12月28日，阿里巴巴達摩院（以下簡稱達摩院）發(fā)布了2022十大科技趨勢，從“范式重置”到“場景變革”再到“未來互聯(lián)”。 回顧2021年的科技趨勢預測，包含了量子計算、芯片開源、腦機接口、云原生、AI預訓練大模型等，虛實難分的“元宇宙”更是在年尾掀起一波熱潮。

通過比對可以發(fā)現，所有尖端技術行至當前，都是有跡可循的。在達摩院的預判中，2022年科技發(fā)展將趨于硬核、多元。

達摩院表示，這份報告的意義不只在于預測結果正確與否，而在于它努力提供的一個獨特視角和同樣努力構建的一種科學方法。這個視角代表著一群面向實際問題的研究者對未來的思考，他們確實感受到了技術演進的慣性；這個科學的方法則嘗試著讓這群人與社會各界者展開互動，各方對未來的感知依靠這個方法交融，讓整個社會都感受到技術演進的脈搏。

這是達摩院成立四年來第四次發(fā)布年度科技趨勢，通過“定量發(fā)散”與“定性收斂”結合的研究方法，過去四年間的770多萬篇論文和8.5萬份專利都進入量化模型，定量分析的權重顯著上升，覆蓋159個與信息科學交叉的領域，挖掘其中熱點及重點技術突破。與此同時，參與其中的科學家、創(chuàng)新者和政策研究者也越來越多，深度訪談近100位科學家，他們對已有狀況的分析、對可能未來的前瞻和基于事實的嚴謹討論，都讓研究人員的思路得以開闊但視線得以聚焦。

以下是達摩院2022十大科技趨勢：

趨勢一：AI for Science

人工智能成為科學家的新生產工具，催生科研新范式。

實驗科學和理論科學是數百年來科學界的兩大基礎范式，而人工智能正在催生新的科研范式。機器學習能夠處理多維、多模態(tài)的海量數據，解決復雜場景下的科學難題，帶領科學探索抵達過去無法觸及的新領域。人工智能不僅將加速科研流程，還將幫助發(fā)現新的科學規(guī)律。預計未來三年，人工智能將在應用科學中得到普遍應用，在部分基礎科學中開始成為科學家的生產工具。

科學研究是在星辰大海里探索未知，科學發(fā)現漫長而偶然，重大突破仰賴大科學家的貢獻，如牛頓、愛因斯坦、楊振寧等，盡管眾多科學家不懈投入，科學發(fā)展的速度仍受到一定限制。

計算機科學改變科研的路徑是從下游逐漸走向上游。起初計算機主要用來做實驗數據的分析與歸納。后來科學計算改變了科學實驗的方式，人工智能結合高性能計算，在實驗成本與難度較高的領域開始用計算機進行實驗的模擬，驗證科學家的假設，加速科研成果的產出，如核能實驗的數字反應堆，能夠降低實驗成本、提高安全性、減少核廢料產生。近年，人工智能被證明能做科學規(guī)律發(fā)現，不僅在應用科學領域，也能在基礎科學領域發(fā)揮作用，如DeepMind使用人工智能來幫助證明或提出新的數學定理，輔助數學家形成對復雜數學的直覺。

人工智能將成為科學家繼計算機之后的新生產工具，一是帶來效率的顯著提升，人工智能將伴隨科研的全流程，從假設、實驗到歸納總結，讓科學家不需要像過去一樣十年寒窗才能產出科學成果，而是能在一生中保持高產；二是讓科學不再依賴少數天才，人工智能對科學研究產生猜想，讓科學家就其中有意義有價值的部分進行實驗與證明，讓更多人能夠參與到科學研究中。

人工智能在各科研領域中的應用節(jié)奏將有所區(qū)別，在數字化程度高、數據積累好、問題已經被清晰定義的領域中將推進地更快，如生命科學領域，AlphaFold2運用生命科學積累的大量數據，通過基因序列預測蛋白質結構，對泛生命科學領域產生了深遠的影響。另一方面，在復雜性高、變量因子多的領域，人腦難以歸納總結，機器學習可發(fā)揮優(yōu)勢在海量多維的數據中找到科學規(guī)律，如流體力學等。

人工智能與科研深度結合仍然需要解決三個挑戰(zhàn)，一是人機交互問題，人工智能與科學家在科研流程上的協(xié)作機制與分工需要更加明確，形成緊密的互動關系；二是人工智能的可解釋性，科學家需要明確的因果關系來形成科學理論，人工智能需要更容易被理解，以建立科學與人工智能之間的信任關系；三是交叉學科人才，專業(yè)領域科學家與人工智能專家的相互理解程度低，彼此互相促進的障礙仍然較高。

