信息革命、移動互聯網革命尚未落幕，智能革命又像一頭大象一樣撞進人類的生活，激蕩著整個世界。任何足夠先進的科技，初看都與魔法無異，但魔法背后是對規律和趨勢的洞悉。

2020 年初，阿里巴巴旗下達摩院發布了 2020 年十大科技趨勢。從名單來看，人工智能、工業互聯網、區塊鏈、云計算成為熱門。

去年，達摩院的預測包括：語音 AI 在特定領域有望通過圖靈測試、自動駕駛則進入冷靜發展期、AI 專有芯片將挑戰 GPU 絕對統治地位;數字身份有望成為第二張身份證;5G 連接能力將增強至百億級……

現在回首，達摩院去年的趨勢預測正確率還是很高的。而就在前不久 Gartner 也發布了《2020 年十大策略科技趨勢預測》，今年的兩份預測中有重疊也有差異，我們把它們分別進行了整理，你覺得那一份預測和你對世界的理解，更像呢?

阿里達摩院 2020 十大科技趨勢

趨勢一、人工智能從感知智能向認知智能演進

目前，人工智能已經在「聽、說、看」等感知智能領域已經達到或超越了人類水準，但在需要外部知識、邏輯推理或者領域遷移的認知智能領域還處于初級階段。

認知智能將從認知心理學、腦科學及人類社會歷史中汲取靈感，并結合跨領域知識圖譜、因果推理、持續學習等技術，建立穩定獲取和表達知識的有效機制，讓知識能夠被機器理解和運用，實現從感知智能到認知智能的關鍵突破。

趨勢二、計算存儲一體化突破 AI 算力瓶頸

馮諾伊曼架構的存儲和計算分離，已經不適合數據驅動的人工智能應用需求。頻繁的數據搬運導致的算力瓶頸以及功耗瓶頸已經成為對更先進算法探索的限制因素。

類似于腦神經結構的存內計算架構將數據存儲單元和計算單元融合為一體，能顯著減少數據搬運，極大提高計算并行度和能效。計算存儲一體化在硬件架構方面的革新，將突破 AI 算力瓶頸。

趨勢三、工業互聯網的超融合

5G、IoT 設備、云計算、邊緣計算的迅速發展將推動工業互聯網的超融合，實現工控系統、通信系統和信息化系統的智能化融合。制造企業將實現設備自動化、搬送自動化和排產自動化，進而實現柔性制造，同時工廠上下游制造產線能實時調整和協同。

這將大幅提升工廠的生產效率及企業的盈利能力。對產值數十萬億乃至數百萬億的工業產業而言，提高 5%-10% 的效率，就會產生數萬億人民幣的價值。

趨勢四、機器間大規模協作成為可能

傳統單體智能無法滿足大規模智能設備的實時感知、決策。物聯網協同感知技術、5G 通信技術的發展將實現多個智能體之間的協同 —— 機器彼此合作、相互競爭共同完成目標任務。

多智能體協同帶來的群體智能，將進一步放大智能系統的價值：大規模智能交通燈調度將實現動態實時調整，倉儲機器人協作完成貨物分揀的高效協作，無人駕駛車可以感知全局路況，群體無人機協同將高效打通最后一公里配送。

趨勢五、模塊化降低芯片設計門檻

傳統芯片設計模式無法高效應對快速迭代、定制化與碎片化的芯片需求。以 RISC-V 為代表的開放指令集及其相應的開源 SoC 芯片設計、高級抽象硬件描述語言和基于 IP 的模板化芯片設計方法，推動了芯片敏捷設計方法與開源芯片生態的快速發展。

此外，基于芯粒(chiplet)的模塊化設計方法，用先進封裝的方式將不同功能「芯片模塊」封裝在一起，可以跳過流片，快速定制出一個符合應用需求的芯片，進一步加快了芯片的交付。

趨勢六、規模化生產級區塊鏈應用將走入大眾

區塊鏈 BaaS(Blockchain as a Service)服務，將進一步降低企業應用區塊鏈技術的門檻，專為區塊鏈設計的端、云、鏈各類固化核心算法的硬件芯片等也將應運而生，實現物理世界資產與鏈上資產的錨定，進一步拓展價值互聯網的邊界、實現萬鏈互聯。未來將涌現大批創新區塊鏈應用場景以及跨行業、跨生態的多維協作，日活千萬以上的規?；a級區塊鏈應用將會走入大眾。

趨勢七、量子計算進入攻堅期

2019 年，「量子霸權」之爭讓量子計算再次成為世界科技焦點。超導量子計算芯片的成果，增強了行業對超導路線及對大規模量子計算實現步伐的樂觀預期。2020 年量子計算領域將會經歷投入進一步增大、競爭激化、產業化加速和生態更加豐富的階段。

作為兩個最關鍵的技術里程碑，容錯量子計算和演示實用量子優勢，將是量子計算實用化的轉折點。未來幾年內，真正達到其中任何一個都將是十分艱巨的任務，量子計算將進入技術攻堅期。

