重磅 | 阿里巴巴达摩院发布2020十大科技趋势

2020年伊始，站在本世纪第三个十年的开端，一大波关于未来的预测纷至沓来。

作为阿里巴巴的最强大脑，阿里达摩院发布了“2020十大科技趋势”。达摩院预测，2020年人工智能、存算一体、RISC-V、云计算、量子计算等多个技术领域将出现颠覆性突破。

达摩院预测，计算存储一体化将成为下一代 AI 系统的入口。存内计算提供的大规模更高效的算力，使得算法设计有更充分的想象力，不再受到算力的约束。从而将硬件上的先进性，升级为系统、算法的领先优势，最终加速孵化新业务。

计算存储一体化是一个 game-changer，开辟了一条新赛道。它的出现将通过迫使产业升级，重构现在处理器和存储器的相对垄断的产业格局。在此过程中，可以帮助更多芯片行业中小企业发展，更为国产芯片创造弯道超车创造了机会。

在芯片设计上，一种“芯粒”（Chiplet）的模块化设计方法正在成为新的行业趋势。以前设计一个 SoC，需要从不同的 IP 供应商购买 IP，再结合自家研发的模块集合成一个 SoC。未来计算机的系统结构，可能不是由单独封装的芯片制造的，而是在一块较大的硅片上互连成芯片网络的 Chiplets 制造的。模块化的芯片技术最终可以实现像搭积木一样”组装“芯片。

趋势一：人工智能从感知智能向认知智能演进
 

人工智能1.0在许多领域已经达到或超出了人类水准，解决了“听、说、看”的问题。但对于需要外部知识、逻辑推理或者领域迁移等需要“思考和反馈”的问题，仍然存在诸多难题去攻破。

人工智能 2.0 将更多基于数据，自动将非结构化的数据转变为结构化的知识，做到真正意义上的认知智能。探索如何保持大数据智能优势的同时，赋予机器常识和因果逻辑推理能力，实现认知智能，成为当下人工智能研究的核心。

大规模图神经网络被认为是认知智能计算强有力的推理方法。图神经网络将深度神经网络从处理传统非结构化数据（如图像、语音和文本序列）推广到更高层次的结构化数据（如图结构）。大规模的图数据可以表达丰富和蕴含逻辑关系的人类常识和专家规则，图节点定义了可理解的符号化知识，不规则图拓扑结构表达了图节点之间的依赖、从属、逻辑规则等推理关系。

以保险和金融风险评估为例，一个完备的 AI 系统不仅需要基于个人的履历、行为习惯、健康程度等进行分析处理，还需要通过其亲友、同事、同学之间的来往数据和相互评价进一步进行信用评估和推断。基于图结构的学习系统能够利用用户之间、用户与产品之间的交互，做出非常准确的因果和关联推理。

未来人工智能热潮能否进一步打开天花板，形成更大的产业规模，认知智能的突破是关键。认知智能可以帮助机器跨越模态理解数据，学习到最接近人脑认知的“一般表达”，获得类似于人脑的多模感知能力，有望带来颠覆性创新的产业价值。认知智能的出现使得 AI 系统主动了解事物发展的背后规律和因果关系、而不再只是简单的统计拟合，从而进一步推动下一代具有自主意识的 AI 系统。

趋势二：计算存储一体化突破 AI 算力瓶颈
 

经典的冯·诺伊曼计算机架构中，存储单元和计算单元泾渭分明。运算时，需要将数据从存储单元读取到计算单元，运算后会把结果写回存储单元。在大数据驱动的人工智能时代，AI 运算中数据搬运更加频繁， 需要存储和处理的数据量远远大于之前常见的应用。当运算能力达到一定程度，由于访问存储器的速度无法跟上运算部件消耗数据的速度，再增加运算部件也无法得到充分利用，即形成所谓的冯·诺伊曼“瓶颈”，或“内存墙”问题。这就好比一台马力强劲的发动机，却因为输油管的狭小而无法产生应有的动力。