我們預測在未來的三年內，人工智能技術在應用科學中將得到普遍應用，在部分基礎科學中開始成為研究工具。

趨勢二：大小模型協(xié)同進化

大模型參數競賽進入冷靜期，大小模型在云邊端協(xié)同進化。

超大規(guī)模預訓練模型是從弱人工智能向通用人工智能的突破性探索，解決了傳統(tǒng)深度學習的應用碎片化難題，但性能與能耗提升不成比例的效率問題限制了參數規(guī)模繼續(xù)擴張。人工智能研究將從大模型參數競賽走向大小模型的協(xié)同進化，大模型向邊、端的小模型輸出模型能力，小模型負責實際的推理與執(zhí)行，小模型再向大模型反饋算法與執(zhí)行成效，讓大模型的能力持續(xù)強化，形成有機循環(huán)的智能體系。

谷歌的BERT、Open AI的GPT-3、智源的悟道、達摩院的M6、AliceMind等大規(guī)模預訓練模型取得了巨大成果，大模型的性能有了飛躍性的提升，為下游的AI模型提供很好的基礎。然而大模型訓練對資源消耗過大，GPT-3訓練一次需要19萬度電，相當于開車從地球到月球往返一圈，參數數量增加所帶來的性能提升與消耗提升不成比例，讓大模型的效率受到挑戰(zhàn)。

大模型的規(guī)模發(fā)展將進入冷靜期，大模型與相關聯(lián)的小模型協(xié)同將是未來的發(fā)展方向。大模型沉淀的知識與認知推理能力向小模型輸出，小模型基于大模型的基礎疊加在垂直場景的感知、認知、決策、執(zhí)行能力，再將執(zhí)行的結果反饋給大模型，讓大模型的知識與能力持續(xù)進化，形成一套有機循環(huán)的智能系統(tǒng)，參與者越多，受惠者也越多，同時模型進化的速度也越快。

新的智能體系帶來三個優(yōu)勢：一是讓小模型更容易獲取通用的知識與能力，在特定場景做極致優(yōu)化，提升了性能與效率；二是解決了過去大模型數據集過于單一的問題，小模型在真實場景回收的增量數據，讓大模型有再進化的元素；三是全社會不需要重復訓練相似的大模型，模型可以被共享，讓算力與能源的使用效率最大化。

AI是數字經濟時代的關鍵生產工具，給產業(yè)或學術的生產方式帶來顛覆式的改變，AI基礎模型讓AI的生產方式極大的簡化，可以更靈活的按需開發(fā)垂直領域的增量算法模型，提高模型生產的效率。

另一方面，復雜系統(tǒng)彼此間可以更有機的融合，如城市治理的場景，云是治理中樞大腦，邊端是各路攝像頭及邊緣設備，其中一路攝像頭將看到的數據進行學習，將學習的結果反饋給治理中樞，治理中樞再將學習的成果賦能給其他類似場景的攝像頭，形成不斷進化的系統(tǒng)。

新的智能體系需要克服三個挑戰(zhàn)，一是大模型與知識和常識的融合，將以規(guī)則存在的知識利用起來，提升模型通用能力的同時也降低訓練所需的數據量，讓大模型從數據驅動走向知識與數據融合驅動；二是大小模型的協(xié)同機制，包含大模型的知識與能力向小模型降維遷移的有效性挑戰(zhàn)、小模型的小樣本學習向大模型的升維融合、不同維度數據的清洗與治理等；三是大模型的可解釋性與因果推理，隨著小模型對大模型的依賴上升，對大模型的信任決定是否能被廣泛的使用。

我們預測在未來的3年內，在個別領域將以多中心的大規(guī)模預訓練模型為AI基礎模型，對協(xié)同進化的智能系統(tǒng)進行試點探索。在未來的5年內，運用AI基礎模型成為AI模型生產的標準方式，極大幅度改變生產流程及生產所需的技能。

趨勢三：硅光芯片

光電融合兼具光子和電子優(yōu)勢，突破摩爾定律限制。

電子芯片的發(fā)展逼近摩爾定律極限，難以滿足高性能計算不斷增長的數據吞吐需求。硅光芯片用光子代替電子進行信息傳輸，可承載更多信息和傳輸更遠距離，具備高計算密度與低能耗的優(yōu)勢。隨著云計算與人工智能的大爆發(fā)，硅光芯片迎來技術快速迭代與產業(yè)鏈高速發(fā)展。預計未來三年，硅光芯片將承載絕大部分大型數據中心內的高速信息傳輸。

