【原】青山遮不住——2020的10大技术趋势

DuerOS布道师 2021-04-29

展开全文

很多时候，对某种趋势的预测往往被归到了娱乐圈。但是，趋势是客观存在的，不论你看不看它，知不知道它，它都在那里。有时候，我们赢得了竞争，却输给了整个时代。

Gartner每年一度的技术趋势预测有一定的代表性，而那些科技公司中的巨人（例如百度、阿里等）也有着自己的理解和判断，了解一下各家的观点，或许可以看到一些共性或者特性的东西。

百度对2020的技术趋势预测

Baidu Research对2020年的技术趋势进行了预测，AI发展的门槛继续降低，工业智能将领导了第四次工业革命。

百度——趋势1: AI工业化

日益成熟的人工智能技术和各种相关业务解决方案正在迅速进入“工业化”阶段。随着对人工智能技术的不断投资，2020年将会出现许多人工智能模型和数据工厂，促进人工智能技术和相关商业解决方案的大规模更新。例如，客户服务行业的AI解决方案可以被大规模复制并应用于金融、电子商务、教育和其他行业。

百度——趋势2: AI芯片大规模实施

人工智能芯片已经逐渐达到可用状态，2020年将是大规模实现人工智能芯片的关键一年。处于边缘的 AI 芯片将更加低成本、专业化和无缝集成到下游解决方案中。同时，神经处理单元(NPU)将成为下一代基于边缘通用 CPU 芯片的基本模块。越来越多的基于设备的 CPU 芯片将集成深度学习框架作为其设计的核心。AI也将重新定义计算机体系结构，支持人工智能训练和推理，成为异构设计体系结构的新思想。

百度——趋势3: 深度学习大规模应用

深度学习框架是开源深度学习平台的核心，大大降低了人工智能技术的开发门槛，有效地提高了人工智能应用的质量和效率。2020年，深度学习将在许多行业大规模应用，以实施创新，加快转型升级。

百度——趋势4: AutoML的自动机器学习

Automl 将能够集成传统机器学习的迭代过程，并建立一个自动过程。研究人员只需输入元知识(如卷积运算、问题描述等) ，算法就能自动选择合适的数据，优化模型结构和配置，训练模型，并将其部署到不同的设备上。自动机的快速发展将大大降低机器学习的门槛，提高人工智能应用的普及程度。

百度——趋势5: 多模态深层语义理解

多模态深层语义理解以语音、图像、文本等不同模型的信息为输入，将感知和认知技术相结合，实现对信息的多维深层理解。随着计算机视觉、语音、自然语言理解和知识图形的快速发展和大规模应用，多模态深层语义理解逐渐成熟，导致了更广泛的应用场景。结合人工智能芯片，它将被广泛应用于智能家居、金融、安全、教育、医疗和其他行业。

百度——趋势6: NLP的广泛应用

自然语言处理技术将与知识深度整合，一般自然语言理解的计算平台将得到广泛应用。基于大量文本数据的语义表示将与领域知识紧密结合，以不断提高自动问答、情感分析、阅读理解、推理、信息抽取等自然语言处理任务的效率。整合大规模计算能力、丰富的领域数据、预训练模型和改进的研发工具，通用自然语言理解计算平台将逐步完善并广泛应用于互联网、医疗、法律、金融等领域。

百度——趋势7: 物联网的突破

物联网将在三个方向上突破: 边界、维度和场景。随着5 g 和边缘计算的发展，计算能力将不再局限于云计算中心，扩展到所有领域，并建立一个分布式计算平台。同时，对物理世界最重要的两个维度——时间和空间的洞察力，将成为新一代物联网平台的基本能力。这将促进物联网与诸如能源、电力、工业、物流、医疗和智能城市等更多方案的整合，并创造更大的价值。

百度——趋势8: 智能交通加速

自动驾驶汽车的发展正变得越来越合理，到2020年，更多的自动驾驶汽车将应用于不同的场景，如物流、公共交通、地理围栏区等。同时，V2X (Vehicle to everything)技术已经具备了大规模部署和应用的条件，使车辆和道路形成了广泛的连接，进一步推动了智能车辆基础设施协同系统(IVICS)的实现，加快了公园、城市、高速公路等场合智能交通的实现。