计算力瓶颈以及功耗瓶颈已经对更先进、复杂度更高的 AI 模型研究产生了限制。例如，最先进的自然语言处理模型 XLNet 有约 4 亿模型参数，每次训练需要数百个谷歌深度学习加速器 TPU 运算三天，耗资超过 10 万美元。而据估算人脑中细胞间互联轴突个数在百万亿到千万亿数量级，两者相差约六个数量级。显然 AI 在认知问题上离我们追求的的所谓通用人工智能还有巨大差距，预计将需要计算能力和计算系统的能源效率比现在至少提高几个数量级。因此人工智能要进一步突破，必须采用新的计算架构，解决存储单元和计算单元分离带来的算力瓶颈。

计算存储一体化，类似于人脑，将数据存储单元和计算单元融合为一体，能显著减少数据搬运，极大提高计算并行度和能效。计算存储一体化的研究无法一蹴而就。对于广义上计算存储一体化计算架构的发展，近期策略的关键在于通过芯片设计、集成、封装技术拉近存储单元与计算单元的距离，增加带宽，降低数据搬运的代价，缓解由于数据搬运产生的瓶颈。

中期规划，通过架构方面的创新，设存储器于计算单元中或者置计算单元于存储模块内，可以实现计算和存储你中有我，我中有你。远期展望，通过器件层面的创新，实现器件即是存储单元也是计算单元，不分彼此，融合一体，成为真正的计算存储一体化。近年来，一些新型非易失存储器，如阻变内存，显示了一定的计算存储融合的潜力。

趋势三：工业互联网的超融合
 

现有工业系统之间的通信主要依赖于有线通信来屏蔽噪声和保障低延时，例如 OpcUA、Modbus。由于工厂复杂的环境，布线成为了工业系统通信的痛点。工厂的搬送机器人或一个工矿的挖机需要在一个大范围内频繁移动，WiFi 难以较好覆盖，而 4G/Lora/NB 的数据传输速率和延时达不到机器人响应的要求，因此通信问题难以有效解决。随着 5G 技术的成熟，可以满足工业系统对于高可靠低时延的需求， DTU（无线传输设备）较原本的有线方案无论在部署上，还是在运维上都有着极高的优势和性价比。可以预见的是，工业系统的互联将随着 5G 的建设而得到快速普及。

随着 IoT PaaS 的成熟，云端已经兼容了 WiFi、BLE,、Zigbee、Modbus、OpcUA,、RS232 等网络和连接协议。这些协议可以通过 5G 的模组非常方便地帮助原来的 IT 系统与云端打通。APS（自动排产软件）和 MES（制造执行系统）可以从云端或边缘服务器直接下发工艺包和生产计划至每一个机台，从而实现 IT（信息化）和 OT（工控软件）的融合，不仅极大解放了人力，更重要的是实现了工业互联网的重要方向之一，即工厂内部垂直集成：IT 和 OT 系统的整合。

工业互联网主要解决三个问题。一是将制造企业内部的 IT 软件系统与 OT 设备系统打通，进行自动派单，从而实现柔性制造。二是在工厂外实现上下游产业链的优化组合。三是产品的设计和产品生命周期的管理。

传统生产管理与控制中，软件是分层、弱连接，难以实现根据订单变化进行生产动态调整的个性化定制要求。目前随着 5G 和 IoT PaaS 的成熟，可以轻松把设备数据联到云上，将设备作业的数据传到业务系统（云上的 IT 系统）里面，实现派工自动化，从而实现生产的实时调整，满足个性化需求定制。

工业互联网第一次让人类掌握了一个实时调整工业系统能力的工具，从而大幅度促进了生产效率，降低了库存，提高了质量。整个中国的第二产业是 40 万亿人民币，如果按照提高 5%-10% 的效率计算，将是产生 2-4 万亿人民币的价值。这将大幅提升企业的盈利能力。

