式转变：自动化是指技能从人到机器的转移，而协作机器人技术则涉及技能共享，机器的作用是协助人类而不是取代人类，例如，通过提高其操纵重型部件的能力。
丹麦制造商 Universal Robots 于 2005 年由三位学者创立，占据这一新兴领域的 50% 市场份额。该公司声称自创立以来已售出 35,000 只机械臂。
美国深度科技初创公司 Covariant 希望通过开发一层可添加到任何机器人、任何环境中的人工智能来赋予机器人大脑，使其能够通过基于深度强化学习的反复试验过程来适应新任务。
计算：新形态革命
人工智能和深度学习的进步推动了适用于特定应用（例如图像识别或语音处理）的新物理架构的开发。尽管其中一些架构（例如 GPU（图形处理单元））已被证明在人工智能任务中表现出色，但仍存在一个问题：将数据从内存移动到处理器以及反之亦然不仅会产生延迟（“冯·诺依曼瓶颈”），还会消耗大量能源。
神经形态芯片正是为此而生，因为它们的概念完全不同。它们模仿人类大脑的结构和运作，利用所需的神经元和突触以最大的能源效率进行计算。
与人脑一样，它们的功能不如传统处理器强大，无法同时执行大量操作。然而，由于它们专注于特定任务，因此它们可以更快地执行人工神经网络操作，并且消耗更少的能量，并且可以直接在嵌入它们的系统中执行这些操作（因此无需依赖云）。这可能会从根本上改变现代计算格局。