百度——趋势9: 区块链应用

区块链技术将以更务实的方式纳入更多的情景。区块链技术与人工智能、大数据、物联网和边缘计算的深入集成，数据和资产的在线和离线映射问题将逐一得到解决，围绕区块链构建的数据授权、数据使用、数据流通和交换等解决方案将在各行各业发挥巨大作用。例如，在电子商务中，区块链可以保证商品全过程数据的真实性; 在供应链中，可以保证整个过程数据的开放性和透明性，以及企业之间的安全交换; 在政府事务中，可以实现政府数据的开放、电子证书等。

百度——趋势10: 量子计算

量子计算将迎来新一轮爆炸性增长，为人工智能和云计算注入新的活力。在量子硬件方面，可编程中型噪声量子器件的性能将进一步提高，并具有纠错能力。具有一定实用价值的量子算法将能够在其上运行，量子人工智能的应用将得到极大的发展。在量子软件方面，高质量的量子计算平台和软件将会出现，并将与人工智能和云计算技术紧密结合。此外，随着量子计算产业链的出现，量子计算必将在更多的应用领域得到更多的关注。越来越多的行业巨头为战略布局投入了研发资源，这为未来的人工智能和云计算领域带来了新的面貌。

百度对技术趋势预测体现了自身“All in AI”的战略，即便是量子计算、区块链和物联网也都是与AI息息相关，集中体现了人工智能在多场景、多维度应用的深度与广度。

阿里对2020的技术趋势预测

阿里巴巴的达摩院也发布了自己对2020年的十大技术趋势预测，希望通过抓住技术革命的步伐，可以更好地利用这些“魔力” ，掌握自己的未来。

阿里——趋势1: 从感性智能到认知智能

在需要外部知识的认知智能领域，逻辑推理或领域迁移，AI仍然处于初级阶段。认知智能将从认知心理学、脑科学和人类社会历史中汲取灵感，结合跨领域知识图谱、因果推理和持续学习等技术，建立稳定获取和表达知识的有效机制。这使机器能够理解和利用知识，实现从感性智能到认知智能的重大突破。

阿里——趋势2. 内存计算

在冯·诺伊曼结构中，内存和处理器是分开的，计算需要来回移动数据。随着数据驱动人工智能算法的快速发展，硬件已经成为更先进算法研究的瓶颈。在内存中处理(processing-In-memory，PIM)体系结构中，内存和处理器是融合在一起的，计算是以最小的数据移动方式存储的情况下进行的。因此，可以显著提高计算的并行性和功耗效率。

阿里——趋势3. 工业物联网

物联网设备、云计算和边缘计算的快速发展，将加速信息系统、通信系统和工业控制系统的融合。通过先进的工业物联网，制造企业可以实现机器自动化、工厂物流自动化和生产调度自动化，实现 C2B 智能制造。此外，相互连接的工业系统可以调整和协调两个上游或下游的生产能力。最终，它将显著提高制造商的生产率和利润率。

阿里——趋势4. 机器之间的大规模协作

传统的单一智能已经不能满足大规模智能设备的实时感知和决策。物联网协同感知技术和5G 通信技术的发展将实现多代理之间的协作——机器之间相互协作、相互竞争以完成目标任务。多智能体协作所带来的群体智能将进一步增强智能系统的价值: 大规模的智能交通灯调度将实现动态实时调整，仓库机器人将协作完成货物分拣的高效协作，无人驾驶汽车可以协作在效率和安全之间达到最佳平衡，群体无人机协作将有效完成最后一公里的配送。

阿里——趋势5: 多芯片的模块化设计

传统的芯片设计模式已经不能有效地应对芯片生产的快速发展、分散化和个性化需求。基于 RISC-V的开源 SoC 芯片设计、高级硬件描述语言和基于IP的模块化芯片设计方法，加速了敏捷设计方法和开源芯片生态系统的快速发展。此外，基于芯片的模块化设计方法采用先进的封装技术将芯片与不同的功能封装在一起，可以快速定制和交付芯片，满足不同应用的具体要求。

