十大科技趨勢(shì)

Top Ten Technology Trends of Damo Academy

2022

卷首語

一個(gè)世紀(jì)以來，數(shù)字科技的演進(jìn)推動(dòng)了人類的技術(shù)進(jìn)步與產(chǎn)業(yè)發(fā)展。我們當(dāng)前正在

經(jīng)歷數(shù)字科技最快發(fā)展的階段，數(shù)字化、網(wǎng)絡(luò)化、智能化讓數(shù)字世界與物理世界的融合與

協(xié)同更加緊密。

從現(xiàn)實(shí)世界走向虛實(shí)融合的世界。云網(wǎng)端的協(xié)同發(fā)展下，端側(cè)將誕生更多繁榮的新

物種，比如以 VR、AR 為代表的虛擬現(xiàn)實(shí)技術(shù)相結(jié)合的多種終端，將在下一代互聯(lián)網(wǎng)的

催化下，改變?nèi)伺c科技互動(dòng)的方式。通過模擬真實(shí)世界的時(shí)空，解決真實(shí)世界的需求，如

遠(yuǎn)程教育、遠(yuǎn)程醫(yī)療、遠(yuǎn)程辦公等，消除地理空間的限制。

從實(shí)驗(yàn)室走向產(chǎn)業(yè)應(yīng)用。以云為核心的數(shù)字技術(shù)體系，將 AI、大數(shù)據(jù)、大規(guī)模算力

等技術(shù)與資源集成在一起，并通過云這個(gè)數(shù)字化的操作系統(tǒng)，讓個(gè)體、企業(yè)、科研院所

都可以低門檻、普惠的方式快速的調(diào)用技術(shù)資源。讓各類前沿技術(shù)從實(shí)驗(yàn)室通過云走到

現(xiàn)實(shí)中，如 AI 工程化、AI for Science、預(yù)訓(xùn)練模型都在原有的基礎(chǔ)上，將人工智能

運(yùn)用到生物醫(yī)藥、天文氣象、工業(yè)制造等各行各業(yè)的實(shí)際問題中。

共同走向可持續(xù)發(fā)展的未來。全球正面臨日益緊迫的環(huán)境保護(hù)問題，每一個(gè)人都需

要深刻的意識(shí)到，綠色低碳需要在人們的生活點(diǎn)滴、生產(chǎn)的各個(gè)環(huán)節(jié)去推動(dòng)節(jié)能減排，而

數(shù)字科技是這過程中必不可少力量，包括從無紙化辦公、數(shù)據(jù)中心節(jié)能技術(shù)、到工業(yè)生產(chǎn)

能耗優(yōu)化等多個(gè)方面去努力。

以科技，達(dá)到我們共同美好的未來。

阿里巴巴達(dá)摩院院長(zhǎng) | 阿里云智能總裁

張建鋒

達(dá)摩院 2022 十大科技趨勢(shì) 1

序言一

數(shù)百年來，以數(shù)據(jù)驅(qū)動(dòng)的開普勒范式和以第一性原理驅(qū)動(dòng)的牛頓范式是科學(xué)研究的兩大基本

范式。當(dāng)下正在蓬勃興起的 AI for Science 有可能促使兩種既有范式的深度融合，激發(fā)一場(chǎng)新的科

學(xué)革命?！哆_(dá)摩院 2022 十大科技趨勢(shì)》將 AI for Science 列為重要趨勢(shì)，無疑是看到了人工智能

和傳統(tǒng)科研結(jié)合帶來的巨大潛能。我希望它能幫助推動(dòng)更多科研工作者投身其中，加速這場(chǎng)科學(xué)革

命的進(jìn)程。

科學(xué)研究有兩大基本目的：一是尋求基本規(guī)律，二是解決實(shí)際問題。在量子力學(xué)建立之時(shí)，狄

拉克就預(yù)言說尋求基本規(guī)律的任務(wù)已大體完成，但因?yàn)槠鋽?shù)學(xué)問題太復(fù)雜，用基本原理來解決實(shí)際

問題非常困難。直到上世紀(jì) 50 年代電子計(jì)算機(jī)開始投入使用，以及微分方程數(shù)值方法的出現(xiàn)，人類

才第一次大規(guī)模實(shí)現(xiàn)了從基本原理出發(fā)解決實(shí)際問題的能力，并由此構(gòu)建起了現(xiàn)代工業(yè)和技術(shù)賴以

生存的基礎(chǔ)。

但很多問題依然非常難以求解，比方說各類多體問題，藥物和材料設(shè)計(jì)、蛋白質(zhì)折疊、湍流、

塑性力學(xué)和非牛頓流體力學(xué)等。這些難題的根本根源是“維數(shù)災(zāi)難”：隨著自由度的增多，問題的

復(fù)雜度呈指數(shù)級(jí)增長(zhǎng)。

我從 80 年代開始研究算法，一直在嘗試解決這些問題。尤其是在多尺度模型和算法方面，我持

續(xù)了多年的努力，但總是覺得難以找到真正的突破口。2011 年我寫了一本多尺度模型方面的書。本

來是想在山窮水盡之際轉(zhuǎn)行到更需要科研人力投入的大數(shù)據(jù)領(lǐng)域，但我沒想到的是，機(jī)器學(xué)習(xí)恰恰

是我們過去缺乏的工具。從 2014 年起，我即投身于機(jī)器學(xué)習(xí)與科學(xué)計(jì)算的結(jié)合。去年我們一個(gè)以

年輕人為主力的團(tuán)隊(duì)利用機(jī)器學(xué)習(xí)方法在量子力學(xué)精度的分子動(dòng)力學(xué)模擬方面取得了重大突破，把

可處理體系的規(guī)模從 1000 個(gè)原子提高到 1 億個(gè)原子，并因此獲得了 2020 年戈登貝爾獎(jiǎng)。這是我

們第一次看到機(jī)器學(xué)習(xí)、科學(xué)計(jì)算、高性能計(jì)算三大工具的結(jié)合所帶來的廣闊空間。AlphaFold 2

的成功，更是讓我們看到了數(shù)據(jù)驅(qū)動(dòng)的方法所能帶來的革命性的改變。

這個(gè)空間和改變給我們帶來的將是新的科學(xué)工具的發(fā)展和新的科研模式的構(gòu)建。它也將推動(dòng)科

學(xué)研究從小農(nóng)作坊模式轉(zhuǎn)變到大平臺(tái)模式，即由整個(gè)科學(xué)家群體共同努力構(gòu)建基礎(chǔ)模型、基礎(chǔ)算法

和工具。這樣的大平臺(tái)將極大地提升整體科研的效率。在這一方面，DeepModeling 開源社區(qū)已經(jīng)

邁開了非常可喜的一步。

AI for Science 帶來的不僅僅是幾個(gè)點(diǎn)上的突破，而是科研方法的全面改變。要適應(yīng)這樣一個(gè)

新的環(huán)境，科學(xué)家們需要更深入地了解 AI，才有可能用好 AI。企業(yè)積累了大量 AI 研發(fā)能力和資源。

它們不僅可以提供學(xué)界所急缺的計(jì)算資源，還能夠幫助打造基礎(chǔ)科研工具。無疑，學(xué)界和業(yè)界需要

更多協(xié)作，秉持開源開放的精神，消除門戶之見，打造 AI for Science 的科研共同體。

達(dá)摩院十大科技趨勢(shì)或許就是這種努力之一。我期待達(dá)摩院牽頭的這種努力，能夠加快信息科

學(xué)和傳統(tǒng)科學(xué)的深度融合。也期待 AI for Science 不只是一個(gè)新的浪潮，而是一個(gè)全新的科學(xué)時(shí)代。

鄂維南

北京大學(xué)、普林斯頓大學(xué)教授

達(dá)摩院 2022 十大科技趨勢(shì) 2

王元卓

中國(guó)科學(xué)院計(jì)算技術(shù)研究所研究員，科普作家

序言二

著名物理學(xué)家盧瑟福提到“科學(xué)家不是依賴于個(gè)人的思想，而是綜合了幾千人的智慧，所有的

人想一個(gè)問題，并且每人做它的部分工作，添加到正建立起來的偉大知識(shí)大廈之中?！笨茖W(xué)不應(yīng)該

是束之高閣的學(xué)問，應(yīng)該讓更多有志者能夠理解、能夠共同參與進(jìn)來，讓科學(xué)變成科技，讓科技變

成產(chǎn)品，真實(shí)地改善人類生活的方方面面。

達(dá)摩院作為企業(yè)的研發(fā)機(jī)構(gòu)，關(guān)注的科學(xué)課題都更加接近實(shí)際問題，在今年達(dá)摩院發(fā)布的十大

科技趨勢(shì)中可見一斑，有離生活更近的趨勢(shì)，譬如人工智能改變醫(yī)療的方式，讓一般人能夠享受到

精度更高、體驗(yàn)更好的醫(yī)療服務(wù)；也有離產(chǎn)業(yè)更近的趨勢(shì)，譬如柔性感知機(jī)器人的產(chǎn)業(yè)化，讓機(jī)器

人技術(shù)能夠被使用到更廣泛的場(chǎng)景中。這些科技趨勢(shì)讓大眾了解到科技正在解決什么問題，而這些

解決實(shí)際問題的科技發(fā)展，讓大眾更能直接感受科技帶來的美好。

科幻成真總是激動(dòng)人心的，如同《回到過去》電影中預(yù)言的視頻通話、3D 眼鏡、指紋辨識(shí)等技術(shù)，

在今天已經(jīng)真切地改變?nèi)祟惖纳睢Ｍ瑯拥?，達(dá)摩院十大科技趨勢(shì)在今天看來只是預(yù)測(cè)，我衷心希

望在未來群策群力的努力下，這些預(yù)測(cè)都能成為現(xiàn)實(shí)，讓科技成為社會(huì)進(jìn)步的重要力量。

達(dá)摩院 2022 十大科技趨勢(shì) 3

方法論闡述

《達(dá)摩院 2022 十大科技趨勢(shì)》采用了“定量發(fā)散，定性收斂”的分析方法，整個(gè)分析流程分

為兩部分：“定量發(fā)散”是對(duì)科學(xué)領(lǐng)域做廣泛而全面的定量分析，抽取其中的熱點(diǎn)領(lǐng)域并挖掘重點(diǎn)