趨勢八、新材料推動半導體器件革新

在摩爾定律放緩以及算力和存儲需求爆發的雙重壓力下，以硅為主體的經典晶體管，很難維持半導體產業的持續發展，各大半導體廠商對于 3 納米以下的芯片走向都沒有明確的答案。新材料將通過全新物理機制實現全新的邏輯、存儲及互聯概念和器件，推動半導體產業的革新。

趨勢九、保護數據隱私的 AI 技術將加速落地

數據流通所產生的合規成本越來越高。使用 AI 技術保護數據隱私正在成為新的技術熱點，其能夠在保證各方數據安全和隱私的同時，聯合使用方實現特定計算，解決數據孤島以及數據共享可信程度低的問題，實現數據的價值。

趨勢十、云成為 IT 技術創新的中心

隨著云技術的深入發展，云已經遠遠超過 IT 基礎設施的范疇，漸漸演變成所有 IT 技術創新的中心。云已經貫穿新型芯片、新型數據庫、自驅動自適應的網絡、大數據、AI、物聯網、區塊鏈、量子計算整個 IT 技術鏈路，同時又衍生了無服務器計算、云原生軟件架構、軟硬一體化設計、智能自動化運維等全新的技術模式，云正在重新定義 IT 的一切。

廣義的云，正在源源不斷地將新的IT技術變成觸手可及的服務，成為整個數字經濟的基礎設施。

Gartner：2020年十大策略科技趨勢預測

趨勢一、超級自動化

超級自動化(hyperautomation)是結合多種機器學習、軟件包和自動化工具來完成工作的過程。超級自動化不僅涵蓋了豐富的工具組合，也包含自動化本身的所有步驟(發現、分析、設計、自動化、測量、監控與重新評估)，其重點在于了解自動化機制的范疇、這些機制彼此之間的關系，以及如何進行機制的整合與協調。

超級自動化趨勢起源于機器人流程自動化(RPA)，但在機器人流程自動化外，還需要結合各種工具來協助復制任務流程中人類參與的部分。

趨勢二、多重體驗

到了 2028 年，使用者體驗將在用戶對數字世界的感知和互動方式兩個方面發生重大轉變。虛擬現實(VR)、擴增實境(AR)和混合實境(MR)改變人們感知數字世界的方式，而對話式平臺正在改變人類和數字世界互動的方式。這種感知與互動模式的轉變，將在未來帶來多重感官與多重模式的體驗。

Gartner 研究副總裁 Brian Burke 指出：“未來體驗模式將從‘精通技術的人’轉變為‘理解人類的技術’，人機互動將由人類轉由計算機來處理。這種與使用者進行多重感官互動與溝通的能力，將創造出一個能傳遞更細致訊息的環境。”

趨勢三、專業知識的全民化

專業知識的全民化是指透過徹底簡化的體驗，且在無須接受密集又昂貴培訓課程的前提下，協助人類取得專業技術知識(機器學習、應用程序開發)或商業領域專業知識(銷售流程、經濟分析)的管道。專業知識全民化的例子包括「公民參與」(citizen access，如公民數據科學家、公民解決方案整合者)、公民發展和無程序代碼模式的演進。

Gartner 預測到了 2023 年，專業知識全民化的趨勢將在四大面向加速發展：

資料與分析技術的全民化：從以數據科學家為對象，擴大到適用于專業開發人員的普及工具;

• 開發的全民化：利用人工智能工具自主開發應用程序;
• 設計的全民化：隨著更多的應用程序開發功能實現自動化，低程序代碼、無程序代碼的場景將持續增加，賦予公民開發人員更多能力;
• 知識的全民化：非 IT 專業人員透過工具和專家系統，應用超出自身專業能力及訓練的專業技能。

趨勢四、增進人類賦能

增進人類賦能(human augmentation)是利用科技來增進人類在體能和感知力上的機能，并成為人類不可或缺的一部分體驗，其中體能增進是藉由在人體內植入或配戴科技組件(穿戴式裝置)來增進人類的機能;而認知增進則是透過傳統計算機系統及新興智能空間中多重體驗接口的信息和應用來實現。

在未來 10 年，隨著個人開始追求自身機能的增進，人類體能與認知的增進技術將會變得越來越普遍。這將創造一股全新的“消費化(consumerization)”效應，員工將持續增進自身的機能，并進一步拓展到辦公空間的優化。

趨勢五、透明化與可追溯性

越來越多的消費者意識到個人資料是非常寶貴且必須受管控的，而企業也體認到保護和管理個人資料的風險日益增加，因此各國政府同步實施嚴格立法來確保企業組織確實做到這一點。透明化與可追溯性已成為支持這類數字倫理及隱私權需求的關鍵要素。

