清北浙大南大教授竟然齐下场

杨净 发自 凹非寺

非常AI 报道 | 公众号 QbitAI

2022年，科技圈哪些技术走向值得关注？

今天，达摩院发布了年度十大科技趋势，涵盖人工智能、芯片制造、隐私计算、机器人、云计算、星地计算等多个领域。

结果一出，引发业内大规模讨论，学界大牛也都纷纷下场，包括：

中国科学院院士、北京大学教授鄂维南；

浙江大学人工智能研究所所长吴飞；

南京大学计算机科学与技术系主任兼人工智能学院院长周志华；

清华大学计算机系副主任、北京智源人工智能研究院学术副院长唐杰。

……

所以到底什么样的内容，竟可以引发如此关注？快速概览如下：

学界大牛齐下场评论

最典型的两大议题，当属今年震惊学界的AI for Science，以及产业界竞逐的大模型，达摩院引起了一波大讨论，开头提及的学研大拿也基本围绕这两个话题。

首先是AI for Science。达摩院认为，人工智能将与科研深度结合，成为科学家继计算机之后的新生产工具。

过去一年里，AI+Science技术成果集中爆发，不少学界、业内人士已经看到了人工智能在传统科学领域的价值：

AlphaFold2成功预测98.5%的人类蛋白质结构；DeepMind用AI解决数学难题；预训练模型体系AliceMind，证明近400项定理。

中国科学院院士、北京大学教授鄂维南认为，AI for Science带来的不不仅仅是几个点上的突破，而是科研方法的全面改变。

我们正处于新科学革命起点。

浙江大学人工智能研究所所长吴飞肯定了AI会是科学家的工具这一想法。

不过他希望不要局限于此，科学家还需要形成计算思维来进行科学探索。

大家都在关注的大模型领域，也是今年达摩院科技走向预测的焦点之一。

过去一年，国内外开启了参数竞赛模式，谷歌、Open AI、智源、达摩院交出了自己的答卷。不久前，达摩院才发布了全球最大预训练模型、高达10万亿参数的M6。具体在大模型所带来的性能提升上，也已经属于是行业共识。

但新的一年，达摩院却给自己浇了一淌冷水。它认为，大模型的规模发展将进入冷静期。

此言一出，瞬间在业内引起不少热议与思考：大模型的意义究竟在哪？又该如何权衡能耗与性能？

达摩院预测，大小模型协同将是未来。

南京大学人工智能学院院长周志华认为，大模型未来会在一些事关国计民生的重大任务上发挥作用，而在其他一些场景下或许会通过类似集成学习的手段来利用小模型。

具体到大模型研究方向上，清华大学计算机系副主任唐杰认为，未来将围绕认知智能、高效应用等多个角度展开。

除此之外，还有更多议题也引发了讨论，接下来就带你一文看尽。

最瞩目三大突破

趋势一：人工智能成为科学家的新生产工具，催生科研新范式

近年来，AI也被证明能用来做规律发现，不仅在应用科学领域，也能在自然科学领域发挥作用。AI将成为科学家继计算机之后的新生产工具。

一是带来效率的显著提升，AI将伴随科研的全流程，从假设、实验到归纳总结；二是让更多人都参与到科学研究中来。

在各科研领域中的应用节奏也有所区别，在数字化程度高、数据积累好、问题已经被清晰定义的领域中将推进得更快，比如AlphaFold2，就运用生命科学积累的大量数据来预测蛋白质结构。

趋势二：大模型参数竞赛进入冷静期，大小模型在云边端协同进化

过去一年，大规模预训练模型取得了重要进展，为下游的AI模型提供很好的基础。然而参数数量的增加，所带来的性能提升与能耗提升不成比例，大模型的规模发展将进入冷静期。

大小模型协同将是未来的发展方向。大模型沉淀的知识与认知推理能力向小模型输出，小模型基于大模型的基础叠加在垂直场景的感知、认知、决策、执行能力，再将执行的结果反馈给大模型，让大模型的知识与能力持续进化，形成一套有机循环的智能系统。

未来3年内，在个别领域将以大模型为基础，对协同进化的智能系统进行试点探索。

趋势三：光电融合兼具光子和电子优势，突破摩尔定律限制

硅光芯片不同于电子芯片，它用光子代替电子进行信息传输，承载信息更多、传输距离更远。相较于量子芯片，它不需改变二进制的架构，能延续当前的计算机体系。

云计算与人工智能的大爆发，推动了硅光芯片的技术突破和快速迭代，商业化需求也由此高速增长。

硅光芯片目前核心挑战来自产业链和工艺水平，因此需要与成熟的电子芯片技术融合，运用电子芯片先进的制造工艺及模块化技术，结合光子和电子优势的硅光技术将是未来的主流形态。