突破的技術(shù)；“定性收斂”是對(duì)突破的技術(shù)點(diǎn)進(jìn)行梳理，通過與領(lǐng)域?qū)＜页浞值恼撟C，找出多個(gè)技

術(shù)點(diǎn)代表的趨勢(shì)，總結(jié)對(duì)未來的預(yù)判。

一 定量發(fā)散

以公開論文庫(kù)和公開專利庫(kù)作為基礎(chǔ)數(shù)據(jù)進(jìn)行分析，從 236 個(gè)領(lǐng)域中篩選出 159 個(gè)應(yīng)用與基礎(chǔ)

科學(xué)領(lǐng)域，基于論文與專利數(shù)量的絕對(duì)值與增長(zhǎng)率，篩選出在學(xué)界與產(chǎn)業(yè)界需要重點(diǎn)關(guān)注的領(lǐng)域。

本次總計(jì)分析了 770 萬篇論文及 8.5 萬份專利，時(shí)間跨度為 2018 年 1 月到 2021 年 10 月。

在篩選出的重點(diǎn)領(lǐng)域中運(yùn)用 NLP 技術(shù)分析相關(guān)領(lǐng)域論文（特別是被高頻引用的論文）內(nèi)容，找

出過去 12 個(gè)月內(nèi)被高頻提及的關(guān)鍵詞，并調(diào)查關(guān)鍵詞背后的代表技術(shù)，挖掘可能驅(qū)動(dòng)技術(shù)發(fā)展的關(guān)

鍵要素，以此作為下一階段分析的重要基礎(chǔ)。

二 定性收斂

通過訪談專家和組織研討會(huì)，對(duì)熱點(diǎn)領(lǐng)域內(nèi)的技術(shù)發(fā)展方向進(jìn)行討論總結(jié)，最后結(jié)合專家觀點(diǎn)

與技術(shù)情報(bào)提煉科技趨勢(shì)候選清單。本次共計(jì)訪談了近百位產(chǎn)、學(xué)、研、用領(lǐng)域的專家和戰(zhàn)略科學(xué)家。

最后，達(dá)摩院專家委員會(huì)組織了多輪討論，基于影響力、技術(shù)可行性、社會(huì)價(jià)值等因素的綜合考量，

最終選出了代表 2022 的十大科技趨勢(shì)。

達(dá)摩院 2022 十大科技趨勢(shì) 4

目錄

范式重置

場(chǎng)景變革

未來互聯(lián)

AI for Science 6

8

10

12

14

16

18

20

22

24

綠色能源 AI

全域隱私計(jì)算

大小模型協(xié)同進(jìn)化

柔性感知機(jī)器人

星地計(jì)算

硅光芯片

高精度醫(yī)療導(dǎo)航

云網(wǎng)端融合

XR 互聯(lián)網(wǎng)

人工智能成為科學(xué)家的新生產(chǎn)工具，催生科研新范式

人工智能助力大規(guī)模綠色能源消納，實(shí)現(xiàn)多能互補(bǔ)的電力體系

破解數(shù)據(jù)保護(hù)與流通兩難，隱私計(jì)算走向全域數(shù)據(jù)保護(hù)

大模型參數(shù)競(jìng)賽進(jìn)入冷靜期，大小模型將在云邊端協(xié)同進(jìn)化

機(jī)器人將兼具柔性和類人感知，可自適應(yīng)完成多種任務(wù)

衛(wèi)星及地面一體化的通信與計(jì)算，促進(jìn)空天地海全面數(shù)字化

光電融合兼具光子和電子優(yōu)勢(shì)，突破摩爾定律限制

人工智能與精準(zhǔn)醫(yī)療深度融合，助力診療精度與效率提升

云網(wǎng)端融合形成新計(jì)算體系，催生云上新物種

XR 眼鏡會(huì)成為重要交互界面，引領(lǐng)下一代互聯(lián)網(wǎng)發(fā)展

達(dá)摩院 2022 十大科技趨勢(shì) 5

實(shí)驗(yàn)科學(xué)和理論科學(xué)是數(shù)百年來科學(xué)界的兩大基礎(chǔ)范式，而人工智能正在

催生新的科研范式。機(jī)器學(xué)習(xí)能夠處理多維、多模態(tài)的海量數(shù)據(jù)，解決復(fù)雜場(chǎng)

景下的科學(xué)難題，帶領(lǐng)科學(xué)探索抵達(dá)過去無法觸及的新領(lǐng)域。人工智能不僅

將加速科研流程，還將幫助發(fā)現(xiàn)新的科學(xué)規(guī)律。預(yù)計(jì)未來三年，人工智能將

在應(yīng)用科學(xué)中得到普遍應(yīng)用，在部分基礎(chǔ)科學(xué)中開始成為科學(xué)家的生產(chǎn)工具。

AI for Science

人工智能成為科學(xué)家的新生產(chǎn)工具，催生科研新范式

概要

范式重置

達(dá)摩院 2022 十大科技趨勢(shì) 6

科學(xué)研究是在星辰大海里探索未知，科學(xué)發(fā)現(xiàn)

漫長(zhǎng)而偶然，重大突破仰賴大科學(xué)家的貢獻(xiàn)，如牛

頓、愛因斯坦、楊振寧等，盡管眾多科學(xué)家不懈

投入，科學(xué)發(fā)展的速度仍受到一定限制。

計(jì)算機(jī)科學(xué)改變科研的路徑是從下游逐漸走向

上游。起初計(jì)算

機(jī)主要用來做實(shí)

驗(yàn)數(shù)據(jù)的分析與

歸納。后來科學(xué)

計(jì)算改變了科學(xué)

實(shí)驗(yàn)的方式，人

工智能結(jié)合高

性能計(jì)算，在

實(shí)驗(yàn)成本與難

度較高的領(lǐng)域

開始用計(jì)算機(jī)

進(jìn)行實(shí)驗(yàn)的模

擬，驗(yàn)證科學(xué)

家 的 假 設(shè) ， 加速科研成果的產(chǎn)出，如核能實(shí)驗(yàn)的數(shù)

字反應(yīng)堆，能夠降低實(shí)驗(yàn)成本、提高安全性、減少核

廢料產(chǎn)生。近年，人工智能被證明能做科學(xué)規(guī)律發(fā)現(xiàn)，

不僅在應(yīng)用科學(xué)領(lǐng)域，也能在基礎(chǔ)科學(xué)領(lǐng)域發(fā)揮作

用，如 DeepMind 使用人工智能來幫助證明或提出

新的數(shù)學(xué)定理，輔助數(shù)學(xué)家形成對(duì)復(fù)雜數(shù)學(xué)的直覺。

人工智能將成為科學(xué)家繼計(jì)算機(jī)之后的新生產(chǎn)

工具，一是帶來效率的顯著提升，人工智能將伴隨

科研的全流程，從假設(shè)、實(shí)驗(yàn)到歸納總結(jié)，讓科學(xué)家

不需要像過去一樣十年寒窗才能產(chǎn)出科學(xué)成果，而是

能在一生中保持高產(chǎn)；二是讓科學(xué)不再依賴少數(shù)天才，

人工智能對(duì)科學(xué)研究產(chǎn)生猜想，讓科學(xué)家就其中有意

義有價(jià)值的部分進(jìn)行實(shí)驗(yàn)與證明，讓更多人能夠參與

到科學(xué)研究中。

人工智能在各科研領(lǐng)域中的應(yīng)用節(jié)奏將有所

區(qū)別，在數(shù)字化程度高、數(shù)據(jù)積累好、問題已經(jīng)

被清晰定義的領(lǐng)域中將推進(jìn)地更快，如生命科學(xué)

領(lǐng)域，AlphaFold2 運(yùn)用生命科學(xué)積累的大量數(shù)據(jù)，

通過基因序列預(yù)測(cè)蛋白質(zhì)結(jié)構(gòu)，對(duì)泛生命科學(xué)領(lǐng)域產(chǎn)

生了深遠(yuǎn)的影響。另一方面，在復(fù)雜性高、變量因子

趨勢(shì)解讀

多的領(lǐng)域，人腦難以歸納總結(jié)，機(jī)器學(xué)習(xí)可發(fā)揮優(yōu)勢(shì)

在海量多維的數(shù)據(jù)中找到科學(xué)規(guī)律，如流體力學(xué)等。

人工智能與科研深度結(jié)合仍然需要解決三個(gè)

挑戰(zhàn)，一是人機(jī)交互問題，人工智能與科學(xué)家在科

研流程上的協(xié)作機(jī)制與分工需要更加明確，形成緊

密的互動(dòng)關(guān)系；

二是人工智能的

可解釋性，科學(xué)

