達摩院預測，進入 2023 年，基于技術迭代與產業應用的融合創新，將驅動 AI、云計算、芯片等領域實現階段性躍遷。
1 月 11 日，阿里達(da)摩院(yuan)重磅發布(bu)了(le) 2023 十大科技(ji)趨(qu)勢(shi)，生成式AI、Chiplet 模(mo)塊化設計(ji)封裝(zhuang)、全新云計(ji)算(suan)體(ti)系架構等技(ji)術入選。
達摩院(yuan)表示，全球科技日趨顯(xian)現出交(jiao)叉融合發(fa)展的新(xin)(xin)(xin)態勢，尤(you)其(qi)在信息(xi)與(yu)(yu)通信技術(shu)（ICT）領(ling)域醞釀的新(xin)(xin)(xin)裂(lie)變，將(jiang)為科技產(chan)業革新(xin)(xin)(xin)注入動力。達摩院(yuan)預(yu)測，進入2023 年，基于技術(shu)迭(die)代與(yu)(yu)產(chan)業應用(yong)的融合創(chuang)新(xin)(xin)(xin)，將(jiang)驅動 AI、云計算、芯(xin)片等領(ling)域實現階段性躍遷。
達(da)摩院 2023 十(shi)大科技趨(qu)勢如下：
趨勢一：多模態預訓練大模型
基于多模態的預訓練大模型將實現圖文音統一知識表示，成為人工智能基礎設施。
人工智能正在從文本(ben)、語音(yin)、視覺等單模(mo)(mo)(mo)態(tai)智能，向(xiang)(xiang)著(zhu)多(duo)種模(mo)(mo)(mo)態(tai)融合的(de)通(tong)用(yong)人工(gong)智能方向(xiang)(xiang)發展(zhan)。多(duo)模(mo)(mo)(mo)態(tai)統(tong)(tong)一(yi)建(jian)模(mo)(mo)(mo)，目(mu)的(de)是增(zeng)強模(mo)(mo)(mo)型(xing)的(de)跨模(mo)(mo)(mo)態(tai)語義對齊能力，打通(tong)各個模(mo)(mo)(mo)態(tai)之間的(de)關系，使(shi)得模(mo)(mo)(mo)型(xing)逐步標準化(hua)。目(mu)前，技(ji)術上的(de)突(tu)出進展(zhan)來自于(yu) CLIP（匹配圖像和(he)文本(ben)）和(he) BEiT-3（通(tong)用(yong)多(duo)模(mo)(mo)(mo)態(tai)基礎模(mo)(mo)(mo)型(xing)）。基于(yu)多(duo)領域知識(shi)，構建(jian)統(tong)(tong)一(yi)的(de)、跨場景、多(duo)任務的(de)多(duo)模(mo)(mo)(mo)態(tai)基礎模(mo)(mo)(mo)型(xing)已成為人工(gong)智能的(de)重點發展(zhan)方向(xiang)(xiang)。未(wei)來大模(mo)(mo)(mo)型(xing)作(zuo)為基礎設(she)施，將實現圖像、文本(ben)、音(yin)頻統(tong)(tong)一(yi)知識(shi)表示， 并朝著(zhu)能推理、能回答(da)問題、能總結、 做創作(zuo)的(de)認知智能方向(xiang)(xiang)演(yan)進。
趨勢二：Chiplet 模塊化設計封裝
Chiplet的互聯標準將逐漸統一，重構芯片研發流程。
Chiplet 是(shi)硅片級別的(de)(de)“解(jie)構-重構-復用(yong)”，它把傳(chuan)統的(de)(de)SoC分(fen)解(jie)為多個芯粒模塊，將(jiang)這些芯粒分(fen)開(kai)制備后再通過(guo)互聯封裝(zhuang)形成一個完整(zheng)芯片。芯粒可以(yi)采用(yong)不同工藝進(jin)(jin)行(xing)分(fen)離制造，可以(yi)顯(xian)著降低成本，并實(shi)現一種新形式的(de)(de)IP復用(yong)。