数据智能产业创新服务媒体
——聚焦数智 · 改变商业
科技要向前发展,除了埋头赶路,攻克一个个的技术难关外,也要抬头看天,寻找未来的突破方向。 从这个意义上来说,机构或个人发布的一些科技趋势预测,有一定的借鉴意义。 以前,多半是美国公司或机构发布类似的预测,比如Gartner的技术成熟度曲线。 达摩院作为阿里巴巴的一个前沿技术研究机构,某种程度上代表了中国产业界一定的技术研究水平。
近期,阿里达摩院发布了2022年十大科技趋势预测,我们先列出达摩院预测的10个趋势,逐条评论。
趋势一:AI for Science
人工智能成为科学家的新生产工具,催生科研新范式。
【趋势概要】实验科学和理论科学是数百年来科学界的两大基础范式,而人工智能正在催生新的科研范式。机器学习能够处理多维、多模态的海量数据,解决复杂场景下的科学难题,带领科学探索抵达过去无法触及的新领域。人工智能不仅将加速科研流程,还将帮助发现新的科学规律。预计未来三年,人工智能将在应用科学中得到普遍应用,在部分基础科学中开始成为科学家的生产工具。
【点评】人工智能在5年内都达不到催生科研新范式的程度,过于夸大。
技术价值:★★★★★
技术成熟度:★
准确度评价:★★
从价值上来说,AI要是真能改变科研范式,真是善莫大焉。人类的未来核心在于科技突破,而科技发展取决于两点,一个是人类科学家(尤其是一些天才选手),另一个就是科研的工具、手段。科研的基础是理论假设和数据处理,牛顿那一代科学家是靠聪明的大脑+一支笔,再加上一些简陋的实验;现在科研还是要靠科学家的聪明才智,但在数据处理上已经完全不一样了,借助计算机来处理大量数据已成为标配。AI要改变人类科研范式,其价值不在于提高数据处理能力(要提升数据处理能力,用超级计算机就行),而在于提升人类的智力水平。爱因斯坦的智商不到200,假设能打造出一个智商10000的超级AI,那这个AI的价值或许不仅仅是500个爱因斯坦。
理想很丰满,现实很骨感。目前的AI智商还很低,充其量只能在某些特定领域作为科学家的助手,协助完成一些工作。所以,人工智能可以成为科学家的新生产工具,但远远还没达到可以催生科研新范式的程度。
势二:大小模型协同进化
大模型参数竞赛进入冷静期,大小模型将在云边端协同进化。
【趋势概要】超大规模预训练模型是从弱人工智能向通用人工智能的突破性探索,解决了传统深度学习的应用碎片化难题,但性能与能耗提升不成比例的效率问题限制了参数规模继续扩张。人工智能研究将从大模型参数竞赛走向大小模型的协同进化,大模型向边、端的小模型输出模型能力,小模型负责实际的推理与执行,同时小模型再向大模型反馈算法与执行成效,让大模型的能力持续强化,形成有机循环的智能体系。
【点评】先不要说协同,大模型规模还得继续往上提。
价值:★★★
成熟度:★★★
准确度评价 :★★
超大规模预训练模型,是人工智能的一个重要方向。从本质上说,人脑其实也是一台信息处理机器,其最小单元是神经元、神经突触这些基本结构。模拟人脑的这种计算结构,是一个很好的思路。但是,AI系统的计算单元与人脑就差着好几个数量级。量变引起质变,超大规模预训练模型的思路就是在计算单元上先逼近人脑,看看会有什么奇妙的事情发生。这是一个简单但实用的思路,先把这条路走通。
当务之急,是先把超大规模预训练模型的计算单元尽可能往上提,先达到人脑神经元、神经突触的数量规模。先走到那一步,看看会发生什么。成年人大脑中约包含850-860亿个神经元,每个神经元与3万突触连接,人脑突触数量预计2500万亿左右。虽然AI系统的参数与人脑突触有很大不同,但都可以作为一个基本计算单元。既然走了这条路,那就一条路走到黑,先搞出一个2500万亿参数规模的模型出来再说,万一就有奇迹了呢。
阿里达摩院目前已经把参数规模刷到10万了,再有两个数量级就可以达到目标。这个时候就应该一鼓作气,而不是改弦易辙。达摩院的意思是“性能与能耗提升不成比例的效率问题限制了参数规模继续扩张”,也就是说要继续刷参数,遇到困难了。遇到困难就解决困难啊,性能与能耗不成比例,要就想办法提高性能,降低能耗。哪一次参数规模的大幅度提升,不是以性能提升为前提的?以前也不是靠硬堆算力来提升参数规模的。