家需要明確的因

果關(guān)系來形成科

學(xué)理論，人工智

能需要更容易被

理解，以建立科

學(xué)與人工智能之

間的信任關(guān)系；

三是交叉學(xué)科人

才， 專 業(yè) 領(lǐng) 域

科學(xué)家與人工

智能專家的相互理解程度低，彼此互相促進(jìn)的障

礙仍然較高。

我們預(yù)測(cè)在未來的三年內(nèi)，人工智能技術(shù)在應(yīng)用

科學(xué)中將得到普遍應(yīng)用，在部分基礎(chǔ)科學(xué)中開始成為

研究工具。

98.5%

預(yù)測(cè)范圍

AlphaFold2 人類蛋白質(zhì)組預(yù)測(cè) 1

AI for Science

達(dá)摩院 2022 十大科技趨勢(shì) 7

超大規(guī)模預(yù)訓(xùn)練模型是從弱人工智能向通用人工智能的突破性探索，解

決了傳統(tǒng)深度學(xué)習(xí)的應(yīng)用碎片化難題，但性能與能耗提升不成比例的效率問

題限制了參數(shù)規(guī)模繼續(xù)擴(kuò)張。人工智能研究將從大模型參數(shù)競(jìng)賽走向大小模

型的協(xié)同進(jìn)化，大模型向邊、端的小模型輸出模型能力，小模型負(fù)責(zé)實(shí)際的

推理與執(zhí)行，同時(shí)小模型再向大模型反饋算法與執(zhí)行成效，讓大模型的能力

持續(xù)強(qiáng)化，形成有機(jī)循環(huán)的智能體系。

大小模型協(xié)同進(jìn)化

大模型參數(shù)競(jìng)賽進(jìn)入冷靜期，大小模型將在云邊端協(xié)同進(jìn)化

概要

范式重置

達(dá)摩院 2022 十大科技趨勢(shì) 8

谷歌的 BERT、Open AI 的 GPT-3、智源的悟道、

達(dá)摩院的 M6 等大規(guī)模預(yù)訓(xùn)練模型取得了重要進(jìn)展，

大模型的性能有了飛躍性提升，為下游的 AI 模型提

供了發(fā)展的基礎(chǔ)。然而大模型訓(xùn)練對(duì)資源消耗過大，

參數(shù)數(shù)量增加所帶來的性能提升與消耗提升不成比

例，讓大模型的效率受

到挑戰(zhàn)。

大模型的參數(shù)規(guī)模

發(fā)展將進(jìn)入冷靜期，大

模型與相關(guān)聯(lián)的小模型

協(xié)同將是未來的發(fā)展方

向。大模型沉淀的知識(shí)

與認(rèn)知推理能力向小模

型輸出，小模型基于大

模型的基礎(chǔ)疊加垂直場(chǎng)景的感知、認(rèn)知、決策、執(zhí)行

能力，再將執(zhí)行與學(xué)習(xí)的結(jié)果反饋給大模型，讓大模

型的知識(shí)與能力持續(xù)進(jìn)化，形成一套有機(jī)循環(huán)的智能

系統(tǒng)，參與者越多，受惠者越多，模型進(jìn)化的速度也

越快。

新的智能體系帶來三個(gè)優(yōu)勢(shì)：一是讓小模型更容

易獲取通用的知識(shí)與能力，小模型專注在特定場(chǎng)景做

極致優(yōu)化，提升了性能與效率；二是解決了過去大模

型數(shù)據(jù)集過于單一的問題，小模型在真實(shí)場(chǎng)景回收的

增量數(shù)據(jù)，讓大模型有再進(jìn)化的元素；三是全社會(huì)不

需要重復(fù)訓(xùn)練相似的大模型，模型可以被共享，讓算

力與能源的使用效率最大化。

在協(xié)同進(jìn)化的智能系統(tǒng)下，復(fù)雜系統(tǒng)內(nèi)部可以更

有機(jī)地融合，如城市治理的場(chǎng)景，大腦是治理中樞，

邊端是各路攝像頭及邊緣設(shè)備。邊端的攝像頭將看到

的數(shù)據(jù)進(jìn)行學(xué)習(xí)，將學(xué)習(xí)的結(jié)果反饋給治理中樞，治

理中樞再賦能給其他類似場(chǎng)

景的攝像頭，形成有機(jī)進(jìn)化

的系統(tǒng)。

新的智能體系需要克服

三個(gè)挑戰(zhàn)，一是大模型與知

識(shí)常識(shí)的融合，將以規(guī)則存

在的知識(shí)利用起來，提升模

型通用能力的同時(shí)也降低訓(xùn)

練所需的數(shù)據(jù)量，讓大模型

從數(shù)據(jù)驅(qū)動(dòng)走向知識(shí)與數(shù)據(jù)融合驅(qū)動(dòng)；二是大小模型

的協(xié)同機(jī)制，包含大模型的知識(shí)與能力向小模型降維

遷移的有效性、小模型的小樣本學(xué)習(xí)向大模型的升維

融合、不同維度數(shù)據(jù)的清洗與治理等；三是大模型的

可解釋性，對(duì)大模型依賴上升的同時(shí)，信任決定是否

能被廣泛使用。

我們預(yù)測(cè)在未來的三年內(nèi)，在個(gè)別領(lǐng)域?qū)⒁源笠?guī)

模預(yù)訓(xùn)練模型為基礎(chǔ)，對(duì)協(xié)同進(jìn)化的智能系統(tǒng)進(jìn)行試

點(diǎn)探索。在未來的五年內(nèi)，協(xié)同進(jìn)化的智能系統(tǒng)將成

為體系標(biāo)準(zhǔn)，讓全社會(huì)能夠容易地獲取并貢獻(xiàn)智能系

統(tǒng)的能力，往通用人工智能再邁進(jìn)一大步。

參數(shù)規(guī)模（億）

根據(jù)公開數(shù)據(jù)整理

100000

17500

16000

5300

1750

達(dá)摩院 M6

悟道 2.0

Switch Transfomer

Megatron-Turing

GPT-3

大規(guī)模預(yù)訓(xùn)練模型

大小模型協(xié)同進(jìn)化

趨勢(shì)解讀

達(dá)摩院 2022 十大科技趨勢(shì) 9

電子芯片的發(fā)展逼近摩爾定律極限，難以滿足高性能計(jì)算不斷增長(zhǎng)的數(shù)

據(jù)吞吐需求。硅光芯片用光子代替電子進(jìn)行信息傳輸，可承載更多信息和傳

輸更遠(yuǎn)距離，具備高計(jì)算密度與低能耗的優(yōu)勢(shì)。隨著云計(jì)算與人工智能的大

爆發(fā)，硅光芯片迎來技術(shù)快速迭代與產(chǎn)業(yè)鏈高速發(fā)展。預(yù)計(jì)未來三年，硅光

芯片將承載絕大部分大型數(shù)據(jù)中心內(nèi)的高速信息傳輸。

硅光芯片

光電融合兼具光子和電子優(yōu)勢(shì)，突破摩爾定律限制

概要

范式重置

達(dá)摩院 2022 十大科技趨勢(shì) 10

電子芯片發(fā)展逼近摩爾定律極

限，集成技術(shù)進(jìn)步趨于飽和，高性

能計(jì)算對(duì)數(shù)據(jù)吞吐要求不斷增長(zhǎng)，

亟需技術(shù)突破。

光子芯片不同于電子芯片，技

術(shù)上另辟蹊徑，用光子代替電子進(jìn)

行信息傳輸，可以承載更多的信息

和傳輸更遠(yuǎn)的距離。光子彼此間的

干擾少、提供相較于電子芯片高兩

個(gè)數(shù)量級(jí)的計(jì)算密度與低兩個(gè)數(shù)量

級(jí)的能耗。相較于量子芯片，光子

芯片不需要改變二進(jìn)制的架構(gòu)，能

夠延續(xù)當(dāng)前的計(jì)算機(jī)體系。光子芯片需要與成熟的電

子芯片技術(shù)融合，運(yùn)用電子芯片先進(jìn)的制造工藝及模

塊化技術(shù)，結(jié)合光子和電子優(yōu)勢(shì)的硅光技術(shù)將是未來

的主流形態(tài)。

硅光芯片概念誕生于 40 年前，在本世紀(jì)初，核

心技術(shù)的突破奠定大規(guī)模商用的基礎(chǔ)。硅光芯片近期

技術(shù)的快速迭代及高速增長(zhǎng)的商業(yè)化需求，歸因于云

計(jì)算與人工智能的大爆發(fā)，由于光子傳輸速率與計(jì)算

密度的優(yōu)勢(shì)，硅光芯片被用于光通信和光計(jì)算的場(chǎng)景

中。在通信場(chǎng)景，由于大型分布式計(jì)算、大數(shù)據(jù)分析、

云原生應(yīng)用讓數(shù)據(jù)中心內(nèi)的數(shù)據(jù)通信密度大幅提升，

數(shù)據(jù)移動(dòng)成為性能瓶頸。傳統(tǒng)光模塊成本過高，難以

大規(guī)模應(yīng)用，硅光芯片能夠在低成本的前提下有效提

高數(shù)據(jù)中心內(nèi)集群之間、服務(wù)器之間、乃至于芯片之

間的通信效率。

在計(jì)算場(chǎng)景，據(jù) OpenAI 統(tǒng)計(jì)，自 2012 年，每 3.4

個(gè)月人工智能的算力需求就翻倍，摩爾定律帶來的算

力增長(zhǎng)已無法完全滿足需求，硅光芯片更高計(jì)算密度

與更低能耗的特性是極致算力的場(chǎng)景下的解決方案。

硅光的挑戰(zhàn)來自產(chǎn)業(yè)鏈和工藝水平。硅光芯片的

設(shè)計(jì)、量產(chǎn)、封裝等環(huán)節(jié)尚未標(biāo)準(zhǔn)化和規(guī)?；M(jìn)而

導(dǎo)致其在產(chǎn)能、成本、良率上的優(yōu)勢(shì)還未顯現(xiàn)。光計(jì)

算的精度低于電子芯片，限制了應(yīng)用場(chǎng)景，集成度也

需要提高來提升算力。近期產(chǎn)業(yè)需求的爆發(fā)，推動(dòng)了

硅光芯片產(chǎn)業(yè)鏈的發(fā)展，在光子元器件、硅光制程上

都有重大突破，給硅光芯片商業(yè)化奠定了基礎(chǔ)。

值得關(guān)注的是，光通信與光計(jì)算是相輔相成的，

光通信中的光電轉(zhuǎn)換技術(shù)會(huì)在光計(jì)算中得到應(yīng)用，光

計(jì)算中要求的低損耗、高密度的光子集成技術(shù)也會(huì)進(jìn)

一步促進(jìn)光通信的發(fā)展，將來數(shù)據(jù)計(jì)算和傳輸都可能

在光域完成。

光電融合是未來芯片的發(fā)展趨勢(shì)，硅光子和硅

電子芯片取長(zhǎng)補(bǔ)短，充分發(fā)揮二者優(yōu)勢(shì)，促使算力的

持續(xù)提升。未來三年，硅光芯片將支撐大型數(shù)據(jù)中心

的高速信息傳輸；未來五到十年，以硅光芯片為基礎(chǔ)