隨著摩爾定律的(de)(de)放緩，Chiplet 成為持續提高(gao)SoC集成度(du)和算力的(de)(de)重要途徑(jing)，特別是(shi)隨著2022 年 3 月份 UCle 聯盟的(de)(de)成 立，Chiplet互聯標(biao)準將(jiang)逐(zhu)漸(jian)統一，產業化進(jin)(jin)程將(jiang)進(jin)(jin)一步加速。基(ji)于先(xian)進(jin)(jin)封裝(zhuang)技 術的(de)(de) Chiplet 可能將(jiang)重構芯片研(yan)發(fa)流程， 從制造到(dao)封測，從 EDA 到(dao)設計，全方位影響芯片的(de)(de)區(qu)域與(yu)產業格局(ju)。
趨勢三：存算一體：
資本和產業雙輪驅動，存算一體芯片將在垂直細分領域迎來規模化商用。
存算一體旨在計算單元與存儲單元融合，在實現數據存儲的同時直接進行計算，以消除數據搬移帶來的開銷，極大提升運算效率，以實現計算存儲的高效節能。存算一體非常符合高訪存、高并行的人工智能場景計算需求。在產業和投資的驅動下， 基于SRAM， DRAM，Flash 存儲介質的產品進入驗證期，將優先在低功耗、小算力的端側如智能家居、可穿戴設備、泛機器人、智能安防等計算場景落地。未來，隨著存算一體芯片在云端推理大算力場景落地，或將帶來計算架構的變革。它推動 傳統的以計算為中心的架構向以數據為中心的架構演進，并對云計算、人工智能、 物聯網等產業發展(zhan)帶來(lai)積(ji)極影響。
趨勢四：云原生安全
安全技術與云緊密結合，打造平臺化、智能化的新型安全體系。
云(yun)原(yuan)生安全(quan)(quan)是安全(quan)(quan)理念從邊界防御(yu)向(xiang)(xiang)縱深防御(yu)、從外掛(gua)模式向(xiang)(xiang)內生安全(quan)(quan)的轉變，實現(xian)云(yun)基礎設施(shi)的原(yuan)生安全(quan)(quan)，并基于云(yun)原(yuan)生技(ji)術(shu)提升(sheng)安全(quan)(quan)的服(fu)務(wu)能(neng)力(li)。安全(quan)(quan)技(ji)術(shu)與(yu)云(yun)計算(suan)由(you)相對松散(san)走向(xiang)(xiang)緊密結(jie)合(he)，經過“容器化部(bu)署”、“微(wei)服(fu)務(wu)化轉型”走向(xiang)(xiang)“無服(fu)務(wu)器化”的技(ji)術(shu)路線，實現(xian)安全(quan)(quan)服(fu)務(wu)的原(yuan)生化、精細化、平(ping)臺 化和(he)智(zhi)能(neng)化：
● 以安(an)全(quan)(quan)左移為原則，構建產(chan)品(pin)研發、安(an)全(quan)(quan)、運維一體(ti)化的(de)產(chan)品(pin)安(an)全(quan)(quan)體(ti)系， 增進研發，安(an)全(quan)(quan)和運維融合協同(tong)；
● 以(yi)統一的身份驗證(zheng)和(he)配(pei)置管(guan)理為基礎，實(shi)現精準授權和(he)動態策略配(pei)置；
● 以縱深防御體系為(wei)架構，平臺級的(de)安(an)全產品為(wei)依托，實現精準主動(dong)防御， 化(hua)解傳統安(an)全產品碎(sui)片化(hua)的(de)問(wen)題；
● 以(yi)安全運(yun)營為牽引，實現(xian)涵(han)蓋應(ying)用、云產品、網(wang)絡等全鏈(lian)路的(de)實時檢測、 精準響(xiang)應(ying)、快速溯源和威脅狩(shou)獵。
趨勢五：軟硬融合云計算體系架構
云計算向以CIPU為中心的全新云計算體系架構深度演進，通過軟件定義、硬件加速，在保持云上應用開發的高彈性和敏捷性的同時，帶來云上應用的全面加速。