达摩院的思路或许存在问题。好不容易冲到前面了,这个时候要是歇一歇,谷歌、微软这些公司很快就会超越。思路决定出路,既然达摩院对接下来的技术趋势做出了预测,就会影响到自身接下来的行动。可以预见,下一个刷新大模型参数规模的,不会再是阿里巴巴了。
趋势三:硅光芯片
光电融合兼具光子和电子优势,突破摩尔定律限制。
【趋势概要】电子芯片的发展逼近摩尔定律极限,难以满足高性能计算不断增长的数据吞吐需求。硅光芯片用光子代替电子进行信息传输,可承载更多信息和传输更远距离,具备高计算密度与低能耗的优势。随着云计算与人工智能的大爆发,硅光芯片迎来技术快速迭代与产业链高速发展。预计未来三年,硅光芯片将承载绝大部分大型数据中心内的高速信息传输。
【点评】量子计算,才是未来。
价值:★★★
成熟度:★
准确度评价 :★★
量子计算,才是计算的王者。硅光芯片,即使搞出来,也只是作为一个过渡。既然量子计算曙光乍现,那就铆足干劲往前推,直到遇到短时间内不可突破的瓶颈。而且,中国在量子计算上并不弱,可谓与美国并驾齐驱。这个时候更应该扬长避短,大搞特搞量子计算。
至于硅光芯片,是一个发展方向。但是达摩院做出的预测,“预计未来三年,硅光芯片将承载绝大部分大型数据中心内的高速信息传输”,这肯定是要被打脸的,不会有那么快。
趋势四:绿色能源AI
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。
【趋势概要】风电、光伏等绿色能源近年来快速发展,也带来了并网难、消纳率低等问题,甚至出现了“弃风”、“弃光”等现象。核心原因在于绿色能源存在波动性、随机性、反调峰等特征,大规模并网可能影响电网的安全稳定运行。人工智能技术的应用,将有效提升电网等能源系统消纳多样化电源和协调多能源的能力,成为提升能源利用率和稳定性的技术支撑,推动碳中和进程。预计未来三年,人工智能技术将帮助电力系统实现大规模绿色能源消纳,实现电力系统的安全、高效、稳定运行。
【点评】这一条有滥竽充数之嫌。
价值:★
成熟度:★★
准确度评价 :★★
风电、光电,的确有不稳定的特点。要想实现风光电对煤电、石油的替代,有两个问题要解决:一个是规模要上去,光伏、风电的规模在接下来几年会继续狂飙突进;另一个就是通过系统调度,削峰填谷,把风电、光电与现有电力系统协调。不过,要实现电力的调度,其实更多的是数字化再加上一点智能化。AI在绿色能源产业链条中,充其量就是个“甜点”,算不上正餐。
趋势五:柔性感知机器人
机器人将兼具柔性和类人感知,可自适应完成多种任务。
【趋势概要】传统机器人依赖预编程,局限于大型生产线等结构化场景。近年来,柔性机器人结合柔性电子、力感知与控制、人工智能技术,获得了力觉、视觉、声音等感知能力,应对多任务的通用性与应对环境变化的自适应性大幅提升。机器人将从大规模、标准化的产线走向小规模、非标准化的场景。预计未来五年,柔性感知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,并在服务机器人领域开始规模化应用。
【点评】柔性感知机器人,价值并没有想象那么大,未来几年也不会大面积普及。
价值:★★
成熟度:★★★
准确度评价 :★★
相比于人类,机器的核心优势就是大规模标准化生产,这也是工业社会的根基。机器人最大的价值,就是通过AI改造传统工业设备,增加一些智能化能力,以此来升级工业生产线。接下来10年内,都应该紧紧盯着这个目标,解决问题,一步步向前推进。工业机器人还没弄好,搞所谓的非标化柔性机器人,一来目前的技术水平还不够支撑(很可能就搞出一个看起来高级点的“玩具”),二来所谓的柔性机器人价值比工业机器人小。试想一下,是搞个机器人在饭店端盘子有价值,还是改造工业生产线有价值?
