文｜卢滢西

“我们盯着后视镜看现在，倒退着走向未来。”加拿大传播学者麦克卢汉用“后视镜理论”来解释媒介技术演化及其影响的基本运作原则，而这一理论，同样适用于如今科技的发展，强调从历史中走向未来。

但由于人类认知的局限性，时代往往跑得比认知更快，因此，我们既需要过去的经验，也需要未来的视角。

近日，百度、腾讯、达摩院和MIT科技评论先后发布了他们对于2023年科技趋势的预测。纵览各家今年发布的预测，“大模型”“云计算”“芯片”成为了关键词，AI技术带来的智能化仍然是主线。

具体来看，百度研究院所发布的2023年十大科技趋势预测中，涵盖了大模型生态、数实融合、虚实共生、自动驾驶、机器人、科学计算、量子计算、隐私计算、科技伦理和科技可持续发展等领域；腾讯对高性能计算、泛在操作系统、Web3、时空人工智能等前沿数字科技的应用做了预测；在达摩院的预测中，也出现了云原生安全、城市数字孪生和生成式AI等热门领域；而MIT科技评论则聚焦在了生物科技、环保、科技与工程等领域。

作为探路者，这些科技公司和机构都在结合自身实践和前沿学术的基础上，给出了对于未来的判断。去年年初，百度就预言了AIGC将会实现大规模的应用，而今年国内外众多AI绘画的火爆也印证了这一点。今年，达摩院2023十大科技趋势中，也强调了生成式AI将进入应用爆发期。

2022年，数字人、AI绘画、Web3等井喷式的涌现已经让人兴奋不已，翻开日历上新的一页，不禁让人发问：2023年，技术发展的边界又在哪里？

为此，光锥智能从AI、数字化、生物科技、科技与ESG等四个方向，对腾讯、达摩院、百度和MIT科技评论发布的2023年科技趋势预测进行了梳理。

趋势一：以AI为主线的智能化

2022年随着自动驾驶、ChatGPT、AI绘画等人工智能技术的火爆，AI开始进入大众语境。而在百度、腾讯、阿里达摩研究院以及MIT科技评论关于2023年十大科技的预测中，AI技术也被赋予了重要篇章。当然，要推动AI的发展也并不容易，从底层算力到预训练大模型，再到应用场景，AI的发展将带动多个产业的变革，具体来看：

基础层：

RISC－V架构：

由于指令集标准X86和ARM占据着CPU架构主要的市场份额，国内芯片的设计研发被卡脖子一直都是老生常谈的问题，但得益于RISC－V 开放标准的兴起，我国芯片自主研发逐渐成为了可能。

与大多数指令集相比，RISC－V指令集可以自由地用于任何目的，允许任何人设计、制造和销售RISC－V芯片和软件，而且RISC－V开源免费，很大程度上降低了芯片设计研发的难度和成本。

在大国科技竞争的背景下，我国芯片厂商不断加码RISC－V，有望实现弯道超车。数据显示，在非营利性质RISC－V International组织的19名高级成员中，与我国有关的有12名。

Chiplet：

后摩尔时代，由于芯片越来越难以单纯靠升级制程实现性能提升，摩尔定律面临失效危机，因此，高性能、低功耗、高面积使用率以及低成本的Chiplet芯粒技术受到了广泛关注。

简单来说，Chiplet的原理与搭乐高积木类似，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。而如何保障互联封装时芯粒连接工艺的可靠性、普适性，实现芯粒间数据传输的大带宽、低延迟，是Chiplet技术研发的关键。

根据达摩院的预测，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，全方位影响芯片的产业格局。

存算一体芯片：

随着AI应用的不断落地，对于芯片的并行运算、低延迟、带宽也提出了更高的要求。

传统冯 · 诺依曼体系下运行的计算机通常包括存储单元和计算单元两部分，导致计算能力受到限制。而存算一体架构直接将数据存储单元和计算单元融合为一体，能够大幅减少数据搬运带来的功耗损失，同时，也减少了等待数据读取时的算力浪费，极大提高计算并行度和能效，在VR／ AR、无人驾驶等应用场景中，存算一体芯片具备高带宽、低功耗的显著优势。