趋势四：机器间大规模协作成为可能
 

随着“万物互联（Internet of everything）”概念的提出，大量的智能设备被联接起来，形成一个智能设备网络，实现信息共享、统一控制。在大规模智能设备网络中，机器与机器之间的交流与协作将十分重要。这种协作将优化整体的长期目标，涌现群智，从而进一步将智能系统的价值规模化放大。

未来 5 年，多智能体协作将在城市生活的方方面面落地发展，仓储机器人的高效协作完成货物的快速分拣，提升物流效率，降低存储和运输成本；道路上的无人车能够决定并道时是否让其他车先行，提升无人驾驶的安全性和交通效率；交通灯根据当前路口和邻近路口的实时交通情况来决定调度信号，真正盘活整个城市高峰时期的交通；网约车平台会根据城市不同地点各个时间的打车需求来优化给每辆车的派单，降低用户等车时间，提升司机收入。

多智能体协同及群体智能这样全新的人工智能范式的发展和普及将会带来整个经济社会的升级，让人工智能不再只是单个的工具，而是协调整个人类工作生活网络的核心系统。

趋势五：模块化降低芯片设计门槛
 

芯片行业传统的比投资、比品牌、比工艺的“大鱼吃小鱼”格局，正逐渐被比市场灵敏度、比需求适配、比速度和价格的“快鱼吃慢鱼”格局所取代。在应用驱动的趋势下，谁能快速推出专用芯片，就能抢占市场先机。越来越多的系统和应用服务公司在推出专用芯片，例如苹果、谷歌、阿里巴巴、亚马逊、特斯拉等应用企业开始进入芯片设计领域，自研或联合开发芯片产品。

现有的芯片设计模式存在研发成本高、周期长等问题，开发一款中档芯片，往往需要数百人年、数千万甚至上亿美元的研发投入，不仅严重阻碍了芯片创新速度。基于 IP 的可重用的设计方法学，解决了芯片功能模块重复设计的问题，使得芯片可以以模块化的方式进行设计，不同功能的 IP 模块可以在不同的芯片中被重用，这种方法推动了系统芯片（Syetem-on-Chip）的普及。

近年来，以 RISC-V 为代表的开放指令集及其相应的开源 SoC 芯片设计、以 Chisel 为代表的高级抽象硬件描述语言和基于 IP 的模块化模板化的芯片设计方法，推动了芯片敏捷设计方法与开源芯片生态的快速发展，越来越多芯片企业开始尝试开源硬件架构进行设计。

面向未来，一种“芯粒”（Chiplet）的模块化设计方法正在成为新的行业趋势。这种方法通过对复杂功能进行分解，开发出多种具有单一特定功能的“芯粒”（Chiplet），如实现数据存储、计算、信号处理、数据流管理等功能。利用这些不同功能的 Chiplets 进行模块化组装，将不同的计算机元件集成在一块硅片上，来实现更小更紧凑的计算机系统结构。

趋势六：规模化生产级区块链应用将走入大众
 

区块链技术应用已延伸到数字金融、数字政府、智能制造、供应链管理等多个领域，主流厂商纷纷进入区块链领域推动技术突破和商业化场景落地。展望 2020 年，区块链 BaaS(Blockchain as a Service) 服务将进一步降低企业应用区块链技术的门槛。

在商业应用大规模落地的同时，区块链网络的“局域网”和“数据孤岛”问题将被新型的通用跨链技术所解决。自主可控的安全与隐私保护算法及固化硬件芯片将会成为区块链核心技术中的热点领域，保障基础设施的性能和安全。以端、云、链的软硬件产品为基础的一站式解决方案，进一步加速企业上链与商业网络搭建的进程。区块链通过与 AIOT 技术融合实现物理世界资产与链上资产的锚定，进一步拓展价值互联网的边界实现万链互联。这也将进一步夯实区块链在数字经济时代数据和资产可信流转的全球基础设施地位。

