1月11日，阿里巴巴達(dá)摩院發(fā)布《2023十大科技趨勢(shì)》。達(dá)摩院2023年推出的十大科技趨勢(shì)涵蓋范式重置、產(chǎn)業(yè)革新和場(chǎng)景變化三大領(lǐng)域，具體為：多模態(tài)預(yù)訓(xùn)練大模型、Chiplet、存算一體、云原生安全、軟硬融合云計(jì)算體系架構(gòu)、端網(wǎng)融合的可預(yù)期網(wǎng)絡(luò)、雙引擎智能決策、計(jì)算光學(xué)成像、大規(guī)模城市數(shù)字孿生、生成式AI。
達(dá)摩院認(rèn)為，全球科技日趨顯現(xiàn)出交叉融合發(fā)展的新態(tài)勢(shì)，尤其在信息與通信技術(shù)（ICT）領(lǐng)域醞釀的新裂變，將為科技產(chǎn)業(yè)革新注入動(dòng)力，基于技術(shù)迭代與產(chǎn)業(yè)應(yīng)用的融合創(chuàng)新，將驅(qū)動(dòng)AI、云計(jì)算、芯片等領(lǐng)域?qū)崿F(xiàn)階段性躍遷。
據(jù)悉，達(dá)摩院2023十大科技趨勢(shì)采用“巴斯德象限”研究思路，基于論文和專(zhuān)利的大數(shù)據(jù)“定量發(fā)散”，對(duì)產(chǎn)、學(xué)、研、用領(lǐng)域近百位專(zhuān)家深度訪(fǎng)談進(jìn)行“定性收斂”，再?gòu)膶W(xué)術(shù)創(chuàng)新、技術(shù)突破、產(chǎn)業(yè)落地、市場(chǎng)需求等維度綜合評(píng)估，力求“致廣大而盡精微”，最后遴選出十大趨勢(shì)。
趨勢(shì)一、多模態(tài)預(yù)訓(xùn)練大模型
基于多模態(tài)的預(yù)訓(xùn)練大模型將實(shí)現(xiàn)圖文音統(tǒng)一知識(shí)表示，成為人工智能基礎(chǔ)設(shè)施。
摘要：
人工智能正在從文本、語(yǔ)音、視覺(jué)等單模態(tài)智能，向著多種模態(tài)融合的通用人工智能方向發(fā)展。多模態(tài)統(tǒng)一建模，目的是增強(qiáng)模型的跨模態(tài)語(yǔ)義對(duì)齊能力，打通各個(gè)模態(tài)之間的關(guān)系，使得模型逐步標(biāo)準(zhǔn)化。目前，技術(shù)上的突出進(jìn)展來(lái)自于 CLIP（匹配圖像和文本）和 BEiT-3（通用多模態(tài)基礎(chǔ)模型）?；诙囝I(lǐng)域知識(shí)，構(gòu)建統(tǒng)一的、跨場(chǎng)景、多任務(wù)的多模態(tài)基礎(chǔ)模型已成為人工智能的重點(diǎn)發(fā)展方向。未來(lái)大模型作為基礎(chǔ)設(shè)施，將實(shí)現(xiàn)圖像、文本、音頻統(tǒng)一知識(shí)表示，并朝著能推理、能回答問(wèn)題、能總結(jié)、做創(chuàng)作的認(rèn)知智能方向演進(jìn)。
趨勢(shì)解讀：
基于深度學(xué)習(xí)的多模態(tài)預(yù)訓(xùn)練是認(rèn)知智能快速發(fā)展的重要推動(dòng)力。構(gòu)建多場(chǎng)景、多任務(wù)的預(yù)訓(xùn)練大模型將加速模型標(biāo)準(zhǔn)化進(jìn)程，為人工智能模型成為基礎(chǔ)設(shè)施創(chuàng)造條件。深度學(xué)習(xí)模型的不斷完善、互聯(lián)網(wǎng)海量真實(shí)數(shù)據(jù)的積累和生成式預(yù)訓(xùn)練的廣泛應(yīng)用，使得人工智能模型在自然語(yǔ)言理解、語(yǔ)音處理、計(jì)算機(jī)視覺(jué)等領(lǐng)域地交叉應(yīng)用取得顯著進(jìn)展。
2022 年，技術(shù)上的突出進(jìn)展來(lái)自于 BEiT-3 多模態(tài)基礎(chǔ)模型，該模型在視覺(jué) - 語(yǔ)言任務(wù)處理上具備出色表現(xiàn)，包括視覺(jué)問(wèn)答、圖片描述生成和跨模態(tài)檢索等。BEiT-3 通過(guò)統(tǒng)一的模型框架和骨干網(wǎng)絡(luò)（backbone）建模，能夠更加輕松地完成多模態(tài)編碼和處理不同的下游任務(wù)。另一方面，CLIP（ContrastiveLanguage-Image Pre-training）的 廣 泛應(yīng)用也促進(jìn)了多模態(tài)模型的技術(shù)發(fā)展。CLIP 作為基于對(duì)比學(xué)習(xí)的預(yù)訓(xùn)練模型，負(fù)責(zé)從文本特征映射到圖像特征，能夠指導(dǎo) GAN 或擴(kuò)散模型（DiffusionModel）生 成 圖 像。在 文 生 圖 領(lǐng) 域，Stable Diffusion 也使用了 CLIP，它能夠通過(guò)文本提示調(diào)整模型，并借助擴(kuò)散模型改善圖像質(zhì)量。與此同時(shí)，開(kāi)源極大的促進(jìn)了多模態(tài)的融合和預(yù)訓(xùn)練模型的發(fā)展。通過(guò)開(kāi)源來(lái)降低模型使用門(mén)檻，將大模型從一種新興的 AI 技術(shù)轉(zhuǎn)變?yōu)榉€(wěn)健的基礎(chǔ)設(shè)施，已成為許多大模型開(kāi)發(fā)者的共識(shí)。
多模態(tài)預(yù)訓(xùn)練模型的發(fā)展將重塑人工智能商業(yè)模式，并為人們的生產(chǎn)生活方式帶來(lái)積極影響。對(duì)個(gè)人而言，類(lèi)似CLIP 的多模態(tài)模型，將使更多非技術(shù)出身的人能夠表達(dá)自己的創(chuàng)造力，無(wú)需再借助工具和編程專(zhuān)業(yè)能力。對(duì)企業(yè)來(lái)說(shuō)，多模態(tài)預(yù)訓(xùn)練模型將成為企業(yè)生產(chǎn)效率提升的關(guān)鍵。商業(yè)模式上，具備大數(shù)據(jù)、算力資源和模型開(kāi)發(fā)能力的科技企業(yè)，將會(huì)成為模型服務(wù)的提供方，幫助企業(yè)將基礎(chǔ)模型的能力與生產(chǎn)流程融合起來(lái)，實(shí)現(xiàn)效率和成本最優(yōu)。
認(rèn)知智能的發(fā)展，不會(huì)局限在文本或圖像等單一的模態(tài)上。未來(lái)，如何針對(duì)不同模態(tài)建立更高效的模型架構(gòu)和統(tǒng)一的骨干網(wǎng)絡(luò)，使得大模型能夠廣泛地支持各種下游任務(wù)將成為主要挑戰(zhàn)。在此基礎(chǔ)上，更多的挑戰(zhàn)來(lái)自于挖掘不同模態(tài)（如圖像 - 文本，文本 - 自然語(yǔ)言，視頻 - 文本）數(shù)據(jù)間的相關(guān)信息，并巧妙的設(shè)計(jì)預(yù)訓(xùn)練任務(wù)，讓模型更好的捕捉不同模態(tài)信息之間的關(guān)聯(lián)。
語(yǔ)音、視覺(jué)和多模態(tài)預(yù)訓(xùn)練模型將加速人工智能向通用基礎(chǔ)模型方向演進(jìn)。在這個(gè)演進(jìn)過(guò)程中，深度學(xué)習(xí)與強(qiáng)化學(xué)習(xí)相互促進(jìn)發(fā)展，融合大量行業(yè)知識(shí)，模型將具備在不斷變化的環(huán)境中快速適應(yīng)的靈活性。建立統(tǒng)一的、跨場(chǎng)景、多任務(wù)的多模態(tài)基礎(chǔ)模型會(huì)成為人工智能發(fā)展的主流趨勢(shì)之一。隨著技術(shù)的不斷成熟，大模型在開(kāi)發(fā)成本、易用性、開(kāi)發(fā)周期、性能上會(huì)更具優(yōu)勢(shì)，給產(chǎn)品化和商業(yè)化帶來(lái)更多可能性。
