“扫地僧”如何看待2020科技趋势？

刚刚，阿里达摩院2020十大科技趋势发布，涵盖人工智能、芯片制造、量子计算、工业互联网、机器协作、区块链、隐私保护、云计算等多个领域，勾勒新一年科技走向。

去年，达摩院预测的科技趋势正一一变为现实：AI芯片崛起、智能城市诞生、5G催生全新应用场景……

科技新十年开启，AI、芯片、云计算、区块链、工业互联网、量子计算等领域，将出现多个振奋人心的颠覆性技术创新。

世界正被科技改变，快速概览如下：

1、人工智能从感知智能向认知智能演进

2、计算存储一体化突破AI算力瓶颈

3、工业互联网的超融合

4、机器间大规模协作成为可能

5、模块化降低芯片设计门槛

6、规模化生产级区块链应用将走入大众

7、量子计算进入攻坚期

8、新材料推动半导体器件革新

9、保护数据隐私的AI技术将加速落地

10、云成为IT技术创新的中心

阿里达摩院说，他们结合自身实践与外脑助力，80多位专家参与，历经5个阶段，才最终对2020年的十大科技趋势作出了预判。

希望通过评估它们对产业和社会可能产生的影响，从而为政策制定、产业规划、行业发展、企业转型升级提供决策参考，也希望帮助更多人理解那些发生在当下的重要变化。

达摩院第二次预测科技走向：继续聚焦芯片

这是达摩院成立以来第二次发布科技趋势。

与去年相比，今年趋势更加专注于落地，更加趋向于产业，也扩展了科技突破的视野范围——从信息技术领域拓展到了新材料领域，以及怎么用前沿技术构建新的数字经济基础设施，也成为了新的核心。

当然，也有对上一年趋势的延续，比如芯片，这也是达摩预测今年科技走向的焦点。

达摩院去年预测，过去以CPU为核心的通用计算，将走向由应用驱动和技术驱动，并带来Domain-specific体系结构的颠覆性改变。

过去一年，在应用驱动和技术驱动下，AI专用芯片获得了长足的发展。在具体的场景中，使用专用的芯片将会带来更好的算力和能效，已经成为行业共识。

国内的平头哥、华为、百度、依图、寒武纪等企业都发布了各自的AI专用芯片，国际芯片巨头如英特尔等，也正积极布局AI芯片领域。

在新的一年，达摩院也给出了新的行业发展动向：模块化降低芯片设计门槛。

他们认为，高科技产业中护城河最深、壁垒最厚的领域——造芯，要简单起来了。

这一断言放出，瞬间便引起关注与热议。让人兴奋之余，也有不少人保持冷静思考，这怕不是放卫星上天？

阿里平头哥副总裁孟建熠博士表示，这背后的种种逻辑，在阿里平头哥的实践探索中，逐步清晰明了。

模块化降低芯片设计门槛？

芯片设计是个辛苦活，研发成本高，周期长已经成为整个行业的最大痛点。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。

孟建熠说，这不仅严重阻碍了芯片创新速度，在每一次芯片制程跃迁中，比如从10nm缩减到7nm时，所需的NRE成本和开发时间都在大幅提升。

一方面是成本桎梏，另一方面是快速变化的市场压力。半导体产业在积极寻找新的芯片开发模式，来满足低成本、快速的需求。

最有前景且最能实现的方向，就是新的模块化。

阿里达摩院解读称，依照传统方法， 设计一个系统芯片（System on Chip），需要从不同的IP供应商购买IP，包括软核IP或硬核IP，再结合自家研发的模块，通过大量时间的验证和软件开发，集合成一个SoC，然后在某个制造工艺节点上完成芯片设计和生产的完整流程。

“在新的模块化方法下，各个模块已经提前完成流片，具体到场景中，可以根据需求将不同功能‘芯片模块’通过先进封装，可以跳过流片，通过封装快速定制出一个符合应用需求的芯片，”孟建熠说。

这种新的模块，也有一个代名词：芯粒（Chiplet）。

具体来说，是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”，如实现数据存储、计算、信号处理、数据流管理等功能。

然后利用这些不同功能的芯粒进行模块化组装，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。

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芯粒制造的。

孟建熠说，模块化的芯片技术，最终可以实现像搭积木一样”组装“芯片，芯片设计的难度至少降低50%。

基于IP的可重用的设计方法学，能解决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。从而降低芯片设计门槛，让设计者以更低成本、更高效率定制领域专用芯片。

他也进一步提到了具体的使用场景：不仅能帮助软件开发商更深度集成“芯-硬-软”的解决方案，芯片本身的可拓展性方面也有很大提升，同一个设计能够根据不同的场景进行适配。