趋势七：量子计算进入攻坚期
 

2019 年，“量子霸权”之争让量子计算在再次成为世界科技焦点。超导量子计算芯片的成果，增强了行业对超导路线及对大规模量子计算实现步伐的乐观预期。2020 年量子计算领域将会经历投入进一步增大、竞争激化、产业化加速和生态更加丰富的阶段。作为两个最关键的技术里程碑，容错量子计算和演示实用量子优势将是量子计算实用化的转折点。未来几年内，真正达到其中任何一个都将是十分艰巨的任务，量子计算将进入技术攻坚期。

趋势八：新材料推动半导体器件革新
 

在摩尔定律放缓以及算力和存储需求爆发的双重压力下，以硅为主体的经典晶体管很难维持半导体产业的持续发展，各大半导体厂商对于 3 纳米以下的芯片走向都没有明确的答案。新材料将通过全新物理机制实现全新的逻辑、存储及互联概念和器件，推动半导体产业的革新。例如，拓扑绝缘体、二维超导材料等能够实现无损耗的电子和自旋输运，可以成为全新的高性能逻辑和互联器件的基础；新型磁性材料和新型阻变材料能够带来高性能磁性存储器如 SOT-MRAM 和阻变存储器。

从近期来看，新材料如锗和 III-V 族材料可能会代替传统的硅作为晶体管的通道材料以提升晶体管的速度。新的介电材料如铁电材料可能会导致超陡的亚阈值坡度以降低晶体管的能耗。新的金属材料如钴可能会替代钨和铜作互联导线以增强稳定性和减缓信号延迟。二维材料或外延生长的纳米层材料可能会导致 3D 堆集的架构以增加芯片的密度。这些器件的物理机制清楚，当然大规模应用还需要半导体厂商来解决工艺实现、工程配套等方面的挑战。

从更长远的角度来看，更具挑战性的材料及全新的物理机制将是半导体产业能够保持甚至加速指数式的增长的关键。新物理机制是全新的高性能的逻辑和互联器件的基础，比如基于量子效应的强关联材料和拓扑绝缘体、新发现的二维材料中魔幻角度下的超导现象等会导致无损耗的电子和自旋输运。利用新的磁性材料的自旋 – 轨道耦合现象可以制备全新的高性能磁性存储器如 SOT-MRAM，而利用新的阻变现象使得全新的高密度、高稳定性的阻变存储器（RRAM）成为可能。虽然这些全新的工作机制还处在早期的探索中，但他们能从根本上解决传统器件在物理原理层面所受到的限制，实现对摩尔定律的突破。

新材料和新机制将会对传统的半导体产业进行全面洗牌，包括材料的生长、器件的制备以及电路的工作原理都会发生根本性的变化。这对设备厂商，晶圆厂及电路设计公司都会带来历史性的挑战和机遇，也会为新兴的公司及产业提供振奋人心的发展机会。

趋势九：保护数据隐私的 AI 技术将加速落地
 

数据流通所产生的合规成本越来越高。使用 AI 技术保护数据隐私正在成为新的技术热点，其能够在保证各方数据安全和隐私的同时，联合使用方实现特定计算，解决数据孤岛以及数据共享可信程度低的问题，实现数据的价值。

趋势十：云成为 IT 技术创新的中心
 

随着云技术的深入发展，云已经远远超过 IT 基础设施的范畴，渐渐演变成所有 IT 技术创新的中心。云已经贯穿新型芯片、新型数据库、自驱动自适应的网络、大数据、AI、物联网、区块链、量子计算整个 IT 技术链路，同时又衍生了无服务器计算、云原生软件架构、软硬一体化设计、智能自动化运维等全新的技术模式，云正在重新定义 IT 的一切。广义的云，正在源源不断地将新的 IT 技术变成触手可及的服务，成为整个数字经济的基础设施。

未来的软件一定是生长于云上的，云原生和无服务器计算正在重塑整个软件生命周期，从软件需求设计到研发到发布到构建分发到运维等。在 All-in-Cloud 的时代，基于软硬一体化重新设计的云计算基础设施以及通过云原生的崭新资源交付方式在提高计算效率、易用性的同时降低计算和运维成本，进一步巩固云成为数字经济时代基础设施。