阿里——趋势6: 大规模区块链应用

区块链即服务(Blockchain-as-a-Service)将进一步降低企业区块链应用的进入壁垒，还将出现各种嵌入终端、云和专门为区块链设计的核心算法的硬件芯片，使物理世界的资产映射到区块链上，进一步扩大价值互联网的边界，并实现”多链互连”。在未来，将出现大量创新的区块链应用场景与跨不同行业和生态系统的多维协作，大规模生产级区块链应用程序超过1000万 DAI (每日活动项目)，并获得大规模采用。

阿里——趋势7: 大规模量子计算

2019年“量子霸权”的竞赛将焦点重新带回量子计算，这次演示使用了超导电路，提高了超导量子计算机的整体信心，有望实现大规模量子计算机。到2020年，量子计算领域的投资将不断增加，竞争也将日益激烈。在未来几年，下一个里程碑将是容错量子计算的实现和在现实世界问题中量子优势的证明，量子计算正进入一个关键时期。

阿里——趋势8: 新材料将彻底改变半导体器件

在摩尔定律和计算能力和存储需求的双重压力下，传统的硅基晶体管很难维持半导体产业的可持续发展。目前为止，主要的半导体制造商仍然没有明确的答案并使用突破3纳米的芯片方案。新材料将通过新的物理机制并制造新的逻辑、存储和互连设备，推动半导体产业的不断创新。例如，拓扑绝缘子、二维超导材料等可以实现电子和自旋无损输运的材料，可以成为新型高性能逻辑和互连器件的基础，新型磁性材料和新型电阻开关材料可以实现 SOT-MRAM 和电阻存储器等高性能磁性存储器。

阿里——趋势9: AI的数据隐私

有关个人数据处理的数据保护法律法规要求的合规成本比以往任何时候都要高，人们对使用人工智能技术保护数据隐私的兴趣日益浓厚。其实质是数据使用者能够通过不同数据提供者的输入数据计算函数，同时保持这些数据的私有性。这种人工智能技术有望解决数据孤岛的问题，以及对当今数据共享实践缺乏信任的问题，并在可预见的未来真正释放出数据的价值。

阿里——趋势10：云成为 IT 技术创新的中心

随着云计算技术的深入发展，云已经远远超出了 IT 基础设施的范围，并逐渐发展成为所有 IT 技术创新的中心。云与几乎所有的 IT 技术都有着紧密的联系，包括新芯片、新数据库、自动驾驶自适应网络、大数据、人工智能、物联网、区块链、量子计算等等。同时创造了无服务计算、云原生软件体系结构、软硬件一体化设计、智能自动化操作等新技术。云计算正在重新定义 IT 的各个方面，正在不断地将新的 IT 技术转化为可访问的服务，并成为整个数字经济的支柱。

阿里对技术的预测同样地突出了AI 的重要性，指出了AI的演进趋势、架构变革和安全隐私。或许出于对“平头哥”的偏爱，还提出了芯片设计和新材料对元器件的演进，另外，强调了工业物联网、区块链和云计算。

Gartner对2020的技术趋势预测

Gartner 对技术趋势的预测称之为——战略技术趋势，战略技术趋势具有巨大潜力，可以造成和应对（市场）波动，并为转型和优化方案提供动力。Gartner 对2020年的技术趋势预测称之为智能数字网络，即构建于智能数码网络中以人为本的智能化空间。

Gartner——趋势一：超自动化

超自动化是指将多种机器学习、打包软件和自动化工具相结合来交付工作。使用特定类型自动化将高度依赖于组织现有的IT体系结构和业务实践。超自动化不仅指工具集的范围，还指自动化本身的所有步骤(发现、分析、设计、自动化、测量、监视、复测评估)。

超自动化是一种无法避免的市场趋势，在这种趋势下，组织必须快速识别并自动化所有可能的业务流程，机器人过程自动化(Robotic process automation,RPA)和智能业务流程管理套件(Intelligent business process management suites,iBPMSs)是超自动化的关键组件。组织数字孪生（DTO）从现实环境中提取信息，真实的人和机器一起工作，生成关于整个组织中正在发生的事情的连续情报。同时，机器学习和NLP打破了超自动化发展的范围。