云(yun)計算(suan)(suan)(suan)從以(yi) CPU 為(wei)中(zhong)(zhong)心(xin)的(de)(de)計算(suan)(suan)(suan)體(ti)系(xi)架構(gou)(gou)向以(yi)云(yun)基礎設施處理(li)器(qi)（CIPU）為(wei)中(zhong)(zhong)心(xin)的(de)(de)全新(xin)(xin)(xin)體(ti)系(xi)架構(gou)(gou)深度演進。通過(guo)軟(ruan)(ruan)件(jian)定義(yi)(yi)，硬(ying)(ying)件(jian)加(jia)速(su)，在保持(chi)云(yun)上(shang)應用(yong)開發(fa)的(de)(de)高(gao)彈性和敏捷性同時，帶(dai)(dai)來(lai)云(yun)上(shang)應用(yong)的(de)(de)全面加(jia)速(su)。新(xin)(xin)(xin)的(de)(de)體(ti)系(xi)架構(gou)(gou)下，軟(ruan)(ruan)硬(ying)(ying)一(yi)體(ti)化(hua)(hua)帶(dai)(dai)來(lai)硬(ying)(ying)件(jian)結構(gou)(gou)的(de)(de)融合，接(jie)(jie)入(ru)物理(li)的(de)(de)計算(suan)(suan)(suan)、存儲(chu)、網(wang)絡資(zi)源(yuan)，通過(guo)硬(ying)(ying)件(jian)資(zi)源(yuan)的(de)(de)快(kuai)速(su)云(yun)化(hua)(hua)實(shi)現(xian)硬(ying)(ying)件(jian)加(jia)速(su)。此外，新(xin)(xin)(xin)架構(gou)(gou)也帶(dai)(dai)來(lai)軟(ruan)(ruan)件(jian)系(xi)統(tong)的(de)(de)融合。這意味著以(yi)CIPU 云(yun)化(hua)(hua)加(jia)速(su)后的(de)(de)算(suan)(suan)(suan)力資(zi)源(yuan)，可通過(guo)CIPU上(shang)的(de)(de)控(kong)制器(qi)接(jie)(jie)入(ru)分布式平臺，實(shi)現(xian)云(yun)資(zi)源(yuan)的(de)(de)靈(ling)活管理(li)、調度和編排(pai)。在此基礎上(shang)，CIPU將定義(yi)(yi)下一(yi)代(dai)云(yun)計算(suan)(suan)(suan)的(de)(de)服務標(biao)準，給核心(xin)軟(ruan)(ruan)件(jian)研發(fa)和專用(yong)芯片行業帶(dai)(dai)來(lai)新(xin)(xin)(xin)的(de)(de)發(fa)展機遇。
趨勢六：端網融合的可預期網絡
基于云定義的可預期網絡技術，即將從數據中心的局域應用走向全網推廣。
可預(yu)期網(wang)(wang)絡(luo)（Predictable Fabric）是(shi)由云(yun)計(ji)(ji)算(suan)(suan)定義，服務器端側和網(wang)(wang)絡(luo)協同的(de)(de)(de)高性(xing)(xing)能網(wang)(wang)絡(luo)互(hu)(hu)聯(lian)系統。計(ji)(ji)算(suan)(suan)體系和網(wang)(wang)絡(luo)體系正在相互(hu)(hu)融合(he)，高性(xing)(xing)能網(wang)(wang)絡(luo)互(hu)(hu)聯(lian)使能算(suan)(suan)力(li)集(ji)群的(de)(de)(de)規模擴展，從而(er)形成(cheng)了(le)大算(suan)(suan)力(li)資源池，加速了(le)算(suan)(suan)力(li)普(pu)惠化，讓算(suan)(suan)力(li)走(zou)向大規模產業應用。可預(yu)期網(wang)(wang)絡(luo)不僅支持新(xin)興(xing)的(de)(de)(de)大算(suan)(suan)力(li)和高性(xing)(xing)能計(ji)(ji)算(suan)(suan)場景，也適用于通(tong)用計(ji)(ji)算(suan)(suan)場景，是(shi)融合(he)了(le)傳統網(wang)(wang)絡(luo)和未來網(wang)(wang)絡(luo)的(de)(de)(de)產業趨勢(shi)。