文｜盧瀅西

“我們盯著后視鏡看現(xiàn)在，倒退著走向未來(lái)�！奔幽么髠鞑�學(xué)者麥克盧漢用“后視鏡理論”來(lái)解釋媒介技術(shù)演化及其影響的基本運(yùn)作原則，而這一理論，同樣適用于如今科技的發(fā)展，強(qiáng)調(diào)從歷史中走向未來(lái)。

但由于人類認(rèn)知的局限性，時(shí)代往往跑得比認(rèn)知更快，因此，我們既需要過(guò)去的經(jīng)驗(yàn)，也需要未來(lái)的視角。

近日，百度、騰訊、達(dá)摩院和MIT科技評(píng)論先后發(fā)布了他們對(duì)于2023年科技趨勢(shì)的預(yù)測(cè)�？v覽各家今年發(fā)布的預(yù)測(cè)，“大模型”“云計(jì)算”“芯片”成為了關(guān)鍵詞，AI技術(shù)帶來(lái)的智能化仍然是主線。

具體來(lái)看，百度研究院所發(fā)布的2023年十大科技趨勢(shì)預(yù)測(cè)中，涵蓋了大模型生態(tài)、數(shù)實(shí)融合、虛實(shí)共生、自動(dòng)駕駛、機(jī)器人、科學(xué)計(jì)算、量子計(jì)算、隱私計(jì)算、科技倫理和科技可持續(xù)發(fā)展等領(lǐng)域；騰訊對(duì)高性能計(jì)算、泛在操作系統(tǒng)、Web3、時(shí)空人工智能等前沿?cái)?shù)字科技的應(yīng)用做了預(yù)測(cè)；在達(dá)摩院的預(yù)測(cè)中，也出現(xiàn)了云原生安全、城市數(shù)字孿生和生成式AI等熱門(mén)領(lǐng)域；而MIT科技評(píng)論則聚焦在了生物科技、環(huán)保、科技與工程等領(lǐng)域。

作為探路者，這些科技公司和機(jī)構(gòu)都在結(jié)合自身實(shí)踐和前沿學(xué)術(shù)的基礎(chǔ)上，給出了對(duì)于未來(lái)的判斷。去年年初，百度就預(yù)言了AIGC將會(huì)實(shí)現(xiàn)大規(guī)模的應(yīng)用，而今年國(guó)內(nèi)外眾多AI繪畫(huà)的火爆也印證了這一點(diǎn)。今年，達(dá)摩院2023十大科技趨勢(shì)中，也強(qiáng)調(diào)了生成式AI將進(jìn)入應(yīng)用爆發(fā)期。

2022年，數(shù)字人、AI繪畫(huà)、Web3等井噴式的涌現(xiàn)已經(jīng)讓人興奮不已，翻開(kāi)日歷上新的一頁(yè)，不禁讓人發(fā)問(wèn)：2023年，技術(shù)發(fā)展的邊界又在哪里？

為此，光錐智能從AI、數(shù)字化、生物科技、科技與ESG等四個(gè)方向，對(duì)騰訊、達(dá)摩院、百度和MIT科技評(píng)論發(fā)布的2023年科技趨勢(shì)預(yù)測(cè)進(jìn)行了梳理。

趨勢(shì)一：以AI為主線的智能化

2022年隨著自動(dòng)駕駛、ChatGPT、AI繪畫(huà)等人工智能技術(shù)的火爆，AI開(kāi)始進(jìn)入大眾語(yǔ)境。而在百度、騰訊、阿里達(dá)摩研究院以及MIT科技評(píng)論關(guān)于2023年十大科技的預(yù)測(cè)中，AI技術(shù)也被賦予了重要篇章。當(dāng)然，要推動(dòng)AI的發(fā)展也并不容易，從底層算力到預(yù)訓(xùn)練大模型，再到應(yīng)用場(chǎng)景，AI的發(fā)展將帶動(dòng)多個(gè)產(chǎn)業(yè)的變革，具體來(lái)看：

基礎(chǔ)層：

RISC－V架構(gòu)：

由于指令集標(biāo)準(zhǔn)X86和ARM占據(jù)著CPU架構(gòu)主要的市場(chǎng)份額，國(guó)內(nèi)芯片的設(shè)計(jì)研發(fā)被卡脖子一直都是老生常談的問(wèn)題，但得益于RISC－V 開(kāi)放標(biāo)準(zhǔn)的興起，我國(guó)芯片自主研發(fā)逐漸成為了可能。

與大多數(shù)指令集相比，RISC－V指令集可以自由地用于任何目的，允許任何人設(shè)計(jì)、制造和銷售RISC－V芯片和軟件，而且RISC－V開(kāi)源免費(fèi)，很大程度上降低了芯片設(shè)計(jì)研發(fā)的難度和成本。

在大國(guó)科技競(jìng)爭(zhēng)的背景下，我國(guó)芯片廠商不斷加碼RISC－V，有望實(shí)現(xiàn)彎道超車。數(shù)據(jù)顯示，在非營(yíng)利性質(zhì)RISC－V International組織的19名高級(jí)成員中，與我國(guó)有關(guān)的有12名。

Chiplet：

后摩爾時(shí)代，由于芯片越來(lái)越難以單純靠升級(jí)制程實(shí)現(xiàn)性能提升，摩爾定律面臨失效危機(jī)，因此，高性能、低功耗、高面積使用率以及低成本的Chiplet芯粒技術(shù)受到了廣泛關(guān)注。

