2023达摩院十大科技趋势与解读

多模态预训练大模型

基于多模态的预训练大模型将实现图文音统一知识表示，成为人工智能基础设施。

人工智能正在从文本、语音、视觉等单模态智能，向着多种模态融合的通用人工智能方向发展。多模态统一建模，目的是增强模型的跨模态语义对齐能力，打通各个模态之间的关系，使得模型逐步标准化。目前，技术上的突出进展来自于CLIP（匹配图像和文本）和BEiT-3（通用多模态基础模型）。基于多领域知识，构建统一的、跨场景、多任务的多模态基础模型已成为人工智能的重点发展方向。未来大模型作为基础设施，将实现图像、文本、音频统一知识表示，并朝着能推理、能回答问题、能总结、做创作的认知智能方向演进。

延展阅读：

当 AI 邂逅绘画艺术，能迸发出怎样的火花？

“魔搭”来了！一文深度解读达摩院推出的AI模型社区

Chiplet

Chiplet的互联标准将逐渐统一，重构芯片研发流程。

Chiplet是硅片级别的“解构-重构-复用”，它把传统的SoC分解为多个芯粒模块，将这些芯粒分开制备后再通过互联封装形成一个完整芯片。芯粒可以采用不同工艺进行分离制造，可以显著降低成本，并实现一种新形式的IP复用。随着摩尔定律的放缓，Chiplet成为持续提高SoC集成度和算力的重要途径，特别是随着2022年3月份UCle联盟的成立，Chiplet互联标准将逐渐统一，产业化进程将进一步加速。基于先进封装技术的Chiplet可能将重构芯片研发流程，从制造到封测，从EDA到设计，全方位影响芯片的区域与产业格局。

延展阅读：开放下载!《云端设计与时间赛跑》芯片上云白皮书

存算一体

资本和产业双轮驱动，存算一体芯片将在垂直细分领域迎来规模化商用。

存算一体旨在计算单元与存储单元融合，在实现数据存储的同时直接进行计算，以消除数据搬移带来的开销，极大提升运算效率，实现计算存储的高效节能。存算一体非常符合高访存、高并行的人工智能场景计算需求。在产业和资本的驱动下，基于SRAM，DRAM，Flash存储介质的产品进入验证期，将优先在低功耗、小算力的端侧如智能家居、可穿戴设备、泛机器人、智能安防等计算场景落地。未来，随着存算一体在面向云端推理的大算力场景落地，可能将带来计算架构的一场革命性变化，推动传统的以计算为中心的架构转变为以数据为中心的架构，并对云计算、人工智能、物联网等产业产生重大影响。

云原生安全

安全技术与云紧密结合，打造平台化、智能化的新型安全体系。

云原生安全是安全体系的优化和升级，进而实现云基础设施的原生安全，以及具有更强的安全能力。云原生安全是安全技术与云计算由相对松散走向紧密结合的过程。安全和合规成为云产品的内生免疫力，帮助云产品及时发现风险并实现自愈。

延展阅读：专访阿里云技术极客，守护网络世界安全的神秘人

软硬融合云计算体系架构

云计算向以CIPU为中心的全新云计算体系架构深度演进，通过软件定义，硬件加速， 在保持云上应用开发的高弹性和敏捷性同时，带来云上应用的全面加速。

云计算从以CPU为中心的计算体系架构向以云基础设施处理器（CIPU）为中心的全新体系架构深度演进。通过软件定义，硬件加速，在保持云上应用开发的高弹性和敏捷性同时，带来云上应用的全面加速。新的体系架构下，软硬一体化带来硬件结构的融合，接入物理的计算、存储、网络资源，通过硬件资源的快速云化实现硬件加速。此外，新架构也带来软件系统的融合。这意味着以CIPU云化加速后的算力资源，可通过CIPU上的控制器接入分布式平台，实现云资源的灵活管理、调度和编排。在此基础上，CIPU将定义下一代云计算的服务标准，给核心软件研发和专用芯片行业带来新的发展机遇。延展阅读：阿里云张建锋谈新型计算体系：云正在重构硬件、软件和终端世界