阿里达摩院认为，这将带来芯片行业颠覆式的创新革命，从上游EDA 工具、IC设计到制造工艺、先进封测等产业链环节重塑芯片的产业格局。

为何是2020？

需求，是变革的核心驱动力之一，芯片产业也不例外。

与此前市场环境最大的不同是，AIoT成为了新变量。不仅会带来芯片需求的爆发式增长，其碎片化和定制化的特点，也对芯片设计模式提出了新的要求。

“尤其是AIoT领域对成本较为敏感，需要新的芯片设计方法，”孟建熠说。

与此同时，市场竞争格局也开始发生变化。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。

阿里达摩院认为，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。

需求客观存在，解决方案已经明了，进一步实现落地，技术是桥梁。

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、以集成电路块（Chisel）为代表的高级抽象硬件描述语言，以及基于IP的模块化的芯片设计方法等等，共同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。

现在，已经有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。

“虽然模块与模块之间的高效通信还存在挑战，容易造成性能瓶颈，以及先进封装成本较高、散热困难等等问题”孟建熠说。“但AMD、英特尔等国际主流芯片厂商都正朝这个方向努力，并对CPU、GPU、FPGA等模块进行了分别流片。”

清华大学长聘教授尹首一也进一步评论称：“尤其是未来随着异质集成、三维集成等技术的成熟，摩尔定律将在全新维度上得以延续。”

面向2020年，基于芯粒的模块化设计方法正在成为新的行业趋势。孟建熠说，这也是平头哥正在实践探索的方向。

阿里平头哥，已经在提升芯片设计效率的路上

2019年8月30日，阿里平头哥发布AIoT芯片平台，命名“无剑”。

这是一个芯片设计平台，提供集芯片架构、基础软件、算法与开发工具于一体的整体解决方案，是在提升芯片设计效率上的重要一步。

取独孤求败“无剑胜有剑”之意。与此对应，其并无芯片，但可帮助各路芯片设计企业“铸剑”，即在基础框架/模板基础上，定制符合应用需求的芯片产品，以最快速度推向精准市场。

根据平头哥官方介绍，这一平台能够承担AIoT芯片约80%的通用功能设计工作量，让芯片研发企业专注于剩余20%的专用设计工作，能帮芯片设计企业将设计成本降低50%，设计周期压缩50%。

在采访过程中，孟建熠也分享了无剑平台的最新进展：

已经推出了MCU、语音、视觉方面的SoC平台，而且已经应用到了多家IoT厂商的产品中，产品包括多媒体AI芯片、AI视觉芯片、边缘AI服务器芯片等。

而平头哥整体，也继续践行“让天下没有难造的芯片”愿景，面向未来进一步展开芯粒及其封装方面的应用研究。

具体到业务上，孟建熠说，平头哥也会继续打通云和端的边界，在云和端持续投入，并在芯片应用生态上做更多布局。

机器之心独家对话阿里巴巴专家：

AI跨越初级阶段两大关键问题 

【趋势概要】

传统单体智能无法满足大规模智能设备的实时感知、决策。物联网协同感知技术、5G 通信技术的发展将实现多个智能体之间的协同——机器彼此合作、相互竞争共同完成目标任务。多智能体协同带来的群体智能将进一步放大智能系统的价值：大规模智能交通灯调度将实现动态实时调整，仓储机器人协作完成货物分拣的高效协作，无人驾驶车可以感知全局路况，群体无人机协同将高效打通最后一公里配送。

达摩院指出人工智能将跨过初级阶段的两个关键门槛：

目前人工智能依然处于初级阶段，并不时被调侃为“人工智障”。要让人工智能迈向更高阶段，还有不少门槛需要跨过去。此次达摩院发布的十大趋势中，两条与人工智能有关的趋势，都点出了人工智能发展的关键门槛。一是认知智能，二是机器间协作。

这两个关键技术，一方面可以将人工智能的能力从基础的“听说看”拓展到逻辑推理、思考决策，进而使人工智能深度介入社会生产生活；另一方面可以将智能体大规模自主组织起来，不再需要大量的人工操作，进而使人工智能真正成为协调整个人类工作生活网络的核心系统。

目前，在这两个方向上，全球人工智能领军企业都在发力。比如阿里的城市大脑、双十一，则是实践认知智能和机器间大规模协同的最大场景之一。

针对这两个人工智能落地的关键方向，机器之心与阿里巴巴达摩院资深算法专家杨红霞，阿里巴巴研究员吴翰清进行对话，进一步解构趋势问题。

机器之心：知识图谱这种显式知识如何才能嵌入到深度表征中？例如人类译员的翻译规则嵌入到神经机器翻译模型中？

杨红霞：目前主流做法还是以预训练（如TransE）表征concat，或者用图神经网络对节点编码从而进行端到端训练。

机器之心：目前图神经网络也在投入使用，但它的问题在于速度非常慢，这种慢并不一定体现在推断，它体现在建图等额外操作。您怎样看待这类新技术的效率问题？

杨红霞：图是一种非常灵活的数据结构，能表示数据之间各种复杂的关联关系，因此图上的操作复杂度通常也很高。建图操作主要还是在数据库领域研究的比较多，涉及到图分片，索引的建立等等。