的光計(jì)算將逐步取代電子芯片的部分計(jì)算場(chǎng)景。

在 2021 年數(shù)據(jù)中心內(nèi)部流量

占數(shù)據(jù)中心總流量 11

自 2012 年人工智能算力需求 12

72%

3.4 個(gè)月翻倍

硅光芯片

趨勢(shì)解讀

達(dá)摩院 2022 十大科技趨勢(shì) 11

風(fēng)電、光伏等綠色能源近年來快速發(fā)展，也帶來了并網(wǎng)難、消納率低等

問題，甚至出現(xiàn)了“棄風(fēng)”、“棄光”等現(xiàn)象。核心原因在于綠色能源存在

波動(dòng)性、隨機(jī)性、反調(diào)峰等特征，大規(guī)模并網(wǎng)可能影響電網(wǎng)的安全穩(wěn)定運(yùn)行。

人工智能技術(shù)的應(yīng)用，將有效提升電網(wǎng)等能源系統(tǒng)消納多樣化電源和協(xié)調(diào)多

能源的能力，成為提升能源利用率和穩(wěn)定性的技術(shù)支撐，推動(dòng)碳中和進(jìn)程。

預(yù)計(jì)未來三年，人工智能技術(shù)將幫助電力系統(tǒng)實(shí)現(xiàn)大規(guī)模綠色能源消納，實(shí)現(xiàn)

電力系統(tǒng)的安全、高效、穩(wěn)定運(yùn)行。

綠色能源 AI

人工智能助力大規(guī)模綠色能源消納，實(shí)現(xiàn)多能互補(bǔ)的電力體系

概要

場(chǎng)景變革

達(dá)摩院 2022 十大科技趨勢(shì) 12

綠色能源大規(guī)模并網(wǎng)后，風(fēng)電與光伏發(fā)電的波動(dòng)

性、隨機(jī)性、反調(diào)峰等特性將對(duì)電網(wǎng)的穩(wěn)定性和可控

性造成沖擊，需要提高綠色能源并網(wǎng)、輸送、消納和

安全運(yùn)行的能力。根據(jù)中國(guó)國(guó)家能源局測(cè)算，中國(guó)

統(tǒng)一可再生能源電力消納責(zé)任權(quán)重需要從 2021 年的

28.7% 提升至 2030 年的 40%，風(fēng)電、太陽能發(fā)電總

裝機(jī)容量屆時(shí)將達(dá)到 12 億千瓦以上。

人工智能技術(shù)在發(fā)電功率的精準(zhǔn)預(yù)測(cè)、電力優(yōu)化

調(diào)度、電站性能評(píng)估、故障監(jiān)測(cè)和風(fēng)險(xiǎn)管理等方面將

發(fā)揮不可替代的作用，帶來三大突破：

一是精準(zhǔn)的功率預(yù)測(cè)，大數(shù)據(jù)和神經(jīng)網(wǎng)絡(luò)的算法

應(yīng)用，將提升氣象預(yù)報(bào)的準(zhǔn)確性，減少新能源發(fā)電功

率預(yù)測(cè)的誤差。特別是在遠(yuǎn)距離、跨區(qū)域的綠能消納

上，人工智能技術(shù)通過對(duì)電力天氣預(yù)報(bào)的預(yù)測(cè)和分析，

調(diào)節(jié)發(fā)電功率，動(dòng)態(tài)優(yōu)化電力系統(tǒng)發(fā)電策略，保障電

網(wǎng)穩(wěn)定運(yùn)行。

二是智能的調(diào)度控制，在電力調(diào)度端，深度學(xué)

習(xí)、大數(shù)據(jù)驅(qū)動(dòng)技術(shù)和機(jī)理仿真技術(shù)融合，將幫助

電力調(diào)度系統(tǒng)持續(xù)優(yōu)化控制策略，增強(qiáng)風(fēng)電、光伏、

水電和儲(chǔ)能的多能源協(xié)調(diào)能力，實(shí)現(xiàn)多能互補(bǔ)，解

決用電高峰期和低谷期電力輸出不平衡的問題。綠

能的大規(guī)模并網(wǎng)對(duì)電網(wǎng)交直流混聯(lián)、源網(wǎng)荷儲(chǔ)交互

的靈活重構(gòu)、運(yùn)行優(yōu)化與決策也提出了更高要求。

未來，人工智能技術(shù)將支撐我國(guó)綠色能源進(jìn)入增量

主體階段。

三是自動(dòng)化的故障響應(yīng)，基于大數(shù)據(jù)和深度學(xué)習(xí)

做電網(wǎng)設(shè)備的實(shí)時(shí)監(jiān)測(cè)，有助于快速提取故障特征，

大幅提升電力系統(tǒng)的故障識(shí)別能力和響應(yīng)速度。隨著

技術(shù)融合的加深，未來有望實(shí)現(xiàn)毫秒級(jí)的自動(dòng)化預(yù)警

監(jiān)測(cè)和控制。

綠色能源的大規(guī)模開發(fā)和利用已經(jīng)成為當(dāng)今世界

能源發(fā)展的主要方向。在高比例綠色能源并網(wǎng)的趨勢(shì)

下，傳統(tǒng)電力系統(tǒng)難以應(yīng)

對(duì)綠色能源在大風(fēng)、暴雨、

雷電等天氣下發(fā)電功率的

不確定性，以及復(fù)雜故障

及時(shí)響應(yīng)的應(yīng)對(duì)能力。在

運(yùn)行監(jiān)測(cè)過程中，參數(shù)核

驗(yàn)和故障監(jiān)測(cè)仍需要大量

的人工參與，故障特征提

取困難，識(shí)別難度大。針

對(duì)大規(guī)模綠色能源并網(wǎng)在

穩(wěn)定、運(yùn)行和規(guī)劃上面臨

的各種挑戰(zhàn)，以人工智能為主的新一代信息技術(shù)將

對(duì)能源系統(tǒng)整體的高效穩(wěn)定運(yùn)行提供技術(shù)保障和有

力支撐。

人工智能與能源電力的深度融合，將推動(dòng)大規(guī)模

新能源發(fā)電、并網(wǎng)、輸送、消納和安全運(yùn)行，完成對(duì)

能源系統(tǒng)的升級(jí)改造。我們預(yù)計(jì)在未來的三年內(nèi)，人

工智能技術(shù)將幫助電力系統(tǒng)實(shí)現(xiàn)大規(guī)模綠能消納，能

源供給在時(shí)間和空間維度上能夠互聯(lián)互濟(jì)，網(wǎng)源協(xié)調(diào)

發(fā)展，彈性調(diào)度，實(shí)現(xiàn)電力系統(tǒng)的安全、高效、穩(wěn)定

運(yùn)行。

40% 責(zé)任權(quán)重

在 2030 年中國(guó)可再生能源消納 14

綠色能源 AI

趨勢(shì)解讀

達(dá)摩院 2022 十大科技趨勢(shì) 13

傳統(tǒng)機(jī)器人依賴預(yù)編程，局限于大型生產(chǎn)線等結(jié)構(gòu)化場(chǎng)景。近年來，柔

性機(jī)器人結(jié)合柔性電子、力感知與控制、人工智能技術(shù)，獲得了力覺、視覺、

聲音等感知能力，應(yīng)對(duì)多任務(wù)的通用性與應(yīng)對(duì)環(huán)境變化的自適應(yīng)性大幅提升。

機(jī)器人將從大規(guī)模、標(biāo)準(zhǔn)化的產(chǎn)線走向小規(guī)模、非標(biāo)準(zhǔn)化的場(chǎng)景。預(yù)計(jì)未來

五年，柔性感知機(jī)器人將逐步替代傳統(tǒng)工業(yè)機(jī)器人，成為產(chǎn)線上的主力設(shè)備，

并在服務(wù)機(jī)器人領(lǐng)域開始規(guī)模化應(yīng)用。

柔性感知機(jī)器人

機(jī)器人將兼具柔性和類人感知，可自適應(yīng)完成多種任務(wù)

概要

場(chǎng)景變革

達(dá)摩院 2022 十大科技趨勢(shì) 14

機(jī)器人是技術(shù)的集大成者，在過去硬件、網(wǎng)絡(luò)、

人工智能、云計(jì)算的融合發(fā)展下，技術(shù)成熟度有了

飛躍式地進(jìn)展，機(jī)器人朝向多任務(wù)、自適應(yīng)、協(xié)同

化的路線發(fā)展。

柔性機(jī)器人是重要的突破代表，具有柔軟靈活、

可編程、可伸縮等特征，結(jié)合柔性電子、力感知與

控制等技術(shù)，可適應(yīng)多種工作環(huán)境，并在不同任務(wù)

中進(jìn)行調(diào)節(jié)。近年柔性機(jī)器人結(jié)合人工智能技術(shù)，

使得機(jī)器人具備感知能力，提升了通用性與自主性，

降低對(duì)預(yù)編程的依賴。

柔性感知機(jī)器人增加了對(duì)環(huán)境的感知能力（包

含力、視覺、聲音等），對(duì)任務(wù)的遷移能力增強(qiáng)，

不再像傳統(tǒng)機(jī)器人需要窮舉可能性，并且可執(zhí)行依

賴感知的任務(wù)（如醫(yī)療手術(shù)），拓展機(jī)器人的適用

場(chǎng)景。另一個(gè)優(yōu)勢(shì)是在任務(wù)中的自適應(yīng)能力，面向

突發(fā)變化能夠及時(shí)反應(yīng)，準(zhǔn)確地完成任務(wù)并避免問

題發(fā)生。

在工業(yè)機(jī)器人領(lǐng)域，柔性感知機(jī)器人的出現(xiàn)讓

機(jī)器人從大規(guī)模標(biāo)準(zhǔn)化走向小規(guī)模非標(biāo)準(zhǔn)化的產(chǎn)線，

柔性感知機(jī)器人在任務(wù)間的轉(zhuǎn)換能力強(qiáng)，同時(shí)智能

化后降低了使用門檻。在疫情影響下招工難度不斷

提升，柔性感知機(jī)器人有望幫助補(bǔ)足用工缺口。

在服務(wù)機(jī)器人領(lǐng)域，柔性感知機(jī)器人極大改善

人機(jī)交互的體驗(yàn)與安全性，通過感知人的行為，更

柔軟地產(chǎn)生反應(yīng)，使得服務(wù)機(jī)器人可實(shí)現(xiàn)與人更自

然地交互。

柔性感知機(jī)器人的另一個(gè)發(fā)展方向是可移動(dòng)性，

與 AGV（自動(dòng)導(dǎo)航機(jī)器）結(jié)合，可在更大范圍中實(shí)