端网融合的可预期网络

基于云定义的可预期网络技术，即将从数据中心的局域应用走向全网推广。

可预期网络 (Predictable Fabric) 是云计算定义的，服务器端侧和网络协同的高性能网络互联系统。计算体系和网络体系正在相互融合，它通过高性能网络互联使能算力集群的规模扩展，从而构建大算力资源池，加速算力普惠化，让算力进入大规模产业应用。可预期网络不仅支持新兴的大算力+高性能计算场景，也适用于通用计算场景，是融合了传统网络和未来网络的产业趋势。通过云定义的协议、软件、芯片、硬件、架构、平台的全栈创新，可预期高算力网络有望颠覆目前基于传统互联网TCP协议的技术体系，成为下一代数据中心网络的基本特征，并从数据中心的局域应用走向全网推广。

双引擎智能决策

融合运筹优化和机器学习的双引擎智能决策，将推进全局动态资源配置优化。

企业需在纷繁复杂、动态变化环境中，快速做出精准经营决策。经典决策优化基于运筹学，通过对现实问题进行准确描述刻画来构建数学模型，同时结合运筹优化算法，在多重约束条件下求目标函数最优解。随着外部环境复杂程度和变化速度不断加剧，经典决策优化对不确定性问题处理不够好、大规模求解响应速度不够快的局限性日益凸显。学界和产业界开始探索引入机器学习，构建数学模型与数据模型双引擎新型智能决策体系，弥补彼此局限性、提升决策速度和质量。未来，双引擎智能决策将进一步拓展应用场景，在大规模实时电力调度、港口吞吐量优化、机场停机安排、制造工艺优化等特定领域推进全局实时动态资源配置优化。

计算光学成像

计算光学成像突破传统光学成像极限，将带来更具创造力和想象力的应用。

计算光学成像是一个新兴多学科交叉领域。它以具体应用任务为准则，通过多维度获取或编码光场信息（如角度、偏振、相位等），为传感器设计远超人眼的感知新范式；同时，结合数学和信号处理知识，深度挖掘光场信息，突破传统光学成像极限。目前，计算光学成像处于高速发展阶段，已取得许多令人振奋的研究成果，并在手机摄像、医疗、无人驾驶等领域开始规模化应用。未来，计算光学成像有望进一步颠覆传统成像体系，带来更具创造力和想象力的应用，如无透镜成像、非视域成像等。

大规模城市数字孪生

城市数字孪生在大规模趋势基础上，继续向立体化、无人化、全局化方向演进。

城市数字孪生自2017年首度被提出以来，受到广泛推广和认可，成为城市精细化治理的新方法。近年来，城市数字孪生关键技术实现了从量到质的突破，具体体现在大规模方面，实现了大规模动态感知映射（更低建模成本）、大规模在线实时渲染（更短响应时间），以及大规模联合仿真推演（更高精确性）。目前，大规模城市数字孪生已在交通治理、灾害防控、双碳管理等应用场景取得较大进展。未来城市数字孪生将在大规模趋势的基础上，继续向立体化、无人化、全局化方向演进。

延展阅读：欧阳日辉：元宇宙技术创新与未来金融的遐想

生成式AI

生成式AI进入应用爆发期，将极大地推动数字化内容生产与创造。

生成式AI（Generative AI 或 AIGC）是利用现有文本、音频文件或图像创建新内容的技术。过去一年，其技术上的进展主要来自于三大领域：图像生成领域，以DALL·E-2、Stable Diffusion为代表的扩散模型（diffusion model）；自然语言处理（NLP）领域基于GPT-3.5的ChatGPT；代码生成领域基于GPT-3的Copilot。未来，生成式AI将成为一项大众化的基础技术，极大的提高数字化内容的丰富度、创造性与生产效率，其应用边界也将随着技术得进步与成本的降低扩展到更多领域。

作者：达摩院  阿里开发者

来源：https://mp.weixin.qq.com/s/QfrhDMJGDrlx0W9lrJVgjg