目前，存算一体已经在不少垂直领域掀起热潮，在资本和产业双轮驱动下，基于 SRAM、 NOR Flash等成熟存储器的存内计算将在垂直领域迎来规模化商用，诸如智能家居、可穿戴设备、泛机器人、 智能安防等小算力、低功耗场景有望优先迎来产品和生态的升级迭代。

高性能计算：

近些年来，在AI大模型、AIGC、自动驾驶、蛋白质结构预测等各类人工智能应用的驱动下，凭借着在架构、硬件和软件等方面的迭代和积累，高性能计算跨过了以CPU为核心计算单元的1．0时代，在CPU＋GPU的2．0时代实现核心突破，如今，又迈向了“CPU＋GPU＋QPU”的3．0时代。

高性能芯片，是高性能计算的核心技术，上文提到的Chiplet 技术也将在高性能计算、高密度计算等领域发挥着重要作用。

量子计算：

2022年的诺贝尔物理学奖颁给了“量子纠缠”，让更多的人认识到量子计算。

近些年来，在诸如谷歌、百度等海内外巨头的推动下，量子计算的技术不断突破，目前，已经在基础科学探索、数字经济、人工智能、信息安全等众多领域实现应用。据市场研究公司Hyperion Research估计，量子计算市场2022年收入为6．14亿美元，预计到2025年达到12．08亿美元，年复合增长率为25％。

过去一年，量子计算技术已在软硬件、应用和网络等关键技术方向实现新一轮突破，2022年，百度发布了一台名为“乾始”的产业级超导量子计算机，并且还发布了名为“量羲”的全球首个全平台量子软硬一体解决方案，实现量子芯片“即插即用”。

据百度研究院的预测，预计2023年，量子计算核心技术将会持续突破，在人工智能、材料模拟、金融科技、生物制药等更多领域实现落地，加速产业化进程。

模型层：

多模态预训练大模型：

从单一的文本－文本、图片－图片，到文生图、图生视频，AI预训练大模型正在从文本、语音、视觉等单模态智能，向着多种模态融合的方向发展。

在文生图领域，以2022年火出圈的Stable Diffusion扩散模型为例，得益于CLIP的加入，使得该模型能够完成文本特征映射到图像特征的过程，指导模型生成图像，并借助扩散模型改善图像质量。

随着技术发展的不断成熟，多模态预训练大模型将朝着能推理、能回答问题、能总结、做创作的认知智能方向发展，加速通用人工智能的演化进程。

行业大模型：

在AI大模型向跨语言、跨任务、跨模态的技术方向演进的过程中，其通用性、泛化性、可解释性大幅提升。但这还远远不够，技术要进行产业化落地，还需要思考大模型如何与真实场景的需求相匹配。

例如，2022年，百度联合吉利发布的知识增强汽车行业大模型——吉利－百度·文心，该行业大模型使用了百度文心ERNIE 3．0大模型，在2300万条吉利汽车专业领域无标注数据上进行模型预训练，实现了大模型在汽车行业的落地应用。

随着大模型技术逐步成熟，训练能力、核心算子库和软件平台布局不断完善，运用行业知识增强技术，大模型的能力也将应用于能源电力、金融、航天、传媒、影视等更多领域。

应用层：

AIGC：

从理解到创造，这是人工智能最显著的进步之一。

得益于近年来大模型在基础研究尤其是深度学习上的突破，从海量训练数据中，生成式AI能够生成全新的数字视频、图像、文本、音频或代码等内容。比如能够用于问答、文本写作、编写代码的ChatGPT以及各类文生图的AI绘画软件。

