基于多模態(tài)的預訓練大模型將實現(xiàn)圖文音統(tǒng)一知識表示，成為人工智能基礎設施。
人工智能正在從文本、語音、視覺等單模態(tài)智能，向著多種模態(tài)融合的通用人工智能方向發(fā)展。多模態(tài)統(tǒng)一建模，目的是增強模型的跨模態(tài)語義對齊能力，打通各個模態(tài)之間的關系，使得模型逐步標準化。目前，技術上的突出進展來自于CLIP（匹配圖像和文本）和BEiT-3（通用多模態(tài)基礎模型）。基于多領域知識，構建統(tǒng)一的、跨場景、多任務的多模態(tài)基礎模型已成為人工智能的重點發(fā)展方向。未來大模型作為基礎設施，將實現(xiàn)圖像、文本、音頻統(tǒng)一知識表示，并朝著能推理、能回答問題、能總結、做創(chuàng)作的認知智能方向演進。Chiplet的互聯(lián)標準將逐漸統(tǒng)一，重構芯片研發(fā)流程。
Chiplet是硅片級別的“解構-重構-復用”，它把傳統(tǒng)的SoC分解為多個芯粒模塊，將這些芯粒分開制備后再通過互聯(lián)封裝形成一個完整芯片。芯粒可以采用不同工藝進行分離制造，可以顯著降低成本，并實現(xiàn)一種新形式的IP復用。隨著摩爾定律的放緩，Chiplet成為持續(xù)提高SoC集成度和算力的重要途徑，特別是隨著2022年3月份UCle聯(lián)盟的成立，Chiplet互聯(lián)標準將逐漸統(tǒng)一，產業(yè)化進程將進一步加速。基于先進封裝技術的Chiplet可能將重構芯片研發(fā)流程，從制造到封測，從EDA到設計，全方位影響芯片的區(qū)域與產業(yè)格局。資本和產業(yè)雙輪驅動，存算一體芯片將在垂直細分領域迎來規(guī)模化商用。
存算一體旨在計算單元與存儲單元融合，在實現(xiàn)數(shù)據(jù)存儲的同時直接進行計算，以消除數(shù)據(jù)搬移帶來的開銷，極大提升運算效率，實現(xiàn)計算存儲的高效節(jié)能。存算一體非常符合高訪存、高并行的人工智能場景計算需求。在產業(yè)和資本的驅動下，基于SRAM，DRAM，F(xiàn)lash存儲介質的產品進入驗證期，將優(yōu)先在低功耗、小算力的端側如智能家居、可穿戴設備、泛機器人、智能安防等計算場景落地。未來，隨著存算一體在面向云端推理的大算力場景落地，可能將帶來計算架構的一場革命性變化，推動傳統(tǒng)的以計算為中心的架構轉變?yōu)橐詳?shù)據(jù)為中心的架構，并對云計算、人工智能、物聯(lián)網(wǎng)等產業(yè)產生重大影響。安全技術與云緊密結合，打造平臺化、智能化的新型安全體系。
云原生安全是安全體系的優(yōu)化和升級，進而實現(xiàn)云基礎設施的原生安全，以及具有更強的安全能力。云原生安全是安全技術與云計算由相對松散走向緊密結合的過程。安全和合規(guī)成為云產品的內生免疫力，幫助云產品及時發(fā)現(xiàn)風險并實現(xiàn)自愈。云計算向以CIPU為中心的全新云計算體系架構深度演進，通過軟件定義，硬件加速， 在保持云上應用開發(fā)的高彈性和敏捷性同時，帶來云上應用的全面加速。
云計算從以CPU為中心的計算體系架構向以云基礎設施處理器（CIPU）為中心的全新體系架構深度演進。通過軟件定義，硬件加速，在保持云上應用開發(fā)的高彈性和敏捷性同時，帶來云上應用的全面加速。新的體系架構下，軟硬一體化帶來硬件結構的融合，接入物理的計算、存儲、網(wǎng)絡資源，通過硬件資源的快速云化實現(xiàn)硬件加速。此外，新架構也帶來軟件系統(tǒng)的融合。這意味著以CIPU云化加速后的算力資源，可通過CIPU上的控制器接入分布式平臺，實現(xiàn)云資源的靈活管理、調度和編排。在此基礎上，CIPU將定義下一代云計算的服務標準，給核心軟件研發(fā)和專用芯片行業(yè)帶來新的發(fā)展機遇。基于云定義的可預期網(wǎng)絡技術，即將從數(shù)據(jù)中心的局域應用走向全網(wǎng)推廣。