電子芯片集成技術進步趨于飽和，高性能計算對數據吞吐要求不斷增長，亟需技術突破。

光子芯片不同于電子芯片，技術上另辟蹊徑，用光子代替電子進行信息傳輸，可以承載更多的信息和傳輸更遠的距離。光子彼此間的干擾少、提供相較于電子芯片高兩個數量級的計算密度與低兩個數量級的能耗，相較于量子芯片，光子芯片不需要改變二進制的架構，能夠延續(xù)當前的計算機體系。光子芯片需要與成熟的電子芯片技術融合，運用電子芯片先進的制造工藝及模塊化技術，結合光子和電子優(yōu)勢的硅光技術將是未來的主流形態(tài)。

硅光芯片的技術突破和快速迭代，以及高速增長的商業(yè)化需求，歸因于云計算與人工智能的大爆發(fā)。大型分布式計算、大數據分析、云原生應用讓數據中心內的數據通信密度大幅提升，數據移動成為性能瓶頸。傳統(tǒng)光模塊成本過高，難以大規(guī)模應用，硅光芯片能夠在低成本的前提下有效提高數據中心內集群之間、服務器之間、乃至于芯片之間的通信效率。

另一方面，據OpenAI統(tǒng)計，自2012年，每3.4個月人工智能的算力需求就翻倍，摩爾定律帶來的算力增長已無法完全滿足需求，硅光芯片更高計算密度與更低能耗的特性是極致算力的場景下的解決方案。

硅光芯片概念誕生約40年前。本世紀初，核心技術的突破奠定大規(guī)模商用的基礎。可廣泛應用于數據中心內外的光通信，逐步向光計算拓展。硅光目前核心挑戰(zhàn)來自產業(yè)鏈和工藝水平。硅光芯片的設計、量產、封裝等未形成標準化和規(guī)?；?，進而導致其在產能、成本、良率上的優(yōu)勢還未顯現。光計算領域的挑戰(zhàn)是精度低于電子芯片，進而限制其應用場景，集成度也需要提高來提升算力。

值得關注的是，光通信與光計算是相輔相成的，光通信中的光電轉換技術會在光計算中得到應用，光計算中要求的低損耗、高密度光子集成也會進一步促進光通信的發(fā)展，將來數據計算和傳輸有可能都在光域完成。

光電融合是未來芯片的發(fā)展趨勢，硅光子和硅電子芯片取長補短，充分發(fā)揮二者優(yōu)勢，促使算力的持續(xù)提升。未來3年，硅光芯片將支撐大型數據中心的高速信息傳輸；未來5-10年，以硅光芯片為基礎的光計算將逐步取代電子芯片的部分計算場景。

趨勢四：綠色能源 AI

人工智能助力大規(guī)模綠色能源消納，實現多能互補的電力體系。

風電、光伏等綠色能源近年來快速發(fā)展，也帶來了并網難、消納率低等問題，甚至出現了“棄風”、“棄光”等現象。核心原因在于綠色能源存在波動性、隨機性、反調峰等特征，大規(guī)模并網可能影響電網的安全穩(wěn)定運行。人工智能技術的應用，將有效提升電網等能源系統(tǒng)消納多樣化電源和協(xié)調多能源的能力，成為提升能源利用率和穩(wěn)定性的技術支撐，推動碳中和進程。預計未來三年，人工智能技術將幫助電力系統(tǒng)實現大規(guī)模綠色能源消納，實現電力系統(tǒng)的安全、高效、穩(wěn)定運行。

綠色能源大規(guī)模并網后，風電與光伏發(fā)電的波動性、隨機性、反調峰等特性將對電網的穩(wěn)定性和可控性造成沖擊，需要提高綠色能源并網、輸送、消納和安全運行的能力。根據中國國家能源局測算，中國統(tǒng)一可再生能源電力消納責任權重需要從2021年的28.7%提升至2030年的40%，風電、太陽能發(fā)電總裝機容量屆時將達到12億千瓦以上。