在模型开源、算力成本下降等多重因素的加持下，生成式 AI 的商业化初现苗头，目前，AI绘画所生成的作品已经开始应用于广告营销、视频制作以及游戏模型制作等多领域。未来随着生成式AI在认知智能和生成可控性上的进一步提升，生成式 AI 还将进入应用爆发期，极大地推动数字化内容生产与创造。

图片：AIGC绘画作品《太空歌剧院》

城市数字孪生：

基于数字孪生技术，打造智慧城市成为了城市建设的主流趋势。据IDC预测，到2025年智慧城市投资规模将超过千亿美元，5年复合增长率超过30％。

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。近两年，城市数字孪生关键技术实现了从量到质的突破，具体体现在大规模上。

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。比如说城市内涝积水，通过对城市高精路网、水网、河道、车辆等实体的三维建模和实时渲染，实现人群疏散引导、交通管控策略、天气情况影响等全方位策略预案的孪生演练与效果评估。

未来，城市数字孪生既作为城市立体化综合无人系统的研发测试环境，同时也是实现全局感知、全局调度的支撑系统。

数字人：

2022年初，从中国移动的数字谷爱凌，再到腾讯3D手语数智人＂聆语”，冬奥会上数字人的大量使用，让更多的人认识到了数字人，也为数字人的应用推广打造了绝佳的契机。

在研发层面，得益于AI技术的加入，数字人的开发周期和成本大大缩短和下降；在智能化层面，数字人主要是依靠NLP进行文本驱动，基于NLP大模型的发展，数字人的智能化程度日益提高；在应用层面，目前，数字人在数字化营销、文娱等领域应用广泛，伴随全真互联时代的到来，数字人将会成为其重要的元素和新入口。

双引擎智能决策：

近些年来，随着外部环境复杂程度和变化速度不断加剧，在企业的视角下，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。

经典决策优化的局限性在于处理能力不足且反应速度慢，机器学习的缺点在于成本高、学习的效率慢，因此，学术界和产业界开始构建数学模型与数据模型双引擎新型智能决策体系，弥补了经典决策优化和运筹优化算法彼此之间的局限性。

比如打车平台的派单，利用双引擎智能决策可以对订单量、订单时间、道路状况等相关数据进行建模分析，以此得出最优决策。

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。

机器人：

在全球人口结构调整、劳动力成本上升的背景下，机器人的重要性愈发凸显。

从供给端来看，AI、大数据和云计算等技术的介入，使得机器人在感知、决策、执行方面的性能大幅提升。

其中，在感知方面，触觉感知是目前机器人感知补全领域的攻关重点。受益于柔性材料的突破性进展，触觉传感技术已经在机器人手、触觉手套、健康检测设备、智能座舱等领域研发测试。例如协作机器人在末端执行器上安装的柔性夹爪，能够对形状、材质复杂的物品进行分拣和抓取，就像人类的手一样。

未来，随着机器人ROI的进一步下降，移动机器人、协作机器人等各类机器人将会开始进入工厂、家庭，承担起降本增效的重任。

自动驾驶：

2022年，随着自动驾驶进入城市场景，无论是感知复杂环境、还是处理海量数据的难度都大大增加，传统小模型无法满足高级别自动驾驶的要求，因此不少自动驾驶公司开始将Transformer大模型应用到自动驾驶算法当中。

而大模型的加入，让自动驾驶汽车有效扩充语义识别数据，大幅提升长尾问题解决效率，进一步增强自动驾驶感知泛化能力，适应更多出行场景。

预计2023年，中国主要城市自动驾驶商业化落地将呈现运营范围、车队规模双增长的趋势，拥有自动驾驶技术的智能汽车市场渗透率也将有新突破，智能汽车产业从此前的“试水试航”走向“扬帆远航”。

