智慧城市网

　　趋势一：多模态预训练大模型

　　基于多模态的预训练大模型将实现图文音统一知识表示，成为人工智能基础设施。
 

　　人工智能正在从文本、语音、视觉等单模态智能，向着多种模态融合的通用人工智能方向发展。多模态统一建模，目的是增强模型的跨模态语义对齐能力，打通各个模态之间的关系，使得模型逐步标准化。目前，技术上的突出进展来自于 CLIP(匹配图像和文本)和 BEiT-3(通用多模态基础模型)。基于多领域知识，构建统一的、跨场景、多任务的多模态基础模型已成为人工智能的重点发展方向。未来大模型作为基础设施，将实现图像、文本、音频统一知识表示， 并朝着能推理、能回答问题、能总结、 做创作的认知智能方向演进。
 

　　趋势二：Chiplet 模块化设计封装

Chiplet的互联标准将逐渐统一，重构芯片研发流程。
 

　　Chiplet 是硅片级别的“解构-重构-复用”，它把传统的SoC分解为多个芯粒模块，将这些芯粒分开制备后再通过互联封装形成一个完整芯片。芯粒可以采用不同工艺进行分离制造，可以显著降低成本，并实现一种新形式的IP复用。随着摩尔定律的放缓，Chiplet 成为持续提高SoC集成度和算力的重要途径，特别是随着2022 年 3 月份 UCle 联盟的成 立，Chiplet互联标准将逐渐统一，产业化进程将进一步加速。基于先进封装技 术的 Chiplet 可能将重构芯片研发流程， 从制造到封测，从 EDA 到设计，全方位影响芯片的区域与产业格局。
 

　　趋势三：存算一体
 

　　资本和产业双轮驱动，存算一体芯片将在垂直细分领域迎来规模化商用。
 

　　存算一体旨在计算单元与存储单元融合，在实现数据存储的同时直接进行计算，以消除数据搬移带来的开销，极大提升运算效率，以实现计算存储的高效节能。存算一体非常符合高访存、高并行的人工智能场景计算需求。在产业和投资的驱动下， 基于SRAM， DRAM，Flash 存储介质的产品进入验证期，将优先在低功耗、小算力的端侧如智能家居、可穿戴设备、泛机器人、智能安防等计算场景落地。未来，随着存算一体芯片在云端推理大算力场景落地，或将带来计算架构的变革。它推动 传统的以计算为中心的架构向以数据为中心的架构演进，并对云计算、人工智能、 物联网等产业发展带来积极影响。
 

　　趋势四：云原生安全
 

　　安全技术与云紧密结合，打造平台化、智能化的新型安全体系。
 

　　云原生安全是安全理念从边界防御向纵深防御、从外挂模式向内生安全的转变，实现云基础设施的原生安全，并基于云原生技术提升安全的服务能力。安全技术与云计算由相对松散走向紧密结合，经过“容器化部署”、“微服务化转型”走向“无服务器化”的技术路线，实现安全服务的原生化、精细化、平台 化和智能化：
 

　　● 以安全左移为原则，构建产品研发、安全、运维一体化的产品安全体系， 增进研发，安全和运维融合协同;
 

　　● 以统一的身份验证和配置管理为基础，实现精准授权和动态策略配置;
 

　　● 以纵深防御体系为架构，平台级的安全产品为依托，实现精准主动防御， 化解传统安全产品碎片化的问题;
 

　　● 以安全运营为牵引，实现涵盖应用、云产品、网络等全链路的实时检测、 精准响应、快速溯源和威胁狩猎。
 

　　趋势五：软硬融合云计算体系架构
 

　　云计算向以CIPU为中心的全新云计算体系架构深度演进，通过软件定义、硬件加速，在保持云上应用开发的高弹性和敏捷性的同时，带来云上应用的全面加速。
 

　　云计算从以 CPU 为中心的计算体系架构向以云基础设施处理器(CIPU)为中心的全新体系架构深度演进。通过软件定义，硬件加速，在保持云上应用开发的高弹性和敏捷性同时，带来云上应用的全面加速。新的体系架构下，软硬一体化带来硬件结构的融合，接入物理的计算、存储、网络资源，通过硬件资源的快速云化实现硬件加速。此外，新架构也带来软件系统的融合。这意味着以CIPU 云化加速后的算力资源，可通过CIPU上的控制器接入分布式平台，实现云资源的灵活管理、调度和编排。在此基础上，CIPU将定义下一代云计算的服务标准，给核心软件研发和专用芯片行业带来新的发展机遇。
 