Gartner——趋势二：多重体验

感知和交互模型的联合转变导致了未来的多感官和多触点体验，这种模式将从一个懂技术的人转变为一种了解人的技术，转化意图的负担将从用户转移到计算机，通过多种感官与用户沟通的能力，将为传递微妙的信息提供更丰富的场景。

在多重体验世界中，“计算机”是用户周围的环境，包括许多触点和感官输入。沉浸式体验是由多种技术和软件工具构建，包括AR、VR、MR、多通道人机界面(multichannel human-machine interface,HMI)和传感技术。会话平台提供了高级设计模型和执行引擎，用户和机器在其中进行交互。多重体验开发平台(multiexperience development platform,MXDP)提供了前端开发工具和后端服务，支持跨设备、模式和触点的无缝、有针对性沉浸式体验的快速、可扩展开发。通过具有松散耦合前后端架构的统一开发平台来交付设计时间、运行工具与服务。因此，多重体验的长期表现将被被称为环境体验。

Gartner——趋势三：大众化

大众化的重点是通过一种完全简化的经验，为人们提供技术专长(例如，ML，应用开发)或业务领域专长(例如，销售流程，经济分析)，而不需要大量和高价的培训。大众化趋势的目标可以是企业内外的任何人，包括客户、业务伙伴、企业高管、销售人员、装配线工人、应用开发人员和IT运维人员。

应用开发大众化，低代码、无代码和普通开发者，能够使用人工智能驱动的工具自动生成新的解决方案，能够快速创建更动态、更开放和更复杂的解决方案。增强分析使用ML和AI辅助的数据准备、智能生成和解释，允许业务员充当“大众数据专家”，而Shadow AI指的是大众化的自然结果，即没有受过正规训练的个体利用易使用的工具来开发自己的人工智能解决方案，并在类似的工作中为他人提供对等的支持。因此，大众化将带来一个“全民应用开发”的新时代。

Gartner——趋势四：人体增强

人体增强是指通过科学技术的应用来提高人的能力，打字机、复印机和印刷机等技术就已经增强了人类创造、复制和出版文字的能力，而眼镜、助听器和假牙都是历史上人体增强能力的例子。人体增强探索技术如何可以作为人类体验的一个组成部分被用来传递认知和改善身体。

人体增强影响着我们在物理和数字空间中移动、感知和交互的方式，也影响着我们处理、分析和存储信息的方式。物理增强通过在人体植入或附加某种技术元素来改变人体固有的生理能力，从而增强人体素质。汽车、采矿、石油和天然气等行业都在使用可穿戴设备来提高工人的安全性。认知是人类通过感官接收、生活体验、学习以及对接收、体验和教育的思考而获得知识的过程。认知增强提高了人类思考和做出更好决定的能力，可以通过访问信息和开发传统计算机系统上的应用以及智能空间中出现的多重体验界面来实现。因此，人体增强将是个体与周围他人和智能空间交互的一个主要方式。

Gartner——趋势五：透明度与可追溯

数字伦理和隐私越来越受到个人、组织和政府的关注。人工智能和使用ML模型做出自主决策，引发了人们新的担忧，数字伦理推动了对可解释的人工智能的需求，并确保人工智能系统以符合伦理和公平的方式运行。透明度和可追溯性是支持这些数字伦理和隐私需求的关键因素。

透明度和可追溯性不是一个产品或一个动作。它指的是一系列的态度、行动、支持技术和实践，旨在解决监管要求，确立使用人工智能和其他先进技术的道德途径，并修复企业日益缺乏的信任。带有可解释AI功能的增强分析解决方案不仅是显示数据科学家模型的输入和输出,也解释了为什么系统选择特定的模型，以及增强数据科学和ML所应用的技术。欧盟通用数据保护条例(GDPR)重新定义了隐私的基本规则，并产生了全球性的影响。通过实施“隐私设计”原则，可以使产品和服务比竞争对手更有利于隐私保护，这就创建了一个基于信任的价值主张。