计算光学图像：

伴随着传统光学成像在硬件功能、成像性能方面接近物理极限，依托于传感器、云计算、人工智能等新一代信息技术的计算光学成像应运而生。

计算光学成像以具体应用任务为准则，通过多维度获取或编码光场信息，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，计算光学成像已经在手机摄像、医疗、监控、工业检测、无人驾驶等领域开始规模化应用。例如在手机摄像领域，手机摄像在相当一部分场景的拍摄效果达到、甚至超过一般单反相机。

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。

AI赋能科学研究：

AI技术在改造产业的同时，也在成为辅助科研的重要力量。

1972年，学者Christian Anfinsen提出的蛋白折叠问题——“蛋白质的氨基酸序列应该能完全决定其结构”，让其成为了诺贝尔化学奖的得主。

而这一科研成果背后，少不了AlphaFold模型的助攻。借力AI技术，John Jumper团队推动着蛋白质结构预测的研究进入了一个新的阶段，而AlphaFold等模型的成功让人们看到，人工智能技术对科学计算产生的巨大影响，也让AI for Science的概念备受关注。

简单来说，AI for Science就是通过引入AI技术，研究者们开发了科学计算工具，利用模型来解决实际的科研问题。

在未来，AI还将改变更多学科的研究范式，在物理、化学、生物、材料学等基础科学及药物研发等应用领域大有可为。

趋势二：数字化转型加快

随着上云业务需求的提升与云计算日趋成熟，具备更高的敏捷性、弹性和云间的可移植性的云原生技术则越来越受到关注。与此同时，全真互联、元宇宙等概念的兴起，也推动着云端算力发展日趋高密以及专用化，计算更为复杂。

因此，推动云上构建计算资源丰富和专用的异构计算系统也成为了趋势。而异构计算对算力提出的高要求，也在基础设施层面上反推着软硬件融合的加速。

如今，云计算技术已经成为共识，在夯实技术底座的前提下，云计算与各领域深度融合，云原生安全受到重视，在云上成长的数字经济也在成为一种确定性趋势。

云计算：

2022年10月亚马逊明确提出：从计算存储到数据库、数据分析、机器学习，云服务正全面迈向Serverless，帮助客户最大限度减轻运维工作，并增加业务敏捷性，更好地应对山务的各种不确定性。这也反映出了云计算向精细化、集成化和异构计算持续演进的趋势。

随着数字安全、隐私合规、资源自主、服务高可用等要求的不断提升，公有云、私有云、混合云市场的主战场，具备便捷、专有云等交付模式不断兴起，混合云不断成为市场的主战场，具备便捷、可控、可持续等特征的专有云成为新趋势、新选择，云上的服务模式也更加精细化。

云原生己成为下一代云计算演进方向，Al、大数据等积极走向云原生模式，借助容器、微服务、无服务器等云原生优势，企业和开发者得以在IT成本优化的条件下实现Al算法高效训练、大数据应用敏捷开发、程序灵活部署和全生命周期管理。

伴随着全真互联、元宇宙等概念的兴起，服务体验即时化、轻量化等需求不断激增，云端算力发展日趋高密以及专用化，加速GPU、FPGA等计算资源的池化，推动云上构建计算资源丰富和专用的异构计算系统。

图片来源：摄图网

云原生安全：

随着云计算与各领域深度融合，云上快速迭代、弹性伸缩、海量数据处理等特征要求安全防护体系相应升级。

云原生安全是依托云原生理念和技术特性对安全体系进行的优化和重构，通过逐步实现安全技术服务的轻量化、敏捷化、精细化和智能化，来保障云基础设施的原生安全，并形成更强的安全能力。从管理视角、运营视角和用户视角出发，云原生安全有三方面价值：全链路风险可视可控；基础设施安全运营闭环高效；云上客户资产全面保障。