趨勢(shì)二、Chiplet
Chiplet 的互聯(lián)標(biāo)準(zhǔn)將逐漸統(tǒng)一，重構(gòu)芯片研發(fā)流程。
摘要：
Chiplet 是硅片級(jí)別的“解構(gòu) - 重構(gòu) -復(fù)用”，它把傳統(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。芯?？梢圆捎貌煌に囘M(jìn)行分離制造，可以顯著降低成本，并實(shí)現(xiàn)一種新形式的 IP 復(fù)用。
隨著摩爾定律的放緩，Chiplet 成為持續(xù)提高 SoC 集成度和算力的重要途徑，特別是隨著 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。基于先進(jìn)封裝技術(shù)的 Chiplet 可能將重構(gòu)芯片研發(fā)流程，從制造到封測(cè)，從 EDA 到設(shè)計(jì)，全方位影響芯片的區(qū)域與產(chǎn)業(yè)格局。
趨勢(shì)解讀：
自1965 年摩爾定律首次被提出以來(lái)，集成電路產(chǎn)業(yè)一直遵循著摩爾定律向前發(fā)展。直到近幾年，隨著晶體管尺寸逼近材料的物理極限，工藝節(jié)點(diǎn)進(jìn)步的花費(fèi)已難以承受，芯片性能的提升也不再顯著，摩爾定律接近極致。在此背景下，Chiplet（芯粒）技術(shù)逐漸嶄露頭角，有望成為產(chǎn)業(yè)界解決高性能、低成本芯片需求的重要技術(shù)路線(xiàn)。
Chiplet 創(chuàng)新了芯片封裝理念。它把原本一體的 SoC（System on Chip，系統(tǒng)級(jí)芯片）分解為多個(gè)芯粒，分開(kāi)制備出這些芯粒后，再將它們互聯(lián)封裝在一起，形成完整的復(fù)雜功能芯片。這其中，芯?？梢圆捎貌煌墓に囘M(jìn)行分離制造，例如對(duì)于 CPU、GPU 等工藝提升敏感的模塊，采用昂貴的先進(jìn)制程生產(chǎn)；而對(duì)于工藝提升不敏感的模塊，采用成熟制程制造。同時(shí)，芯粒相比于 SoC 面積更小，可以大幅提高芯片的良率、提升晶圓面積利用率，進(jìn)一步降低制造成本。此外，模塊化的芯?？梢詼p少重復(fù)設(shè)計(jì)和驗(yàn)證環(huán)節(jié)，降低芯片的設(shè)計(jì)復(fù)雜度和研發(fā)成本，加快產(chǎn)品的迭代速度。Chiplet 被驗(yàn)證可以有效降低制造成本，已成為頭部廠(chǎng)商和投資界關(guān)注的熱點(diǎn)。
Chiplet 的技術(shù)核心在于實(shí)現(xiàn)芯粒間的高速互聯(lián)。SoC 分解為芯粒使得封裝難度陡增，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?、低延遲，是 Chiplet 技術(shù)研發(fā)的關(guān)鍵。此外，芯粒之間的互聯(lián)特別是2.5D、3D 先進(jìn)封裝會(huì)帶來(lái)電磁干擾、信號(hào)干擾、散熱、應(yīng)力等諸多復(fù)雜物理問(wèn)題，這需要在芯片設(shè)計(jì)時(shí)就將其納入考慮，并對(duì) EDA 工具提出全新的要求。
近年來(lái)，先進(jìn)封裝技術(shù)發(fā)展迅速。作為2.5D、3 D封裝關(guān)鍵技術(shù)的TSV（Through Silicon Via，硅通孔）已可以實(shí)現(xiàn)一平方毫米100萬(wàn)個(gè)TSV。封裝技術(shù)的進(jìn)步，推動(dòng)Chiplet應(yīng)用于CPU、GPU等大型芯片。2022年3月，多家半導(dǎo)體領(lǐng)軍企業(yè)聯(lián)合成立了UCIe（Universal ChipletInterconnect Express，通用Chiplet高速互聯(lián)聯(lián)盟）。Chiplet互聯(lián)標(biāo)準(zhǔn)有望逐漸實(shí)現(xiàn)統(tǒng)一，并形成一個(gè)開(kāi)放性生態(tài)體系。
面向后摩爾時(shí)代，Chiplet 可能將是突破現(xiàn)有困境最現(xiàn)實(shí)的技術(shù)路徑。Chiplet可以降低對(duì)先進(jìn)工藝制程的依賴(lài)，實(shí)現(xiàn)與先進(jìn)工藝相接近的性能，成為半導(dǎo)體產(chǎn)業(yè)發(fā)展重點(diǎn)。從成本、良率平衡的角度出發(fā)，2D、2.5D 和 3D 封裝會(huì)長(zhǎng)期并存；同構(gòu)和異構(gòu)的多芯粒封裝會(huì)長(zhǎng)期并存；不同的先進(jìn)封裝和工藝會(huì)被混合使用。Chiplet 有望重構(gòu)芯片研發(fā)流程，從制造到封測(cè)，從EDA 到設(shè)計(jì)，全方位影響芯片產(chǎn)業(yè)格局。
趨勢(shì)三、存算一體
資本和產(chǎn)業(yè)雙輪驅(qū)動(dòng)，存算一體芯片將在垂直細(xì)分領(lǐng)域迎來(lái)規(guī)?；逃?。
摘要：
存算一體旨在計(jì)算單元與存儲(chǔ)單元融合，在實(shí)現(xiàn)數(shù)據(jù)存儲(chǔ)的同時(shí)直接進(jìn)行計(jì)算，以消除數(shù)據(jù)搬移帶來(lái)的開(kāi)銷(xiāo)，極大提升運(yùn)算效率，以實(shí)現(xiàn)計(jì)算存儲(chǔ)的高效節(jié)能。存算一體非常符合高訪(fǎng)存、高 并 行 的 人 工 智 能 場(chǎng) 景 計(jì) 算 需 求。在產(chǎn) 業(yè) 和 投 資 的 驅(qū) 動(dòng) 下， 基 于 SRAM，DRAM，F(xiàn)lash 存儲(chǔ)介質(zhì)的產(chǎn)品進(jìn)入驗(yàn)證期，將優(yōu)先在低功耗、小算力的端側(cè)如智能家居、可穿戴設(shè)備、泛機(jī)器人(9.090, 0.07, 0.78%)、智能安防等計(jì)算場(chǎng)景落地。未來(lái)，隨著存算一體芯片在云端推理大算力場(chǎng)景落地，或?qū)?lái)計(jì)算架構(gòu)的變革。它推動(dòng)傳統(tǒng)的以計(jì)算為中心的架構(gòu)向以數(shù)據(jù)為中心的架構(gòu)演進(jìn)，并對(duì)云計(jì)算、人工智能、物聯(lián)網(wǎng)等產(chǎn)業(yè)發(fā)展帶來(lái)積極影響。
趨勢(shì)解讀：
隨著AI 在各領(lǐng)域的應(yīng)用逐漸廣泛，以深度學(xué)習(xí)為代表的神經(jīng)網(wǎng)絡(luò)算法需要系統(tǒng)高效處理海量的非結(jié)構(gòu)化數(shù)據(jù)，例如文本、視頻、圖像、語(yǔ)音等。
而傳統(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，數(shù)據(jù)需要在處理器與存儲(chǔ)器之間進(jìn)行頻繁遷移，如果內(nèi)存的傳輸速度跟不上 CPU的性能，就會(huì)導(dǎo)致計(jì)算能力受到限制，出現(xiàn)“內(nèi)存墻” “功耗墻”。這就對(duì)芯片的并行運(yùn)算、低延遲、帶寬提出了更高的要求。
