架構(gòu)、云計(jì)算

一、化繁為簡，走在“極簡”路上的微服務(wù)

2020 年，微服務(wù)領(lǐng)域出現(xiàn)了一個(gè)新詞匯：“宏服務(wù)”。宏服務(wù)其實(shí)并不是一個(gè)全新的架構(gòu)，而是一種在單體和微服務(wù)間取得平衡的理念。
目前，微服務(wù)的發(fā)展增加了系統(tǒng)的復(fù)雜性，微服務(wù)日趨細(xì)化、復(fù)用率達(dá)到頂峰，服務(wù)之間的關(guān)系變得愈加復(fù)雜，維護(hù)成本增加。在這種情況下，技術(shù)人員提出了“宏服務(wù)”，它是在微服務(wù)的劃分粒度上找到一個(gè)平衡位置，使得系統(tǒng)更易于維護(hù)，實(shí)現(xiàn)多人協(xié)同維護(hù)，代碼庫重構(gòu)更簡單。
除了宏服務(wù)，在解決復(fù)雜性方面，Service Mesh 也做出了很多改變。以 Istio 為例，2020 年，Istio 信守承諾每個(gè)季度都發(fā)布一個(gè)版本（1.5, 1.6, 1.7, 1.8），開年版本 1.5 推翻了之前的設(shè)計(jì)，提出了“回歸單體”的架構(gòu)思路，1.6 版本的 Release note 更是在開篇就表明了要將極簡主義進(jìn)行到底。在 1.7 版本推出后，前 Red Hat 首席架構(gòu)師、Istio in action 作者、solo.io Field CTO Christian Posta 認(rèn)為 Istio 1.7 將成為生產(chǎn)可用的最穩(wěn)定版本。年末發(fā)布的 1.8 版本中，Istio 正式啟用了 Mixer 組件。
從 Istio 的版本更新中，我們不難看出社區(qū)一直為解決復(fù)雜性付出努力。但是一夜無法起高樓，Istio 1.5 版本開啟的架構(gòu)躍進(jìn)使得至少在 1.5、1.6 兩個(gè)版本難于生產(chǎn)落地，1.7 版本依然存在嚴(yán)格的平臺(tái)版本要求（Kubernetes 的起步版本提升到 1.16 版本以上）、依賴 API 即將被迫遷移等問題，年末發(fā)布的 1.8 版本是否能真正成為企業(yè)生產(chǎn)可用的最穩(wěn)定版本依舊有待生產(chǎn)檢驗(yàn)。
2021 年，化繁為簡仍然會(huì)是微服務(wù)的重點(diǎn)課題。 

二、云原生不再以資源為導(dǎo)向，而是以應(yīng)用為導(dǎo)向
2010 年，Paul Fremantle 在博客中首次提出了“云原生”的概念。經(jīng)過十年發(fā)展，DevOps、容器、微服務(wù)等技術(shù)飛速發(fā)展，云原生已經(jīng)被成功應(yīng)用到企業(yè)核心業(yè)務(wù)中，并成為了企業(yè)業(yè)務(wù)創(chuàng)新的重要推動(dòng)力。

如果從市場角度來看，云原生技術(shù)支持的業(yè)務(wù)場景很豐富，例如金融、制造、互聯(lián)網(wǎng)等等。對(duì)于這些企業(yè)來說，在應(yīng)用云原生技術(shù)時(shí)遇到的最大困難不是搭建云平臺(tái)，而是遷移上云。傳統(tǒng)應(yīng)用不是為云計(jì)算而開發(fā)的，遷移工作量就會(huì)非常大，例如遷移工具的使用調(diào)試、遷移后的運(yùn)維和維護(hù)等等。另外，如果只是使用虛擬化和重新部署的方式遷移上云，那么也無法發(fā)揮云計(jì)算的彈性、高并發(fā)等優(yōu)勢(shì)。