未来3－5年，云原生安全将更好的适应多云架构，帮助客户构建覆盖混合架构、全链路、动态精准的安全防护体系。

软硬融合云计算体系架构：

云计算的体系架构发展经历了三个阶段，目前，云计算进入第三阶段，引入专用硬件，形成软硬一体化的虚拟化架构，实现了全面硬件加速。

传统的以CPU中心的云计算体系架构受到CPU性能瓶颈的限制，无法应对云上时延和带宽的进一步扩展，云计算体系架构需要向着软硬一体化的方向迭代升级。

清华大学计算机系副教授任炬认为，软硬件一体化设计是当前计算架构的重要演进方向，尤其在复杂的云计算场景中，软硬件的协同优化与迭代升级更是决定其性能提升的关键。

达摩院预测，未来三年，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。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。

图片来源：达摩院

端网融合的可预期网络：

可预期网络是由云计算定义，服务器端侧和网络协同的高性能网络互联系统，能够大幅度提升分布式并行计算的网络通信效率，从而构建高效的算力资源池，实现了云上大算力的弹性供给。

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。

数字化社会下的算力普惠，将持续驱动数据中心网络向高性能、资源池化的云计算方向发展，这将使网络可预期技术在未来 2－3 年内发生质变，逐渐成为主流技术趋势。

泛在操作系统：

2021年底，工信部印发的《“十四五”软件和信息技术服务业发展规划》中也提到，要大力支持开展“软件定义”及泛在操作系统平台相关理论和技术研究。

泛在操作系统究竟为何如此受到重视？

操作系统是计算系统的核心，也是信息产业生态的核心。然而随着互联网向人类社会和物理世界的全方位延伸，所需管理的资源复杂度呈指数级增加，简而言之，计算无处不在，未来网络化的泛在操作系统所管理的不仅包括主机、PC端、移动终端、物联终端等不同计算设备，也包括面向新型人机物融合应用场景的各种不同新型计算环境。

目前，泛在操作系统发展重点是物联终端的接入与管控，以及用以支撑包括物联终端的各类网络应用开发运行支撑平台。

随着“人机物”的融合发展，人类社会、信息空间、物理世界的深度融合的泛在计算时代正在开启，构建一个对下管理各类泛在设施／资源、对上支撑各类场景下数字化与智能化应用的泛在操作系统已成为发展趋势。

图为泛在操作系统体系框架图

数字办公：

2020年，一场突如其来的疫情让学生开始上网课、让居家办公成为了上班族的日常之一。但当时，或许谁也没想到，数字办公会在今天成为主要的趋势。

据远程工作空间提供商IWG估计，全球70％的员工每周至少远程工作一次；此外，IDC数据显示至2023年，全球2000家企业或组织中，70％将采用远程或混合办公优先的工作模式。

目前，云平台、音视频处理、数字协同、数据操作、人工智能、表达渲染基本构建了数字办公技术栈。同时知识数字化、数字协同工具的广泛应用也进一步推动数字办公协同的发展，使得未来数字办公日益走向“多模态”与“大协同”，并引发知识共创的范式革新。

能源互联网：

在新能源转型的背景下，电网波动性加剧，无法单纯凭借电气装置达到平衡，需要依靠数字化手段进行调节，数字技术从原本的降本增效转向，成为实现电网平衡的刚需。因此，当下是软件定义能源网络的重要发展契机。

软件定义能源网络通过综合运用相关数字技术，支撑业务应用远程部署，组织方式和运行模式灵活调整，按需定制能源网络的运行状态和功能，从而实现软件定义能源系统。

2022年5月24日，英国最大配电公司UKPowerNetworks与美国谷歌旗下人工智能公司Deemind联合发布英国输电线路电子地图新型图像识别软件扫描数千张输电线路图片转换电子地图，以准确显示全英国输电线路的空间分布，帮忙项目规划并指导施工方法，以推动新能源、电动汽车发展。

