剛剛，達摩院十大科技趨勢榜單發布。
本次包含了 AI、芯片、雲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，産業、融合等成為此次的關鍵詞。
而在跟達摩院進一步交談之中，這背後還有更深次的底層邏輯的不同。
達摩院怎麼看科技趨勢？
延續以往慣例，本次趨勢榜單拆分成了三個維度：範式重置、産業革新、場景變換。
如前所述技術維度上看，包括了像 AI、芯片、雲計算等基礎性技術。
AI：多模态預訓練大模型、生成式 AI；
芯片：Chiplet、存算一體；
雲計算：雲原生安全、軟硬融合雲計算體系架構、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。
而從産業的維度，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着不容忽略的關鍵詞，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、數字技術與産業融合……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範式的多模态預訓練大模型，以及激發更多場景的生成式 AI。
多模态預訓練大模型
AI 正從文本、語音、視覺等單模态智能，朝着多種模态融合的通用 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， 背後基本上都是圍繞着 CLIP 展開。
還有在" 所有事情上打敗所有人 "的微軟多模态基礎模型BEiT-3。該模型僅靠 19 億參數，隻用公共數據集，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，多模态預訓練模型将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，将成為模型服務的提供方，幫助企業将基礎模型的能力和生産流程融合起來，進而實現降本增效。
阿裡認為，建立統一的、跨場景、多任務的多模态基礎模型會成為 AI 發展主流趨勢之一。
未來大模型作為基礎設施，将實現圖像、文本、音頻統一知識表示，并朝着能推理、能回答問題、能總結、做創作的認知智能方向演進。
生成式 AI
如果說多模态預訓練大模型是未來 AI 基礎設施，那麼生成式 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、遊戲、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。
随着内容創造的爆發式增長，内容質量和語義的可控是當前所面臨的挑戰。在産業化方面，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将成為一項大衆化的基礎技術，将極大推動數字化内容的生産和創造，其應用邊界也将拓展到更多領域。
可以看到的是，以多模态預訓練大模型、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産業趨勢。
同樣的趨勢也出現在了榜單其他技術上面，他們都已證明産業價值，等待市場驗證。
比如去年剛成立聯盟的 Chiplet 芯片封裝技術，其互聯标準将逐漸統一，可能将重構芯片研發流程；還有摩爾定律突圍下的存算一體芯片，在資本和産業雙輪驅動下，它将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、百舸争流的當下，這些趨勢的存在倒也并不稀奇。但畢竟是對未來的預測，達摩院為何隻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。
為什麼這麼看？
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産業變化。
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、産業化程度、社會價值等因素。
從理論到技術，再到産業化、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，會帶來什麼樣的作用；第二個關口是産業，能不能形成完整上下遊的産業生态，能不能工程化、産品化；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，将科技從理論研究到應用落地，分成了四個象限，分别是波爾象限、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，是即将受到市場驗證，有望形成産業生态的主流趨勢。
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、可信隐私計算等，最終選擇了雲原生安全。
不少專家在調研中反映，網絡安全雖然是個随動技術，但是很多的技術是後發先至的。
比如如果沒有密碼技術提前應對" 後量子時代 "，去回應量子計算，那麼将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，以及整個産業領域是否小衆等因素，組委會最終做了嚴格篩選。
為何值得關注？
最後，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标。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 "，再對産、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邬賀铨表示，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。
最後，單從此次回歸産業本質的角度來看，前沿科學與産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：從産業角度來看，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範式标準是規模化跟标準化的話，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。與産業全方位、深層次地融合成為題中之義。
新的一年有什麼樣的技術趨勢值得關注，達摩院給了份答案。
— 完 —
點這裡關注我，記得标星哦～
一鍵三連「分享」、「點贊」和「在看」
科技前沿進展日日相見 ~