图神经网络在训练和推断方面确实不快，但目前还是有一些基于采样的方法来改善效率问题，也有很多分布式图神经网络的系统来专门对这类问题进行加速。

机器之心：除了语言预训练或图像预训练模型，您认为还有哪些比较好的方式来传递某任务的“通用知识”？

杨红霞：可以将通用知识grounding到语言和图像中，或者开发commutable的机器间可以互通的中间结果。

机器之心：如何理解机器彼此合作、相互竞争的关系？竞争与合作如何平衡？

吴翰清：每个智能系统都是以任务为导向的，每个独立的智能系统自身都需要完成单个或多个任务，在此基础上，智能系统为了完成自身的任务，而需要其他智能系统的协助或协同，从而需要与外部发起通讯。

但每个智能系统都有自身的安全机制，安全机制的建立是以完成自身任务为前提的。因此每个智能系统自身的任务导向和安全机制保证各自之间竞争与合作的平衡。

机器之心：通过机器协同以实现群体智能的过程中，如何实现不同类型机器人之间的合作？

吴翰清：有必要需要构建一套相对通用的协议或语言，让智能系统各自之间的相互通讯与协同成为可能。智能系统之间的合作需要更加复杂的通讯，才能处理相对复杂的逻辑和交互，因此需要一套相对通用和高效率的语法。

机器之心：是否需要在上层系统构建智慧大脑？

吴翰清：每个智能系统都是有所有权的，所以上层如果有必要构建「大脑」，那么「大脑」也是有所有权的，要不要构建上层系统，是根据人类社会的组织架构决定的。

机器之心：在具体实践中可能会遇到哪些难题？如何解决？

吴翰清：多厂商之间技术的差异可能形成标准的割裂，缺乏统一的标准会让多智能系统之间的协同变得难以发生。因此有必要以开放的原则共同制定一些标准出来。

机器之心：5G时代，多智能体协同合作可能在哪些领域落地最为突出？在工业互联网领域的想象空间有多大？

吴翰清：受到5G带来的高速传输影响，在无人机蜂群、自动驾驶领域、物流机器人、智慧城市等领域都会有很大的发展。在工业互联网领域将进一步完成数字化，获得增量的数据资源，从而产生新的增量价值。

>>>相关链接

附：阿里达摩院2020年十大科技趋势

趋势一、人工智能从感知智能向认知智能演进

人工智能已经在“听、说、看”等感知智能领域已经达到或超越了人类水准，但在需要外部知识、逻辑推理或者领域迁移的认知智能领域还处于初级阶段。

认知智能将从认知心理学、脑科学及人类社会历史中汲取灵感，并结合跨领域知识图谱、因果推理、持续学习等技术，建立稳定获取和表达知识的有效机制，让知识能够被机器理解和运用，实现从感知智能到认知智能的关键突破。

趋势二、计算存储一体化突破AI算力瓶颈

冯诺伊曼架构的存储和计算分离，已经不适合数据驱动的人工智能应用需求。频繁的数据搬运导致的算力瓶颈以及功耗瓶颈已经成为对更先进算法探索的限制因素。

类似于脑神经结构的存内计算架构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。计算存储一体化在硬件架构方面的革新，将突破AI算力瓶颈。

趋势三、工业互联网的超融合

5G、IoT设备、云计算、边缘计算的迅速发展将推动工业互联网的超融合，实现工控系统、通信系统和信息化系统的智能化融合。

制造企业将实现设备自动化、搬送自动化和排产自动化，进而实现柔性制造，同时工厂上下游制造产线能实时调整和协同。

这将大幅提升工厂的生产效率及企业的盈利能力。对产值数十万亿乃至数百万亿的工业产业而言，提高5%-10%的效率，就会产生数万亿人民币的价值。

趋势四、机器间大规模协作成为可能

传统单体智能无法满足大规模智能设备的实时感知、决策。物联网协同感知技术、5G通信技术的发展将实现多个智能体之间的协同——机器彼此合作、相互竞争共同完成目标任务。

多智能体协同带来的群体智能将进一步放大智能系统的价值：大规模智能交通灯调度将实现动态实时调整，仓储机器人协作完成货物分拣的高效协作，无人驾驶车可以感知全局路况，群体无人机协同将高效打通最后一公里配送。

趋势五、模块化降低芯片设计门槛

传统芯片设计模式无法高效应对快速迭代、定制化与碎片化的芯片需求。以RISC-V为代表的开放指令集及其相应的开源SoC芯片设计、高级抽象硬件描述语言和基于IP的模板化芯片设计方法，推动了芯片敏捷设计方法与开源芯片生态的快速发展。

此外，基于芯粒（chiplet）的模块化设计方法用先进封装的方式将不同功能“芯片模块”封装在一起，可以跳过流片快速定制出一个符合应用需求的芯片，进一步加快了芯片的交付。

趋势六、规模化生产级区块链应用将走入大众

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，专为区块链设计的端、云、链各类固化核心算法的硬件芯片等也将应运而生，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。

未来将涌现大批创新区块链应用场景以及跨行业、跨生态的多维协作，日活千万以上的规模化生产级区块链应用将会走入大众。

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。

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。

编辑：顾军
责任编辑：许琦敏

来源：综合自量子位、机器之能、阿里云