人工智能技術在發(fā)電功率的精準預測、電力優(yōu)化調度、電站性能評估、故障監(jiān)測和風險管理等方面將發(fā)揮不可替代的作用，帶來三大突破：

一是精準的功率預測，大數據和神經網絡的算法應用，將提升氣象預報的準確性，減少新能源發(fā)電功率預測的誤差。特別是在遠距離、跨區(qū)域的綠能消納上，人工智能技術通過對電力天氣預報的預測和分析，調節(jié)發(fā)電功率，動態(tài)優(yōu)化電力系統(tǒng)發(fā)電策略，保障電網穩(wěn)定運行。

二是智能的調度控制，在電力調度端，深度學習、大數據驅動技術和機理仿真技術融合，將幫助電力調度系統(tǒng)持續(xù)優(yōu)化控制策略，增強風電、光伏、水電和儲能的多能源協(xié)調能力，實現多能互補，解決用電高峰期和低谷期電力輸出不平衡的問題。綠能的大規(guī)模并網對電網交直流混聯(lián)、源網荷儲交互的靈活重構、運行優(yōu)化與決策也提出了更高要求。未來，人工智能技術將支撐我國綠色能源進入增量主體階段。

三是自動化的故障響應，基于大數據和深度學習做電網設備的實時監(jiān)測，有助于快速提取故障特征，大幅提升電力系統(tǒng)的故障識別能力和響應速度。隨著技術融合的加深，未來有望實現毫秒級的自動化預警監(jiān)測和控制。

綠色能源的大規(guī)模開發(fā)和利用已經成為當今世界能源發(fā)展的主要方向。在高比例綠色能源并網的趨勢下，傳統(tǒng)電力系統(tǒng)難以應對綠色能源在大風、暴雨、雷電等天氣下發(fā)電功率的不確定性，以及復雜故障及時響應的應對能力。在運行監(jiān)測過程中，參數核驗和故障監(jiān)測仍需要大量的人工參與，故障特征提取困難，識別難度大。針對大規(guī)模綠色能源并網在穩(wěn)定、運行和規(guī)劃上面臨的各種挑戰(zhàn)，以人工智能為主的新一代信息技術將對能源系統(tǒng)整體的高效穩(wěn)定運行提供技術保障和有力支撐。

人工智能與能源電力的深度融合，將推動大規(guī)模新能源發(fā)電、并網、輸送、消納和安全運行，完成對能源系統(tǒng)的升級改造。我們預計在未來的三年內，人工智能技術將幫助電力系統(tǒng)實現大規(guī)模綠能消納，能源供給在時間和空間維度上能夠互聯(lián)互濟，網源協(xié)調發(fā)展，彈性調度，實現電力系統(tǒng)的安全、高效、穩(wěn)定運行。

趨勢五：柔性感知機器人

機器人將兼具柔性和類人感知，可自適應完成多種任務。

傳統(tǒng)機器人依賴預編程，局限于大型生產線等結構化場景。近年來，柔性機器人結合柔性電子、力感知與控制、人工智能技術，獲得了力覺、視覺、聲音等感知能力，應對多任務的通用性與應對環(huán)境變化的自適應性大幅提升。機器人將從大規(guī)模、標準化的產線走向小規(guī)模、非標準化的場景。預計未來五年，柔性感知機器人將逐步替代傳統(tǒng)工業(yè)機器人，成為產線上的主力設備，并在服務機器人領域開始規(guī)?；瘧?。

機器人是技術的集大成者，在過去硬件、網絡、人工智能、云計算的融合發(fā)展下，技術成熟度有飛躍式的進度，在現有機器人基礎上，機器人也朝向多任務、自適應、協(xié)同化的路線發(fā)展。

柔性機器人是重要的突破代表，具有柔軟靈活、可編程、可伸縮等特征，結合柔性電子、力感知與控制等技術，可適應多種不同的工作環(huán)境，并在不同的工作任務中進行調節(jié)。近年柔性機器人結合人工智能技術，使得機器人具備感知能力，提升了機器人的通用性與自主性，降低對于預編程的依賴。

柔性感知機器人由于增加對環(huán)境的感知能力（包含力、視覺、聲音等），對任務的遷移能力增強，不再像傳統(tǒng)機器人需要窮舉各自可能性，并且可執(zhí)行依賴感知的任務（如醫(yī)療手術），拓展機器人的適用場景。另一個優(yōu)勢是任務中自適應能力，面向突發(fā)的環(huán)境變化能夠及時反應，準確的完成任務并避免問題發(fā)生與擴大。

在工業(yè)機器人領域，柔性感知機器人的出現讓機器人從大規(guī)模標準化的產線走向小規(guī)模非標的產線，原因一是柔性感知機器人在任務間的轉換能力增強，二是智能化后降低使用的門檻。在疫情影響下，招工難度不斷提升，柔性感知機器人有望補足用工缺口。