硬科技深入传统产业

趋势四：人工智能助力大规模绿色能源消纳，实现多能互补的电力体系

绿色能源的大规模开发和利用已成为世界能源发展的主要方向。但传统电力系统，难以应对风电、光伏发电的波动性、随机性、反调峰等特性，缺乏高稳定的多能协调，复杂故障及时响应的应对能力。

以人工智能为主的新一代信息技术，将对能源系统整体的高效稳定运行提供技术保障和有力支撑，具体在功率预测、调度控制、自动化故障响应等方面带来了突破。

达摩院预测，在未来三年内，AI将帮助电力系统实现大规模绿能消纳，能源供给在时间和空间维度上能够互联互济，网源协调发展，弹性调度，实现电力系统的安全、高效、稳定运行。

趋势五：机器人将兼具柔性和类人感知，可自适应完成多种任务

机器人作为技术的集大成者，正朝向多认为、自适应、协同化的路线发展。

柔性机器人就是重要的突破代表，近年来结合AI技术增强环境感知能力，不再像传统机器人那样穷举各种可能性，拓展了机器人的应用场景。

正如，工业机器人正从大规模标准化的产线走向小规模非标的产线；服务机器人通过感知人的意图，更柔软地与人产生反应和交互。

接下来未来3年，柔性机器人将逐步替代传统工业机器人，成为产线上的主力设备。同时在服务机器人领域实现商业化，开启规模化应用。

趋势六：人工智能与精准医疗深度融合，助力诊疗精度和效率提升

传统医学方法在疾病的早筛、诊断、预后、治疗中存在局限性，体现在确诊准确率和诊疗效率、精度和效果等方面。

以AI为代表的新兴技术将逐渐渗透到临床诊疗的多病种全流程中去，比如肿瘤的全流程导航、慢病预测和确诊精度的提升。

目前，AI已被证明可与基因检测、靶向治疗、免疫治疗等新技术研究相结合，改变单纯依赖医生经验的诊断模式。

未来三年 ，以人为中心的AI医疗将作为高精度导航，渗透疾病预防、诊疗各个环节。其中，可解释性有望实现突破，推动AI与医生建立互信关系，进一步实现产业化。

未来互联的四种趋势

趋势七：破解数据保护和利用两难，隐私计算走向全域数据保护

在数字经济时代，数据成为核心生产要素。但数据确权、数据法规与意识、数据安全保障等因素，制约了跨组织间数据的共享与价值挖掘。

隐私计算就为跨组织数据共享提供了可行模式。它以多方安全计算、差分隐私、可信计算为代表技术，可保证在数据隐私不泄露的情况下实现计算分析。

未来3年，全域隐私计算技术将在性能和可解释性有新的突破，并开始出现数据信托公司，提供基于隐私计算的数据共享服务。

趋势八：卫星及地面一体化的通信与计算体系形成，促进空天地海的全面数字化

随着连接及数字化服务与应用的需求不断增加，单靠地面网络和计算已无法有效满足需求。星地计算，正在成为一种新兴的计算架构。

它集成卫星系统、空中网络、地面通信和云计算等技术，通过空、天、地、海泛在覆盖的网络连接，以应对偏远地区、航海航空的通信需求，并为各种极端场景带来新型应用的可能。

未来3年，低轨卫星数量会迎来爆发式增长，与高轨卫星共同组成卫星互联网；未来5年，卫星互联网与地面网络能无缝结合形成天地一体的泛在互联网，在各类数字化服务场景中发挥作用。

趋势九：云网端融合形成新计算体系，催生云上新物种

在网络连接技术高速发展的背景下，云计算已经从基础设施云化、架构云原生化，走向第三个阶段——云网端融合的新体系架构。

云作为体系中的“脑”，负责计算与数据处理；网是体系中的连接，光纤、5G、卫星互联网通过云融合，形成低延时、广覆盖的一张网；端，则是体系中的交互界面，专注于用户体验。

三者融合协同可更高效地促进诞生更多新型应用，比如高精度的工业仿真、实时工业质检、虚实融合空间等。

趋势十：XR眼镜会成为重要交互界面，带动下一代互联网发展

互联网的更新迭代，会对数字时代的产业格局产生巨大影响。下一代XR互联网将改变用户的信息感知和获取方式。

构筑XR互联网需要四大要素：硬件（如XR眼镜）、内容（如娱乐、购物、社交等）、人工智能（如空间感知、数字孪生）、基础设施（如5G、云计算等）

XR眼镜会成为XR互联网的第一入口，会向着体积更小、重量更轻、响应速度更快的方向发展，未来3年内会产生接近普通眼镜的XR眼镜，得到一定普及。

以上即是达摩院的2022趋势洞察，你最看好哪个方向？