現(xiàn)自主性與彈性，也為機(jī)器間與人機(jī)協(xié)作創(chuàng)造更多

可能。

柔性感知機(jī)器人需要克服三大挑戰(zhàn)：一是機(jī)器

人領(lǐng)域的智能水平受制于端側(cè)算力與小樣本學(xué)習(xí)的

有效性，有賴于云端協(xié)同的突破；二是柔性機(jī)器人

的精度受制于材料的剛性，執(zhí)行任務(wù)的準(zhǔn)確性較低，

有賴于可變材料的突破；三是柔性機(jī)器人的成本，

有賴于工藝優(yōu)化及通

用化使得價(jià)格具備競(jìng)

爭(zhēng)力。

我 們 預(yù) 測(cè)， 未 來

五年內(nèi)，柔性機(jī)器人

將充分結(jié)合深度學(xué)習(xí)

帶來的智能感知能力，

能面向廣泛場(chǎng)景，逐步

替代傳統(tǒng)工業(yè)機(jī)器人，

成為產(chǎn)線上的主力設(shè)

備。同時(shí)在服務(wù)機(jī)器

人領(lǐng)域?qū)崿F(xiàn)商業(yè)化，

在場(chǎng)景、體驗(yàn)、成本

方面具備優(yōu)勢(shì)，開始規(guī)模化應(yīng)用。

將開始用機(jī)器補(bǔ)足疫情的用功缺口 17

80% 的企業(yè)

柔性感知機(jī)器人

趨勢(shì)解讀

達(dá)摩院 2022 十大科技趨勢(shì) 15

傳統(tǒng)醫(yī)療依賴醫(yī)生經(jīng)驗(yàn)，猶如人工尋路，效果參差不齊。人工智能與精

準(zhǔn)醫(yī)療深度融合，專家經(jīng)驗(yàn)和新的輔助診斷技術(shù)有機(jī)結(jié)合，將成為臨床醫(yī)學(xué)

的高精度導(dǎo)航系統(tǒng)，為醫(yī)生提供自動(dòng)指引，幫助醫(yī)療決策更快更準(zhǔn)，實(shí)現(xiàn)重

大疾病的可量化、可計(jì)算、可預(yù)測(cè)、可防治。預(yù)計(jì)未來三年，以人為中心的

精準(zhǔn)醫(yī)療將成為主要方向，人工智能將全面滲透在疾病預(yù)防和診療的各個(gè)環(huán)節(jié)，

成為疾病預(yù)防和診療的高精度導(dǎo)航協(xié)同。

高精度醫(yī)療導(dǎo)航

人工智能與精準(zhǔn)醫(yī)療深度融合，助力診療精度與效率提升

概要

場(chǎng)景變革

達(dá)摩院 2022 十大科技趨勢(shì) 16

傳統(tǒng)醫(yī)學(xué)方法

在疾病的早篩、診

斷、預(yù)后、治療中

存在局限性，體現(xiàn)

在確診準(zhǔn)確率和診

療效率、精度和效

果等多方面。人工

智能有望將醫(yī)療專

家的經(jīng)驗(yàn)和新的輔

助診斷技術(shù)有機(jī)結(jié)

合，在滿足臨床設(shè)

計(jì)目標(biāo)的基礎(chǔ)上不

斷進(jìn)化，憑借良好

的人機(jī)交互能力，與醫(yī)生協(xié)同互信，真正成為醫(yī)生不

可或缺的幫手。

人工智能技術(shù)已被證明可與基因檢測(cè)、靶向治

療、免疫治療等新技術(shù)研究有效結(jié)合，改變了單純

依賴醫(yī)生經(jīng)驗(yàn)的診斷模式，以腫瘤為例：在早篩和

確診環(huán)節(jié)，人工智能技術(shù)的應(yīng)用從單一癌種走向全癌

種的精準(zhǔn)早篩。使用人工智能影像分析，醫(yī)生可找到

癌細(xì)胞的蹤跡，改變傳統(tǒng)僅用肉眼觀測(cè)癌細(xì)胞的診斷

模式。通過對(duì)樣本大數(shù)據(jù)做標(biāo)志物的整合和分析，可

實(shí)現(xiàn)大批量人群的自動(dòng)化篩查。同時(shí)，人工智能還能

自動(dòng)生成多模態(tài)放射病理診斷和綜合評(píng)估報(bào)告，輔助

醫(yī)生決策，提升癌癥早診率、治療率，降低惡性腫

瘤的死亡率。根據(jù)英美國(guó)家的統(tǒng)計(jì)，使用人工智能

技術(shù)做乳腺癌的早期篩查，陽性誤診率分別降低了

5.7%（美國(guó)）和 1.2%（英國(guó)）。

在治療環(huán)節(jié)，人工智能技術(shù)將改善傳統(tǒng)癌癥治

療方式，對(duì)腫瘤的處理不再是簡(jiǎn)單的手術(shù)切除與否，

而是可以明確是否復(fù)發(fā)、轉(zhuǎn)移，做到比肉眼看得

更準(zhǔn)，讓治療過程透明簡(jiǎn)單?；谂R床數(shù)據(jù)的分

析，人工智能在放療與化療的個(gè)體情況檢測(cè)和靶

向用藥方面也將發(fā)揮關(guān)鍵作用。此外，人工智能

將在腫瘤特異性免疫治療過程中，持續(xù)提升預(yù)測(cè)

抗原的精度。特異性的細(xì)胞免疫治療是最具潛力

的腫瘤治療方法，需要通過腫瘤特異性識(shí)別來做

抗原預(yù)測(cè)，人工智能代替人工實(shí)驗(yàn)來篩選海量的

異?？乖暮兔庖呒?xì)胞受體的空間結(jié)構(gòu)，完成醫(yī)生

無法完成的工作。

在預(yù)后環(huán)節(jié)，人工智能技術(shù)改變了以往單純依賴

專家經(jīng)驗(yàn)的預(yù)測(cè)方式，實(shí)現(xiàn)了基于臨床數(shù)據(jù)指征的精

確計(jì)算，能夠指引預(yù)后，降低風(fēng)險(xiǎn)。

高精度醫(yī)療導(dǎo)航的主要挑戰(zhàn)是標(biāo)準(zhǔn)化、規(guī)范性和

可解釋性，可解釋性是建立人工智能和醫(yī)生的互信關(guān)

系、推動(dòng)產(chǎn)業(yè)化的先決條件。

未來三年，以人為中心的精準(zhǔn)醫(yī)療將成為主要方

向，全面滲透在疾病預(yù)防和診療的各個(gè)環(huán)節(jié)，成為疾

病預(yù)防和診療的高精度導(dǎo)航協(xié)同。而隨著因果推理的

進(jìn)一步發(fā)展，可解釋性有望實(shí)現(xiàn)突破，人工智能將為

疾病的預(yù)防和早診早治提供有力的技術(shù)支撐。

23.6x

2021-2030 全球醫(yī)療 AI 市場(chǎng)規(guī)模 21

高精度醫(yī)療導(dǎo)航

趨勢(shì)解讀

達(dá)摩院 2022 十大科技趨勢(shì) 17

數(shù)據(jù)安全保護(hù)與數(shù)據(jù)流通是數(shù)字時(shí)代的兩難問題，破解之道是隱私計(jì)算。

過去受制于性能瓶頸、技術(shù)信任不足、標(biāo)準(zhǔn)不統(tǒng)一等問題，隱私計(jì)算尚只能

在少量數(shù)據(jù)的場(chǎng)景下應(yīng)用。隨著專用芯片、加密算法、白盒化、數(shù)據(jù)信托等

技術(shù)融合發(fā)展，隱私計(jì)算有望跨越到海量數(shù)據(jù)，數(shù)據(jù)源將擴(kuò)展到全域，激發(fā)

數(shù)字時(shí)代的新生產(chǎn)力。預(yù)計(jì)未來三年，全域隱私計(jì)算技術(shù)將在性能和可解釋

性上有新的突破，或?qū)⒊霈F(xiàn)數(shù)據(jù)信托機(jī)構(gòu)提供基于隱私計(jì)算的數(shù)據(jù)共享服務(wù)。

全域隱私計(jì)算

破解數(shù)據(jù)保護(hù)與流通兩難，隱私計(jì)算走向全域數(shù)據(jù)保護(hù)

概要

未來互聯(lián)

達(dá)摩院 2022 十大科技趨勢(shì) 18

在數(shù)字經(jīng)濟(jì)時(shí)代，數(shù)據(jù)成為核心生產(chǎn)要素，但與

此同時(shí)，數(shù)據(jù)確權(quán)、數(shù)據(jù)法規(guī)、隱私保護(hù)意識(shí)、數(shù)據(jù)

安全保障等因素，已成為跨組織間數(shù)據(jù)的共享與價(jià)值

挖掘必須面對(duì)的課題。

隱私計(jì)算融合密

碼 學(xué)、 人 工 智 能、

芯 片 設(shè) 計(jì) 等 學(xué) 科，

以 多 方 安 全 計(jì) 算、

差 分 隱 私、 可 信 計(jì)

算為代表技術(shù)，可在

保證數(shù)據(jù)隱私不泄露

的情況下實(shí)現(xiàn)計(jì)算分

析，為跨組織的數(shù)據(jù)

共享提供可行的模式。

然而性能瓶頸、技術(shù)

信任不足、標(biāo)準(zhǔn)不統(tǒng)一

等問題，讓隱私計(jì)算尚只能在少量數(shù)據(jù)的場(chǎng)景下應(yīng)用。

隱私計(jì)算將迎來三方面的突破，讓隱私計(jì)算能被

大規(guī)模應(yīng)用：一是性能與效率的跨越式提升，包含同

態(tài)加密的算法突破，降低加解密的算力需求、軟硬一

體的加速芯片，針對(duì)多方安全計(jì)算和聯(lián)邦學(xué)習(xí)場(chǎng)景進(jìn)

