1月11日，阿里達摩院發(fā)布《2023十大科技趨勢》報告，預測：多模態(tài)預測訓練大模型、Chiplet（芯粒）、存算一體、云原生安全、軟硬融合云計算體系架構(gòu)、端網(wǎng)融合的可預期網(wǎng)絡、雙引擎智能決策、計算光學成像、大規(guī)模城市數(shù)字孿生、生成式AI等十大科技技術(shù)將成為2023年的熱門發(fā)展趨勢。

從達摩院發(fā)布的結(jié)果來看，2023年科技趨勢的“含芯量”很高，十大技術(shù)中有多項技術(shù)或直指芯片和傳感器技術(shù)，或有技術(shù)落地提及需要前沿芯片技術(shù)支持。由此，芯師爺特摘錄阿里達摩院發(fā)布的《2023十大科技趨勢》，供半導體產(chǎn)業(yè)人士參考，以期讀者們能獲得2023年芯片技術(shù)發(fā)展的啟發(fā)。

關于達摩院《2023十大科技趨勢》的詳細解讀及報告下載，請直接訪問以下網(wǎng)址獲取：

https://files.alicdn.com/tpsservice/9b8b05280c05294f158bdb0dee61f78b.pdf

趨勢一

多模態(tài)預訓練大模型

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(shù)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）?；诙囝I域知識，構(gòu)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(jié)、做創(chuàng)作的認知智能方向演進。

趨勢二Chiplet

Chiplet 的互聯(lián)標準將逐漸統(tǒng)一，重構(gòu)芯片研發(fā)流程。

Chiplet 是硅片級別的“解構(gòu) - 重構(gòu) - 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(chǎn)業(yè)化進程將進一步加速?；谙冗M封裝技術(shù)的 Chiplet 可能將重構(gòu)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(chǎn)業(yè)格局。

趨勢三存算一體

資本和產(chǎn)業(yè)雙輪驅(qū)動，存算一體芯片將在垂直細分領域迎來規(guī)?；逃?。

存算一體旨在計算單元與存儲元融合，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，以實現(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(chǎn)業(yè)和投資的驅(qū)動下， 基于SRAM， DRAM，F(xiàn)lash 存儲介質(zhì)的產(chǎn)品進入驗證期，將優(yōu)先在低功耗、小算力的端側(cè)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 存算一體芯片在云端推理大算力場景落 地，或?qū)碛嬎慵軜?gòu)的變革。它推動 傳統(tǒng)的以計算為中心的架構(gòu)向以數(shù)據(jù)為中心的架構(gòu)演進，并對云計算、人工智能、物聯(lián)網(wǎng)等產(chǎn)業(yè)發(fā)展帶來積極影響。

趨勢四云原生安全

安全技術(shù)與云緊密結(jié)合，打造平臺化、智能化的新型安全體系。

云原生安全是安全理念從邊界防御 向縱深防御、從外掛模式向內(nèi)生安全的轉(zhuǎn)變，實現(xiàn)云基礎設施的原生安全，并基于云原生技術(shù)提升安全的服務能力。

安全技術(shù)與云計算由相對松散走向緊密 結(jié)合，經(jīng)過“容器化部署”、“微服務 化轉(zhuǎn)型”走向“無服務器化”的技術(shù)路線， 實現(xiàn)安全服務的原生化、精細化、平臺化和智能化：

● 以安全左移為原則，構(gòu)建產(chǎn)品研發(fā)、 安全、運維一體化的產(chǎn)品安全體系， 增進研發(fā)，安全和運維融合協(xié)同；

● 以統(tǒng)一的身份驗證和配置管理為基 礎，實現(xiàn)精準授權(quán)和動態(tài)策略配置；

● 以縱深防御體系為架構(gòu)，平臺級的安 全產(chǎn)品為依托，實現(xiàn)精準主動防御， 化解傳統(tǒng)安全產(chǎn)品碎片化的問題；

● 以安全運營為牽引，實現(xiàn)涵蓋應用、 云產(chǎn)品、網(wǎng)絡等全鏈路的實時檢測、 精準響應、快速溯源和威脅狩獵。

趨勢五軟硬融合云計算體系架構(gòu)

云計算向以CIPU 為中心的全新云計算體系架構(gòu)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(gòu)向以云基礎設施處理器（CIPU）為 中心的全新體系架構(gòu)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(gòu)下，軟硬一體化帶來硬件結(jié)構(gòu)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(gòu)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(diào)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。

趨勢六端網(wǎng)融合的可預期網(wǎng)絡

基于云定義的可預期網(wǎng)絡技術(shù)，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）是由云計算定義，服務器端側(cè)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，高性能網(wǎng)絡互聯(lián) 使能算力集群的規(guī)模擴展，從而形成了大算力資源池，加速了算力普惠化，讓算力走向大規(guī)模產(chǎn)業(yè)應用。

可預期網(wǎng)絡不僅支持新興的大算力和高性能計算場景，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(chǎn)業(yè)趨勢。通過云定義的協(xié)議、軟件、芯片、硬件、架構(gòu)、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(shù)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。

趨勢七雙引擎智能決策

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)變化的環(huán) 境中快速精準地做出經(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 行準確描述來構(gòu)建數(shù)學模型，同時結(jié)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突顯。學 術(shù)界和產(chǎn)業(yè)界開始探索引入機器學習，構(gòu)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(zhì)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(diào)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。

趨勢八計算光學成像

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(jié)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)?；瘧?。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。

趨勢九大規(guī)模城市數(shù)字孿生

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(shù)實現(xiàn)了從量到質(zhì)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。

趨勢十生成式 AI

生成式AI進入應用爆發(fā)期，將極大地推動數(shù)字化內(nèi)容生產(chǎn)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(nèi)容的技術(shù)。過去一年，其技術(shù)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 Codex 的 Copilot。

現(xiàn)階段的生成式 AI 通常被用來生成產(chǎn)品原型或初稿，應用場景涵 蓋圖文創(chuàng)作、代碼生成、游戲、廣告、藝術(shù)平面設計等。未來，生成式 AI 將成為一項大眾化的基礎技術(shù)，極大的提高數(shù)字化內(nèi)容的豐富度、創(chuàng)造性與生產(chǎn)效 率，其應用邊界也將隨著技術(shù)的進步與成本的降低擴展到更多領域。

-END -

審核編輯 ：李倩