在服務機器人領域，柔性感知機器人極大改善人機交互的體驗與安全性，通過感知人的意圖，更柔軟地產生反應與交互，使得服務機器人可實現與人更近距離的交互。

柔性感知機器人的另一個發(fā)展方向是可移動性，與AGV（自動導航機器）結合，可在更大范圍中實現自主性與執(zhí)行多任務的彈性，也為機器間與人機協(xié)作創(chuàng)造更多可能。

柔性感知機器人需要克服三個關鍵挑戰(zhàn)，一是機器人領域的智能水平受制于端側算力與小樣本學習的有效性，有賴于云端協(xié)同的突破；二是柔性機器人的精度受制于材料的剛性，執(zhí)行任務的準確性較低，有賴于可變材料的突破；三是柔性機器人的成本，有賴于工藝優(yōu)化及進一步通用化使得價格具備競爭力。

我們預測，未來5年內，柔性機器人將充分結合深度學習帶來的智能感知能力，能夠面向廣泛場景，逐步替代傳統(tǒng)工業(yè)機器人，成為產線上的主力設備。同時在服務機器人領域實現商業(yè)化，在場景、體驗、成本方面具備優(yōu)勢，開始規(guī)?；膽?。

趨勢六：高精度醫(yī)療導航

人工智能與精準醫(yī)療深度融合，助力診療精度與效率提升。

傳統(tǒng)醫(yī)療依賴醫(yī)生經驗，猶如人工尋路，效果參差不齊。人工智能與精準醫(yī)療深度融合，專家經驗和新的輔助診斷技術有機結合，將成為臨床醫(yī)學的高精度導航系統(tǒng)，為醫(yī)生提供自動指引，幫助醫(yī)療決策更快更準，實現重大疾病的可量化、可計算、可預測、可防治。預計未來三年，以人為中心的精準醫(yī)療將成為主要方向，人工智能將全面滲透在疾病預防和診療的各個環(huán)節(jié)，成為疾病預防和診療的高精度導航協(xié)同。

傳統(tǒng)醫(yī)學方法在疾病的早篩、診斷、預后、治療中存在局限性，體現在確診準確率和診療效率、精度和效果等多方面。人工智能有望將醫(yī)療專家的經驗和新的輔助診斷技術有機結合，在滿足臨床設計目標的基礎上不斷進化，憑借良好的人機交互能力，與醫(yī)生協(xié)同互信，真正成為醫(yī)生不可或缺的幫手。

人工智能技術已被證明可與基因檢測、靶向治療、免疫治療等新技術研究有效結合，改變了單純依賴醫(yī)生經驗的診斷模式，以腫瘤為例：

在早篩和確診環(huán)節(jié)，人工智能技術的應用從單一癌種走向全癌種的精準早篩。使用人工智能影像分析，醫(yī)生可找到癌細胞的蹤跡，改變傳統(tǒng)僅用肉眼觀測癌細胞的診斷模式。通過對樣本大數據做標志物的整合和分析，可實現大批量人群的自動化篩查。同時，人工智能還能自動生成多模態(tài)放射病理診斷和綜合評估報告，輔助醫(yī)生決策，提升癌癥早診率、治療率，降低惡性腫瘤的死亡率。根據英美國家的統(tǒng)計，使用人工智能技術做乳腺癌的早期篩查，陽性誤診率分別降低了5.7%（美國）和1.2%（英國）。

在治療環(huán)節(jié)，人工智能技術將改善傳統(tǒng)癌癥治療方式，對腫瘤的處理不再是簡單的手術切除與否，而是可以明確是否復發(fā)、轉移，做到比肉眼看得更準，讓治療過程透明簡單?；谂R床數據的分析，人工智能在放療與化療的個體情況檢測和靶向用藥方面也將發(fā)揮關鍵作用。此外，人工智能將在腫瘤特異性免疫治療過程中，持續(xù)提升預測抗原的精度。特異性的細胞免疫治療是最具潛力的腫瘤治療方法，需要通過腫瘤特異性識別來做抗原預測，人工智能代替人工實驗來篩選海量的異?？乖暮兔庖呒毎荏w的空間結構，完成醫(yī)生無法完成的工作。