因此，現(xiàn)在云原生不再是以資源為導(dǎo)向，而是以應(yīng)用為導(dǎo)向，虛擬機(jī)和服務(wù)器不再是云原生的意義所在，業(yè)務(wù)才是，很多技術(shù)專家也將此稱為“云原生的 2.0 時(shí)代”。以“應(yīng)用”為中心，規(guī)范企業(yè)應(yīng)用的生命周期管理，為企業(yè)業(yè)務(wù)構(gòu)建統(tǒng)一的云原生應(yīng)用部署、運(yùn)行、運(yùn)維、治理標(biāo)準(zhǔn)化流程...... 這些才是云原生未來發(fā)展的重點(diǎn)和挑戰(zhàn)。

企業(yè)也會(huì)越來越多地認(rèn)識(shí)到：“云原生真正幫助的是業(yè)務(wù)部門。”企業(yè)的技術(shù)架構(gòu)會(huì)逐漸轉(zhuǎn)變成為業(yè)務(wù)導(dǎo)向的微服務(wù)結(jié)構(gòu)，減少開發(fā)和運(yùn)維的關(guān)注，真正集中于業(yè)務(wù)。 

三、邊緣計(jì)算將迎來規(guī)模化商業(yè)落地
2020 年 7 月，中國電信研究院 IP 與未來網(wǎng)絡(luò)研究中心主任雷波表示：“目前隨著業(yè)務(wù)和市場的成熟，邊緣計(jì)算的商用化部署已經(jīng)成為產(chǎn)業(yè)界各方關(guān)注的焦點(diǎn)，預(yù)測將在近期（2021-2023 年）開始大規(guī)模進(jìn)行。” 

從技術(shù)架構(gòu)來看，邊緣計(jì)算產(chǎn)業(yè)聯(lián)盟（ECC）和工業(yè)互聯(lián)網(wǎng)產(chǎn)業(yè)聯(lián)盟（AII）聯(lián)合發(fā)布了邊緣計(jì)算參考架構(gòu) 3.0。整個(gè)系統(tǒng)分為云、邊緣和現(xiàn)場三層，邊緣計(jì)算位于云和現(xiàn)場層之間，邊緣層向下支持各種現(xiàn)場設(shè)備的接入，向上可以與云端對(duì)接。其中邊緣層主要由邊緣節(jié)點(diǎn)和邊緣管理器組成，邊緣節(jié)點(diǎn)是硬件實(shí)體，是承載邊緣計(jì)算業(yè)務(wù)的核心，一般具有計(jì)算、網(wǎng)絡(luò)和存儲(chǔ)資源，而邊緣管理器的核心是軟件，主要功能是對(duì)邊緣節(jié)點(diǎn)進(jìn)行統(tǒng)一管理。

從產(chǎn)業(yè)結(jié)構(gòu)來看，目前邊緣計(jì)算還處于早期階段，下游主要是由芯片、硬件、軟件和連接構(gòu)成，下游廠商將逐漸推動(dòng)硬件設(shè)施和軟件設(shè)施轉(zhuǎn)向智能開放；中游主要是支持平臺(tái)，涉及到的廠商包括云服務(wù)提供商、電信運(yùn)營商，通常他們會(huì)選擇特定領(lǐng)域作為邊緣計(jì)算應(yīng)用的突破口；上游是應(yīng)用，將邊緣計(jì)算賦能到智能終端和應(yīng)用。從上游到中游再到下游，整個(gè)產(chǎn)業(yè)鏈條中的企業(yè)都在探索邊緣計(jì)算的商業(yè)模式和客戶價(jià)值。 

從落地場景來看，目前邊緣計(jì)算的落地主要集中在能源互聯(lián)網(wǎng)、工業(yè)互聯(lián)網(wǎng)、AR/VR/ 高清視頻、云游戲、無人駕駛、智慧門店、醫(yī)療保健等。 

前端
四、低代碼會(huì)帶來前端領(lǐng)域的新變革

2014 年，研究機(jī)構(gòu) Forrester Research 正式提出了“低代碼 / 零代碼”的概念。顧名思義，低代碼就是開發(fā)者寫很少的代碼就可以快速開發(fā)應(yīng)用，擴(kuò)展更多功能。相比于傳統(tǒng)的軟件開發(fā)工具和技術(shù)，低代碼的技術(shù)門檻更低，開發(fā)效率更高；相比于其他快速開發(fā)工具，低代碼的擴(kuò)展性更好。 