行性能優(yōu)化、更多第三方提供可信執(zhí)行環(huán)境（TEE）等。

二是隱私計(jì)算技術(shù)的白盒化，提升技術(shù)的可解釋性進(jìn)

而強(qiáng)化信任度，通過開放集成能力，降低跨技術(shù)、跨

模型的集成壁壘。三是數(shù)據(jù)信托機(jī)構(gòu)的出現(xiàn)，作為可

信第三方提供技術(shù)與運(yùn)營(yíng)，加速組織間的數(shù)據(jù)共享。

隱私計(jì)算的技術(shù)突破將推動(dòng)數(shù)據(jù)計(jì)算由私域走向

全域，分析的精度與深度也隨著可用的數(shù)據(jù)量增加而

提升，在某些對(duì)數(shù)據(jù)量強(qiáng)依賴的領(lǐng)域效果更顯著，

如商業(yè)分析、風(fēng)險(xiǎn)控制、學(xué)術(shù)研究、人工智能、

精準(zhǔn)營(yíng)銷等。另一方面，全域隱私計(jì)算技術(shù)成熟后，

有望成為數(shù)據(jù)共享的標(biāo)準(zhǔn)，數(shù)據(jù)流通的風(fēng)險(xiǎn)將大

幅降低，數(shù)據(jù)所有者與數(shù)據(jù)保管者的責(zé)任邊界更

加明確，安全程度也更加可衡量。

除了技術(shù)之外，隱私計(jì)算最大的不確定性來自于

運(yùn)營(yíng)模式和合規(guī)標(biāo)準(zhǔn)。運(yùn)營(yíng)模式尚未形成完整的體系，

讓數(shù)據(jù)提供方有足夠的誘因共享數(shù)據(jù)，同時(shí)保障數(shù)據(jù)

質(zhì)量讓數(shù)據(jù)使用方有意愿付出費(fèi)用。就合規(guī)標(biāo)準(zhǔn)而言，

隱私計(jì)算的合規(guī)紅線并不明確，讓技術(shù)發(fā)展存在較大

的不確定性，技術(shù)與標(biāo)準(zhǔn)需要在發(fā)展過程中不斷地相

互促進(jìn)。

我們預(yù)測(cè)在三年內(nèi)，全域隱私計(jì)算將在性能和可

解釋性上有新的突破，并開始出現(xiàn)數(shù)據(jù)信托機(jī)構(gòu)提供

基于隱私計(jì)算的數(shù)據(jù)共享服務(wù)。在未來的五到十年，

全域隱私計(jì)算將改變現(xiàn)有的數(shù)據(jù)流通方式，新型業(yè)務(wù)

也將在全域數(shù)據(jù)的基礎(chǔ)上誕生，提升全社會(huì)以數(shù)據(jù)為

核心的生產(chǎn)效率。

在 2025 年將至少使用一種隱私計(jì)算技術(shù) 24

60% 的企業(yè)

全域隱私計(jì)算

趨勢(shì)解讀

達(dá)摩院 2022 十大科技趨勢(shì) 19

基于地面網(wǎng)絡(luò)和計(jì)算的數(shù)字化服務(wù)局限在人口密集區(qū)域，深空、海洋、

沙漠等無人區(qū)尚是服務(wù)的空白地帶。高低軌衛(wèi)星通信和地面移動(dòng)通信將無縫

連接，形成空天地海一體化立體網(wǎng)絡(luò)。由于算隨網(wǎng)動(dòng)，星地計(jì)算將集成衛(wèi)星

系統(tǒng)、空中網(wǎng)絡(luò)、地面通信和云計(jì)算，成為一種新興的計(jì)算架構(gòu)，擴(kuò)展數(shù)字

化服務(wù)的空間。預(yù)計(jì)未來三年，低軌衛(wèi)星數(shù)量會(huì)迎來爆發(fā)式增長(zhǎng)，衛(wèi)星及其

地面系統(tǒng)將成為新型計(jì)算節(jié)點(diǎn)。

星地計(jì)算

衛(wèi)星及地面一體化的通信與計(jì)算，促進(jìn)空天地海全面數(shù)字化

概要

未來互聯(lián)

達(dá)摩院 2022 十大科技趨勢(shì) 20

近年，全球連接及數(shù)字化的需求不斷增加，不再

只是服務(wù)人口密集的區(qū)域，也延伸到深空、海洋、沙

漠等無人區(qū)，單靠地面網(wǎng)絡(luò)和計(jì)算已無法有效滿足需

求。星地計(jì)算將衛(wèi)星系統(tǒng)、空中網(wǎng)絡(luò)、地面通信和云

計(jì)算集成，成為

一種新興的計(jì)算

架構(gòu)。

空中網(wǎng)絡(luò)和

地面通信系統(tǒng)

無縫對(duì)接，以及

技術(shù)能力不斷

迭 代 升 級(jí)， 將

為全球各類應(yīng)

用提供高性能、

低 成 本、 高 可

靠、 無 處 不 在

的數(shù)字化連接，

降低獲取連接

的 復(fù) 雜 度， 并

全面提升連接

質(zhì)量。

算隨網(wǎng)動(dòng)，泛在互聯(lián)網(wǎng)不同連接場(chǎng)景下將會(huì)產(chǎn)生

新的算力需求，促進(jìn)和催生更豐富多元的算力，在多

種計(jì)算任務(wù)中發(fā)揮作用，從而滿足不同行業(yè)、不同場(chǎng)

景下的數(shù)字化需求，全面提升各行各業(yè)的運(yùn)行質(zhì)量。

星地計(jì)算通過空、天、地、海廣覆蓋的網(wǎng)絡(luò)連

接實(shí)現(xiàn)全息泛在的智能高速寬帶通信和全域計(jì)算服

務(wù)，促進(jìn)萬物互聯(lián)，將有效解決偏遠(yuǎn)地區(qū)、航海航

空的通信需求，低延時(shí)廣覆蓋的網(wǎng)絡(luò)將促進(jìn)云網(wǎng)端

的進(jìn)一步融合，為各種極端場(chǎng)景帶來新型應(yīng)用的可

能。從產(chǎn)業(yè)視角而言，人與設(shè)備在線更容易，意味

著更深更廣的數(shù)字化與智能化，將極大程度催化組織

的全局智能。

星地計(jì)算在實(shí)現(xiàn)上仍面臨較多難題：一是空天地

一體化通信問題。面向種類繁多、結(jié)構(gòu)復(fù)雜的泛在互

聯(lián)網(wǎng)的各種業(yè)務(wù)需求，傳統(tǒng)衛(wèi)星通信的簡(jiǎn)單技術(shù)體制、

靜態(tài)處理機(jī)制、薄弱產(chǎn)業(yè)基礎(chǔ)都難以適用。二是星群

計(jì)算問題。天上星間信息傳輸光變電和電變光的發(fā)熱

問題還未被解決，制約了星間信息傳輸?shù)男?。三?/p>

星地產(chǎn)業(yè)融合問題，地面硬件技術(shù)（如芯片）應(yīng)用到

衛(wèi)星上仍然面臨較大的環(huán)境適應(yīng)問題（宇宙射線、空

間干擾等），需要新的制造工藝突破。

我們預(yù)計(jì)在未來三年，低軌衛(wèi)星數(shù)量會(huì)迎來爆發(fā)

式增長(zhǎng)，與高軌衛(wèi)星共同組成衛(wèi)星互聯(lián)網(wǎng)。在未來五

年，衛(wèi)星互聯(lián)網(wǎng)與地面網(wǎng)絡(luò)將無縫結(jié)合形成天地一體

的泛在互聯(lián)網(wǎng)，衛(wèi)星及其地面系統(tǒng)成為新型計(jì)算節(jié)點(diǎn)，

在各類數(shù)字化場(chǎng)景中發(fā)揮作用。

60倍

全球低軌衛(wèi)星數(shù)量預(yù)計(jì)增長(zhǎng)

根據(jù)公開數(shù)據(jù)整理

星地計(jì)算

趨勢(shì)解讀

達(dá)摩院 2022 十大科技趨勢(shì) 21

新型網(wǎng)絡(luò)技術(shù)發(fā)展將推動(dòng)云計(jì)算走向云網(wǎng)端融合的新計(jì)算體系，并實(shí)現(xiàn)

云網(wǎng)端的專業(yè)分工：云將作為腦，負(fù)責(zé)集中計(jì)算與全局?jǐn)?shù)據(jù)處理；網(wǎng)絡(luò)作為

連接，將多種網(wǎng)絡(luò)形態(tài)通過云融合，形成低延時(shí)、廣覆蓋的一張網(wǎng)；端作為

交互界面，呈現(xiàn)多元形態(tài)，可提供輕薄、長(zhǎng)效、沉浸式的極致體驗(yàn)。云網(wǎng)端

融合將促進(jìn)高精度工業(yè)仿真、實(shí)時(shí)工業(yè)質(zhì)檢、虛實(shí)融合空間等新型應(yīng)用誕生。

預(yù)計(jì)未來兩年，將有大量新型應(yīng)用在云網(wǎng)端融合的新計(jì)算體系中運(yùn)行。

云網(wǎng)端融合

云網(wǎng)端融合形成新計(jì)算體系，催生云上新物種

概要

未來互聯(lián)

達(dá)摩院 2022 十大科技趨勢(shì) 22

云計(jì)算發(fā)展經(jīng)歷了兩

個(gè)層次，第一層是基礎(chǔ)設(shè)

施云化，云計(jì)算取代了傳

統(tǒng)數(shù)據(jù)中心，算力與數(shù)據(jù)

向端遷移。第二層是架構(gòu)