通(tong)過(guo)云(yun)定義的(de)(de)(de)協議、軟件、芯片、硬件、架構、平臺的(de)(de)(de)全(quan)棧創新(xin)，可預(yu)期高算(suan)(suan)力(li)網(wang)(wang)絡(luo)有望顛覆目前基(ji)于傳統互(hu)(hu)聯(lian)網(wang)(wang) TCP 協議的(de)(de)(de)技(ji)術體系，成(cheng)為下一代數據中(zhong)心(xin)(xin)網(wang)(wang)絡(luo)的(de)(de)(de)基(ji)本特征，并從數據中(zhong)心(xin)(xin)的(de)(de)(de)局域應用走(zou)向全(quan)網(wang)(wang)推廣(guang)。
趨勢七：雙引擎智能決策
融合運籌優化和機器學習的雙引擎智能決策，將推進全局動態資源配置優化。
企業需(xu)在紛繁復(fu)雜、動態變化(hua)的(de)環境中快速精準地做出(chu)經營決策(ce)(ce)。經典決策(ce)(ce)優(you)(you)化(hua)基于運(yun)籌學(xue)，通(tong)過對現實問題進(jin)行準確描述來構建(jian)(jian)數(shu)學(xue)模型(xing)，同時結合(he)運(yun)籌優(you)(you)化(hua)算(suan)法，在多重約束(shu)條件下(xia)求目標函數(shu)最優(you)(you)解。隨(sui)著外部環境復(fu)雜程度(du)(du)和變化(hua)速度(du)(du)不(bu)(bu)斷加劇，經典決策(ce)(ce)優(you)(you)化(hua)對不(bu)(bu)確定性(xing)問題處理不(bu)(bu)夠(gou)好、大規模求解響應(ying)速度(du)(du)不(bu)(bu)夠(gou)快的(de)局限性(xing)日益突顯。學(xue)術界(jie)和產(chan)業界(jie)開始探索引(yin)入機器學(xue)習， 構建(jian)(jian)數(shu)學(xue)模型(xing)與數(shu)據(ju)模型(xing)雙引(yin)擎(qing)新型(xing)智能決策(ce)(ce)體系，彌補彼此局限性(xing)、提升決策(ce)(ce)速度(du)(du)和質量。未來，雙引(yin)擎(qing)智能決策(ce)(ce)將進(jin)一(yi)步(bu)拓展應(ying)用(yong)場景，在大規模實時電力調度(du)(du)、港口吞吐量優(you)(you)化(hua)、機場停機安排、制造工藝優(you)(you)化(hua)等(deng)特(te)定領域(yu)推(tui)進(jin)全局實時動態資源配置優(you)(you)化(hua)。
趨勢八：計算光學成像
計算光學成像突破傳統光學成像極限，將帶來更具創造力和想象力的應用。
計算光學成像是一個新興多學科交叉領域。它以具體應用任務為準則，通過多維度獲取或編碼光場信息（如角度、偏振、相位等），為傳感器設計遠超人眼的感知新范式；同時，結合數學和信號處理知識，深度挖掘光場信息，突破傳統光學成像極限。目前，計算光學成像處于高速發展階段，已取得許多令人 振奮的研究成果，并在手機攝像、醫療、 無人駕駛等領域(yu)開始規模化(hua)應用(yong)(yong)。未來(lai)， 計(ji)算光學成(cheng)(cheng)像(xiang)有望進一(yi)步顛(dian)覆(fu)傳統(tong)成(cheng)(cheng)像(xiang)體系(xi)，帶(dai)來(lai)更具創(chuang)造力和(he)想象力的(de)應用(yong)(yong)， 如無透鏡成(cheng)(cheng)像(xiang)、非視域(yu)成(cheng)(cheng)像(xiang)等。
趨勢九：大規模城市數字孿生