通過利用低代碼平臺(tái)，非 IT 技術(shù)人員也可以構(gòu)建軟件；允許使用通用平臺(tái)來開發(fā)多個(gè)應(yīng)用程序，一定程度上解決了 IT 部門任務(wù)積壓的問題；支持多平臺(tái)部署，開發(fā)一次應(yīng)用程序，就可以在不同環(huán)境中編譯運(yùn)行；易于維護(hù)，使軟件的更新、調(diào)試、修復(fù)和更改都變得更簡單。 

目前很多企業(yè)都應(yīng)用了低代碼平臺(tái)來提升開發(fā)效率，尤其是在前端領(lǐng)域。蘇寧消費(fèi)者平臺(tái)研發(fā)中心前端技術(shù)總監(jiān)禹立彬在 InfoQ 之前的采訪中曾表示：“作為一家電商公司的前端團(tuán)隊(duì)，我們之前在遇到類似的業(yè)務(wù)需求時(shí)，通常做法是組件化 + 手動(dòng)修改，今年我們嘗試了低代碼平臺(tái)，明顯減少了前端程序員的工作量。目前蘇寧低代碼 / 無代碼平臺(tái)運(yùn)行情況良好，成本節(jié)約明顯，以搭建促銷會(huì)場為例，已經(jīng)從從 4-5 人的團(tuán)隊(duì)降低到了 2 個(gè)人。” 

Gartner 預(yù)計(jì)，2021 年市場對(duì)于應(yīng)用開發(fā)的需求將五倍于 IT 公司的產(chǎn)能。為填補(bǔ)這一產(chǎn)量缺口，低代碼 / 零代碼技術(shù)是目前唯一可行的解決方案，必然會(huì)有越來越多企業(yè)引入這一技術(shù)。當(dāng)前，我們看到了很多互聯(lián)網(wǎng)大廠都已經(jīng)在前端領(lǐng)域應(yīng)用了低代碼平臺(tái)，明年我們期待低代碼平臺(tái)在更多企業(yè)、更多領(lǐng)域發(fā)揮作用。 

大數(shù)據(jù)、人工智能
五、大數(shù)據(jù)加速與云融合，湖倉一體從理論到落地

隨著 IT 基礎(chǔ)設(shè)施加速往云上遷移，云原生正在成為新一代數(shù)據(jù)架構(gòu)的主流標(biāo)準(zhǔn)。除了公有云廠商的標(biāo)配服務(wù)外，跨云平臺(tái)的第三方數(shù)據(jù)服務(wù)提供商（如 Snowflake 和 Databricks 等）也受到用戶和資本市場的追捧。Snowflake 作為云原生的數(shù)據(jù)倉庫提供商，在 2020 年 9 月上市后市值一度攀升至超一千億美金，相比之下，傳統(tǒng)數(shù)據(jù)倉庫的頭部提供商（如 Teradata）市值還不到 20 億美金。 

越來越多企業(yè)客戶從 On-Premise 的數(shù)倉方案轉(zhuǎn)向基于云（包含公有云和私有云）的解決方案，這種趨勢(shì)在美國 2B 市場已經(jīng)被廣泛接受，在國內(nèi) 2B 市場也方興未艾。我們認(rèn)為，新的一年大數(shù)據(jù)與云的融合還會(huì)繼續(xù)加深，大數(shù)據(jù)領(lǐng)域?qū)⒓铀贀肀?ldquo;融合”（或“一體化”）演進(jìn)的新方向。 

實(shí)際上，不管是今年最受關(guān)注的熱議話題“湖倉一體”，還是已經(jīng)得到業(yè)界廣泛認(rèn)可的“流批一體”，都是“融合”演進(jìn)思路的階段性產(chǎn)物。其本質(zhì)是為了降低大數(shù)據(jù)分析的技術(shù)復(fù)雜度和成本，同時(shí)滿足對(duì)性能和易用性的更高要求。 

