【最新行业报告！】2023十大科技趋势

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。

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。

         

             

Chiplet 技术是提高芯片集成度、节约芯片成本、实现晶粒（die）级可重用的最重要的方法。未来，Chiplet 技术 将在高性能计算、高密度计算等领域发挥着重要作用。先进的 Chiplet 技术将继续由代工厂主导，混合使用 2D、2.5D、 3D 等先进封装技术将进一步提高产品性价比与竞争力。

—— 象帝先计算技术有限公司副总裁 王海洋

             

             

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，以实现计算存储的 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 和投资的驱动下，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，随着存算一体芯片在云端推理大算力场景落地，或将带来计算架构的变革。它推动传统的以计算为中心的架构向以数据为中心的架构演进，并对云计算、人工智能、 物联网等产业发展带来积极影响。

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。

云原生安全是安全理念从边界防御向纵深防御、从外挂模式向内生安全的转变，实现云基础设施的原生安全，并基于云原生技术提升安全的服务能力。安全技术与云计算由相对松散走向紧密结合，经过“容器化部署”、“微服务化转型”走向“无服务器化”的技术路线， 实现安全服务的原生化、精细化、平台化和智能化：

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。

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 由云计算定义，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，高性能网络互联 使能算力集群的规模扩展，从而形成了大算力资源池，加速了算力普惠化，让算力走向大规模产业应用。可预期网络不仅支持新兴的大算力和高性能计算场景，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。

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、动态变化的环境中快速精准地做出经营决策。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突显。学术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。

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。

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 Codex 的 Copilot。现阶段的生成式 AI 通常被用来生成产品原型或初稿，应用场景涵盖图文创作、代码生成、游戏、广告、 艺术平面设计等。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的进步与成本的降低扩展到更多领域。