簡(jiǎn)單來(lái)說(shuō)，Chiplet的原理與搭樂(lè)高積木類似，把傳統(tǒng)的 SoC 分解為多個(gè)芯粒模塊，將這些芯粒分開(kāi)制備后再通過(guò)互聯(lián)封裝形成一個(gè)完整芯片。而如何保障互聯(lián)封裝時(shí)芯粒連接工藝的可靠性、普適性，實(shí)現(xiàn)芯粒間數(shù)據(jù)傳輸?shù)拇髱�寬、低延遲，是Chiplet技術(shù)研發(fā)的關(guān)鍵。

根據(jù)達(dá)摩院的預(yù)測(cè)，隨著2022年3月份UCle聯(lián)盟的成立，Chiplet互聯(lián)標(biāo)準(zhǔn)將逐漸統(tǒng)一，產(chǎn)業(yè)化進(jìn)程將進(jìn)一步加速�；�于先進(jìn)封裝技術(shù)的Chiplet可能將重構(gòu)芯片研發(fā)流程，全方位影響芯片的產(chǎn)業(yè)格局。

存算一體芯片：

隨著AI應(yīng)用的不斷落地，對(duì)于芯片的并行運(yùn)算、低延遲、帶寬也提出了更高的要求。

傳統(tǒng)馮 · 諾依曼體系下運(yùn)行的計(jì)算機(jī)通常包括存儲(chǔ)單元和計(jì)算單元兩部分，導(dǎo)致計(jì)算能力受到限制。而存算一體架構(gòu)直接將數(shù)據(jù)存儲(chǔ)單元和計(jì)算單元融合為一體，能夠大幅減少數(shù)據(jù)搬運(yùn)帶來(lái)的功耗損失，同時(shí)，也減少了等待數(shù)據(jù)讀取時(shí)的算力浪費(fèi)，極大提高計(jì)算并行度和能效，在VR／ AR、無(wú)人駕駛等應(yīng)用場(chǎng)景中，存算一體芯片具備高帶寬、低功耗的顯著優(yōu)勢(shì)。

目前，存算一體已經(jīng)在不少垂直領(lǐng)域掀起熱潮，在資本和產(chǎn)業(yè)雙輪驅(qū)動(dòng)下，基于 SRAM、 NOR Flash等成熟存儲(chǔ)器的存內(nèi)計(jì)算將在垂直領(lǐng)域迎來(lái)規(guī)�；�商用，諸如智能家居、可穿戴設(shè)備、泛機(jī)器人、 智能安防等小算力、低功耗場(chǎng)景有望優(yōu)先迎來(lái)產(chǎn)品和生態(tài)的升級(jí)迭代。

高性能計(jì)算：

近些年來(lái)，在AI大模型、AIGC、自動(dòng)駕駛、蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)等各類人工智能應(yīng)用的驅(qū)動(dòng)下，憑借著在架構(gòu)、硬件和軟件等方面的迭代和積累，高性能計(jì)算跨過(guò)了以CPU為核心計(jì)算單元的1．0時(shí)代，在CPU＋GPU的2．0時(shí)代實(shí)現(xiàn)核心突破，如今，又邁向了“CPU＋GPU＋QPU”的3．0時(shí)代。

高性能芯片，是高性能計(jì)算的核心技術(shù)，上文提到的Chiplet 技術(shù)也將在高性能計(jì)算、高密度計(jì)算等領(lǐng)域發(fā)揮著重要作用。

量子計(jì)算：

2022年的諾貝爾物理學(xué)獎(jiǎng)?lì)C給了“量子糾纏”，讓更多的人認(rèn)識(shí)到量子計(jì)算。

近些年來(lái)，在諸如谷歌、百度等海內(nèi)外巨頭的推動(dòng)下，量子計(jì)算的技術(shù)不斷突破，目前，已經(jīng)在基礎(chǔ)科學(xué)探索、數(shù)字經(jīng)濟(jì)、人工智能、信息安全等眾多領(lǐng)域?qū)崿F(xiàn)應(yīng)用。據(jù)市場(chǎng)研究公司Hyperion Research估計(jì)，量子計(jì)算市場(chǎng)2022年收入為6．14億美元，預(yù)計(jì)到2025年達(dá)到12．08億美元，年復(fù)合增長(zhǎng)率為25％。

過(guò)去一年，量子計(jì)算技術(shù)已在軟硬件、應(yīng)用和網(wǎng)絡(luò)等關(guān)鍵技術(shù)方向?qū)崿F(xiàn)新一輪突破，2022年，百度發(fā)布了一臺(tái)名為“乾始”的產(chǎn)業(yè)級(jí)超導(dǎo)量子計(jì)算機(jī)，并且還發(fā)布了名為“量羲”的全球首個(gè)全平臺(tái)量子軟硬一體解決方案，實(shí)現(xiàn)量子芯片“即插即用”。

據(jù)百度研究院的預(yù)測(cè)，預(yù)計(jì)2023年，量子計(jì)算核心技術(shù)將會(huì)持續(xù)突破，在人工智能、材料模擬、金融科技、生物制藥等更多領(lǐng)域?qū)崿F(xiàn)落地，加速產(chǎn)業(yè)化進(jìn)程。