過去幾年，數(shù)據(jù)倉庫和數(shù)據(jù)湖方案在快速演進(jìn)和彌補(bǔ)自身缺陷的同時(shí)，二者之間的邊界也逐漸淡化。云原生的新一代數(shù)據(jù)架構(gòu)不再遵循數(shù)據(jù)湖或數(shù)據(jù)倉庫的單一經(jīng)典架構(gòu)，而是在一定程度上結(jié)合二者的優(yōu)勢(shì)重新構(gòu)建。各大云廠商陸續(xù)提出自己的“湖倉一體”（Lakehouse）技術(shù)方案，如 AWS 的 Redshift Spectrum、微軟 Azure Synapse Analytics 服務(wù)與 Azure Databricks 集成、阿里云 MaxCompute+DataWorks、華為云 FusionInsight 等。 

還有一些公司正在通過開源表格式（如 Delta Lake、Apache Iceberg、Apache Hudi）構(gòu)建自己的數(shù)據(jù)湖倉。在云廠商和開源技術(shù)方案的共同推動(dòng)之下，2021 年我們將會(huì)看到更多“湖倉一體”的實(shí)際落地案例。 

六、工業(yè)智能將邁過發(fā)展的初級(jí)階段

隨著深度學(xué)習(xí)、知識(shí)圖譜等技術(shù)的發(fā)展，算法對(duì)于復(fù)雜問題的可解度有了顯著提升，人工智能技術(shù)逐漸發(fā)展到可以解決實(shí)際問題并超越人類的程度。在這個(gè)基礎(chǔ)上，工業(yè)智能逐漸發(fā)展起來，比較典型的代表有基于數(shù)據(jù)驅(qū)動(dòng)的優(yōu)化與決策、深度視覺質(zhì)量檢測；工業(yè)知識(shí)圖譜解決全局性、行業(yè)性問題 ; 人機(jī)協(xié)作等智能工業(yè)機(jī)器人得到發(fā)展并廣泛應(yīng)用。 

過去幾年，工業(yè)智能經(jīng)歷了基于規(guī)則、基于統(tǒng)計(jì)和基于復(fù)雜計(jì)算的三大階段。一方面，三大階段并不是相互替代的關(guān)系，專家系統(tǒng)、傳統(tǒng)機(jī)器學(xué)習(xí)、知識(shí)圖譜、前沿機(jī)器學(xué)習(xí)四類技術(shù)共存，并不斷交織融合；另一方面，技術(shù)演進(jìn)脈絡(luò)日益清晰，逐步形成了以知識(shí)圖譜為代表的知識(shí)工程和以深度學(xué)習(xí)為代表的數(shù)據(jù)科學(xué)兩大方向。然而，當(dāng)前工業(yè)智能的應(yīng)用以點(diǎn)狀場景居多，普及范圍有限，而且還存在許多問題尚未解決，仍處在發(fā)展的初級(jí)階段。 

2021 年，隨著通用技術(shù)的突破，工業(yè)智能將邁入新的發(fā)展階段。具體來說，基于 FPGA 的半定制化芯片有望成為工業(yè)智能的底座；高兼容性編譯器滿足工業(yè)適應(yīng)性需求；實(shí)時(shí)性需求推動(dòng)端側(cè)推理框架的進(jìn)一步優(yōu)化；通用技術(shù)領(lǐng)域突破與定制化算法研究是關(guān)鍵。 

七、可解釋性 AI 離大規(guī)模應(yīng)用落地更近一步

由于機(jī)器學(xué)習(xí)模型存在“黑盒”屬性，所以模型內(nèi)部的工作原理和模型決策過程難以被理解。但是，AI 的運(yùn)算結(jié)果要解釋給人類用戶；同時(shí)，AI 運(yùn)行的問題要人類工程師能夠定位和解決；另外，AI 流程需要人類監(jiān)管。 