趋势六:高精度医疗导航
人工智能与精准医疗深度融合,助力诊疗精度与效率提升。
【趋势概要】传统医疗依赖医生经验,犹如人工寻路,效果参差不齐。人工智能与精准医疗深度融合,专家经验和新的辅助诊断技术有机结合,将成为临床医学的高精度导航系统,为医生提供自动指引,帮助医疗决策更快更准,实现重大疾病的可量化、可计算、可预测、可防治。预计未来三年,以人为中心的精准医疗将成为主要方向,人工智能将全面渗透在疾病预防和诊疗的各个环节,成为疾病预防和诊疗的高精度导航协同。
【点评】AI+医疗是一条路,但道路坎坷。
价值:★★
成熟度:★★
准确度评价 :★★★
一直以来,人们都期待着让人工智能赋能医疗,提高社会的医疗水平。但是,医疗AI行业发展态势并不好,核心问题还是目前的人工智能技术水平不高,与医疗所预期的水平差距太大。再者,医疗是一个非常严谨的领域,人命关天。可以预见,未来几年,医疗AI都将是看起来美好,实际问题一大堆又很难解决的领域。IBM就是一面镜子,IBM的watson曾被寄予厚望,但最后的结果并不好。应该说,IBM在医疗AI的商业化探索方面是走的最远的,他的遭遇其实已经明显告诉人们——此路异常艰难。
趋势七:全域隐私计算
破解数据保护与流通两难,隐私计算走向全域数据保护。
【趋势概要】数据安全保护与数据流通是数字时代的两难问题,破解之道是隐私计算。过去受制于性能瓶颈、技术信任不足、标准不统一等问题,隐私计算尚只能在少量数据的场景下应用。随着专用芯片、加密算法、白盒化、数据信托等技术融合发展,隐私计算有望跨越到海量数据保护,数据源将扩展到全域,激发数字时代的新生产力。预计未来三年,全域隐私计算技术将在性能和可解释性上有新的突破,或将出现数据信托机构提供基于隐私计算的数据共享服务。
【点评】隐私计算是挺重要的一项技术,未来几年很可能会大面积应用。
价值:★★★
成熟度:★★★
准确度评价 :★★★
在数字化社会,数据越来越多,数据也越来越重要。数据就像货币一样,要流通、共享、应用才能体现出价值。但另一方面,数据又与每个人、每个组织的利益密切相关,数据如何用,如何保护,是一个很关键的问题。数据的共享和应用,似乎与数据隐私保护就是一对矛盾,很难两全其美。隐私计算,有望让人们实现“鱼与熊掌两者兼得”,在保护隐私的同时实现数据流通、共享和应用。而且,这项技术虽然还有很多问题需要解决,但应该没有特别大的技术难关。
趋势八:星地计算
卫星及地面一体化的通信与计算,促进空天地海全面数字化。
【趋势概要】基于地面网络和计算的数字化服务局限在人口密集区域,深空、海洋、沙漠等无人区尚是服务的空白地带。高低轨卫星通信和地面移动通信将无缝连接,形成空天地海一体化立体网络。由于算随网动,星地计算将集成卫星系统、空中网络、地面通信和云计算,成为删除的内容:集成一种新兴的计算架构,扩展数字化服务的空间。预计未来三年,低轨卫星数量会迎来爆发式增长,卫星及其地面系统将成为新型计算节点。
【点评】抓住本质,造新词儿意义不大。
价值:★★
成熟度:★★★
准确度评价 :★★
所谓的星地计算,其实就是SpacX搞的卫星互联网。我一直认为, Spac X 发那么多卫星,最核心的目的就是抢占近地卫星轨道资源,至于通信倒是其次。近地卫星轨道资源是有限的,占一个就少一个。而且,现在卫星轨道资源实行的是“强盗条款”——谁抢到算谁的。美国的NASA这么支持Spacex发卫星,核心也是这个原因,Spacex抢到了也就是美国政府抢到了。
最近有一个事情非常典型,那就是因为担心被SpaceX的“星链”卫星撞上,我国的空间站先后两次紧急避险。也就是说,以“星链”目前的卫星存量,就已经可以威胁到我们的空间站了。要知道,“星链”计划到2024年前发射1.2万颗卫星,最终目标是发射4.2万颗卫星。现在“星链”的在轨卫星才一千多颗,就已经可以实质威胁中国空间站了。要是等他把4万颗卫星都发射了,那整个太空岂不是都是他家的了?