近年來(lái)，產(chǎn)業(yè)界領(lǐng)軍企業(yè)在存算一體的前沿技術(shù)研究上持續(xù)發(fā)力。三星在頂級(jí)學(xué)術(shù)期刊 Nature 上發(fā)表了全球首個(gè)基于 MRAM（磁性隨機(jī)存儲(chǔ)器）的存內(nèi)計(jì)算研究；臺(tái)積電在 ISSCC 上合作發(fā)表了六篇關(guān)于存內(nèi)計(jì)算存儲(chǔ)器 IP 的論文，大力推進(jìn)基于 ReRAM 的存內(nèi)計(jì)算方案；SK 海力士則發(fā)表了基于 GDDR 接口的DRAM 存內(nèi)計(jì)算研究。學(xué)術(shù)界和產(chǎn)業(yè)界普遍認(rèn)為存算一體有望成為突破算力性能和功耗瓶頸的技術(shù)方向之一。特別是在大規(guī)模并行計(jì)算場(chǎng)景中，例如 VR/AR、無(wú)人駕駛、天文數(shù)據(jù)計(jì)算、遙感影像數(shù)據(jù)分析等，存算一體芯片具備高帶寬、低功耗的顯著優(yōu)勢(shì)。微觀上，算力是一個(gè)具體的技術(shù)指標(biāo)。算的快（高吞吐、低延遲）、算的準(zhǔn)（高精準(zhǔn)度）、算的?。ǖ统杀?、低功耗）是對(duì)算力的基本要求。存算一體是從微觀層面進(jìn)行架構(gòu)的優(yōu)化，面臨存儲(chǔ)器設(shè)計(jì)和生產(chǎn)工藝的挑戰(zhàn)，需要整個(gè)產(chǎn)業(yè)鏈的參與支持。
實(shí)現(xiàn)存算一體的技術(shù)路徑主要有以下三個(gè)：技術(shù)較成熟的是近存計(jì)算，利用先進(jìn)封裝技術(shù)把計(jì)算邏輯芯片和存儲(chǔ)器封裝到一起，通過(guò)減少內(nèi)存和處理單元的路徑，以高 I/O 密度來(lái)實(shí)現(xiàn)高內(nèi)存帶寬以及較低的訪(fǎng)問(wèn)開(kāi)銷(xiāo)。近存計(jì)算主要通過(guò) 2.5D、3D 堆疊來(lái)實(shí)現(xiàn)，廣泛應(yīng)用在各類(lèi) CPU 和 GPU 上；近期投資熱度較高的是存內(nèi)計(jì)算，通過(guò)傳統(tǒng)的存儲(chǔ)介質(zhì)如DRAM、SRAM、NOR Flash、NANDFlash 來(lái)實(shí)現(xiàn)。計(jì)算操作由位于存儲(chǔ)芯片/ 區(qū)域內(nèi)部的獨(dú)立計(jì)算單元完成，更適用于算法固定的場(chǎng)景；技術(shù)尚處于探索期的是基于非易失性存儲(chǔ)器技術(shù)做的新型存儲(chǔ)原件，比如通過(guò)憶阻器 ReRAM 電阻調(diào)制來(lái)實(shí)現(xiàn)數(shù)據(jù)存儲(chǔ)。其他如相變存儲(chǔ)器(PCM)、自旋磁存儲(chǔ)器 (MRAM) 等，也作為存算一體新的技術(shù)路徑。存算一體的計(jì)算方式分為數(shù)字計(jì)算和模擬計(jì)算。數(shù)字計(jì)算主要以 SRAM 作為存儲(chǔ)器件，具有高性能、高精度的優(yōu)勢(shì)，更適合大算力高能效場(chǎng)景。模擬計(jì)算通常使用 FLASH、ReRAM 等非易失性介質(zhì)作為存儲(chǔ)器件，存儲(chǔ)密度大，并行度高，更適合小算力，計(jì)算精度要求不高的場(chǎng)景。
目前，存算一體已經(jīng)在產(chǎn)業(yè)細(xì)分領(lǐng)域掀起了創(chuàng)業(yè)浪潮，并受到投資界和產(chǎn)業(yè)界的關(guān)注和投入。存算一體在技術(shù)上向著高精度、高算力和高能效的方向發(fā)展。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)模化商用，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，大算力通用計(jì)算場(chǎng)景或?qū)⑦M(jìn)入技術(shù)產(chǎn)品化初期?；诜且资?、新型存儲(chǔ)元件的存算一體依賴(lài)于工藝、良率的提升,走向成熟預(yù)計(jì)需要 5-10 年。
趨勢(shì)四、云原生安全
安全技術(shù)與云緊密結(jié)合，打造平臺(tái)化、智能化的新型安全體系。
摘要：
云原生安全是安全理念從邊界防御向縱深防御、從外掛模式向內(nèi)生安全的轉(zhuǎn)變，實(shí)現(xiàn)云基礎(chǔ)設(shè)施的原生安全，并基于云原生技術(shù)提升安全的服務(wù)能力。安全技術(shù)與云計(jì)算由相對(duì)松散走向緊密結(jié)合，經(jīng)過(guò)“容器化部署”、“微服務(wù)化轉(zhuǎn)型”走向“無(wú)服務(wù)器化”的技術(shù)路線(xiàn)，實(shí)現(xiàn)安全服務(wù)的原生化、精細(xì)化、平臺(tái)化和智能化：
● 以安全左移為原則，構(gòu)建產(chǎn)品研發(fā)、安全、運(yùn)維一體化的產(chǎn)品安全體系，增進(jìn)研發(fā)，安全和運(yùn)維融合協(xié)同；
● 以統(tǒng)一的身份驗(yàn)證和配置管理為基礎(chǔ)，實(shí)現(xiàn)精準(zhǔn)授權(quán)和動(dòng)態(tài)策略配置；
● 以縱深防御體系為架構(gòu)，平臺(tái)級(jí)的安全產(chǎn)品為依托，實(shí)現(xiàn)精準(zhǔn)主動(dòng)防御，化解傳統(tǒng)安全產(chǎn)品碎片化的問(wèn)題；
● 以安全運(yùn)營(yíng)為牽引，實(shí)現(xiàn)涵蓋應(yīng)用、云產(chǎn)品、網(wǎng)絡(luò)等全鏈路的實(shí)時(shí)檢測(cè)、精準(zhǔn)響應(yīng)、快速溯源和威脅狩獵。
趨勢(shì)解讀：
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)(22.510, 0.16, 0.72%)處理等特征要求安全防護(hù)體系相應(yīng)升級(jí)，為動(dòng)態(tài)變化、復(fù)雜多元的運(yùn)行環(huán)境提供有效的安全防護(hù)。
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。其基本特征包括全鏈路的
DevSecOps 安全管理，一體化精細(xì)化的身份與權(quán)限管控、平臺(tái)化的縱深防御體系，以及實(shí)時(shí)化、綜合化的可視、可管、可控體系。
云原生安全經(jīng)歷了一系列變遷：從安全保障云原生到云原生賦能安全，內(nèi)涵不斷擴(kuò)展，逐步形成了一套涵蓋基礎(chǔ)設(shè)施、應(yīng)用、數(shù)據(jù)、研發(fā)測(cè)試、安全運(yùn)營(yíng)等在內(nèi)的防護(hù)體系。云原生應(yīng)用保護(hù)平臺(tái)、面向云原生的攻擊面管理平臺(tái)、云原生威脅檢測(cè)與響應(yīng)、云原生事件取證與溯源等，這一系列新型的防護(hù)措施也應(yīng)運(yùn)而生、快速發(fā)展，得到了業(yè)界共識(shí)。
從管理視角、運(yùn)營(yíng)視角和用戶(hù)視角，可以看到云原生安全的三方面價(jià)值：
● 全鏈路風(fēng)險(xiǎn)可視可控。將安全和合規(guī)要求貫穿軟件生產(chǎn)和服務(wù)全鏈路，及時(shí)掃描檢查關(guān)鍵環(huán)節(jié)，避免后期處置造成被動(dòng)，最大程度降低整體風(fēng)險(xiǎn)管控成本。
● 基礎(chǔ)設(shè)施安全運(yùn)營(yíng)閉環(huán)高效。安全防護(hù)功能融合化，可以實(shí)現(xiàn)異常事件響應(yīng)處置流程的閉環(huán)管理；策略執(zhí)行自動(dòng)化，可減少對(duì)安全運(yùn)營(yíng)人員的依賴(lài)，降低誤操作概率；同時(shí)，自動(dòng)阻斷機(jī)制可以為應(yīng)對(duì)攻擊和修復(fù)爭(zhēng)取更充分的時(shí)間。