透明化與可追溯性指用于符合監管要求、遵守人工智能和其他先進科技應用的道德規范，并修復外界對企業信任的各種態度、行動及輔助的技術與措施。企業建立透明化和信任感時必須專注下列三個領域：人工智能與機器學習、個人資料的隱私，所有權和控制、符合倫理的設計。

趨勢六、更強大的邊緣運算

邊緣運算是一種運算拓撲，能將信息的處理、內容的收集與傳送都保留在靠近該信息來源處，嘗試讓流量和處理工作都在本機進行，目的在縮短延遲時間、發揮邊緣功能并賦予邊緣端更大的自主性。

Burke 表示：“目前邊緣運算多半著重于物聯網系統的需求，為制造或零售等特定產業提供脫機或分布式功能給嵌入式物聯網系統。然而運算資源日趨成熟并走向專業化，加上數據儲存量的增長，使邊緣端的功能日漸強大，邊緣運算也將成為幾乎所有產業和應用的主導要素。特別是機器人、無人機、自駕車和執行系統等各種復雜的邊緣裝置，都將加速此轉變。”

趨勢七、分布式云端

分布式云端是將目前集中式公有云服務分散到不同地點，并由原來的公有云供貨商繼續負責云服務的營運、治理、更新與升級。這代表大部分公有云服務所采用的集中式模式將進行轉變，為云端運算開創全新時代。

趨勢八、自動化對象

自動化對象是利用人工智能讓過去由人類負責的某些流程得以自動化的物理裝置，最典型的自動化對象包括機器人、無人機和自駕車/船與相關設備。它們的自動化程度超越了僵化的程序設計模塊，并能利用人工智能執行各種先進行為，以更自然的方式和四周的環境與人類互動。隨著技能提升、法令開放和社會接受度增加，自動化對象將逐漸被用于不受限制的公共空間。

Burke 表示：“隨著自動化對象數量大增，獨立的智能對象將逐漸轉向成群的協作型智能對象。這些同時運作的多種裝置，有些需有人力從旁協助，有些已可獨立運作、無需人類參與;而不同種類的機器人可以在同一個裝配流程中同時運行。舉例來說，在貨運市場最有效的解決方案，可能是使用自駕車將包裹送到目的地，藉由車上的機器人和無人機，確保包裹最后可以安全送達。”

趨勢九、實用性區塊鏈

區塊鏈可在各個商業生態系統間建立信任，透明化地進行跨業務生態系統的價值交換，并有機會降低成本、縮短交易結算時間和改善現金流，因此在重新塑造產業樣貌極具潛力。

當資產可追溯來源時，將大幅降低被偽造品替換的機率;在其他領域也極具價值，包括追蹤食物在整條供應鏈中的足跡以辨識污染來源，或追蹤個別環節來協助產品召回。除此之外，區塊鏈還可用于身份管理;而區塊鏈中的智能合約能讓系統在事件發生時自動觸發行動，例如在每次收到商品時能自動執行付款。

Burke 指出：“擴充性和互通程度不足等各種技術問題，讓區塊鏈在企業中的應用還不夠成熟。盡管存在這些挑戰，區塊鏈擁有顛覆產業和推動營收增長的巨大潛力，因此就算是認為區塊鏈在短期內不會快速普及的企業，都應開始評估這項技術。”

趨勢十、人工智能安全性

人工智能和機器學習將持續用來提升各種應用場景中人類決策的能力，雖然這為實現超級自動化和使用自動化對象進行業務轉型帶來了龐大的商機，但同時也因為智慧空間中的物聯網、云端運算、微服務，以及高度連網系統受攻擊機率大增，為安全團隊帶來諸多新挑戰。

安全和風險主管應將重點放在以下三大關鍵領域：保護人工智能系統、利用人工智能強化安全防護，以及做好攻擊者惡意使用人工智能的準備。

徐九碎碎念：

科技發展是不定向的，我們很難預測未來科技的發展趨勢。

舉個例子，蒸汽機的發明引發了第一次工業革命，那時候人們預測的未來科技，就是把蒸汽的作用無限放大，蒸汽賦能萬物變革。

但后來，蒸汽技術似乎沒像預測的那樣發展，而是迎來了以電力的大規模應用為代表的第二次工業革命。

生活在 21 世紀的我們，得益于互聯網和大規模集成電路的發明產生，感受到的是 IT 行業迅猛發展。所以，我們猜測未來的發展趨勢是這樣的：無人駕駛、AR&VR、智能家居、工業物聯網、機器人……

但你有沒有發現，我們現在關于未來科技發展趨勢的預測，絕大部分都是基于上世紀互聯網和大規模集成電路的發明。從這個角度看，我們是不是跟上個世紀人們看待蒸汽機時代是一模一樣?

但誰又能知道 IT 互聯網帶來的變革余波能持續多久?也許，跟以往一樣，突然出現一場生物革命、化學革命，成為第三次工業革命?

希望接下來新的十年，能來點新的想不到的花樣。你對未來的預測是什么?