模型層：

多模態(tài)預(yù)訓(xùn)練大模型：

從單一的文本－文本、圖片－圖片，到文生圖、圖生視頻，AI預(yù)訓(xùn)練大模型正在從文本、語(yǔ)音、視覺(jué)等單模態(tài)智能，向著多種模態(tài)融合的方向發(fā)展。

在文生圖領(lǐng)域，以2022年火出圈的Stable Diffusion擴(kuò)散模型為例，得益于CLIP的加入，使得該模型能夠完成文本特征映射到圖像特征的過(guò)程，指導(dǎo)模型生成圖像，并借助擴(kuò)散模型改善圖像質(zhì)量。

隨著技術(shù)發(fā)展的不斷成熟，多模態(tài)預(yù)訓(xùn)練大模型將朝著能推理、能回答問(wèn)題、能總結(jié)、做創(chuàng)作的認(rèn)知智能方向發(fā)展，加速通用人工智能的演化進(jìn)程。

行業(yè)大模型：

在AI大模型向跨語(yǔ)言、跨任務(wù)、跨模態(tài)的技術(shù)方向演進(jìn)的過(guò)程中，其通用性、泛化性、可解釋性大幅提升。但這還遠(yuǎn)遠(yuǎn)不夠，技術(shù)要進(jìn)行產(chǎn)業(yè)化落地，還需要思考大模型如何與真實(shí)場(chǎng)景的需求相匹配。

例如，2022年，百度聯(lián)合吉利發(fā)布的知識(shí)增強(qiáng)汽車行業(yè)大模型——吉利－百度·文心，該行業(yè)大模型使用了百度文心ERNIE 3．0大模型，在2300萬(wàn)條吉利汽車專業(yè)領(lǐng)域無(wú)標(biāo)注數(shù)據(jù)上進(jìn)行模型預(yù)訓(xùn)練，實(shí)現(xiàn)了大模型在汽車行業(yè)的落地應(yīng)用。

隨著大模型技術(shù)逐步成熟，訓(xùn)練能力、核心算子庫(kù)和軟件平臺(tái)布局不斷完善，運(yùn)用行業(yè)知識(shí)增強(qiáng)技術(shù)，大模型的能力也將應(yīng)用于能源電力、金融、航天、傳媒、影視等更多領(lǐng)域。

應(yīng)用層：

AIGC：

從理解到創(chuàng)造，這是人工智能最顯著的進(jìn)步之一。

得益于近年來(lái)大模型在基礎(chǔ)研究尤其是深度學(xué)習(xí)上的突破，從海量訓(xùn)練數(shù)據(jù)中，生成式AI能夠生成全新的數(shù)字視頻、圖像、文本、音頻或代碼等內(nèi)容。比如能夠用于問(wèn)答、文本寫(xiě)作、編寫(xiě)代碼的ChatGPT以及各類文生圖的AI繪畫(huà)軟件。

在模型開(kāi)源、算力成本下降等多重因素的加持下，生成式 AI 的商業(yè)化初現(xiàn)苗頭，目前，AI繪畫(huà)所生成的作品已經(jīng)開(kāi)始應(yīng)用于廣告營(yíng)銷、視頻制作以及游戲模型制作等多領(lǐng)域。未來(lái)隨著生成式AI在認(rèn)知智能和生成可控性上的進(jìn)一步提升，生成式 AI 還將進(jìn)入應(yīng)用爆發(fā)期，極大地推動(dòng)數(shù)字化內(nèi)容生產(chǎn)與創(chuàng)造。

圖片：AIGC繪畫(huà)作品《太空歌劇院》

城市數(shù)字孿生：

基于數(shù)字孿生技術(shù)，打造智慧城市成為了城市建設(shè)的主流趨勢(shì)。據(jù)IDC預(yù)測(cè)，到2025年智慧城市投資規(guī)模將超過(guò)千億美元，5年復(fù)合增長(zhǎng)率超過(guò)30％。

城市數(shù)字孿生自2017年首度被提出以來(lái)，受到廣泛推廣和認(rèn)可。近兩年，城市數(shù)字孿生關(guān)鍵技術(shù)實(shí)現(xiàn)了從量到質(zhì)的突破，具體體現(xiàn)在大規(guī)模上。

目前，大規(guī)模城市數(shù)字孿生已在交通治理、災(zāi)害防控、雙碳管理等應(yīng)用場(chǎng)景取得較大進(jìn)展。比如說(shuō)城市內(nèi)澇積水，通過(guò)對(duì)城市高精路網(wǎng)、水網(wǎng)、河道、車輛等實(shí)體的三維建模和實(shí)時(shí)渲染，實(shí)現(xiàn)人群疏散引導(dǎo)、交通管控策略、天氣情況影響等全方位策略預(yù)案的孿生演練與效果評(píng)估。

未來(lái)，城市數(shù)字孿生既作為城市立體化綜合無(wú)人系統(tǒng)的研發(fā)測(cè)試環(huán)境，同時(shí)也是實(shí)現(xiàn)全局感知、全局調(diào)度的支撐系統(tǒng)。

數(shù)字人：

2022年初，從中國(guó)移動(dòng)的數(shù)字谷愛(ài)凌，再到騰訊3D手語(yǔ)數(shù)智人＂聆語(yǔ)”，冬奧會(huì)上數(shù)字人的大量使用，讓更多的人認(rèn)識(shí)到了數(shù)字人，也為數(shù)字人的應(yīng)用推廣打造了絕佳的契機(jī)。