　　趋势六：端网融合的可预期网络
 

　　基于云定义的可预期网络技术，即将从数据中心的局域应用走向全网推广。
 

　　可预期网络(Predictable Fabric)是由云计算定义，服务器端侧和网络协同的高性能网络互联系统。计算体系和网络体系正在相互融合，高性能网络互联使能算力集群的规模扩展，从而形成了大算力资源池，加速了算力普惠化，让算力走向大规模产业应用。可预期网络不仅支持新兴的大算力和高性能计算场景，也适用于通用计算场景，是融合了传统网络和未来网络的产业趋势。通过云定义的协议、软件、芯片、硬件、架构、平台的全栈创新，可预期高算力网络有望颠覆目前基于传统互联网 TCP 协议的技术体系，成为下一代数据中心网络的基本特征，并从数据中心的局域应用走向全网推广。
 

　　趋势七：双引擎智能决策
 

　　融合运筹优化和机器学习的双引擎智能决策，将推进全局动态资源配置优化。
 

　　企业需在纷繁复杂、动态变化的环境中快速精准地做出经营决策。经典决策优化基于运筹学，通过对现实问题进行准确描述来构建数学模型，同时结合运筹优化算法，在多重约束条件下求目标函数最优解。随着外部环境复杂程度和变化速度不断加剧，经典决策优化对不确定性问题处理不够好、大规模求解响应速度不够快的局限性日益突显。学术界和产业界开始探索引入机器学习， 构建数学模型与数据模型双引擎新型智能决策体系，弥补彼此局限性、提升决策速度和质量。未来，双引擎智能决策将进一步拓展应用场景，在大规模实时电力调度、港口吞吐量优化、机场停机安排、制造工艺优化等特定领域推进全局实时动态资源配置优化。
 

　　趋势八：计算光学成像

计算光学成像突破传统光学成像极限，将带来更具创造力和想象力的应用。
 

　　计算光学成像是一个新兴多学科交叉领域。它以具体应用任务为准则，通过多维度获取或编码光场信息(如角度、偏振、相位等)，为传感器设计远超人眼的感知新范式;同时，结合数学和信号处理知识，深度挖掘光场信息，突破传统光学成像极限。目前，计算光学成像处于高速发展阶段，已取得许多令人 振奋的研究成果，并在手机摄像、医疗、 无人驾驶等领域开始规模化应用。未来， 计算光学成像有望进一步颠覆传统成像体系，带来更具创造力和想象力的应用， 如无透镜成像、非视域成像等。
 

　　趋势九：大规模城市数字孪生
 

　　城市数字孪生在大规模趋势基础上，继续向立体化、无人化、全局化方向演进。
 

　　城市数字孪生自2017年首度被提出以来，受到广泛推广和认可，成为城市精细化治理的新方法。近年来，城市数字孪生关键技术实现了从量到质的突破， 具体体现在大规模方面，实现了大规模动态感知映射(更低建模成本)、大规模在线实时渲染(更短响应时间)，以及大规模联合仿真推演(更高精确性)。目前，大规模城市数字孪生已在交通治理、 灾害防控、双碳管理等应用场景取得较大进展。未来城市数字孪生将在大规模趋势的基础上，继续向立体化、无人化、全局化方向演进。
 

　　趋势十：生成式 AI
 

　　生成式 AI 进入应用爆发期，将极大推动数字化内容生产与创造。
 

　　生成式 AI(Generative AI 或 AIGC) 是利用现有文本、音频文件或图像创建新内容的技术。过去一年，其技术上的进展主要来自于三大领域：图像生成领域，以 DALL·E-2、Stable Diffusion 为 代表的扩散模型(Diffusion Model);自然语言处理(NLP)领域基于 GPT-3.5 的 ChatGPT;代码生成领域基于 Codex 的 Copilot。现阶段的生成式 AI 通常被用来生成产品原型或初稿，应用场景涵盖图文创作、代码生成、游戏、广告、 艺术平面设计等。未来，生成式 AI 将成为一项大众化的基础技术，极大的提高数字化内容的丰富度、创造性与生产效率，其应用边界也将随着技术的进步与成本的降低扩展到更多领域。