過去幾年，我們見證了不透明決策系統(tǒng)的興起，比如深度神經(jīng)網(wǎng)絡(luò)（DNNs）。深度學(xué)習(xí)模型（如 RNN、BERT）的成功源于高效的學(xué)習(xí)算法及其巨大的參數(shù)空間的結(jié)合，一個(gè)參數(shù)空間可能由數(shù)百層和數(shù)百萬個(gè)參數(shù)組成，這使得 DNNs 被認(rèn)為是復(fù)雜的黑盒模型。 

隨著算力越來越強(qiáng)，算法模型變得越來越復(fù)雜、體積也越來越大，雖然它的能力確實(shí)很強(qiáng)，能夠幫我們做越來越多的事情，甚至在很多特定任務(wù)上表現(xiàn)超過人類，但是我們?cè)絹碓綗o法理解這些模型，這是一個(gè)很棘手的問題。所謂的可解釋性，就是希望尋求對(duì)模型工作機(jī)理的直接理解，打破人工智能的黑盒子。 

可解釋性機(jī)器學(xué)習(xí)的思想在于選擇模型時(shí)，同時(shí)考慮其精度與可解釋性，其不僅給出模型預(yù)測結(jié)果，還能給出得到該結(jié)果的理由。當(dāng)下常用的方法是對(duì)于模型自身的可解釋性和基于結(jié)果的可解釋性。 

對(duì)于模型自身的可解釋性，其本身與模型相綁定，我們需要根據(jù)模型和應(yīng)用場景一對(duì)一地進(jìn)行迭代，才能夠讓它產(chǎn)生可解釋性，通用性非常受限，修改難度較大。基于結(jié)果的可解釋性，雖然可以看成黑盒，但目前算法本身還存在一些問題。比如 LIME 算法，其對(duì)采樣有一定依賴，導(dǎo)致結(jié)果不穩(wěn)定。但是，通過工業(yè)界和學(xué)術(shù)界一步一步地探索，相信 2021 年這些算法會(huì)變得越來越好，離大規(guī)模應(yīng)用也會(huì)越來越近。 

八、認(rèn)知智能的突破值得期待

如今，隨著相關(guān)理論和技術(shù)的不斷革新，AI 在數(shù)據(jù)、算力和算法“三要素”的支撐下越來越多地走進(jìn)我們的日常生活。但是，這一系列驚喜的背后卻是大多數(shù) AI 在語言理解、視覺場景理解、決策分析等方面的舉步維艱：這些技術(shù)依然集中在感知層面，即用 AI 模擬人類的聽覺、視覺等感知能力，卻無法解決推理、規(guī)劃、聯(lián)想、創(chuàng)作等復(fù)雜的認(rèn)知智能化任務(wù)。 

當(dāng)前的 AI 缺少信息進(jìn)入“大腦”后的加工、理解和思考，做的只是相對(duì)簡單的比對(duì)和識(shí)別，僅僅停留在“感知”階段，而非“認(rèn)知”，以感知智能技術(shù)為主的 AI 還與人類智能相差甚遠(yuǎn)。究其原因在于，AI 正面臨著制約其向前發(fā)展的瓶頸問題：大規(guī)模常識(shí)知識(shí)庫與基于認(rèn)知的邏輯推理。而基于知識(shí)圖譜、認(rèn)知推理、邏輯表達(dá)的認(rèn)知圖譜，則被越來越多的國內(nèi)外學(xué)者和產(chǎn)業(yè)領(lǐng)袖認(rèn)為是“目前可以突破這一技術(shù)瓶頸的可行解決方案之一”。 

如何實(shí)現(xiàn)智能？當(dāng)下有兩種途徑：第一種是所謂的暴力美學(xué)，數(shù)據(jù)不夠就增加數(shù)據(jù)，就像 GPT-3，相信未來還會(huì)有 GPT-4、GPT-5...... 這種思路也許能成功。但是也可以換一種視角，看看生物智能是如何實(shí)現(xiàn)的。生物智能的實(shí)現(xiàn)有很多路徑，并不是單純依賴神經(jīng)元的數(shù)量或者暴力美學(xué)來解決問題。 