在研發(fā)層面，得益于AI技術(shù)的加入，數(shù)字人的開(kāi)發(fā)周期和成本大大縮短和下降；在智能化層面，數(shù)字人主要是依靠NLP進(jìn)行文本驅(qū)動(dòng)，基于NLP大模型的發(fā)展，數(shù)字人的智能化程度日益提高；在應(yīng)用層面，目前，數(shù)字人在數(shù)字化營(yíng)銷、文娛等領(lǐng)域應(yīng)用廣泛，伴隨全真互聯(lián)時(shí)代的到來(lái)，數(shù)字人將會(huì)成為其重要的元素和新入口。

雙引擎智能決策：

近些年來(lái)，隨著外部環(huán)境復(fù)雜程度和變化速度不斷加劇，在企業(yè)的視角下，企業(yè)需在紛繁復(fù)雜、動(dòng)態(tài)變化的環(huán)境中，快速精準(zhǔn)地做出經(jīng)營(yíng)決策。

經(jīng)典決策優(yōu)化的局限性在于處理能力不足且反應(yīng)速度慢，機(jī)器學(xué)習(xí)的缺點(diǎn)在于成本高、學(xué)習(xí)的效率慢，因此，學(xué)術(shù)界和產(chǎn)業(yè)界開(kāi)始構(gòu)建數(shù)學(xué)模型與數(shù)據(jù)模型雙引擎新型智能決策體系，彌補(bǔ)了經(jīng)典決策優(yōu)化和運(yùn)籌優(yōu)化算法彼此之間的局限性。

比如打車平臺(tái)的派單，利用雙引擎智能決策可以對(duì)訂單量、訂單時(shí)間、道路狀況等相關(guān)數(shù)據(jù)進(jìn)行建模分析，以此得出最優(yōu)決策。

未來(lái)，雙引擎智能決策將進(jìn)一步拓展應(yīng)用場(chǎng)景，在大規(guī)模實(shí)時(shí)電力調(diào)度、港口吞吐量?jī)?yōu)化、機(jī)場(chǎng)停機(jī)安排、制造工藝優(yōu)化等特定領(lǐng)域，推進(jìn)全局實(shí)時(shí)動(dòng)態(tài)資源配置優(yōu)化。

機(jī)器人：

在全球人口結(jié)構(gòu)調(diào)整、勞動(dòng)力成本上升的背景下，機(jī)器人的重要性愈發(fā)凸顯。

從供給端來(lái)看，AI、大數(shù)據(jù)和云計(jì)算等技術(shù)的介入，使得機(jī)器人在感知、決策、執(zhí)行方面的性能大幅提升。

其中，在感知方面，觸覺(jué)感知是目前機(jī)器人感知補(bǔ)全領(lǐng)域的攻關(guān)重點(diǎn)。受益于柔性材料的突破性進(jìn)展，觸覺(jué)傳感技術(shù)已經(jīng)在機(jī)器人手、觸覺(jué)手套、健康檢測(cè)設(shè)備、智能座艙等領(lǐng)域研發(fā)測(cè)試。例如協(xié)作機(jī)器人在末端執(zhí)行器上安裝的柔性?shī)A爪，能夠?qū)π螤�、材質(zhì)復(fù)雜的物品進(jìn)行分揀和抓取，就像人類的手一樣。

未來(lái)，隨著機(jī)器人ROI的進(jìn)一步下降，移動(dòng)機(jī)器人、協(xié)作機(jī)器人等各類機(jī)器人將會(huì)開(kāi)始進(jìn)入工廠、家庭，承擔(dān)起降本增效的重任。

自動(dòng)駕駛：

2022年，隨著自動(dòng)駕駛進(jìn)入城市場(chǎng)景，無(wú)論是感知復(fù)雜環(huán)境、還是處理海量數(shù)據(jù)的難度都大大增加，傳統(tǒng)小模型無(wú)法滿足高級(jí)別自動(dòng)駕駛的要求，因此不少自動(dòng)駕駛公司開(kāi)始將Transformer大模型應(yīng)用到自動(dòng)駕駛算法當(dāng)中。

而大模型的加入，讓自動(dòng)駕駛汽車有效擴(kuò)充語(yǔ)義識(shí)別數(shù)據(jù)，大幅提升長(zhǎng)尾問(wèn)題解決效率，進(jìn)一步增強(qiáng)自動(dòng)駕駛感知泛化能力，適應(yīng)更多出行場(chǎng)景。

預(yù)計(jì)2023年，中國(guó)主要城市自動(dòng)駕駛商業(yè)化落地將呈現(xiàn)運(yùn)營(yíng)范圍、車隊(duì)規(guī)模雙增長(zhǎng)的趨勢(shì)，擁有自動(dòng)駕駛技術(shù)的智能汽車市場(chǎng)滲透率也將有新突破，智能汽車產(chǎn)業(yè)從此前的“試水試航”走向“揚(yáng)帆遠(yuǎn)航”。

計(jì)算光學(xué)圖像：

伴隨著傳統(tǒng)光學(xué)成像在硬件功能、成像性能方面接近物理極限，依托于傳感器、云計(jì)算、人工智能等新一代信息技術(shù)的計(jì)算光學(xué)成像應(yīng)運(yùn)而生。

