重磅！达摩院揭晓2023年十大科技趋势

　　编者按：
　　阿里巴巴达摩院正式发布2023年十大科技趋势，交叉融合将成为2023科技发展关键词，尤其在信息与通信技术领域酝酿的新裂变将为科技产业革新注入动力。进入2023年，达摩院预测基于技术迭代与产业应用的融合创新将驱动AI、云计算、芯片等领域实现阶段性跃迁。哪些科技趋势将占领2023年的科技头条，让我们先睹为快！
　　全文约4026字，建议阅读时间12分钟。
　　围绕摩尔定律展开的思考
　　1965年4月19日，仙童半导体公司一位叫戈登·摩尔的工程师，撰写了一页纸的短文《让集成电路填满更多的元件》。那是集成电路的黄金时代，很多今天的伟大思想都可以在那时找到源头，但即便如此，也很少有什么成果可以和这纸短文相提并论。甚至摩尔本人也不想到，这个被称作摩尔定律的想法在67年间始终指导着产业的变革，以至于今天的很多思考依然都围绕着这个定律展开。
　　很多人同样没注意到的是，摩尔定律实际上是很多因素共同作用的结果。一方面，作为前沿技术， 制程技术进步的背后当然有科学技术的贡献 ；但另一方面，作为一个必须在现实世界发挥作用的产品，摩尔定律还反映了 财务因素的影响 。正是为了让社会以合适的成本使用最新的半导体技术，摩尔定律最终才在18个月的周期上实现了平衡，并逐步演进至今。
　　客观知识与主观思考的结合
　　这反映了趋势预测的某些共同特征。它需要关注到一个广阔领域中的最 核心问题 ，需要顾及多方利益的最 深入思考 ，需要使用直达思想的最 简洁概括 ，最好还能有对未来实践的最 有力指导 。
　　即便如此，预测还是更像一颗种子，它可能永远无法破土而出，可能刚刚崭露头角时就已被风暴摧毁，当然也可能长成参天大树，但那时的人们至多不过感叹生命的神奇，而很少去探寻这颗种子的奥秘，这颗种子最多变成了用来增加故事传奇性的奇闻轶事。
　　即便如此，对趋势的判断依然令人着迷，因为对未来的展望需要穿过重重迷雾，它需要研究者跳出技术思考技术，需要研究者站在原地俯瞰未来，有时甚至需要研究者坚定站在人生经验与成熟思想的对立面。
　　也是因为这个原因，对未来的思考并不容易实现。在为今年的十大科技趋势写序言时，曾经创立电脑报和《科学美国人》中文版《环球科学》杂志的陈宗周先生就在提到摩尔定律时又提到另外两个反例，＂拥有贝尔实验室的AT&T滑向颓势、举国之力的日本五代机项目遭遇惨败，尽管因素复杂，但误判趋势是其中重要原因＂。
　　预测因此在某种程度上代表着 可以量化的客观知识 和 难以量化的主观思考 在某个时点恰到好处的结合。很多先行者都尝试了很多办法促成这种结合，兰德公司青睐科学的方法体系——因此经常用情境分析帮助人们看到未来的可能空间，布鲁金斯学会则相信人的经验与智慧——因此倾向采用业内领导型人才来表达见解。达摩院十大科技趋势预测更像两者的平衡。
　　过去几年，在成功预测AI专用芯片崛起、超大规模图神经网络系统赋予机器常识、区块链回归理性、AI for Science、天基计算等技术趋势的同时，整套研究方法也在不断进化，从而在客观的事实和主观的判断之间找到了更好的平衡。
　　在这套方法论的帮助下，达摩院今年推出的十大科技趋势涵盖 范式重置、产业革新和场景变化 三大领域，其中有些趋势——例如多模态与训练大模型和生成式AI的价值已经开始在现实社会有所显现，有些趋势——例如Chiplet和存算一体等技术正在引起全社会的深入思考，有些趋势——例如云原生安全则提出了非常广阔的命题并需要越来越多的人投入其中才能予以兑现。
　　今天，达摩院再次种下这颗种子，而我们也将共同期待这颗种子的未来。
　　一图看懂达摩院2023十大科技趋势
　　十大趋势解读
　　趋势一：多模态预训练大模型
　　人工智能正在从文本、语音、视觉等单模态智能，向着多种模态融合的通用人工智能方向发展。多模态统一建模，目的是增强模型的跨模态语义对齐能力，打通各个模态之间的关系，使得模型逐步标准化。
　　目前，技术上的突出进展来自于 CLIP（匹配图像和文本） 和 BEiT-3（通用多模态基础模型） 。基于多领域知识，构建统一的、跨场景、多任务的多模态基础模型已成为人工智能的重点发展方向。未来大模型作为基础设施，将实现图像、文本、音频统一知识表示，并朝着能推理、能回答问题、能总结、做创作的认知智能方向演进。
　　趋势二：Chiplet
　　Chiplet是硅片级别的 ＂解构-重构-复用 ＂，它把传统的SoC分解为多个芯粒模块，将这些芯粒分开制备后再通过互联封装形成一个完整芯片。芯粒可以采用不同工艺进行分离制造，可以显著降低成本，并实现一种新形式的IP复用。
　　随着摩尔定律的放缓，Chiplet成为 持续提高SoC集成度和算力 的重要途径，特别是随着2022年3月份UCle联盟的成立，Chiplet互联标准将逐渐统一，产业化进程将进一步加速。基于先进封装技术的Chiplet可能将重构芯片研发流程，从制造到封测，从EDA到设计，全方位影响芯片的区域与产业格局。