如果我們把通用人工智能定義為三個(gè)條件：一是多任務(wù)，能做很多事情，不僅僅是單一的事情；二是具有魯棒性；三是能夠適應(yīng)多種環(huán)境的存在。那么，未來，我們需要將神經(jīng)科學(xué)、認(rèn)知科學(xué)和計(jì)算科學(xué)進(jìn)行交叉融合，加強(qiáng)人工智能和腦科學(xué)的雙向互動(dòng)，揭示生物智能系統(tǒng)的精細(xì)結(jié)構(gòu)和工作機(jī)理，構(gòu)建功能類腦、性能超腦的智能系統(tǒng)，以視覺等功能和典型模式動(dòng)物作為參照物測試智能水平，為人工智能未來發(fā)展探索可行道路。 

5G、區(qū)塊鏈
九、5G 網(wǎng)絡(luò)建設(shè)初成，推動(dòng)智慧醫(yī)療、工業(yè)制造等產(chǎn)業(yè)發(fā)展

5G 的發(fā)展速度之快，遠(yuǎn)超以往幾代通信技術(shù)。2020 年，全球運(yùn)營商加速基站建設(shè)，而作為全球布網(wǎng)規(guī)模最大的 5G 市場，中國當(dāng)前 5G 基站數(shù)量已超 70 萬個(gè)。從與消費(fèi)者最接近的 5G 終端方面來看，目前主流智能手機(jī)品牌均已進(jìn)入消費(fèi)市場，即使今年 5G iPhone 姍姍來遲，但銷量不俗，亦有望助力 5G 市場的快速發(fā)展。 

但 5G 仍缺乏“殺手級(jí)應(yīng)用”。低延時(shí)、高帶寬是 5G 的特點(diǎn)和優(yōu)勢(shì)，進(jìn)入 2021 年，我們認(rèn)為 5G 與“視頻”、“云游戲”、“物聯(lián)網(wǎng)”、“邊緣計(jì)算”的結(jié)合是值得關(guān)注的重點(diǎn)。

疫情影響下，直播、短視頻和音視頻通話等視頻場景已漸漸成為常態(tài)，如何讓聲音和畫面更一致、降低卡頓、讓延時(shí)更低？答案離不開 5G 這個(gè)關(guān)鍵技術(shù)。此外，超高清技術(shù)演進(jìn)的基礎(chǔ)條件之一是帶寬，只有帶寬越來越大，它才有實(shí)現(xiàn)的可能。 

云游戲本質(zhì)上是交互的在線視頻流，被認(rèn)為最接近落地的 5G 應(yīng)用之一，今年 4 月，百度也宣布推出云手機(jī)產(chǎn)品，云游戲是當(dāng)中的重磅應(yīng)用場景。隨著 5G 的商用，云計(jì)算與 5G 技術(shù)融合，有望讓云游戲的延時(shí)變得更低，在游戲質(zhì)量、操作流暢性等方面獲得大幅提升。加上越來越多的企業(yè)入局，包括各大科技和互聯(lián)網(wǎng)巨頭，其產(chǎn)業(yè)生態(tài)也將快速得到完善。 

想要實(shí)現(xiàn)海量連接的物聯(lián)網(wǎng)世界，更是離不開 5G。但 Forrester 預(yù)計(jì)，2021 年“網(wǎng)絡(luò)連接混亂”將是主流現(xiàn)象。物聯(lián)網(wǎng)網(wǎng)絡(luò)連接選項(xiàng)眾多（比如衛(wèi)星，蜂窩，Wi-Fi，藍(lán)牙，Zigbee，Z-Wave 等等），5G 并不是唯一選擇，企業(yè)和組織需要克服這樣的“市場混亂”并整理，因此 5G 和 Wi-Fi 技術(shù)的實(shí)施相比 2020 年反而有所下降。 