計(jì)算光學(xué)成像以具體應(yīng)用任務(wù)為準(zhǔn)則，通過(guò)多維度獲取或編碼光場(chǎng)信息，為傳感器設(shè)計(jì)遠(yuǎn)超人眼的感知新范式。同時(shí)，結(jié)合數(shù)學(xué)和信號(hào)處理知識(shí)，深度挖掘光場(chǎng)信息，突破傳統(tǒng)光學(xué)成像極限。

目前，計(jì)算光學(xué)成像已經(jīng)在手機(jī)攝像、醫(yī)療、監(jiān)控、工業(yè)檢測(cè)、無(wú)人駕駛等領(lǐng)域開(kāi)始規(guī)�；瘧�(yīng)用。例如在手機(jī)攝像領(lǐng)域，手機(jī)攝像在相當(dāng)一部分場(chǎng)景的拍攝效果達(dá)到、甚至超過(guò)一般單反相機(jī)。

未來(lái)，計(jì)算光學(xué)成像有望進(jìn)一步顛覆傳統(tǒng)成像體系，帶來(lái)更具創(chuàng)造力和想象力的應(yīng)用， 如無(wú)透鏡成像、非視域成像等。

AI賦能科學(xué)研究：

AI技術(shù)在改造產(chǎn)業(yè)的同時(shí)，也在成為輔助科研的重要力量。

1972年，學(xué)者Christian Anfinsen提出的蛋白折疊問(wèn)題——“蛋白質(zhì)的氨基酸序列應(yīng)該能完全決定其結(jié)構(gòu)”，讓其成為了諾貝爾化學(xué)獎(jiǎng)的得主。

而這一科研成果背后，少不了AlphaFold模型的助攻。借力AI技術(shù)，John Jumper團(tuán)隊(duì)推動(dòng)著蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)的研究進(jìn)入了一個(gè)新的階段，而AlphaFold等模型的成功讓人們看到，人工智能技術(shù)對(duì)科學(xué)計(jì)算產(chǎn)生的巨大影響，也讓AI for Science的概念備受關(guān)注。

簡(jiǎn)單來(lái)說(shuō)，AI for Science就是通過(guò)引入AI技術(shù)，研究者們開(kāi)發(fā)了科學(xué)計(jì)算工具，利用模型來(lái)解決實(shí)際的科研問(wèn)題。

在未來(lái)，AI還將改變更多學(xué)科的研究范式，在物理、化學(xué)、生物、材料學(xué)等基礎(chǔ)科學(xué)及藥物研發(fā)等應(yīng)用領(lǐng)域大有可為。

趨勢(shì)二：數(shù)字化轉(zhuǎn)型加快

隨著上云業(yè)務(wù)需求的提升與云計(jì)算日趨成熟，具備更高的敏捷性、彈性和云間的可移植性的云原生技術(shù)則越來(lái)越受到關(guān)注。與此同時(shí)，全真互聯(lián)、元宇宙等概念的興起，也推動(dòng)著云端算力發(fā)展日趨高密以及專用化，計(jì)算更為復(fù)雜。

因此，推動(dòng)云上構(gòu)建計(jì)算資源豐富和專用的異構(gòu)計(jì)算系統(tǒng)也成為了趨勢(shì)。而異構(gòu)計(jì)算對(duì)算力提出的高要求，也在基礎(chǔ)設(shè)施層面上反推著軟硬件融合的加速。

如今，云計(jì)算技術(shù)已經(jīng)成為共識(shí)，在夯實(shí)技術(shù)底座的前提下，云計(jì)算與各領(lǐng)域深度融合，云原生安全受到重視，在云上成長(zhǎng)的數(shù)字經(jīng)濟(jì)也在成為一種確定性趨勢(shì)。

云計(jì)算：

2022年10月亞馬遜明確提出：從計(jì)算存儲(chǔ)到數(shù)據(jù)庫(kù)、數(shù)據(jù)分析、機(jī)器學(xué)習(xí)，云服務(wù)正全面邁向Serverless，幫助客戶最大限度減輕運(yùn)維工作，并增加業(yè)務(wù)敏捷性，更好地應(yīng)對(duì)山務(wù)的各種不確定性。這也反映出了云計(jì)算向精細(xì)化、集成化和異構(gòu)計(jì)算持續(xù)演進(jìn)的趨勢(shì)。

隨著數(shù)字安全、隱私合規(guī)、資源自主、服務(wù)高可用等要求的不斷提升，公有云、私有云、混合云市場(chǎng)的主戰(zhàn)場(chǎng)，具備便捷、專有云等交付模式不斷興起，混合云不斷成為市場(chǎng)的主戰(zhàn)場(chǎng)，具備便捷、可控、可持續(xù)等特征的專有云成為新趨勢(shì)、新選擇，云上的服務(wù)模式也更加精細(xì)化。

云原生己成為下一代云計(jì)算演進(jìn)方向，Al、大數(shù)據(jù)等積極走向云原生模式，借助容器、微服務(wù)、無(wú)服務(wù)器等云原生優(yōu)勢(shì)，企業(yè)和開(kāi)發(fā)者得以在IT成本優(yōu)化的條件下實(shí)現(xiàn)Al算法高效訓(xùn)練、大數(shù)據(jù)應(yīng)用敏捷開(kāi)發(fā)、程序靈活部署和全生命周期管理。