随着新能源市场发展，软件定义能源网络将会成为未来数字化能源系统基础设施的一个核心，代表着未来能源电力系统、尤其新型电力系统的发展方向。

Web3：

2021年被业界认为是web3飞速发展的元年，但web3的产业发展才刚刚拉开序幕，隐私和扩容技术突破正在加速应用向Web3迁移。

在传统web1．0、2．0的领域中，由于缺乏统一的身份层服务，用户的身份数据容易被他人盗取利用，造成用户隐私泄露。建立一个通用的、稳健的数字身份体系，是未来web3生态中所有用户的切身之需。

以太坊2．0将引入扩容能力，主要目标是提升以太坊的处理能力。2018年，以太坊公布了以太坊2．0的路线图，路线图规划了eth扩容。扩容分两个大阶段，阶段一扩展无计算能力分片，结合L2大幅扩展性能，阶段二提供计算能力分片，增加L1自身处理能力。

由于区块链公开透明、去中心化的特点，给用户的隐私带来了很大挑战。而零知识证明技术可以对用户的隐私数据进行加密存储。比如用户的年龄是否超过20岁，通过零知识证明只能得到是与否，而不能获得具体数字，实现了在不泄漏任何信息内容的前提下完成对于信息的验证。

总结下来，数字身份成底座、扩容推动应用迁移以及零知识证明价值凸显是Web3的重要发展趋势。

趋势三：生物科技造福人类

在刚刚结束的2022年里，我们见证了基因编辑技术、猪心脏移植、古代DNA分析等多个生物医学界的技术突破。这些前沿技术，对于全人类的生命健康都将产生意义非凡的作用。

基因编辑：

2022年，美国一家生物科技的研究人员在给一位患有心脏病，且有遗传性高胆固醇风险的女性治疗时，使用了编辑工具 CRISPR。CRISPR基因编辑技术常被比作“基因剪刀”，本次试验中，研究人员替换了患者肝脏细胞的PCSK9基因单个碱基，这种基因可帮助调节低密度脂蛋白胆固醇水平，低密度脂蛋白，也被称为“坏”胆固醇，水平偏高可能引发动脉硬化，堵塞血管，引发心血管疾病。

此前，基因编辑技术主要在罕见病患者身上应用，如果本次试验成功，基因编辑技术或可广泛应用于常见疾病的预防，试验的结果将在2023年公布。

按需器官制作：

去年1月，马里兰大学医学院成功将猪心脏移植到57岁的男子大卫·班尼特体内，这是全球首例人接受猪心移植手术。

值得注意的是，为了防止猪心脏组织过度生长和人体的排异反应，这颗猪心脏经过了基因编辑，去除这些糖分子并添加其他基因，使猪组织看起来更像人的组织。

手术后，移植的心脏在几个星期内表现非常好。一份报告显示，全球每年大概有200万人需要器官移植，但供体匮乏一直是阻碍患者进行手术的掣肘。基因编辑技术的出现，也就意味着，那些在器官移植等待名单里的患者有了康复的可能。

尽管大卫·班尼特最终于3月8日离世，但这项技术仍然在医学领域迈出了阶段性的一步，打开了人工进行器官制作的大门。

古代DNA分析：

2022年 11 月，马克斯·普朗克进化人类学研究所的遗传学家斯万特·帕博的相关基础性研究工作获得了诺贝尔奖，以表彰他对已灭绝古人类基因组和人类进化的发现做出的贡献。

这位瑞典出生的科学家花了几十年的时间试图从4万年前的骨头中提取DNA，最终在2010年揭开了尼安德特人的基因组，这对于揭示所有现存人类与已灭绝的古人类之间的遗传差异，具有开创性的意义。

图为尼安德特人基因组测序

而这一重要发现得益于技术发展下，商业测序仪的进步。

据悉，现如今的商业测序仪可以看清受损的DNA，能够把原来检测不出来的、非常少量的、残留的DNA检测出来，这对于现代医学研究也具有同样重要的意义。

       原文标题 : 2023年的科技趋势预测中，藏着哪些机会？（1-3）