●云上客戶(hù)資產(chǎn)全面保障。幫助客戶(hù)全面、實(shí)時(shí)監(jiān)測(cè)各類(lèi)數(shù)據(jù)資產(chǎn)；在身份驗(yàn)證、配置管理、應(yīng)用運(yùn)行時(shí)監(jiān)控、數(shù)據(jù)安全保護(hù)等方面提供多元化、靈活調(diào)用的安全服務(wù)。實(shí)踐中，云原生安全也面臨著一系列挑戰(zhàn)，比如在異構(gòu)復(fù)雜環(huán)境中各類(lèi)數(shù)字資產(chǎn)的監(jiān)控?cái)?shù)據(jù)如何快速、高質(zhì)量的采集匯聚；云上各方如何明晰權(quán)責(zé)，形成開(kāi)放協(xié)同的安全生態(tài)等等。
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(hù)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。同時(shí)配套構(gòu)建起新型治理體系和專(zhuān)業(yè)人才體系；在安全防護(hù)效能方面，智能化技術(shù)為實(shí)現(xiàn)細(xì)粒度的訪(fǎng)問(wèn)鑒權(quán)、數(shù)據(jù)安全管控、風(fēng)險(xiǎn)自動(dòng)識(shí)別和處置提供強(qiáng)有力的支持，保障用戶(hù)順暢高效使用，提供無(wú)摩擦的服務(wù)體驗(yàn)。同時(shí)，基于云的安全服務(wù)形式也將不斷創(chuàng)新，云原生的安全托管，以攻促防等形式將逐步發(fā)展成熟，成為安全體系的重要組成部分。
趨勢(shì)五、軟硬融合云計(jì)算體系架構(gòu)
云計(jì)算向以 CIPU 為中心的全新云計(jì)算體系架構(gòu)深度演進(jìn)，通過(guò)軟件定義，硬件加速， 在保持云上應(yīng)用開(kāi)發(fā)的高彈性和敏捷性同時(shí)，帶來(lái)云上應(yīng)用的全面加速。
摘要：
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)。通過(guò)軟件定義，硬件加速，在保持云上應(yīng)用開(kāi)發(fā)的高彈性和敏捷性同時(shí)，帶來(lái)云上應(yīng)用的全面加速。新的體系架構(gòu)下，軟硬一體化帶來(lái)硬件結(jié)構(gòu)的融合，接入物理的計(jì)算、存儲(chǔ)、網(wǎng)絡(luò)資源，通過(guò)硬件資源的快速云化實(shí)現(xiàn)硬件加速。此外，新架構(gòu)也帶來(lái)軟件系統(tǒng)的融合。這意味著以 CIPU 云化加速后的算力資源，可通過(guò) CIPU 上的控制器接入分布式平臺(tái)，實(shí)現(xiàn)云資源的靈活管理、調(diào)度和編排。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(zhuān)用芯片行業(yè)帶來(lái)新的發(fā)展機(jī)遇。
趨勢(shì)解讀：
隨著后摩爾時(shí)代的帶來(lái)，CPU 的性能提升趨近于天花板，數(shù)據(jù)量的爆發(fā)式增長(zhǎng)帶來(lái)極高的數(shù)據(jù)處理需求。企業(yè)在大數(shù)據(jù)、 AI 等數(shù)據(jù)密集型計(jì)算的應(yīng)用場(chǎng)景越來(lái)越多。這兩方面的因素導(dǎo)致以 CPU 中心的云計(jì)算體系架構(gòu)碰上了技術(shù)瓶頸，無(wú)法應(yīng)對(duì)云上時(shí)延和帶寬的進(jìn)一步擴(kuò)展。傳統(tǒng)的 CPU 體系架構(gòu)需要向著軟硬一體化的方向迭代升級(jí)。
云計(jì)算的體系架構(gòu)發(fā)展經(jīng)歷了三個(gè)階段，已經(jīng)解決了超高并發(fā)和大算力的經(jīng)濟(jì)性問(wèn)題。第一階段在 2010 年左右，以 X86 服務(wù)器、互聯(lián)網(wǎng)中間件為代表的分布式架構(gòu)技術(shù)為主。第二階段在 2015年左右，云廠(chǎng)商通過(guò)軟件定義的方式，構(gòu)建了虛擬私有云（VPC）和計(jì)算存儲(chǔ)分離的池化架構(gòu)。在新的池化架構(gòu)之下，計(jì)算存儲(chǔ)網(wǎng)絡(luò)資源可以分別實(shí)現(xiàn)按需擴(kuò)容。
目前，云計(jì)算進(jìn)入第三階段，引入專(zhuān)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。這個(gè)階段云計(jì)算面臨的挑戰(zhàn)，是在數(shù)據(jù)密集計(jì)算、云數(shù)據(jù)中心東西流量越來(lái)越大的趨勢(shì)下，實(shí)現(xiàn)云計(jì)算單位成本下更高的計(jì)算性能，以及更高效的云數(shù)據(jù)中心管理。而計(jì)算效率的提升，還需要回到芯片和系統(tǒng)底層中去。
以CIPU為核心的云計(jì)算體系架構(gòu)，在工程實(shí)現(xiàn)上主要有以下三方面突破：首先，是底層硬件結(jié)構(gòu)的融合，帶來(lái)全面硬件加速?；?CIPU 的新架構(gòu)能夠向下管理數(shù)據(jù)中心硬件，配合云操作系統(tǒng)，對(duì)計(jì)算、存儲(chǔ)，網(wǎng)絡(luò)，安全進(jìn)行全面加速，把 IDC 真正變成一臺(tái)高速
總線(xiàn)互聯(lián)的超級(jí)計(jì)算機(jī)。在用戶(hù)云上計(jì)算最需要的基礎(chǔ)云網(wǎng)絡(luò)和云存儲(chǔ)鏈路上提供更低的延遲、更高的帶寬和吞吐。
其次，在全鏈路實(shí)現(xiàn)硬件加速的基礎(chǔ)上，創(chuàng)新地實(shí)現(xiàn)了 eRDMA，不但能夠大規(guī)模組網(wǎng)，還能讓用戶(hù)無(wú)需修改負(fù)載的代碼，無(wú)感加速， 讓云上的高性能計(jì)算普惠服務(wù)化成為現(xiàn)實(shí)。
最后，在全新的云數(shù)據(jù)中心硬件體系架構(gòu)下，CIPU 和服務(wù)器的系統(tǒng)組合，既可以一對(duì)多，也能實(shí)現(xiàn)多對(duì)一，高效滿(mǎn)足云上不同計(jì)算場(chǎng)景下東西向流量計(jì)算配比的靈活需求。
軟硬融合的云計(jì)算體系架構(gòu)，保持了軟件定義，在分布式架構(gòu)時(shí)期構(gòu)建的交付敏捷性和靈活度，池化架構(gòu)時(shí)期構(gòu)建的彈性、可靠性、可用性，還帶來(lái)了云上應(yīng)用的全面加速，顯著提升了計(jì)算性能。
未來(lái)三年，云計(jì)算向以 CIPU 為中心的全新云計(jì)算體系架構(gòu)深度演進(jìn)，云上的函數(shù)計(jì)算，容器服務(wù)，數(shù)據(jù)庫(kù)服務(wù)，大數(shù)據(jù)服務(wù)，AI 等云服務(wù)，也將全面被CIPU 加速。從購(gòu)買(mǎi)計(jì)算資源進(jìn)行自身應(yīng)用加速，到全面使用云上服務(wù)，用戶(hù)將獲得 CIPU 加速帶來(lái)的全面體驗(yàn)。從資源到服務(wù)，云計(jì)算服務(wù)的核心價(jià)值，很大程度將取決于云廠(chǎng)商能提供的底層計(jì)算能力和計(jì)算效率。
趨勢(shì)六、端網(wǎng)融合的可預(yù)期網(wǎng)絡(luò)