Gartner——趋势六：边缘赋能

边缘计算描述了一种计算拓扑，信息处理、内容收集和交付被放置在离源码、资源库以及使用者更近的位置，借鉴了分布式处理的概念。它尝试将流量和进程保持在本地，为了减少延迟、利用边缘功能，使边缘能够较大的实现自主。边缘被赋予了越来越复杂的、专业化的计算资源和越来越多的数据存储，包括机器人、无人机、自动驾驶汽车以及操作系统在内的复杂边缘设备正在加速这一重点的转移。

数据和分析领导者需要重新定义数据资产的描述、组织、集成、共享和治理，连接边缘设备和后端服务是物联网的一个基本面，也是智能空间的推动者。边缘赋能的数字孪生可以显著改善企业决策。它们与处于边缘的现实世界中所对应的对象相连接，用于了解事物或系统的状态、响应变更、改进操作和提高价值。

Gartner——趋势七：分布式云

分布式云是指公有云服务分布在云供应商数据中心之外的不同位置，而原始的公有云供应商承担运营、治理、维护和更新的责任，分布式云将此公有云模型扩展到云供应商拥有的数据中心之外，支持从分布到特定和不同位置的公有云的同类云服务的连续连接和间断连接操作，实现了混合云的承诺，混合云的目标是将外部服务和内部服务以优化、高效和低成本的方式结合起来。

Gartner——趋势八：自主组件的通用技术能力

自主组件沿着自治的范围运行，从半自主到完全自主，是指这些事物可以在定义的前后联系中不受监督地运行或完成目标。即使是完全自主的、完全独立于任何外部机构(如人类)而独立运作的事物，也可能需要设定某种程度的控制或方向。

自主组件的发展非依赖于共享了一些通用技术能力，一旦某种类型的自主组件克服了发展能力的挑战，创新就可以应用到其他类型的自主组件上。

Gartner——趋势九：区块链的实际应用

区块链是网络中所有参与者共享加密签名、不可撤销事务记录的扩展列表，每个记录都包含一个时间戳并指向之前事务的引用链接。区块链有通过建立信任、提供透明和跨业务生态系统的价值交换来重塑行业的潜力，这可能会降低成本、减少交易结算时间并改善现金流。

区块链通过使分类账独立于各个应用和参与者，并在分布式网络中复制分类账来创建重大事件的权威记录，从而消除了业务和技术上的摩擦。区块链还支持分布式信任架构，该架构允许不了解或继承信任彼此的各方使用各种资产来创建和交换价值。将智能合约作为区块链的一部分，可以对操作进行编码，从而使区块链中的变更触发其他动作。

Gartner——趋势十：AI安全

物联网、云计算、微服务以及智能领域中高度互联的系统攻击面都会大幅增加。对于AI系统而言，一旦被感染，依赖于数据质量、完整性、保密性和隐私性的数据驱动型决策会受到数据篡改等情况的负面影响。机器学习管道至少有5个阶段需要被保护：数据接入、数据准备和标记、模型训练、推理验证、生产部署，每个阶段都有不同类型的风险需要处理。

随着攻击活动的比例和攻击类型不断上升和增加，网络安全专家感到越来越难以跟上广泛利用AI实现防御活动自动化的需求。机器学习可以成为工具包中的有力武器，尤其是在安全监控、恶意程序检测或网络异常行为检测等高价值活动中。基于ML的安全工具无法完全代替现有的和传统的工具，只起到一个加强和提升的作用。有监督学习、无监督学习和强化学习如今已成功应用于安全行业，用于处置恶意程序、钓鱼、网络异常行为、敏感数据的越权访问、用户行为分析、漏洞优化等。

Gartner 给出的战略技术趋势更具备系统性，分为以人为中心和智能空间两个类别。核心是，AI是推动高级流程自动化与人体增强介入的基础，工厂、办公室和城市等物理环境将成为“智能化空间”，人们将在其中通过触点和感官通道进行交互，以获得丰富的环境体验。应对AI、IoT/edge等不断发展的技术所带来的隐私、数字道德和安全挑战，将成为维持信任和避免法律纠纷的关键。