　　趋势三：存算一体
　　存算一体旨在 计算单元 与 存储单元 融合，在实现数据存储的同时直接进行计算，以消除数据搬移带来的开销，极大提升运算效率，实现计算存储的高效节能。存算一体非常 符合高访存、高并行的人工智能场景计算需求 。在产业和资本的驱动下，基于SRAM，DRAM，Flash存储介质的产品进入验证期，将优先在低功耗、小算力的端侧如智能家居、可穿戴设备、泛机器人、智能安防等计算场景落地。
　　未来，随着存算一体在面向云端推理的大算力场景落地，可能将带来计算架构的一场革命性变化，推动传统的以计算为中心的架构转变为 以数据为中心的架构 ，并对云计算、人工智能、物联网等产业产生重大影响。
　　趋势四：云原生安全
　　云原生安全是安全体系的优化和升级，进而实现 云基础设施的原生安全 ，以及具有更强的安全能力。云原生安全是 安全技术 与 云计算 由相对松散走向紧密结合的过程。安全和合规成为云产品的内生免疫力，帮助云产品及时发现风险并实现自愈。
　　趋势五：软硬融合云计算体系架构
　　云计算从以CPU为中心的计算体系架构向以 云基础设施处理器（CIPU）为中心 的全新体系架构深度演进。通过软件定义，硬件加速，在保持云上应用开发的高弹性和敏捷性同时，带来云上应用的全面加速。
　　新的体系架构下，软硬一体化带来硬件结构的融合，接入物理的计算、存储、网络资源，通过 硬件资源的快速云化 实现硬件加速。此外，新架构也带来软件系统的融合。这意味着以CIPU云化加速后的算力资源，可通过CIPU上的控制器接入分布式平台，实现 云资源的灵活管理、调度和编排 。在此基础上，CIPU将定义下一代云计算的服务标准，给核心软件研发和专用芯片行业带来新的发展机遇。
　　趋势六：端网融合的可预期网络
　　可预期网络 (Predictable Fabric) 是云计算定义的， 服务器端侧和网络协同的高性能网络互联系统 。计算体系和网络体系正在相互融合，它通过高性能网络互联使能算力集群的规模扩展，从而构建大算力资源池，加速算力普惠化，让算力进入大规模产业应用。
　　可预期网络不仅支持新兴的 大算力+高性能 计算场景，也适用于通用计算场景，是融合了传统网络和未来网络的产业趋势。通过云定义的协议、软件、芯片、硬件、架构、平台的全栈创新， 可预期高算力网络 有望颠覆目前基于传统互联网TCP协议的技术体系，成为下一代数据中心网络的基本特征，并从数据中心的局域应用走向全网推广。
　　趋势七：双引擎智能决策
　　企业需在纷繁复杂、动态变化环境中，快速做出精准经营决策。经典决策优化基于运筹学，通过对现实问题进行准确描述刻画来构建数学模型，同时结合运筹优化算法，在多重约束条件下求目标函数最优解。随着外部环境复杂程度和变化速度不断加剧，经典决策优化对不确定性问题处理不够好、大规模求解响应速度不够快的局限性日益凸显。学界和产业界开始探索引入机器学习，构建 数学模型与数据模型 双引擎新型智能决策体系，弥补彼此局限性、提升决策速度和质量。
　　未来，双引擎智能决策将进一步拓展应用场景，在大规模实时电力调度、港口吞吐量优化、机场停机安排、制造工艺优化等特定领域推进全局实时动态资源配置优化。
　　趋势八：计算光学成像
　　计算光学成像是一个新兴多学科交叉领域。它以具体应用任务为准则，通过 多维度获取 或 编码光场信息（如角度、偏振、相位等） ，为传感器设计远超人眼的感知新范式；同时，结合数学和信号处理知识，深度挖掘光场信息，突破传统光学成像极限。目前，计算光学成像处于高速发展阶段，已取得许多令人振奋的研究成果，并在手机摄像、医疗、无人驾驶等领域开始规模化应用。未来，计算光学成像有望进一步颠覆传统成像体系，带来更具创造力和想象力的应用，如无透镜成像、非视域成像等。
　　趋势九：大规模城市数字孪生
　　城市数字孪生自2017年首度被提出以来，受到广泛推广和认可，成为城市精细化治理的新方法。近年来，城市数字孪生关键技术实现了从量到质的突破，具体体现在大规模方面，实现了 大规模动态感知映射（更低建模成本） 、 大规模在线实时渲染（更短响应时间） ，以及 大规模联合仿真推演（更高精确性） 。目前，大规模城市数字孪生已在交通治理、灾害防控、双碳管理等应用场景取得较大进展。未来城市数字孪生将在大规模趋势的基础上，继续向 立体化、无人化、全局化 方向演进。
　　趋势十：生成式AI
　　生成式AI（Generative AI 或 AIGC）是利用 现有文本、音频文件或图像 创建新内容的技术。过去一年，其技术上的进展主要来自于三大领域： 图像生成领域 ，以DALL·E-2、Stable Diffusion为代表的扩散模型（diffusion model）； 自然语言处理（NLP）领域 基于GPT-3.5的ChatGPT； 代码生成领域 基于GPT-3的Copilot。未来，生成式AI将成为一项大众化的基础技术，极大的提高数字化内容的丰富度、创造性与生产效率，其应用边界也将随着技术得进步与成本的降低扩展到更多领域。