基于云定義的可預(yù)期網(wǎng)絡(luò)技術(shù)，即將從數(shù)據(jù)中心的局域應(yīng)用走向全網(wǎng)推廣。
摘要：
可預(yù)期網(wǎng)絡(luò)（Predictable Fabric）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)。計(jì)算體系和網(wǎng)絡(luò)體系正在相互融合，高性能網(wǎng)絡(luò)互聯(lián)使能算力集群的規(guī)模擴(kuò)展，從而形成了大算力資源池，加速了算力普惠化，讓算力走向大規(guī)模產(chǎn)業(yè)應(yīng)用?？深A(yù)期網(wǎng)絡(luò)不僅支持新興的大算力和高性能計(jì)算場(chǎng)景，也適用于通用計(jì)算場(chǎng)景，是融合了傳統(tǒng)網(wǎng)絡(luò)和未來(lái)網(wǎng)絡(luò)的產(chǎn)業(yè)趨勢(shì)。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。
趨勢(shì)解讀：
可預(yù) 期 網(wǎng) 絡(luò)（Predictable Fabric）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)。計(jì)算體系和網(wǎng)絡(luò)體系正在相互融合，它通過(guò)高性能網(wǎng)絡(luò)互聯(lián)使能算力集群的規(guī)模擴(kuò)展，從而形成大算力資源池，加速了算力普惠化，讓算力走向大規(guī)模產(chǎn)業(yè)應(yīng)用。可預(yù)期網(wǎng)絡(luò)不僅支持新興的大算力和高性能計(jì)算場(chǎng)景，也適用于通用計(jì)算場(chǎng)景，是融合了傳統(tǒng)網(wǎng)絡(luò)和未來(lái)網(wǎng)絡(luò)的產(chǎn)業(yè)趨勢(shì)。
網(wǎng)絡(luò)的本質(zhì)是連接。高帶寬、低時(shí)延、高穩(wěn)定性、少抖動(dòng)一直是網(wǎng)絡(luò)追求的目標(biāo)。傳統(tǒng) TCP 網(wǎng)絡(luò)協(xié)議棧，雖然在互聯(lián)網(wǎng)中廣泛部署和應(yīng)用，但是 TCP 協(xié)議棧誕生時(shí)期的網(wǎng)絡(luò)帶寬和質(zhì)量已經(jīng)無(wú)法與如今大帶寬高質(zhì)量的數(shù)據(jù)中心網(wǎng)絡(luò)相提并論。端側(cè)和網(wǎng)絡(luò)分層解耦，基于網(wǎng)絡(luò)黑盒傳統(tǒng)盡力而為（best-effort）的網(wǎng)絡(luò)體系結(jié)構(gòu)，無(wú)法滿(mǎn)足當(dāng)今大算力池化所需要的高性能網(wǎng)絡(luò)互聯(lián)需求。因此，“可預(yù)期的”高性能網(wǎng)絡(luò)架構(gòu)在大算力需求驅(qū)動(dòng)下應(yīng)運(yùn)而生。這對(duì)于傳統(tǒng)基于“盡力而為”的網(wǎng)絡(luò)體系提出了新的挑戰(zhàn)。
可預(yù)期網(wǎng)絡(luò)以大算力為基本出發(fā)點(diǎn)，把端網(wǎng)融合作為實(shí)現(xiàn)方式。可預(yù)期網(wǎng)絡(luò)摒棄傳統(tǒng)端側(cè)計(jì)算、存儲(chǔ)和網(wǎng)絡(luò)分層解耦的架構(gòu)，創(chuàng)新地采用端側(cè)和網(wǎng)絡(luò)側(cè)協(xié)同設(shè)計(jì)和深度融合的思路，構(gòu)建了基于端網(wǎng)融合的新型網(wǎng)絡(luò)傳輸協(xié)議、擁塞控制算法、多路徑智能化調(diào)度、以及芯片、硬件深度定制和卸載等技術(shù)的全新算網(wǎng)體系?？深A(yù)期網(wǎng)絡(luò)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。云計(jì)算重新定義的可預(yù)期網(wǎng)絡(luò)技術(shù)體系，將對(duì)產(chǎn)業(yè)鏈上下游、芯片技術(shù)演進(jìn)產(chǎn)生深遠(yuǎn)影響，成為算力普惠化的新范式。
算力網(wǎng)絡(luò)的發(fā)展正在經(jīng)歷從 0 到 1的過(guò)程，需要互聯(lián)網(wǎng)科技公司和運(yùn)營(yíng)商共同定義。如果將算力網(wǎng)絡(luò)作為未來(lái)的關(guān)鍵基礎(chǔ)設(shè)施，它將對(duì)網(wǎng)絡(luò)可預(yù)期性提出更高的要求。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)。
趨勢(shì)七、雙引擎智能決策
融合運(yùn)籌優(yōu)化和機(jī)器學(xué)習(xí)的雙引擎智能決策，將推進(jìn)全局動(dòng)態(tài)資源配置優(yōu)化。
摘要：
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)化基于運(yùn)籌學(xué)，通過(guò)對(duì)現(xiàn)實(shí)問(wèn)題進(jìn)行準(zhǔn)確描述來(lái)構(gòu)建數(shù)學(xué)模型，同時(shí)結(jié)合運(yùn)籌優(yōu)化算法，在多重約束條件下求目標(biāo)函數(shù)最優(yōu)解。隨著外部環(huán)境復(fù)雜程度和變化速度不斷加劇，經(jīng)典決策優(yōu)化對(duì)不確定性問(wèn)題處理不夠好、大規(guī)模求解響應(yīng)速度不夠快的局限性日益突顯。學(xué)術(shù)界和產(chǎn)業(yè)界開(kāi)始探索引入機(jī)器學(xué)習(xí)，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)彼此局限性、提升決策速度和質(zhì)量。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。
趨勢(shì)解讀：
近年來(lái)，全球性突發(fā)事件（如疫情、戰(zhàn)爭(zhēng)、技術(shù)管制等）頻繁出現(xiàn)，使得外部環(huán)境變得更加復(fù)雜、不確定性更高；同時(shí)，市場(chǎng)不斷變化、要求不斷提升。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。
智能決策是綜合利用多種智能技術(shù)和工具，基于既定目標(biāo)，對(duì)相關(guān)數(shù)據(jù)進(jìn)行建模、分析并得到最優(yōu)決策的過(guò)程。該過(guò)程將約束條件、策略、偏好、目標(biāo)等因素轉(zhuǎn)化為數(shù)學(xué)模型，并利用智能技術(shù)自動(dòng)實(shí)現(xiàn)最優(yōu)決策，旨在解決日益復(fù)雜、動(dòng)態(tài)變化的經(jīng)營(yíng)決策問(wèn)題（如打車(chē)平臺(tái)派單、充電樁選址、生產(chǎn)排程等問(wèn)題）。
經(jīng)典決策優(yōu)化基于運(yùn)籌學(xué)，起源于二戰(zhàn)中的空戰(zhàn)規(guī)劃。它通過(guò)對(duì)現(xiàn)實(shí)問(wèn)題進(jìn)行準(zhǔn)確描述刻畫(huà)來(lái)構(gòu)建數(shù)學(xué)模型，同時(shí)結(jié)合運(yùn)籌優(yōu)化算法，在多重約束條件下求目標(biāo)函數(shù)最優(yōu)解?；谶\(yùn)籌學(xué)的決策優(yōu)化對(duì)數(shù)據(jù)量的依賴(lài)性弱、求解質(zhì)量較高、可解釋性較強(qiáng)，被廣泛運(yùn)用于各類(lèi)決策場(chǎng)景。
