本文經AI新媒體量子位（公眾號ID:QbitAI）授權轉載，轉載請聯系出處。

剛剛，達摩院十大科技趨勢榜單發布。

本次包含了AI、芯片、云計算等基礎技術領域，既有引發全球投資浪潮的生成式AI，也有在規模化應用前夜的存算一體、Chiplet設計封裝技術……

（先來一睹為快）

但跟以往不同的是，僅從榜單上可以看到，產業、融合等成為此次的關鍵詞。

而在跟達摩院進一步交談之中，這背后還有更深次的底層邏輯的不同。

達摩院怎么看科技趨勢？

延續以往慣例，本次趨勢榜單拆分成了三個維度：范式重置、產業革新、場景變換。

如前所述技術維度上看，包括了像AI、芯片、云計算等基礎性技術。

• AI：多模態預訓練大模型、生成式AI；
• 芯片：Chiplet、存算一體；
• 云計算：云原生安全、軟硬融合云計算體系架構、端網融合的可預期網絡。

以及在此基礎上各種交叉技術融合，催生出來的新場景、新應用，比如雙引擎智能決策、計算光學成像、大規模城市數字孿生。

而從產業的維度，則是聚焦于ICT（Information and Communications Technology）領域，既包括了計算（存儲）和通信（網絡）兩大底層技術，也橫向包括了安全（管理）、應用（行業）兩大應用領域。

跟以往相比，今年達摩院給出的科技趨勢有著不容忽略的關鍵詞，那就是融合。這也是在與達摩院交談中，談及最多的趨勢。

有計算與通信的融合、硬件與軟件的融合、數字技術與產業融合……這其中最顯性、呈現出應用大爆發盛況，是AI技術與行業之間的融合。

在這方面，達摩院今年重點看向了有望重置范式的多模態預訓練大模型，以及激發更多場景的生成式AI。

多模態預訓練大模型

AI正從文本、語音、視覺等單模態智能，朝著多種模態融合的通用AI方向發展，這一點在過去一年已被廣泛感知了。

典型進展包括OpenAI提出的圖像文本匹配模型CLIP。以爆火的Stable DIffusion為代表的AI繪畫領域， 背后基本上都是圍繞著CLIP展開。

還有在“所有事情上打敗所有人”的微軟多模態基礎模型BEiT-3。該模型僅靠19億參數，只用公共數據集，在12個任務上狂刷SOTA，甚至還包括了純視覺任務。

基于過去一年蓬勃式發展，已經可以預見到，一方面，對個人而言，可以激發創造能力，尤其是非技術人員，也無需具備編程能力。另一方面，多模態預訓練模型將重塑人工智能商業模式。

具備大數據、算力資源和模型開發能力的科技企業，將成為模型服務的提供方，幫助企業將基礎模型的能力和生產流程融合起來，進而實現降本增效。

阿里認為，建立統一的、跨場景、多任務的多模態基礎模型會成為AI發展主流趨勢之一。

未來大模型作為基礎設施，將實現圖像、文本、音頻統一知識表示，并朝著能推理、能回答問題、能總結、做創作的認知智能方向演進。

生成式AI

如果說多模態預訓練大模型是未來AI基礎設施，那么生成式AI則是技術底座之上的場景革新，涵蓋了圖文創作、代碼生成、游戲、廣告、藝術平面設計等應用。

過去一年，有關技術上的進展主要包括三個方面。

• 圖像生成：以DALL-E 2、Stable Diffusion為代表的擴散模型；
• NLP（自然語言處理）：基于GPT-3.5的ChatGPT；
• 代碼生成：基于CodeX的Copilot。

隨著內容創造的爆發式增長，內容質量和語義的可控是當前所面臨的挑戰。在產業化方面，還有降成本、數據的安全可控、創作版權等問題需要解決。

未來，生成式AI將成為一項大眾化的基礎技術，將極大推動數字化內容的生產和創造，其應用邊界也將拓展到更多領域。

可以看到的是，以多模態預訓練大模型、生成式AI為代表的AI技術已經來到規模化前夜、爆發前的奇點。

一方面，人類對通用人工智能的想象已經開始具象；另一方面，這也是達摩院十大科技趨勢顯露出的一大特點。

那就是關注技術突破帶來的產業趨勢。

同樣的趨勢也出現在了榜單其他技術上面，他們都已證明產業價值，等待市場驗證。

比如去年剛成立聯盟的Chiplet芯片封裝技術，其互聯標準將逐漸統一，可能將重構芯片研發流程；還有摩爾定律突圍下的存算一體芯片，在資本和產業雙輪驅動下，它將在垂直細分領域迎來規模化商用。