伴隨著全真互聯(lián)、元宇宙等概念的興起，服務(wù)體驗(yàn)即時(shí)化、輕量化等需求不斷激增，云端算力發(fā)展日趨高密以及專用化，加速GPU、FPGA等計(jì)算資源的池化，推動(dòng)云上構(gòu)建計(jì)算資源豐富和專用的異構(gòu)計(jì)算系統(tǒng)。

圖片來(lái)源：攝圖網(wǎng)

云原生安全：

隨著云計(jì)算與各領(lǐng)域深度融合，云上快速迭代、彈性伸縮、海量數(shù)據(jù)處理等特征要求安全防護(hù)體系相應(yīng)升級(jí)。

云原生安全是依托云原生理念和技術(shù)特性對(duì)安全體系進(jìn)行的優(yōu)化和重構(gòu)，通過(guò)逐步實(shí)現(xiàn)安全技術(shù)服務(wù)的輕量化、敏捷化、精細(xì)化和智能化，來(lái)保障云基礎(chǔ)設(shè)施的原生安全，并形成更強(qiáng)的安全能力。從管理視角、運(yùn)營(yíng)視角和用戶視角出發(fā)，云原生安全有三方面價(jià)值：全鏈路風(fēng)險(xiǎn)可視可控；基礎(chǔ)設(shè)施安全運(yùn)營(yíng)閉環(huán)高效；云上客戶資產(chǎn)全面保障。

未來(lái)3－5年，云原生安全將更好的適應(yīng)多云架構(gòu)，幫助客戶構(gòu)建覆蓋混合架構(gòu)、全鏈路、動(dòng)態(tài)精準(zhǔn)的安全防護(hù)體系。

軟硬融合云計(jì)算體系架構(gòu)：

云計(jì)算的體系架構(gòu)發(fā)展經(jīng)歷了三個(gè)階段，目前，云計(jì)算進(jìn)入第三階段，引入專用硬件，形成軟硬一體化的虛擬化架構(gòu)，實(shí)現(xiàn)了全面硬件加速。

傳統(tǒng)的以CPU中心的云計(jì)算體系架構(gòu)受到CPU性能瓶頸的限制，無(wú)法應(yīng)對(duì)云上時(shí)延和帶寬的進(jìn)一步擴(kuò)展，云計(jì)算體系架構(gòu)需要向著軟硬一體化的方向迭代升級(jí)。

清華大學(xué)計(jì)算機(jī)系副教授任炬認(rèn)為，軟硬件一體化設(shè)計(jì)是當(dāng)前計(jì)算架構(gòu)的重要演進(jìn)方向，尤其在復(fù)雜的云計(jì)算場(chǎng)景中，軟硬件的協(xié)同優(yōu)化與迭代升級(jí)更是決定其性能提升的關(guān)鍵。

達(dá)摩院預(yù)測(cè)，未來(lái)三年，云計(jì)算從以 CPU 為中心的計(jì)算體系架構(gòu)向以云基礎(chǔ)設(shè)施處理器（CIPU）為中心的全新體系架構(gòu)深度演進(jìn)。在此基礎(chǔ)上，CIPU 將定義下一代云計(jì)算的服務(wù)標(biāo)準(zhǔn)，給核心軟件研發(fā)和專用芯片行業(yè)帶來(lái)新的發(fā)展機(jī)遇。

圖片來(lái)源：達(dá)摩院

端網(wǎng)融合的可預(yù)期網(wǎng)絡(luò)：

可預(yù)期網(wǎng)絡(luò)是由云計(jì)算定義，服務(wù)器端側(cè)和網(wǎng)絡(luò)協(xié)同的高性能網(wǎng)絡(luò)互聯(lián)系統(tǒng)，能夠大幅度提升分布式并行計(jì)算的網(wǎng)絡(luò)通信效率，從而構(gòu)建高效的算力資源池，實(shí)現(xiàn)了云上大算力的彈性供給。

通過(guò)云定義的協(xié)議、軟件、芯片、硬件、架構(gòu)、 平臺(tái)的全棧創(chuàng)新，可預(yù)期高算力網(wǎng)絡(luò)有望顛覆目前基于傳統(tǒng)互聯(lián)網(wǎng) TCP 協(xié)議的技術(shù)體系，成為下一代數(shù)據(jù)中心網(wǎng)絡(luò)的基本特征，并從數(shù)據(jù)中心的局域應(yīng)用走向全網(wǎng)推廣。

數(shù)字化社會(huì)下的算力普惠，將持續(xù)驅(qū)動(dòng)數(shù)據(jù)中心網(wǎng)絡(luò)向高性能、資源池化的云計(jì)算方向發(fā)展，這將使網(wǎng)絡(luò)可預(yù)期技術(shù)在未來(lái) 2－3 年內(nèi)發(fā)生質(zhì)變，逐漸成為主流技術(shù)趨勢(shì)。

泛在操作系統(tǒng)：

2021年底，工信部印發(fā)的《“十四五”軟件和信息技術(shù)服務(wù)業(yè)發(fā)展規(guī)劃》中也提到，要大力支持開(kāi)展“軟件定義”及泛在操作系統(tǒng)平臺(tái)相關(guān)理論和技術(shù)研究。