在預后環(huán)節(jié)，人工智能技術改變了以往單純依賴專家經驗的預測方式，實現了基于臨床數據指征的精確計算，能夠指引預后，降低風險。

高精度醫(yī)療導航的主要挑戰(zhàn)是標準化、規(guī)范性和可解釋性，可解釋性是建立人工智能和醫(yī)生的互信關系、推動產業(yè)化的先決條件。

未來三年，以人為中心的精準醫(yī)療將成為主要方向，全面滲透在疾病預防和診療的各個環(huán)節(jié)，成為疾病預防和診療的高精度導航協(xié)同。而隨著因果推理的進一步發(fā)展，可解釋性有望實現突破，人工智能將為疾病的預防和早診早治提供有力的技術支撐。

趨勢七：全域隱私計算

破解數據保護和利用兩難，隱私計算走向全域數據保護。

數據安全保護與數據流通是數字時代的兩難問題，破解之道是隱私計算。過去受制于性能瓶頸、技術信任不足、標準不統(tǒng)一等問題，隱私計算尚只能在少量數據的場景下應用。隨著專用芯片、加密算法、白盒化、數據信托等技術融合發(fā)展，隱私計算有望跨越到海量數據，數據源將擴展到全域，激發(fā)數字時代的新生產力。預計未來三年，全域隱私計算技術將在性能和可解釋性上有新的突破，或將出現數據信托機構提供基于隱私計算的數據共享服務。

在數字經濟時代，數據成為核心生產要素，但與此同時，數據確權、數據法規(guī)、隱私保護意識、數據安全保障等因素，已成為跨組織間數據的共享與價值挖掘必須面對的課題。

隱私計算融合密碼學、人工智能、芯片設計等學科，以多方安全計算、差分隱私、可信計算為代表技術，可在保證數據隱私不泄露的情況下實現計算分析，為跨組織的數據共享提供可行的模式。然而性能瓶頸、技術信任不足、標準不統(tǒng)一等問題，讓隱私計算尚只能在少量數據的場景下應用。

隱私計算將迎來三方面的突破，讓隱私計算能被大規(guī)模應用：一是性能與效率的跨越式提升，包含同態(tài)加密的算法突破，降低加解密的算力需求、軟硬一體的加速芯片，針對多方安全計算和聯(lián)邦學習場景進行性能優(yōu)化、更多第三方提供可信執(zhí)行環(huán)境（TEE）等。二是隱私計算技術的白盒化，提升技術的可解釋性進而強化信任度，通過開放集成能力，降低跨技術、跨模型的集成壁壘。三是數據信托機構的出現，作為可信第三方提供技術與運營，加速組織間的數據共享。

隱私計算的技術突破將推動數據計算由私域走向全域，分析的精度與深度也隨著可用的數據量增加而提升，在某些對數據量強依賴的領域效果更顯著，如商業(yè)分析、風險控制、學術研究、人工智能、精準營銷等。另一方面，全域隱私計算技術成熟后，有望成為數據共享的標準，數據流通的風險將大幅降低，數據所有者與數據保管者的責任邊界更加明確，安全程度也更加可衡量。

除了技術之外，隱私計算最大的不確定性來自于運營模式和合規(guī)標準。運營模式尚未形成完整的體系，讓數據提供方有足夠的誘因共享數據，同時保障數據質量讓數據使用方有意愿付出費用。就合規(guī)標準而言，隱私計算的合規(guī)紅線并不明確，讓技術發(fā)展存在較大的不確定性，技術與標準需要在發(fā)展過程中不斷地相互促進。

我們預測在三年內，全域隱私計算將在性能和可解釋性上有新的突破，并開始出現數據信托機構提供基于隱私計算的數據共享服務。在未來的五到十年，全域隱私計算將改變現有的數據流通方式，新型業(yè)務也將在全域數據的基礎上誕生，提升全社會以數據為核心的生產效率。

趨勢八：星地計算

衛(wèi)星及地面一體化的通信與計算，促進空天地海的全面數字化。

基于地面網絡和計算的數字化服務局限在人口密集區(qū)域，深空、海洋、沙漠等無人區(qū)尚是服務的空白地帶。高低軌衛(wèi)星通信和地面移動通信將無縫連接，形成空天地海一體化立體網絡。由于算隨網動，星地計算將集成衛(wèi)星系統(tǒng)、空中網絡、地面通信和云計算，成為一種新興的計算架構，擴展數字化服務的空間。預計未來三年，低軌衛(wèi)星數量會迎來爆發(fā)式增長，衛(wèi)星及其地面系統(tǒng)將成為新型計算節(jié)點。