这毫无疑问已经严重影响到了中国的国家安全。
所以,中国现在应该做的就是先不管三七二十一,也大规模的发类似卫星。不为别的,先占坑。民间、官方一起上,尽快降低发射成本,把量提上去。不然,等别人把坑都占完了,就来不及了。
趋势九:云网端融合
云网端融合形成新计算体系,催生云上新物种。
【趋势概要】新型网络技术发展将推动云计算走向云网端融合的新计算体系,并实现云网端的专业分工:云将作为脑,负责集中计算与全局数据处理;网络作为连接,将多种网络形态通过云融合,形成低延时、广覆盖的一张网;端作为交互界面,呈现多元形态,可提供轻薄、长效、沉浸式的极致体验。云网端融合将促进高精度工业仿真、实时工业质检、虚实融合空间等新型应用诞生。预计未来两年,将有大量新型应用在云网端融合的新计算体系中运行。
【点评】这个趋势也太明显了,单列出来意义不大。
价值:★★
成熟度:★★★★
准确度评价 :★★★
趋势十:XR互联网
XR眼镜会成为重要交互界面,带动下一代互联网发展。
【趋势概要】随着端云协同计算、网络通信、数字孪生等技术发展,以沉浸式体验为核心的XR(未来虚实融合)互联网将迎爆发期。眼镜有望成为新的人机交互界面,推动形成有别于平面互联网的XR互联网,催生从元器件、设备、操作系统到应用的新产业生态。XR互联网将重塑数字应用形态,变革娱乐、社交、工作、购物、教育、医疗等场景交互方式。预计未来三年,外形与重量接近普通眼镜的新一代XR眼镜将产生,成为下一代互联网的关键入口。
【点评】跟风炒概念
价值:★★★
成熟度:★
准确度评价 :★★
元宇宙是一个超级风口,价值很大。但是这个蛋糕我们现在还吃不到。问题的关键是卡在硬件设备上。AR、VR设备要成熟,还有一大堆问题要解决。近眼显示、感知交互、计算渲染、通信、内容制作,每一个领域都有个大坑需要填。尤其是近眼显示,5年内能不能解决还是个很大的未知数。
以上,我们对阿里达摩院所预测的明年10个科技趋势做了评述。总体来看,达摩院最关注人工智能,前面6条都跟人工智能相关,这是有所偏颇的。科技的领域很大,人工智能只是其中一部分。达摩院列的这个清单,其实应该叫“2022十大计算趋势”,都是跟计算相关的。
在整个科技领域,除了计算机还有很多问题很重要。我也列几个:
01
储能电池
价值:★★★★
成熟度:★★
【点评】储能电池带来的能源革命,将是未来几年人类社会最根本的变革之一。电池技术的发展,首先改变了汽车的动力系统,就凭这一点,就可以掀翻西方几十年建立的汽车工业优势,让汽车产业重新洗牌。这是目前中国肉眼可见的三大战略机遇之一(另外两个是光伏和半导体)。而且,光伏+特高压+电池,这三者构建起来一条完整的新能源价值链,中国在这三个领域都很强,这就是最大的国运。
另一方面,目前的电池技术还有很大提升空间,目前的储能水平是不够用的。需要加大对下一代电池的研发,把储能水平再提升一个档次。届时,飞行汽车最大的一个障碍就解决了,这又会创造一个超级产业集群。趁着中国在电池领域有优势,集中精力把这个优势扩大,首先把下一代电池搞出来并量产,这是当务之急。
02
量子计算
价值:★★★★★
成熟度:★
量子计算是人类的终极追求之一,要实现真正的量子计算肯定还有很长的道路。毫不夸张的说,搞定了量子计算,人类文明可以跃升一个等级。
所幸的是,我们现在算是摸到了量子计算的门槛。这个时候,应该加大攻关力度,能走多远算多远。
03
可控核聚变
价值:★★★★★
成熟度:★
要论人类终极的能源追求,非可控核聚变莫属(正反物质湮灭能先不考虑,太科幻了)。太阳的能量就来自于核聚变。可以说,掌握可控核聚变,人类就掌握了成为星际文明的钥匙。
04
基因工程
价值:★★★★★
成熟度:★★
要了解人类自己,释放生命的潜能,甚至实现长生不老的梦想,就得靠基因工程。很早以前,人类有个基因组计划,之后就没看到什么大的动作了。与其他几项科技相比,基因工程面临的伦理压力要大很多,这也是阻碍其前进的最大障碍。看人类如何权衡取舍吧。
可以说,人工智能、量子计算、可控核聚变、基因工程,是与人类命运休戚相关的四个科技领域。这几个领域的每一次突破,都可以将人类社会提升一个档次。当然,每一个技术都是一把双刃剑,都有毁灭人类社会的危险。从这个角度看,人类就像是在走钢丝,即使面临很大的不确定性,甚至前路凶险,但这也是人类的宿命。不管我们是抗拒,还是坦然接受,最终都会走向这个结局,只是时间的早晚问题。
应该说,近代科学的发展,人类才开始“上道了”。接下来,就是在这四个方面进行突破。要是没有什么意外(比如彗星撞地球、核战争),人类终将打开人工智能、量子计算、可控核聚变、基因工程这四扇大门。值得提出的是,虽然我们终将走向最终目的地,但投入研发资源的多寡,将很大程度上决定了我们打开这几扇门的时间。以可控核聚变为例,100年实现和1000年实现,还是有很大区别的。如果人类倾尽全力,可能100年就实现了,但如果慢吞吞的,舍不得投入,那可能得1000年才能打开可控核聚变的大门。
从长远来看,国家之间的主赛道,就在以上四个领域。在任何一个领域首先到达终点,都有资格当世界老大。