隨著外部環(huán)境復(fù)雜程度和變化速度不斷加劇，經(jīng)典決策優(yōu)化的局限性愈發(fā)突現(xiàn)，主要體現(xiàn)在：一是對(duì)于不確定性問(wèn)題的處理能力不足，二是對(duì)大規(guī)模問(wèn)題響應(yīng)不夠迅速。學(xué)術(shù)界和產(chǎn)業(yè)界開(kāi)始探索引入機(jī)器學(xué)習(xí)，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。機(jī)器學(xué)習(xí)基于數(shù)據(jù)驅(qū)動(dòng)模型，模擬出近似解區(qū)域，縮小經(jīng)典方式求解空間，可大幅提升求解效率。機(jī)器學(xué)習(xí)的優(yōu)勢(shì)在于可應(yīng)對(duì)不確定性高、在線(xiàn)響應(yīng)速度快的場(chǎng)景；劣勢(shì)為學(xué)習(xí)效率慢、成本高，且求解的質(zhì)量不夠高。由此可以看出，運(yùn)籌優(yōu)化和機(jī)器學(xué)習(xí)的結(jié)合完美彌補(bǔ)了彼此局限性，極大地提升了決策速度和質(zhì)量。
雙引擎智能決策尚處于起步階段。眾多決策優(yōu)化場(chǎng)景（如交通領(lǐng)域港口吞吐量?jī)?yōu)化、機(jī)場(chǎng)停機(jī)安排等，制造領(lǐng)域工藝優(yōu)化、產(chǎn)銷(xiāo)協(xié)同等），開(kāi)始嘗試用雙引擎方式在動(dòng)態(tài)變化中快速找到最優(yōu)解。最典型的、也最具挑戰(zhàn)的場(chǎng)景是電力調(diào)度場(chǎng)景。電力調(diào)度場(chǎng)景轉(zhuǎn)化為智能決策問(wèn)題可描述為：
● 目標(biāo)：在滿(mǎn)足電網(wǎng)安全穩(wěn)定運(yùn)行前提下，降低購(gòu)電成本或者實(shí)現(xiàn)全社會(huì)福利最大化，并促進(jìn)新能源消納。
● 約束條件：1）必須滿(mǎn)足所有安全約束 ,包括節(jié)點(diǎn)電壓、線(xiàn)路與斷面熱穩(wěn)定限額；2）發(fā)用電負(fù)荷平衡約束；3）滿(mǎn)足物理特性 , 如機(jī)組爬坡、開(kāi)停機(jī)曲線(xiàn)、梯級(jí)水電等。
● 決策難點(diǎn)：1）調(diào)度業(yè)務(wù)非常復(fù)雜，涉及海量決策數(shù)據(jù) : 目前省級(jí)變量與約束達(dá)千萬(wàn)級(jí)別 ; 隨著新能源快速裝機(jī)以及引入負(fù)荷側(cè)參與調(diào)節(jié)，直到實(shí)現(xiàn)雙碳目標(biāo)全網(wǎng)變量與約束預(yù)計(jì)將超過(guò)十億級(jí)；2）新能源發(fā)電占比將越來(lái)越大，其波動(dòng)性和隨機(jī)性將對(duì)模型驅(qū)動(dòng)的數(shù)學(xué)優(yōu)化效率帶來(lái)極大挑戰(zhàn)；3）機(jī)器學(xué)習(xí)難以保證滿(mǎn)足所有安全約束。雙引擎智能決策將機(jī)器學(xué)習(xí)與底層優(yōu)化技術(shù)深度耦合在了一起，在滿(mǎn)足各類(lèi)安全約束條件的情況下，將計(jì)算效率提高10 倍以上，有望實(shí)現(xiàn)秒級(jí)調(diào)度優(yōu)化，突破新型電力系統(tǒng)電網(wǎng)調(diào)度追風(fēng)、逐日決策的性能瓶頸。
未來(lái)，雙引擎智能決策將進(jìn)一步拓展應(yīng)用場(chǎng)景，在特定領(lǐng)域?qū)崿F(xiàn)更多主體、更大范圍的資源配置優(yōu)化，進(jìn)而推進(jìn)全局實(shí)時(shí)動(dòng)態(tài)的資源配置優(yōu)化。
趨勢(shì)八、計(jì)算光學(xué)成像
計(jì)算光學(xué)成像突破傳統(tǒng)光學(xué)成像極限，將帶來(lái)更具創(chuàng)造力和想象力的應(yīng)用。
摘要：
計(jì)算光學(xué)成像是一個(gè)新興多學(xué)科交叉領(lǐng)域。它以具體應(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（如角度、偏振、相位等），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)成像處于高速發(fā)展階段，已取得許多令人振奮的研究成果，并在手機(jī)攝像、醫(yī)療、無(wú)人駕駛等領(lǐng)域開(kāi)始規(guī)?；瘧?yīng)用。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。
趨勢(shì)解讀：
傳統(tǒng)光學(xué)成像建立在幾何光學(xué)基礎(chǔ)上，借鑒人眼視覺(jué)“所見(jiàn)即所得”的原理，而忽略了諸多光學(xué)高維信息。當(dāng)前傳統(tǒng)光學(xué)成像在硬件功能、成像性能方面接近物理極限，在眾多領(lǐng)域已無(wú)法滿(mǎn)足應(yīng)用需求。例如 ，在手機(jī)攝影領(lǐng)域，無(wú)法在保證成像效果的同時(shí)縮小器件重量和體積，出現(xiàn)令人詬病的“前劉海”和“后浴霸”的情況；在顯微成像領(lǐng)域，無(wú)法同時(shí)滿(mǎn)足寬視場(chǎng)和高分辨率的需求；在監(jiān)控遙感領(lǐng)域，難以在光線(xiàn)較暗、能見(jiàn)度較低的復(fù)雜環(huán)境中獲得清晰圖像……
隨著傳感器、云計(jì)算、人工智能等新一代信息技術(shù)的不斷演進(jìn)，新型解決方案逐步浮出水面——計(jì)算光學(xué)成像。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（如角度、偏振、相位等），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（如圖1 所示）。
計(jì)算光學(xué)成像是一個(gè)新興多學(xué)科交叉領(lǐng)域 , 早期概念在上個(gè)世紀(jì) 70 年代中期才逐步形成。隨著信息技術(shù)的蓬勃發(fā)展，計(jì)算光學(xué)成像已成為國(guó)際研究熱點(diǎn)。由于計(jì)算光學(xué)成像研究?jī)?nèi)容覆蓋范圍廣，目前還沒(méi)有一個(gè)比較明確的分類(lèi)方法。
按照計(jì)算成像技術(shù)所解決的應(yīng)用問(wèn)題來(lái)分類(lèi)，可以大致分為以下三類(lèi)：（1）功能提升：對(duì)傳統(tǒng)方式無(wú)法獲取的光學(xué)信息，如光場(chǎng)、偏振、相干度等進(jìn)行成像或測(cè)量；（2）性能提升：即提升現(xiàn)有成像技術(shù)的性能指標(biāo)，如空間分辨率、時(shí)間分辨率、景深、復(fù)雜環(huán)境魯棒性等；（3）簡(jiǎn)化與智能化：通過(guò)單像素、無(wú)透鏡等特定技術(shù)簡(jiǎn)化成像系統(tǒng)，或者以光速實(shí)現(xiàn)特定人工智能任務(wù)（如圖 2 所示）。