近年，全球連接及數字化的需求不斷增加，不再只是服務人口密集的區(qū)域，也延伸到深空、海洋、沙漠等無人區(qū)，單靠地面網絡和計算已無法有效滿足需求。星地計算將衛(wèi)星系統(tǒng)、空中網絡、地面通信和云計算集成，成為一種新興的計算架構。

空中網絡和地面通信系統(tǒng)無縫對接，以及技術能力不斷迭代升級，將為全球各類應用提供高性能、低成本、高可靠、無處不在的數字化連接，降低獲取連接的復雜度，并全面提升連接質量。

算隨網動，泛在互聯(lián)網不同連接場景下將會產生新的算力需求，促進和催生更豐富多元的算力，在多種計算任務中發(fā)揮作用，從而滿足不同行業(yè)、不同場景下的數字化需求，全面提升各行各業(yè)的運行質量。

星地計算通過空、天、地、海廣覆蓋的網絡連接實現全息泛在的智能高速寬帶通信和全域計算服務，促進萬物互聯(lián)，將有效解決偏遠地區(qū)、航海航空的通信需求，低延時廣覆蓋的網絡將促進云網端的進一步融合，為各種極端場景帶來新型應用的可能。從產業(yè)視角而言，人與設備在線更容易，意味著更深更廣的數字化與智能化，將極大程度催化組織的全局智能。

星地計算在實現上仍面臨較多難題：一是空天地一體化通信問題。面向種類繁多、結構復雜的泛在互聯(lián)網的各種業(yè)務需求，傳統(tǒng)衛(wèi)星通信的簡單技術體制、靜態(tài)處理機制、薄弱產業(yè)基礎都難以適用。二是星群計算問題。天上星間信息傳輸光變電和電變光的發(fā)熱問題還未被解決，制約了星間信息傳輸的效率。三是星地產業(yè)融合問題，地面硬件技術（如芯片）應用到衛(wèi)星上仍然面臨較大的環(huán)境適應問題（宇宙射線、空間干擾等），需要新的制造工藝突破。

我們預計在未來三年，低軌衛(wèi)星數量會迎來爆發(fā)式增長，與高軌衛(wèi)星共同組成衛(wèi)星互聯(lián)網。在未來五年，衛(wèi)星互聯(lián)網與地面網絡將無縫結合形成天地一體的泛在互聯(lián)網，衛(wèi)星及其地面系統(tǒng)成為新型計算節(jié)點，在各類數字化場景中發(fā)揮作用。

趨勢九：云網端融合

云網端融合形成新計算體系，催生云上新物種。

新型網絡技術發(fā)展將推動云計算走向云網端融合的新計算體系，并實現云網端的專業(yè)分工：云將作為腦，負責集中計算與全局數據處理；網絡作為連接，將多種網絡形態(tài)通過云融合，形成低延時、廣覆蓋的一張網；端作為交互界面，呈現多元形態(tài)，可提供輕薄、長效、沉浸式的極致體驗。云網端融合將促進高精度工業(yè)仿真、實時工業(yè)質檢、虛實融合空間等新型應用誕生。預計未來兩年，將有大量新型應用在云網端融合的新計算體系中運行。

云計算發(fā)展過去經歷了兩個階段，第一階段是基礎設施云化，云計算取代傳統(tǒng)數據中心，算力與數據向云端遷移。第二階段是架構云原生化，應用使用云原生的先進架構，走向容器化與無服務器化。在網絡連接技術高速發(fā)展的背景下，云計算開始走向第三個階段，云、網、端的協(xié)作關系發(fā)生變化，走向云網端融合的新體系架構。

新的體系架構下，云和端將專業(yè)分工。云作為體系中的“腦”，負責計算與數據處理，具備更好的計算效率、體系化的數據處理以及高精高效高覆蓋的人工智能。

網作為體系中的連接，光纖、5G、衛(wèi)星互聯(lián)網等技術通過云融合，形成低延時、廣覆蓋的一張網，連接各種形態(tài)的云和端，讓云網端形成更有機的整體。

端作為體系中的交互界面，可大幅簡化非必要的計算和數據資源，更專注在用戶體驗上，如輕薄、長效、沉浸式體驗等，端的形態(tài)將更加多元，覆蓋各類場景下的交互需求。端云協(xié)同，實現在一種的端上完成多樣場景，而在多種的端上有一致的體驗。

云網端的融合協(xié)同將更高效地促進誕生更多新型應用：在云端，應用將不受過去裝置資源的限制，釋放更多可能性，如高精度的工業(yè)仿真；在網側，分布式的算力將更促進更多低時延的邊緣計算應用，例如實時的工業(yè)質檢；在端側，云網端進行協(xié)同與交互，催生如元宇宙的虛擬世界。