可預期網(wǎng)絡 (Predictable Fabric) 是云計算定義的，服務器端側和網(wǎng)絡協(xié)同的高性能網(wǎng)絡互聯(lián)系統(tǒng)。計算體系和網(wǎng)絡體系正在相互融合，它通過高性能網(wǎng)絡互聯(lián)使能算力集群的規(guī)模擴展，從而構建大算力資源池，加速算力普惠化，讓算力進入大規(guī)模產業(yè)應用。可預期網(wǎng)絡不僅支持新興的大算力+高性能計算場景，也適用于通用計算場景，是融合了傳統(tǒng)網(wǎng)絡和未來網(wǎng)絡的產業(yè)趨勢。通過云定義的協(xié)議、軟件、芯片、硬件、架構、平臺的全棧創(chuàng)新，可預期高算力網(wǎng)絡有望顛覆目前基于傳統(tǒng)互聯(lián)網(wǎng)TCP協(xié)議的技術體系，成為下一代數(shù)據(jù)中心網(wǎng)絡的基本特征，并從數(shù)據(jù)中心的局域應用走向全網(wǎng)推廣。融合運籌優(yōu)化和機器學習的雙引擎智能決策，將推進全局動態(tài)資源配置優(yōu)化。
企業(yè)需在紛繁復雜、動態(tài)變化環(huán)境中，快速做出精準經(jīng)營決策。經(jīng)典決策優(yōu)化基于運籌學，通過對現(xiàn)實問題進行準確描述刻畫來構建數(shù)學模型，同時結合運籌優(yōu)化算法，在多重約束條件下求目標函數(shù)最優(yōu)解。隨著外部環(huán)境復雜程度和變化速度不斷加劇，經(jīng)典決策優(yōu)化對不確定性問題處理不夠好、大規(guī)模求解響應速度不夠快的局限性日益凸顯。學界和產業(yè)界開始探索引入機器學習，構建數(shù)學模型與數(shù)據(jù)模型雙引擎新型智能決策體系，彌補彼此局限性、提升決策速度和質量。未來，雙引擎智能決策將進一步拓展應用場景，在大規(guī)模實時電力調度、港口吞吐量優(yōu)化、機場停機安排、制造工藝優(yōu)化等特定領域推進全局實時動態(tài)資源配置優(yōu)化。計算光學成像突破傳統(tǒng)光學成像極限，將帶來更具創(chuàng)造力和想象力的應用。
計算光學成像是一個新興多學科交叉領域。它以具體應用任務為準則，通過多維度獲取或編碼光場信息（如角度、偏振、相位等），為傳感器設計遠超人眼的感知新范式；同時，結合數(shù)學和信號處理知識，深度挖掘光場信息，突破傳統(tǒng)光學成像極限。目前，計算光學成像處于高速發(fā)展階段，已取得許多令人振奮的研究成果，并在手機攝像、醫(yī)療、無人駕駛等領域開始規(guī)模化應用。未來，計算光學成像有望進一步顛覆傳統(tǒng)成像體系，帶來更具創(chuàng)造力和想象力的應用，如無透鏡成像、非視域成像等。
城市數(shù)字孿生在大規(guī)模趨勢基礎上，繼續(xù)向立體化、無人化、全局化方向演進。
城市數(shù)字孿生自2017年首度被提出以來，受到廣泛推廣和認可，成為城市精細化治理的新方法。近年來，城市數(shù)字孿生關鍵技術實現(xiàn)了從量到質的突破，具體體現(xiàn)在大規(guī)模方面，實現(xiàn)了大規(guī)模動態(tài)感知映射（更低建模成本）、大規(guī)模在線實時渲染（更短響應時間），以及大規(guī)模聯(lián)合仿真推演（更高精確性）。目前，大規(guī)模城市數(shù)字孿生已在交通治理、災害防控、雙碳管理等應用場景取得較大進展。未來城市數(shù)字孿生將在大規(guī)模趨勢的基礎上，繼續(xù)向立體化、無人化、全局化方向演進。
生成式AI進入應用爆發(fā)期，將極大地推動數(shù)字化內容生產與創(chuàng)造。
生成式AI（Generative AI 或 AIGC）是利用現(xiàn)有文本、音頻文件或圖像創(chuàng)建新內容的技術。過去一年，其技術上的進展主要來自于三大領域：圖像生成領域，以DALL·E-2、Stable Diffusion為代表的擴散模型（diffusion model）；自然語言處理（NLP）領域基于GPT-3.5的ChatGPT；代碼生成領域基于GPT-3的Copilot。未來，生成式AI將成為一項大眾化的基礎技術，極大的提高數(shù)字化內容的豐富度、創(chuàng)造性與生產效率，其應用邊界也將隨著技術得進步與成本的降低擴展到更多領域。