云原生化，運(yùn)用云原生的

先進(jìn)架構(gòu)，讓應(yīng)用走向容

器化與無服務(wù)器化。在連

接技術(shù)高速發(fā)展的背景下，

云計(jì)算開始走向第三層，云、網(wǎng)、端的協(xié)作關(guān)系發(fā)生

變化，走向云網(wǎng)端融合的新體系架構(gòu)。

新的體系架構(gòu)下，云網(wǎng)端將專業(yè)分工。云作為體

系中的“腦”，負(fù)責(zé)計(jì)算與數(shù)據(jù)處理，具備更好的計(jì)

算效率、體系化的數(shù)據(jù)處理以及高精、高效、高覆蓋

的人工智能平臺(tái)能力。

網(wǎng)作為體系中的連接系統(tǒng)，光纖、5G、衛(wèi)星互

聯(lián)網(wǎng)等技術(shù)通過云融合，形成低延時(shí)、廣覆蓋的一張

網(wǎng)，連接各種形態(tài)的云和端，讓云網(wǎng)端形成更有機(jī)地

整體。

端作為體系中的交互界面，可大幅簡(jiǎn)化非必要的

計(jì)算和數(shù)據(jù)資源，更專注在用戶體驗(yàn)上，如輕薄、長(zhǎng)

效、沉浸式體驗(yàn)等，端的形態(tài)將更多元，覆蓋各類場(chǎng)

景下的交互需求。通過云網(wǎng)端協(xié)同，將在一種端上完

成多樣場(chǎng)景，在多種端上有一致的體驗(yàn)。

云網(wǎng)端的融合將更高效地促進(jìn)新型應(yīng)用的誕生。

在云端，應(yīng)用將不受過去裝置資源的限制，釋放更多

可能性，如高精度的工業(yè)仿真；在網(wǎng)側(cè)，由網(wǎng)連接的

分布式的算力將促進(jìn)更多低延時(shí)的邊緣計(jì)算應(yīng)用，如

實(shí)時(shí)的工業(yè)質(zhì)檢；在端側(cè)，云網(wǎng)端進(jìn)行協(xié)同與交互，

催生如云電腦、云游戲等新型應(yīng)用。

云網(wǎng)端融合的體系需要克服兩個(gè)挑戰(zhàn)，一是網(wǎng)絡(luò)

技術(shù)的突破，由于在新的體系中網(wǎng)絡(luò)扮演著關(guān)鍵角色，

網(wǎng)絡(luò)質(zhì)量、成本與覆蓋都將成為體系發(fā)展的制約條件，

新型網(wǎng)絡(luò)技術(shù)（如 5G 與衛(wèi)星互聯(lián)網(wǎng)）需要不斷以應(yīng)

用需求為導(dǎo)向進(jìn)行技術(shù)優(yōu)化迭代并以多種手段開展覆

蓋建設(shè)。二是信息安全，數(shù)據(jù)在云上處理，對(duì)數(shù)據(jù)加

密、數(shù)據(jù)治理、安全計(jì)算、隱私計(jì)算等安全技術(shù)的要

求更高。

我們預(yù)測(cè)在未來兩年內(nèi)，將有大量的應(yīng)用場(chǎng)景在

云網(wǎng)端融合的體系運(yùn)行，伴隨著更多依云而生的新型

設(shè)備，帶來更極致、更豐富地用戶體驗(yàn)。

50%

以上的工作負(fù)載

在 2021 年運(yùn)行在本地之外 30 在 2022 年云計(jì)算帶來的增長(zhǎng) 31

IP WAN 流量

2X

云網(wǎng)端融合

趨勢(shì)解讀

達(dá)摩院 2022 十大科技趨勢(shì) 23

隨著端云協(xié)同計(jì)算、網(wǎng)絡(luò)通信、數(shù)字孿生等技術(shù)發(fā)展，以沉浸式體驗(yàn)為

核心的 XR（未來虛實(shí)融合）互聯(lián)網(wǎng)將迎來爆發(fā)期。眼鏡有望成為新的人機(jī)交

互界面，推動(dòng)形成有別于平面互聯(lián)網(wǎng)的 XR 互聯(lián)網(wǎng)，催生從元器件、設(shè)備、

操作系統(tǒng)到應(yīng)用的新產(chǎn)業(yè)生態(tài)。XR 互聯(lián)網(wǎng)將重塑數(shù)字應(yīng)用形態(tài)，變革娛樂、

社交、工作、購(gòu)物、教育、醫(yī)療等場(chǎng)景交互方式。預(yù)計(jì)未來三年，外形與重

量接近普通眼鏡的新一代 XR 眼鏡將產(chǎn)生，成為下一代互聯(lián)網(wǎng)的關(guān)鍵入口。

XR 互聯(lián)網(wǎng)

XR 眼鏡會(huì)成為重要交互界面，帶動(dòng)下一代互聯(lián)網(wǎng)發(fā)展

概要

未來互聯(lián)

達(dá)摩院 2022 十大科技趨勢(shì) 24

互聯(lián)網(wǎng)的發(fā)明引領(lǐng)了數(shù)字時(shí)代的發(fā)展，互聯(lián)網(wǎng)的

更新迭代也對(duì)產(chǎn)業(yè)的格局產(chǎn)生巨大影響。移動(dòng)互聯(lián)網(wǎng)

讓手機(jī)取代個(gè)人電腦，操作系統(tǒng)和應(yīng)用生態(tài)也發(fā)生了

極大變化，而隨著 VR、AR 為代表的虛擬現(xiàn)實(shí)技術(shù)

產(chǎn)業(yè)化，下一代的 XR 互聯(lián)網(wǎng)將對(duì)數(shù)字時(shí)代產(chǎn)生巨大

影響。

XR 互聯(lián)網(wǎng)將改變用戶的信息感知和獲取方式，

最大的特征是由二維平面走向三維立體的沉浸式體

驗(yàn)，信息會(huì)以自然的方式被獲取，讓用戶所見即所得。

構(gòu)筑 XR 互聯(lián)網(wǎng)需要四大要素：硬件（如 XR 眼

鏡等）、內(nèi)容（如娛樂、購(gòu)物、社交等）、人工智能（如

空間感知、數(shù)字孿生）、基礎(chǔ)設(shè)施（如 5G、云計(jì)算等）。

四大要素中硬件和內(nèi)容會(huì)率先發(fā)展，硬件是獲取數(shù)據(jù)

與用戶交互的基礎(chǔ)，也是互聯(lián)網(wǎng)平臺(tái)的載體。XR 眼

鏡會(huì)成為 XR 互聯(lián)網(wǎng)的重要入口，同時(shí)云網(wǎng)端協(xié)同將

改變眼鏡的形態(tài)，使其向著體積更小、重量更輕、響

應(yīng)速度更快的方向發(fā)展。內(nèi)容則以?shī)蕵飞缃缓娃k公場(chǎng)

景開始，再逐漸發(fā)展至購(gòu)物、教育、醫(yī)療等對(duì)遠(yuǎn)距互

動(dòng)有一定需求的場(chǎng)景。

XR 互聯(lián)網(wǎng)改變了人與科技互動(dòng)的方式，一是

模擬真實(shí)世界的時(shí)空，解決真實(shí)世界遠(yuǎn)距移動(dòng)的問

題，如遠(yuǎn)程教育、遠(yuǎn)程醫(yī)療、遠(yuǎn)程辦公等，克服地

理空間的限制。二是創(chuàng)造真實(shí)世界不存在的時(shí)空，

解決真實(shí)世界不完美的問題，如游戲、社交等，讓

用戶能夠重新建立自我認(rèn)可，并以接近真實(shí)世界的

方式進(jìn)行交互。XR 互聯(lián)網(wǎng)也將重塑現(xiàn)有的產(chǎn)業(yè)結(jié)

構(gòu)，催生一批從元器件、設(shè)備、操作系統(tǒng)到應(yīng)用的

新產(chǎn)業(yè)生態(tài)。

XR 互聯(lián)網(wǎng)處

于發(fā)展初期，技術(shù)

上最大的挑戰(zhàn)是

實(shí)現(xiàn)高度沉浸式

體 驗(yàn)： 一 是 AR、

VR、MR 眼鏡等終

端在算力、分辨率、

體積和功耗有較大

提升空間。二是當(dāng)

前的體驗(yàn)技術(shù)注重

視覺和聽覺，而觸覺、嗅覺、味覺等體驗(yàn)技術(shù)仍有

待突破。最后是隱私風(fēng)險(xiǎn)，個(gè)體數(shù)據(jù)作為支撐其持

續(xù)運(yùn)轉(zhuǎn)的核心要素，數(shù)據(jù)資源合規(guī)收集、儲(chǔ)存、分

析與管理的機(jī)制尚待探討。

我們預(yù)計(jì)未來三年內(nèi)會(huì)產(chǎn)生新一代的XR眼鏡，

融合 AR 與 VR 的技術(shù)，利用端云協(xié)同計(jì)算、光學(xué)、

透視等技術(shù)將使得外形與重量接近于普通眼鏡，XR

眼鏡成為互聯(lián)網(wǎng)的關(guān)鍵入口，得到大范圍普及。

54%

12x

2022-2024 全球虛擬現(xiàn)實(shí)產(chǎn)業(yè)規(guī)模 33

到 2022 年 VR/AR 互聯(lián)網(wǎng)的使用量 34

年均增長(zhǎng)

增長(zhǎng)

XR 互聯(lián)網(wǎng)

趨勢(shì)解讀

達(dá)摩院 2022 十大科技趨勢(shì) 25

[1] Tunyasuvunakool, K., Adler, J., Wu, Z. et al. Highly accurate protein structure prediction for the human

proteome. Nature 596, 590–596 (2021). https://doi.org/10.1038/s41586-021-03828-1.

[2] M. Ziatdinov, et al., “Building and exploring libraries of atomic defects in graphene: Scanning transmission

electron and scanning tunneling microscopy study,” Sci. Adv. 5:eaaw8989 (2019). DOI: 10.1126/sciadv.aaw8989.

[3] Basu, S., Kumbier, K., Brown, J. B., & Yu, B. (2018). Iterative random forests to discover predictive and stable

high-order interactions. Proceedings of the National Academy of Sciences, 115(8), 1943-1948.