云網端融合的體系需要克服兩個挑戰(zhàn)，一是網絡技術的發(fā)展，由于在新的體系中網絡扮演著關鍵的角色，網絡質量、成本與覆蓋都將成為體系的制約條件，新型網絡技術（如5G與衛(wèi)星互聯(lián)網）需要不斷以應用需求為導向進行技術優(yōu)化迭代并且多種手段開展覆蓋建設。二是信息安全，數據在云上處理，對數據加密、數據治理、安全計算、隱私計算等安全技術的要求更高。

我們預測在未來的2年內，將有大量的應用場景在云網端的體系運行，伴隨著更多依云而生的新型設備，帶來更極致也更豐富的用戶體驗。

趨勢十：XR 互聯(lián)網

XR 眼鏡會成為重要交互界面，帶動下一代互聯(lián)網發(fā)展。

隨著端云協(xié)同計算、網絡通信、數字孿生等技術發(fā)展，以沉浸式體驗為核心的XR（未來虛實融合）互聯(lián)網將迎來爆發(fā)期。眼鏡有望成為新的人機交互界面，推動形成有別于平面互聯(lián)網的XR互聯(lián)網，催生從元器件、設備、操作系統(tǒng)到應用的新產業(yè)生態(tài)。XR互聯(lián)網將重塑數字應用形態(tài)，變革娛樂、社交、工作、購物、教育、醫(yī)療等場景交互方式。預計未來三年，外形與重量接近普通眼鏡的新一代XR眼鏡將產生，成為下一代互聯(lián)網的關鍵入口。

互聯(lián)網的發(fā)明，引領了數字時代的發(fā)展，互聯(lián)網的更新迭代，也對產業(yè)的格局產生巨大影響。移動互聯(lián)網讓手機取代個人電腦，操作系統(tǒng)和應用也產生了極大變化，而隨著VR、AR為代表的虛擬現實技術的產業(yè)化，下一代的XR互聯(lián)網，也將對數字時代產生巨大影響。

XR互聯(lián)網將改變用戶的信息感知和獲取方式，最大的特征是是由二維平面走向三維立體的沉浸式體驗，信息會以最自然的方式被獲取，讓用戶所見即所得。

構筑XR互聯(lián)網需要四大要素：硬件（如XR眼鏡等）、內容（如娛樂、購物、社交等）、人工智能（如空間感知、數字孿生）、基礎設施（如5G、云計算等）。四大要素中硬件和內容會率先發(fā)展，硬件是獲取數據的根本，也是互聯(lián)網平臺的載體。XR眼鏡會成為XR互聯(lián)網的重要入口，同時云網端協(xié)同將改變眼鏡的形態(tài)，使其向著分體積更小、重量更輕、響應速度更快的方向發(fā)展。內容則以娛樂社交和辦公場景為先，再逐漸發(fā)展至購物、教育、醫(yī)療等對遠距互動有一定需求的場景。

XR互聯(lián)網改變人與科技互動的方式，一是模擬真實世界的時空，解決真實世界遠距移動的問題，如遠程教育、遠程醫(yī)療、遠程辦公等，消除地理空間的限制，解決真實世界存在的問題。二是創(chuàng)造真實世界不存在的時空，解決真實世界不完美的問題，如游戲、社交等，滿足用戶重新建立自我認可的需求。XR互聯(lián)網也將重塑現有的產業(yè)結構，催生一批從元器件、設備、操作系統(tǒng)到應用的新產業(yè)。

XR互聯(lián)網當前還處于發(fā)展初期，技術上最大的挑戰(zhàn)是如何實現高度沉浸式體驗。一是AR、VR、MR眼鏡等終端在算力、分辨率、體積和功耗的問題有較大提升空間，使用者體驗仍有一定差距。二是當前的體驗技術更注重視覺和聽覺，對觸覺、嗅覺、味覺等體驗技術仍有巨大技術差距。最后是隱私風險，個體隱私數據作為支撐其持續(xù)運轉的底層資源需要不斷更新和擴張，數據資源合規(guī)收集、儲存與管理的規(guī)則尚待探討。

我們預計未來3年內會產生新一代的眼鏡，融合AR與VR的技術，利用端云協(xié)同計算、光學、透視等技術將外形與重量接近于普通眼鏡，XR眼鏡成為互聯(lián)網的關鍵入口，得到大范圍普及。