不過在前沿科技協同并進、百舸爭流的當下，這些趨勢的存在倒也并不稀奇。但畢竟是對未來的預測，達摩院為何只選擇這些趨勢作為未來值得關注的風向？

這就要提及把本次的方法論，這也是跟以往更底層不同所在。

為什么這么看？

在本次趨勢報告以及在與達摩院的交流中談及方法論本質——

Back to Basic，從基礎的領域出發洞察產業變化。

前面也已經介紹，本次比以往更聚焦——集中于ICT領域的計算（存儲）、通信（網絡）、安全（管理）、應用（行業）等四大領域進行分析。

在延續以往的“定量發散、定性收斂”分析方法之下綜合考量的因素也發生了細微變化。

本次主要是基于理論關注度、技術可行性、產業化程度、社會價值等因素。

從理論到技術，再到產業化、市場驗證社會價值，這恰好是前沿科技從科學理論，最終走向市場，帶來普惠價值的基本路徑。

而過去，以去年趨勢榜單為例，他們評選維度更關注技術可行性、社會價值、理論關注度等因素。

在浮于表面的現象之下，達摩院十大科技趨勢組委會成員秦钖講到了一個關鍵問題：

一些非常好的科學理論能不能形成技術，需要經過三個重大關口考驗。

第一個考驗是技術本身，有沒有量級提升，會帶來什么樣的作用；第二個關口是產業，能不能形成完整上下游的產業生態，能不能工程化、產品化；第三個則是市場檢驗，能不能被消費者所接受？有沒有人替技術買單。

上世紀90年代，唐納德·司托克斯在《基礎科學與技術創新：巴斯德象限》中，將科技從理論研究到應用落地，分成了四個象限，分別是波爾象限、巴斯德象限、愛迪生象限以及皮特森象限。

其中以巴斯德象限為中心的研究思路，才是實現從理論到使用技術的路徑方式。

這也正是本次達摩院十大科技趨勢研究的切入點，更具體來說，是即將受到市場驗證，有望形成產業生態的主流趨勢。

基于這樣的思路，本次研究中他們也透露，不得不對許多技術趨勢進行取舍，比如在安全方面，沒有選擇在過去同樣引發熱議的量子加密、可信隱私計算等，最終選擇了云原生安全。

不少專家在調研中反映，網絡安全雖然是個隨動技術，但是很多的技術是后發先至的。

比如如果沒有加密技術提前應對“后量子時代”，去回應量子計算，那么將來很多問題都會同一時間爆發出來。

然而，綜合領域在過去一年底層技術是否發生了明顯的進步，以及整個產業領域是否小眾等因素，組委會最終做了嚴格篩選。

為何值得關注？

最后，回到科技趨勢本身，每年提供預測的機構不勝枚舉，為何達摩院給出的榜單值得關注？

首先，具有前瞻性，是每年科技發展的風向標。今年已是達摩院第五次發布趨勢榜單，在此之前就已經成功預測了AI for Science、大模型、AI制藥等諸多領域。

尤其是去年預測的AI for Science，可以看到過去這段時間，AI for Science技術成果集中爆發，在生物醫藥、材料、物理、化學、甚至數學上發揮出越來越重要的作用。

其次，還兼具專業性，從每年的評選流程可以看到，達摩院十大趨勢誕生過程中會先對論文和專利的大數據“定量發散”，再對產、學、研、用領域近百位專家深度訪談“定性收斂”， 從科學家、企業家和工程師的訪談中交叉驗證。

參與到此次調研訪談的中國工程院院士鄔賀銓表示，達摩院的十大科技趨勢報告會對整個ICT行業，包括對技術創新和ICT在垂直行業的應用研究起到很好的借鑒作用。

最后，單從此次回歸產業本質的角度來看，前沿科學與產業技術的融合遠比以往更加緊密。這恰好也是當下機器革命的外化。

如果時間陣線拉長，事實上每一次工業革命，都與兩種之間的融合關系有關。

達摩院十大科技趨勢項目組成員秦钖曾這樣舉例：從產業角度來看，第一次工業革命，科學與技術還相對較遠；第二次的工業革命，技術與科學之間開始緊密，科學開始在慢慢指導技術；到第三次信息革命則更為明顯。

如果說第二次工業革命它的范式標準是規模化跟標準化的話，到第三次工業革命，就是個性化和規模化的統一。

毫無疑問的是，我們正處于一個全新的技術周期。與產業全方位、深層次地融合成為題中之義。

新的一年有什么樣的技術趨勢值得關注，達摩院給了份答案。