在當(dāng)下的 AI 時(shí)代，計(jì)算產(chǎn)業(yè)也離不開智能。有了 5G 技術(shù)加持，當(dāng)前大熱的邊緣計(jì)算將可以顯著改善帶寬和延時(shí)，實(shí)現(xiàn)更加智能的計(jì)算。畢馬威和 IDC 預(yù)估，得益于 5G 和邊緣計(jì)算，除了互聯(lián)醫(yī)療領(lǐng)域，工業(yè)制造、智能運(yùn)輸、環(huán)境監(jiān)測、（云）游戲等行業(yè)領(lǐng)域也有望在未來兩三年內(nèi)獲得顯著增長。 

十、區(qū)塊鏈技術(shù)在“新基建”的推動(dòng)下加速落地

區(qū)塊鏈?zhǔn)墙陙肀容^重要的一項(xiàng)技術(shù)，目前該技術(shù)處于 Gartner 炒作周期曲線的“泡沫破裂低谷期（Trough of Disillusionment）”。加密貨幣是區(qū)塊鏈技術(shù)的主要應(yīng)用之一。近年來，針對(duì)加密貨幣騙局，政府加大了打擊力度。公安機(jī)關(guān)于今年立案偵辦了總價(jià)值超過 148 億人民幣的“Plus Token 平臺(tái)”網(wǎng)絡(luò)傳銷案。 

另一方面，F(xiàn)acebook 計(jì)劃發(fā)布的 Diem（曾用名：Libra）數(shù)字貨幣在 2020 年仍然受到巨大的監(jiān)管壓力，但中國央行的數(shù)字人民幣卻在政府推動(dòng)下在各地進(jìn)行了試點(diǎn)。深圳市在 10 月份首次進(jìn)行了數(shù)字貨幣的試點(diǎn)。隨后蘇州政府部門在 12 月份通過抽簽形式向當(dāng)?shù)鼐用癜l(fā)放了人民幣 2,000 萬元的數(shù)字紅包。 

10 萬名中簽者每人均獲 200 元的新數(shù)字人民幣，可用于網(wǎng)購或線下消費(fèi)。政府還與美團(tuán)和滴滴出行分別測試了使用數(shù)字人民幣進(jìn)行送餐和網(wǎng)約車等服務(wù)。法定數(shù)字貨幣 DC/EP 在確權(quán)環(huán)節(jié)使用了區(qū)塊鏈技術(shù)，所以從長期來看，數(shù)據(jù)納入生產(chǎn)要素要求，推進(jìn)數(shù)據(jù)確權(quán)、定價(jià)、交易，這意味著數(shù)據(jù)上鏈會(huì)逐漸成為趨勢(shì)。 

另外，隱私安全問題一直是區(qū)塊鏈應(yīng)用落地的挑戰(zhàn)之一，各廠商也嘗試了將各種數(shù)據(jù)加密傳輸協(xié)議、數(shù)據(jù)加密存儲(chǔ)協(xié)議、遠(yuǎn)程認(rèn)證等技術(shù)整合成整體的解決方案，提供各場景所需的隱私保護(hù)策略，并且能降低開發(fā)門檻。隱私保護(hù)技術(shù)明年將得到多場景下的突破和驗(yàn)證，能進(jìn)一步推動(dòng)區(qū)塊鏈的大規(guī)模化應(yīng)用。 

2020 年區(qū)塊鏈已經(jīng)逐步滲透到中國各個(gè)垂直行業(yè)，初步形成示范效應(yīng)，集中體現(xiàn)在政務(wù)、民生、金融、供應(yīng)鏈等領(lǐng)域，“to G”（包括國企和事業(yè)單位）在國內(nèi)成了區(qū)塊鏈行業(yè)盈利的主流模式。同時(shí)，國家發(fā)改委明確地將“區(qū)塊鏈”納入新型基礎(chǔ)設(shè)施中的信息基礎(chǔ)設(shè)施。在 COVID-19 的影響下，全球企業(yè)都需要加速數(shù)字化轉(zhuǎn)型，所以未來區(qū)塊鏈將與人工智能、5G 等新基建相關(guān)技術(shù)一起服務(wù)于企業(yè)的數(shù)字化轉(zhuǎn)型。在 2021 年，我們也將看到更多的“區(qū)塊鏈 +”落地案例。