城市數字孿生在大規模趨勢基礎上，繼續向立體化、無人化、全局化方向演進。
城市數字孿生自2017年(nian)首度(du)被(bei)提出以(yi)來(lai)，受(shou)到廣泛推廣和認可，成為城市(shi)精細化(hua)治(zhi)理的新方(fang)法。近年(nian)來(lai)，城市(shi)數字孿(luan)生(sheng)關(guan)鍵(jian)技術實(shi)(shi)(shi)現(xian)了從量到質的突破， 具(ju)體體現(xian)在(zai)(zai)(zai)大(da)規(gui)模方(fang)面，實(shi)(shi)(shi)現(xian)了大(da)規(gui)模動態感知映射（更低建模成本）、大(da)規(gui)模在(zai)(zai)(zai)線實(shi)(shi)(shi)時(shi)渲染（更短響(xiang)應(ying)時(shi)間），以(yi)及大(da)規(gui)模聯合(he)仿真推演（更高精確性）。目前，大(da)規(gui)模城市(shi)數字孿(luan)生(sheng)已在(zai)(zai)(zai)交通治(zhi)理、 災害(hai)防(fang)控、雙碳管理等(deng)應(ying)用(yong)場景取得較大(da)進(jin)展(zhan)。未來(lai)城市(shi)數字孿(luan)生(sheng)將在(zai)(zai)(zai)大(da)規(gui)模趨(qu)勢的基礎(chu)上，繼(ji)續向(xiang)立體化(hua)、無人化(hua)、全局化(hua)方(fang)向(xiang)演進(jin)。
趨勢十：生成式 AI
生成式 AI 進入應用爆發期，將極大推動數字化內容生產與創造。
生(sheng)成(cheng)(cheng)式 AI（Generative AI 或 AIGC） 是(shi)利用(yong)現(xian)有文(wen)本、音(yin)頻文(wen)件或圖像(xiang)創建新內容的(de)(de)(de)技(ji)(ji)術(shu)(shu)。過(guo)去一(yi)年，其技(ji)(ji)術(shu)(shu)上的(de)(de)(de)進展主(zhu)要來(lai)自于三大(da)領(ling)(ling)域(yu)：圖像(xiang)生(sheng)成(cheng)(cheng)領(ling)(ling)域(yu)，以 DALL·E-2、Stable Diffusion 為(wei) 代(dai)表的(de)(de)(de)擴(kuo)散(san)模型（Diffusion Model）；自然語(yu)言處理（NLP）領(ling)(ling)域(yu)基于 GPT-3.5 的(de)(de)(de) ChatGPT；代(dai)碼生(sheng)成(cheng)(cheng)領(ling)(ling)域(yu)基于 Codex 的(de)(de)(de) Copilot。現(xian)階段的(de)(de)(de)生(sheng)成(cheng)(cheng)式 AI 通常被用(yong)來(lai)生(sheng)成(cheng)(cheng)產品原型或初稿，應用(yong)場景(jing)涵蓋圖文(wen)創作、代(dai)碼生(sheng)成(cheng)(cheng)、游戲、廣(guang)告、 藝術(shu)(shu)平面(mian)設(she)計等。未來(lai)，生(sheng)成(cheng)(cheng)式 AI 將(jiang)成(cheng)(cheng)為(wei)一(yi)項大(da)眾化的(de)(de)(de)基礎(chu)技(ji)(ji)術(shu)(shu)，極大(da)的(de)(de)(de)提高(gao)數字(zi)化內容的(de)(de)(de)豐富度(du)、創造性與生(sheng)產效率，其應用(yong)邊(bian)界(jie)也將(jiang)隨(sui)著技(ji)(ji)術(shu)(shu)的(de)(de)(de)進步(bu)與成(cheng)(cheng)本的(de)(de)(de)降低擴(kuo)展到更多領(ling)(ling)域(yu)。