計(jì)算光學(xué)成像技術(shù)現(xiàn)處于高速發(fā)展階段，還需克服諸多挑戰(zhàn)：首先，需以傳感器為中心重新設(shè)計(jì)光學(xué)系統(tǒng)；其次，由于需要獲取多維度光學(xué)信息，需引入新型光學(xué)器件和光場(chǎng)調(diào)控機(jī)制，隨之而來(lái)的是更多的硬件成本和研發(fā) / 調(diào)試時(shí)間成本；再次，為了使計(jì)算成像硬件和軟件有更好的協(xié)同，則需重新開(kāi)發(fā)算法工具；最后，對(duì)算力要求非常高，對(duì)應(yīng)用設(shè)備芯片及其適配性提出更高要求。
計(jì)算光學(xué)成像雖然是一個(gè)新興技術(shù)，但已取得了很多令人振奮的研究成果（2014 諾貝爾獎(jiǎng)——超分辨熒光顯微成像、2017 年諾貝爾獎(jiǎng)——冷凍電鏡），并在手機(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)模化應(yīng)用。如在手機(jī)攝像領(lǐng)域，主流手機(jī)廠(chǎng)商均初步融入了計(jì)算光學(xué)成像思路，從比拼硬件光學(xué)，轉(zhuǎn)而追求硬件加算法的協(xié)同；目前手機(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 將 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。元成像芯片可實(shí)現(xiàn)大范圍無(wú)像差三維感知，有望徹底解決手機(jī)后置攝像頭突出的問(wèn)題。無(wú)透鏡成像（FlatCam）能夠簡(jiǎn)化傳統(tǒng)基于透鏡的相機(jī)成像系統(tǒng)，進(jìn)一步減小成像系統(tǒng)體積并有望用于各類(lèi)可穿戴設(shè)備。此外，利用偏振成像技術(shù)能夠透過(guò)可見(jiàn)度不高的介質(zhì)清晰成像，實(shí)現(xiàn)穿云透霧。還有非視域成像，能夠通過(guò)記錄并解析光傳播的高速過(guò)程來(lái)對(duì)非視域下目標(biāo)進(jìn)行有效探測(cè)，實(shí)現(xiàn)隔墻而視，在反恐偵察、醫(yī)療檢測(cè)等領(lǐng)域具有廣泛的應(yīng)用價(jià)值。
趨勢(shì)九、大規(guī)模城市數(shù)字孿生
城市數(shù)字孿生在大規(guī)模趨勢(shì)基礎(chǔ)上，繼續(xù)向立體化、無(wú)人化、全局化方向演進(jìn)。
摘要：
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，成為城市精細(xì)化治理的新方法。近年來(lái)，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)模方面，實(shí)現(xiàn)了大規(guī)模動(dòng)態(tài)感知映射（更低建模成本）、大規(guī)模在線(xiàn)實(shí)時(shí)渲染（更短響應(yīng)時(shí)間），以及大規(guī)模聯(lián)合仿真推演（更高精確性）。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。未來(lái)城市數(shù)字孿生將在大規(guī)模趨勢(shì)的基礎(chǔ)上，繼續(xù)向立體化、無(wú)人化、全局化方向演進(jìn)。
趨勢(shì)解讀：
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。我們持續(xù)追蹤城市數(shù)字孿生進(jìn)展，分別在 2019 年及 2021 年的十大科技趨勢(shì)報(bào)告中進(jìn)行了詳細(xì)闡述。近年來(lái)，中央部委多角度全方位出臺(tái)數(shù)字孿生城市相關(guān)政策，旨在進(jìn)一步推進(jìn)城市精細(xì)化治理新方法。
城市數(shù)字孿生旨在以城市為對(duì)象，在數(shù)字世界建設(shè)與物理世界 1:1 的數(shù)字映射，進(jìn)而通過(guò)數(shù)字映射進(jìn)行多學(xué)科機(jī)理與仿真推演，并與物理世界進(jìn)行實(shí)時(shí)雙向同步。近兩年，精準(zhǔn)映射、生成渲染、仿真推演等城市數(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，分別實(shí)現(xiàn)了大規(guī)模動(dòng)態(tài)感知映射、大規(guī)模在線(xiàn)實(shí)時(shí)渲染，以及大規(guī)模聯(lián)合仿真推演。
在精準(zhǔn)映射方面，與耗人、耗時(shí)、耗財(cái)力的傳統(tǒng)測(cè)量測(cè)繪方式不同，綜合運(yùn)用遙感、雷達(dá)、視覺(jué)、定位及其它多種傳感器及存量測(cè)繪數(shù)據(jù)，以更低成本實(shí)現(xiàn)對(duì)城市靜態(tài)部件，以及動(dòng)態(tài)對(duì)象（如人、車(chē)等）進(jìn)行位置、狀態(tài)等多屬性實(shí)時(shí)感知。未來(lái)，通過(guò)匯聚城市天空地多維度、各類(lèi)型傳感器數(shù)據(jù)，再結(jié)合 AI 感知能力，可融合提取同一實(shí)體的多源異構(gòu)數(shù)據(jù)、構(gòu)建多個(gè)實(shí)體之間的內(nèi)在關(guān)系，在數(shù)字世界中進(jìn)行大規(guī)模、低成本、統(tǒng)一、實(shí)時(shí)、精準(zhǔn)的映射表達(dá)。
在生成渲染方面，基于精準(zhǔn)映射的數(shù) 據(jù) 基 礎(chǔ)， 結(jié) 合 AIGC（AI Generated Content）與 游 戲 大 世 界 生 成 PGC（Professional Generated Content） 等技術(shù)能力，可實(shí)現(xiàn)分層次、分尺寸、多分辨率城市級(jí)三維場(chǎng)景模型的自動(dòng)化生成，以及支持多人在線(xiàn)、互動(dòng)式大規(guī)模實(shí)時(shí)渲染。
在仿真推演方面，將多學(xué)科、大規(guī)模的機(jī)理與仿真模型聯(lián)合作用于同一數(shù)字大世界，形成“仿真機(jī)理元宇宙”，構(gòu)建虛實(shí)互動(dòng)、雙向調(diào)控機(jī)制。關(guān)鍵技術(shù)包括：1）仿真系統(tǒng)云原生化，基于云原生超算調(diào)度和求解器，可大幅縮短仿真計(jì)算時(shí)間，實(shí)現(xiàn)城市級(jí)場(chǎng)景、百萬(wàn)級(jí)以上實(shí)體規(guī)模實(shí)時(shí)計(jì)算響應(yīng)；2）統(tǒng)一接口融合計(jì)算，多種機(jī)理模型及仿真模型能進(jìn)行實(shí)時(shí)融合計(jì)算，形成多仿真聯(lián)合服務(wù)能力。
在技術(shù)推動(dòng)和需求牽引的共同作用下，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。如在交通治理方面，在城市高精路網(wǎng)、水網(wǎng)、河道、車(chē)輛等實(shí)體三維建模及實(shí)時(shí)渲染的基礎(chǔ)上（建模成本降低 90%+、時(shí)間從數(shù)月縮短到數(shù)天），通過(guò)聯(lián)合道路交通流、城市內(nèi)澇積水、自動(dòng)駕駛、人群移動(dòng)等仿真模型，實(shí)現(xiàn)對(duì)城市大型活動(dòng)現(xiàn)場(chǎng)人群疏散引導(dǎo)、交通管控策略、天氣情況影響、公共交通供給等全方位策略預(yù)案的孿生演練與效果評(píng)估（針對(duì)應(yīng)急事態(tài)做到“ 1 分鐘啟動(dòng)預(yù)案 ”、“ 5 分鐘到達(dá)現(xiàn)場(chǎng) ”；大型賽事“ 1 小時(shí)疏散 ”）。