泛在操作系統(tǒng)究竟為何如此受到重視？

操作系統(tǒng)是計(jì)算系統(tǒng)的核心，也是信息產(chǎn)業(yè)生態(tài)的核心。然而隨著互聯(lián)網(wǎng)向人類社會(huì)和物理世界的全方位延伸，所需管理的資源復(fù)雜度呈指數(shù)級(jí)增加，簡(jiǎn)而言之，計(jì)算無(wú)處不在，未來(lái)網(wǎng)絡(luò)化的泛在操作系統(tǒng)所管理的不僅包括主機(jī)、PC端、移動(dòng)終端、物聯(lián)終端等不同計(jì)算設(shè)備，也包括面向新型人機(jī)物融合應(yīng)用場(chǎng)景的各種不同新型計(jì)算環(huán)境。

目前，泛在操作系統(tǒng)發(fā)展重點(diǎn)是物聯(lián)終端的接入與管控，以及用以支撐包括物聯(lián)終端的各類網(wǎng)絡(luò)應(yīng)用開(kāi)發(fā)運(yùn)行支撐平臺(tái)。

隨著“人機(jī)物”的融合發(fā)展，人類社會(huì)、信息空間、物理世界的深度融合的泛在計(jì)算時(shí)代正在開(kāi)啟，構(gòu)建一個(gè)對(duì)下管理各類泛在設(shè)施／資源、對(duì)上支撐各類場(chǎng)景下數(shù)字化與智能化應(yīng)用的泛在操作系統(tǒng)已成為發(fā)展趨勢(shì)。

圖為泛在操作系統(tǒng)體系框架圖

數(shù)字辦公：

2020年，一場(chǎng)突如其來(lái)的疫情讓學(xué)生開(kāi)始上網(wǎng)課、讓居家辦公成為了上班族的日常之一。但當(dāng)時(shí)，或許誰(shuí)也沒(méi)想到，數(shù)字辦公會(huì)在今天成為主要的趨勢(shì)。

據(jù)遠(yuǎn)程工作空間提供商IWG估計(jì)，全球70％的員工每周至少遠(yuǎn)程工作一次；此外，IDC數(shù)據(jù)顯示至2023年，全球2000家企業(yè)或組織中，70％將采用遠(yuǎn)程或混合辦公優(yōu)先的工作模式。

目前，云平臺(tái)、音視頻處理、數(shù)字協(xié)同、數(shù)據(jù)操作、人工智能、表達(dá)渲染基本構(gòu)建了數(shù)字辦公技術(shù)棧。同時(shí)知識(shí)數(shù)字化、數(shù)字協(xié)同工具的廣泛應(yīng)用也進(jìn)一步推動(dòng)數(shù)字辦公協(xié)同的發(fā)展，使得未來(lái)數(shù)字辦公日益走向“多模態(tài)”與“大協(xié)同”，并引發(fā)知識(shí)共創(chuàng)的范式革新。

能源互聯(lián)網(wǎng)：

在新能源轉(zhuǎn)型的背景下，電網(wǎng)波動(dòng)性加劇，無(wú)法單純憑借電氣裝置達(dá)到平衡，需要依靠數(shù)字化手段進(jìn)行調(diào)節(jié)，數(shù)字技術(shù)從原本的降本增效轉(zhuǎn)向，成為實(shí)現(xiàn)電網(wǎng)平衡的剛需。因此，當(dāng)下是軟件定義能源網(wǎng)絡(luò)的重要發(fā)展契機(jī)。

軟件定義能源網(wǎng)絡(luò)通過(guò)綜合運(yùn)用相關(guān)數(shù)字技術(shù)，支撐業(yè)務(wù)應(yīng)用遠(yuǎn)程部署，組織方式和運(yùn)行模式靈活調(diào)整，按需定制能源網(wǎng)絡(luò)的運(yùn)行狀態(tài)和功能，從而實(shí)現(xiàn)軟件定義能源系統(tǒng)。

2022年5月24日，英國(guó)最大配電公司UKPowerNetworks與美國(guó)谷歌旗下人工智能公司Deemind聯(lián)合發(fā)布英國(guó)輸電線路電子地圖新型圖像識(shí)別軟件掃描數(shù)千張輸電線路圖片轉(zhuǎn)換電子地圖，以準(zhǔn)確顯示全英國(guó)輸電線路的空間分布，幫忙項(xiàng)目規(guī)劃并指導(dǎo)施工方法，以推動(dòng)新能源、電動(dòng)汽車發(fā)展。

隨著新能源市場(chǎng)發(fā)展，軟件定義能源網(wǎng)絡(luò)將會(huì)成為未來(lái)數(shù)字化能源系統(tǒng)基礎(chǔ)設(shè)施的一個(gè)核心，代表著未來(lái)能源電力系統(tǒng)、尤其新型電力系統(tǒng)的發(fā)展方向。

Web3：

2021年被業(yè)界認(rèn)為是web3飛速發(fā)展的元年，但web3的產(chǎn)業(yè)發(fā)展才剛剛拉開(kāi)序幕，隱私和擴(kuò)容技術(shù)突破正在加速應(yīng)用向Web3遷移。

在傳統(tǒng)web1．0、2．0的領(lǐng)域中，由于缺乏統(tǒng)一的身份層服務(wù)，用戶的身份數(shù)據(jù)容易被他人盜取利用，造成用戶隱私泄露。建立一個(gè)通用的、穩(wěn)健的數(shù)字身份體系，是未來(lái)web3生態(tài)中所有用戶的切身之需。