基于數(shù)字孿生的智慧城市市場(chǎng)空間十分廣闊。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%。目前，城市數(shù)字孿生面臨的最大瓶頸，在于城市級(jí)大規(guī)模對(duì)象實(shí)體孿生以及業(yè)務(wù)流程孿生的城市孿生體尚未完全搭建起來(lái)。城市數(shù)字孿生將在大規(guī)模特征的基礎(chǔ)上，繼續(xù)向立體化、無(wú)人化、全局化方向演進(jìn)。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)（無(wú)人車(chē)、無(wú)人機(jī)、機(jī)器人等）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)。
趨勢(shì)十、生成式 AI
生成式AI進(jìn)入應(yīng)用爆發(fā)期，將極大地推動(dòng)數(shù)字化內(nèi)容生產(chǎn)與創(chuàng)造。
摘要：
生成式 AI（Generative AI 或 AIGC）是利用現(xiàn)有文本、音頻文件或圖像創(chuàng)建新內(nèi)容的技術(shù)。過(guò)去一年，其技術(shù)上的進(jìn)展主要來(lái)自于三大領(lǐng)域：圖像生成領(lǐng)域， 以 DALL·E-2、Stable Diffusion 為代表的擴(kuò)散模型（Diffusion Model）；自然語(yǔ)言處理（NLP）領(lǐng)域基于 GPT-3.5的 ChatGPT；代碼生成領(lǐng)域基于 Codex的 Copilot?，F(xiàn)階段的生成式 AI 通常被用來(lái)生成產(chǎn)品原型或初稿，應(yīng)用場(chǎng)景涵蓋圖文創(chuàng)作、代碼生成、游戲、廣告、藝術(shù)平面設(shè)計(jì)等。未來(lái)，生成式 AI 將成為一項(xiàng)大眾化的基礎(chǔ)技術(shù)，極大的提高數(shù)字化內(nèi)容的豐富度、創(chuàng)造性與生產(chǎn)效率，其應(yīng)用邊界也將隨著技術(shù)的進(jìn)步與成本的降低擴(kuò)展到更多領(lǐng)域。
趨勢(shì)解讀：
生成式 AI 使用各種機(jī)器學(xué)習(xí)算法，從數(shù)據(jù)中學(xué)習(xí)要素，使機(jī)器能夠創(chuàng)建全新的數(shù)字視頻、圖像、文本、音頻或代碼等內(nèi)容。它創(chuàng)建出的內(nèi)容與訓(xùn)練數(shù)據(jù)保持相似，而非復(fù)制。它的發(fā)展得益于近年來(lái)大模型在基礎(chǔ)研究尤其是深度學(xué)習(xí)上的突破，真實(shí)數(shù)據(jù)的積累和計(jì)算成本的下降。在過(guò)去的這一年，生成式 AI 將人工智能的價(jià)值聚焦到“創(chuàng)造”二字，這標(biāo)志著人工智能開(kāi)始具備定義和呈現(xiàn)新事物的能力。過(guò)去一年，生成式 AI 的進(jìn)展主要體現(xiàn)在如下領(lǐng)域：
圖像生成領(lǐng)域的進(jìn)展來(lái)自擴(kuò)散模型（Diffusion model） 的 應(yīng) 用， 以 DALL·
E-2、Stable Diffusion 為代表。擴(kuò)散模型是一種從噪聲中生成圖像的深度學(xué)習(xí)技術(shù)。擴(kuò)散模型技術(shù)的背后，是更精準(zhǔn)理解人類(lèi)語(yǔ)義的預(yù)訓(xùn)練模型、以及文本與圖像統(tǒng)一表示模型（CLIP）的支撐。它的出現(xiàn)，讓圖像生成變得更具想象力。
自然語(yǔ)言處理（NLP）領(lǐng)域的進(jìn)展來(lái)自于基于 GPT3.5 的 ChatGPT（Generative Pre-trained Transformer）。這是一種基于互聯(lián)網(wǎng)可用數(shù)據(jù)訓(xùn)練的文本生成深度學(xué)習(xí)模型，用于問(wèn)答、文本摘要生成、機(jī)器翻譯、分類(lèi)、代碼生成和對(duì)話(huà) AI。得益于文本和代碼相結(jié)合的預(yù)訓(xùn)練大模型的發(fā)展，ChatGPT 引入了人工標(biāo)注數(shù)據(jù)和強(qiáng)化學(xué)習(xí)（RLHF）來(lái)進(jìn)行持續(xù)訓(xùn)練和優(yōu)化。加入強(qiáng)化學(xué)習(xí)后，大模型能夠理解人類(lèi)的指令以及背后的含義，根據(jù)人類(lèi)反饋來(lái)判斷答案的質(zhì)量，給出可解釋的答案，并對(duì)于不合適的問(wèn)題給出合理的回復(fù)，形成一個(gè)可迭代反饋的閉環(huán)。
代碼生成領(lǐng)域的進(jìn)展來(lái)自代碼生成系統(tǒng) AlphaCode和 Copilot。2022 年 2 月，Deepmind 推出了他們的最新研究成果AlphaCode。它是一個(gè)可以自主編程的系統(tǒng)，在 Codeforces 舉辦的編程競(jìng)賽中，超過(guò)了 47% 的人類(lèi)工程師。這標(biāo)志著 AI 代碼生成系統(tǒng)，首次在編程競(jìng)賽中，達(dá)到了具有競(jìng)爭(zhēng)力的水平?；陂_(kāi)源代碼訓(xùn)練的Copilot 開(kāi)始商業(yè)化，作為訂閱服務(wù)提供給開(kāi)發(fā)者，用戶(hù)可以通過(guò)使用 Copilot 自動(dòng)補(bǔ)全代碼。Copilot 作為一個(gè)基于大型語(yǔ)言模型的系統(tǒng)，盡管在多數(shù)情況下仍需要人工二次修正，但在簡(jiǎn)單、重復(fù)性的代碼生成上，將幫助開(kāi)發(fā)者提升工作效率，并給 IDE（集成開(kāi)發(fā)環(huán)境）行業(yè)帶來(lái)重大影響。
隨著內(nèi)容創(chuàng)造的爆發(fā)式增長(zhǎng)，如何做到內(nèi)容在質(zhì)量和語(yǔ)義上的可控，成為可控式生成，將是生成式 AI 面臨的主要挑戰(zhàn)。在產(chǎn)業(yè)化方面，降成本仍是關(guān)鍵挑戰(zhàn)。只有像 ChatGPT 這樣的大模型訓(xùn)練成本和推理成本足夠低，才有可能規(guī)模化推廣。此外，數(shù)據(jù)的安全可控、創(chuàng)作版權(quán)和信任問(wèn)題也需要隨著產(chǎn)業(yè)化加快逐一解決。
未來(lái)三年，生成式 AI 將步入技術(shù)產(chǎn)品化的快車(chē)道，在商業(yè)模式上會(huì)有更多探索，產(chǎn)業(yè)生態(tài)也會(huì)隨著應(yīng)用的普及逐步完善。屆時(shí)，生成式 AI 的內(nèi)容創(chuàng)造能力將達(dá)到人類(lèi)水平。擁有數(shù)據(jù)、計(jì)算能力、產(chǎn)品化經(jīng)驗(yàn)的大型科技公司將成為生成式 AI 落地的主要參與者?；谏赡Ｐ偷挠?jì)算基礎(chǔ)設(shè)施和平臺(tái)會(huì)逐步發(fā)展起來(lái)，模型變成隨手可得的服務(wù)，客戶(hù)不需要部署和運(yùn)行生成式模型的專(zhuān)業(yè)技能就可以使用。生成模型將在交互能力、安全可信、認(rèn)知智能上取得顯著進(jìn)展，以輔助人類(lèi)完成各類(lèi)創(chuàng)造性工作。
京公網(wǎng)安備11010802046783號(hào)