以太坊2．0將引入擴(kuò)容能力，主要目標(biāo)是提升以太坊的處理能力。2018年，以太坊公布了以太坊2．0的路線圖，路線圖規(guī)劃了eth擴(kuò)容。擴(kuò)容分兩個(gè)大階段，階段一擴(kuò)展無(wú)計(jì)算能力分片，結(jié)合L2大幅擴(kuò)展性能，階段二提供計(jì)算能力分片，增加L1自身處理能力。

由于區(qū)塊鏈公開(kāi)透明、去中心化的特點(diǎn)，給用戶的隱私帶來(lái)了很大挑戰(zhàn)。而零知識(shí)證明技術(shù)可以對(duì)用戶的隱私數(shù)據(jù)進(jìn)行加密存儲(chǔ)。比如用戶的年齡是否超過(guò)20歲，通過(guò)零知識(shí)證明只能得到是與否，而不能獲得具體數(shù)字，實(shí)現(xiàn)了在不泄漏任何信息內(nèi)容的前提下完成對(duì)于信息的驗(yàn)證。

總結(jié)下來(lái)，數(shù)字身份成底座、擴(kuò)容推動(dòng)應(yīng)用遷移以及零知識(shí)證明價(jià)值凸顯是Web3的重要發(fā)展趨勢(shì)。

趨勢(shì)三：生物科技造福人類

在剛剛結(jié)束的2022年里，我們見(jiàn)證了基因編輯技術(shù)、豬心臟移植、古代DNA分析等多個(gè)生物醫(yī)學(xué)界的技術(shù)突破。這些前沿技術(shù)，對(duì)于全人類的生命健康都將產(chǎn)生意義非凡的作用。

基因編輯：

2022年，美國(guó)一家生物科技的研究人員在給一位患有心臟病，且有遺傳性高膽固醇風(fēng)險(xiǎn)的女性治療時(shí)，使用了編輯工具 CRISPR。CRISPR基因編輯技術(shù)常被比作“基因剪刀”，本次試驗(yàn)中，研究人員替換了患者肝臟細(xì)胞的PCSK9基因單個(gè)堿基，這種基因可幫助調(diào)節(jié)低密度脂蛋白膽固醇水平，低密度脂蛋白，也被稱為“壞”膽固醇，水平偏高可能引發(fā)動(dòng)脈硬化，堵塞血管，引發(fā)心血管疾病。

此前，基因編輯技術(shù)主要在罕見(jiàn)病患者身上應(yīng)用，如果本次試驗(yàn)成功，基因編輯技術(shù)或可廣泛應(yīng)用于常見(jiàn)疾病的預(yù)防，試驗(yàn)的結(jié)果將在2023年公布。

按需器官制作：

去年1月，馬里蘭大學(xué)醫(yī)學(xué)院成功將豬心臟移植到57歲的男子大衛(wèi)·班尼特體內(nèi)，這是全球首例人接受豬心移植手術(shù)。

值得注意的是，為了防止豬心臟組織過(guò)度生長(zhǎng)和人體的排異反應(yīng)，這顆豬心臟經(jīng)過(guò)了基因編輯，去除這些糖分子并添加其他基因，使豬組織看起來(lái)更像人的組織。

手術(shù)后，移植的心臟在幾個(gè)星期內(nèi)表現(xiàn)非常好。一份報(bào)告顯示，全球每年大概有200萬(wàn)人需要器官移植，但供體匱乏一直是阻礙患者進(jìn)行手術(shù)的掣肘�；�因編輯技術(shù)的出現(xiàn)，也就意味著，那些在器官移植等待名單里的患者有了康復(fù)的可能。

盡管大衛(wèi)·班尼特最終于3月8日離世，但這項(xiàng)技術(shù)仍然在醫(yī)學(xué)領(lǐng)域邁出了階段性的一步，打開(kāi)了人工進(jìn)行器官制作的大門(mén)。

古代DNA分析：

2022年 11 月，馬克斯·普朗克進(jìn)化人類學(xué)研究所的遺傳學(xué)家斯萬(wàn)特·帕博的相關(guān)基礎(chǔ)性研究工作獲得了諾貝爾獎(jiǎng)，以表彰他對(duì)已滅絕古人類基因組和人類進(jìn)化的發(fā)現(xiàn)做出的貢獻(xiàn)。

這位瑞典出生的科學(xué)家花了幾十年的時(shí)間試圖從4萬(wàn)年前的骨頭中提取DNA，最終在2010年揭開(kāi)了尼安德特人的基因組，這對(duì)于揭示所有現(xiàn)存人類與已滅絕的古人類之間的遺傳差異，具有開(kāi)創(chuàng)性的意義。

圖為尼安德特人基因組測(cè)序

而這一重要發(fā)現(xiàn)得益于技術(shù)發(fā)展下，商業(yè)測(cè)序儀的進(jìn)步。

據(jù)悉，現(xiàn)如今的商業(yè)測(cè)序儀可以看清受損的DNA，能夠把原來(lái)檢測(cè)不出來(lái)的、非常少量的、殘留的DNA檢測(cè)出來(lái)，這對(duì)于現(xiàn)代醫(yī)學(xué)研究也具有同樣重要的意義。

       原文標(biāo)題 : 2023年的科技趨勢(shì)預(yù)測(cè)中，藏著哪些機(jī)會(huì)？（1-3）