[4] Chang, M.C.,et al. Accelerating neutron scattering data collection and experiments using AI deep superresolution learning (arXiv:1904.08450, 2019).

[5] R. Bommasani, D.A. Hudson, E. Adeli, R. Altman, S. Arora, S. von Arx, ..., P. Liang, On the opportunities and

risks of foundation models，Center for Research on Foundation Models (CRFM) — Stanford University (2021)

[6] S. Avin, R. Gruetzemacher, J. Fox，Exploring AI Futures Through Role Play，The 2020 AAAI/ACM

Conference on AI for Ethics and Soceity (2020)

[7] S. Baum, B. Goertzel, T. Goertzel，How long until human-level AI? Results from an expert assessment,

Technological Forecasting and Social Change, 78 (1) (2011), pp. 185-195.

[8] Xu Han, Zhengyan Zhang, Ning Ding, Yuxian Gu, Xiao Liu, Yuqi Huo, Jiezhong Qiu, Liang Zhang, Wentao

Han, Minlie Huang, et al. 2021a. Pretrained models: Past, present and future.

[9] J. Lin, A. Yang, J. Bai, C. Zhou, L. Jiang et al., “M6-10t: A sharing delinking paradigm for efficient multitrillion parameter pretraining,” arXiv:2110.03888, 2021.

[10] OpenAI, AI and Compute, 2018

[11] Cisco, Global Index, 2018

[12] Riccardo Marchetti, Cosimo Lacava, Lee Carroll, Kamil Gradkowski, and Paolo Minzioni, \"Coupling strategies

for silicon photonics integrated chips [Invited],\" Photon. Res. 7, 201-239 (2019)

[13] Rudolph, T. Why I am optimistic about the silicon-photonic route to quantum computing. APL Photonics 2,

030901 (2017).

[14] 國(guó)家能源局，《關(guān)于征求 2021 年可再生能源電力消納責(zé)任權(quán)重和 2022-2030 年預(yù)期目標(biāo)建議的函》, 2021.

[15] B. K. Bose, \"Artificial Intelligence Techniques in Smart Grid and Renewable Energy Systems—Some

Example Applications,\" in Proceedings of the IEEE, vol. 105, no. 11, pp. 2262-2273, Nov. 2017, doi: 10.1109/

JPROC.2017.2756596.

[16] S. Ramachandran, \"Applying AI in Power Electronics for Renewable Energy Systems [Expert View],\" in IEEE

Power Electronics Magazine, vol. 7, no. 3, pp. 66-67, Sept. 2020, doi: 10.1109/MPEL.2020.3012009.

[17] ABB, Industry Survey, 2021.

[18] International Federation of Robotics, Executive Summary World Robotics 2021 Industrial Robots, 2021, 12-

16.

[19] Jackson, A., Mentzer, N., Kramer, R., & Zhang, J. (2017, June). Maker: Taking soft robotics from the

laboratory to the classroom. Paper presented at the Make It! Event during the 2017 ASEE Annual Conference &

Exposition, Columbus, OH. Retrieved from https://peer.asee.org/27741

參考文獻(xiàn)

達(dá)摩院 2022 十大科技趨勢(shì) 26

[20] Wang, Z., Chen, M.Z.Q., & Yi, J. (2015). Soft robotics for engineers. HKIE Transactions, 22(2), 88-97.

[21] Allied Market Research, AI in Healthcare Market, 2021.

[22] McKinney SM, Sieniek M, Godbole V, et al. International evaluation of an AI system for breast cancer

screening. Nature 2020; 577: 89-94.

[23] U.S. Food & Drug Administration. Evaluation of automatic class III designation for Osteo Detect. (2018).

Available at: https://www.accessdata.fda.gov/cdrh_docs/reviews/DEN180005.pdf. (Accessed: 2nd October 2019)

[24] Gartner, Top Strategic Technology Trends for 2022, 2021

[25] 中國(guó)信息通信研究院 , 隱私計(jì)算白皮書 (2021), 2021

[26] SIA, 2020 Top-level global satellite industry findings, 2021

[27] CHEN S Z, SUN S H, XU G X, et al. Beam-space multiplexing: practice, theory, and trends, from 4G TD-LTE,

5G, to 6G and beyond[J]. IEEE Wireless Communications, 2020, 27(2): 162-172

[28] PORTILLO I D, CAMERON B, CRAWLEY E F. A technical comparison of three low earth orbit satellite

constellation systems to provide global broadband[J]. Acta Astronautica, 2019, 6(159): 123-135.

[29] Patterson, D.P., 1998, March. Teledesic: a global broadband network. In Aerospace Conference, 1998 IEEE (Vol.

4, pp. 547-552).

[30] Uptime Institute, Annual Data Center Survey, 2020

[31] Cisco visual networking index: Forecast and methodology, 2016–2021 VNI Cisco - CISCO White paper, 2017

[32] A. R. Biswas and R. Giaffreda, \"IoT and cloud convergence: Opportunities and challenges,\" 2014 IEEE World

Forum on Internet of Things (WF-IoT), 2014, pp. 375-376, doi: 10.1109/WF-IoT.2014.6803194.

[33] IDC, IDC 全球增強(qiáng)與虛擬現(xiàn)實(shí)支出指南 , 2020

[34] Gartner, Hyper Cycle for Emerging Technologies, 2021

[35] Cisco, 2018 Cisco Complete VNI Forecast and Trends Update, 2018

[36] Dionisio, J. D. N., Burns, W. G., & Gilbert, R. (2013). 3D Virtual worlds and the metaverse: Current status and

future possibilities. ACM Computing Surveys (CSUR), 45(3), 34.

[37] Girvan, C. (2018). What is a virtual world? Definition and classification. Educational Technology Research and

Development, 66(5), 1087–1100.

達(dá)摩院 2022 十大科技趨勢(shì) 27

致謝

陳本美

鄂維南 杜子?xùn)|

郭安源

金鑫 李小龍

林寶軍

呂樂

戚肖寧

沈文忠

譚平

王小川

謝崇進(jìn)

楊紅霞

張含望

張兆翔

周志華

陳勁

方新

郭雷

黃非 賈揚(yáng)清

李飛飛

李雅亮 劉筆鋒

馬濤

邱劍

施堯耘

唐杰

王奕快

謝源

楊強(qiáng)

張麗清

趙慧嬋

丁博麟 董子龍

甘璐

過敏意 華先勝

黃高 金榕

李默

梁文華

陸盈盈 苗春燕

薛宇

司羅

王剛

王元卓

薛瀾

姚柳佚

張銘

周傲英

任奎

宋曉剛

王權(quán)

吳帆

鄢志杰

印臥濤

張亞勤

周靖人

新加坡工程院院士、

香港中文大學(xué)教授

中國(guó)科學(xué)院院士，北京大學(xué)教授、

普林斯頓大學(xué)教授

中國(guó)科學(xué)院副研究員

華中科技大學(xué)教授

北京大學(xué)研究員 達(dá)摩院研究員

中國(guó)科學(xué)院微小衛(wèi)星工程中心研究員

達(dá)摩院醫(yī)療 AI 實(shí)驗(yàn)室主任、

IEEE Fellow

達(dá)摩院高級(jí)科學(xué)家

上海交通大學(xué)特聘教授、“長(zhǎng)江學(xué)者”

特聘教授，APS/IEEE Fellow

達(dá)摩院 XR 實(shí)驗(yàn)室主任

搜狗創(chuàng)始人

阿里巴巴首席通信科學(xué)家、

OSA/IEEE Fellow

達(dá)摩院資深技術(shù)專家

新加坡南洋理工大學(xué)南洋助理教授

中國(guó)科學(xué)院自動(dòng)化研究所研究員

南京大學(xué)教授、歐洲科學(xué)院外籍院士

清華大學(xué)教授

第三世界院士，中國(guó)科學(xué)院研究

生院管理學(xué)院教授

中國(guó)科學(xué)院院士、中國(guó)科學(xué)院國(guó)家

數(shù)學(xué)與交叉科學(xué)中心主任

達(dá)摩院研究員 達(dá)摩院 AI 平臺(tái)實(shí)驗(yàn)室主任、阿里云

計(jì)算平臺(tái)事業(yè)部高級(jí)研究員

達(dá)摩院數(shù)據(jù)庫(kù)與存儲(chǔ)實(shí)驗(yàn)室主任、

IEEE Fellow

達(dá)摩院高級(jí)技術(shù)專家 華中科技大學(xué)教授、教育部新世紀(jì)

優(yōu)秀人才、華中卓越學(xué)者特聘教授

達(dá)摩院研究員、阿里云基礎(chǔ)軟件部

操作系統(tǒng)負(fù)責(zé)人

阿里云高級(jí)技術(shù)專家

達(dá)摩院量子計(jì)算實(shí)驗(yàn)室主任

清華大學(xué)教授、IEEE Fellow

阿里云產(chǎn)品專家

達(dá)摩院計(jì)算技術(shù)實(shí)驗(yàn)室主任、

ACM/IEEE/AAAS Fellow

加拿大皇家科學(xué)院、工程院院士、

香港科技大學(xué)新明工程學(xué)講席教授

上海交通大學(xué)教授

清華大學(xué)副教授

達(dá)摩院資深技術(shù)專家 達(dá)摩院高級(jí)技術(shù)專家

華中科技大學(xué)教授

歐洲科學(xué)院外籍院士、上海交通

大學(xué)講席教授、IEEE Fellow

達(dá)摩院城市大腦實(shí)驗(yàn)室主任、

IEEE Fellow

清華大學(xué)助理教授 達(dá)摩院機(jī)器智能技術(shù)實(shí)驗(yàn)室主任

新加坡南洋理工大學(xué)教授、

IEEE Fellow

廣州醫(yī)科大學(xué)附屬第一醫(yī)院（國(guó)家呼吸

醫(yī)學(xué)中心）副主任醫(yī)師、副研究員

浙江大學(xué)研究員 新加坡工程院院士、南洋理工大

學(xué)校長(zhǎng)講席教授

華中科技大學(xué)教授

達(dá)摩院自然語言智能實(shí)驗(yàn)室主任

達(dá)摩院自動(dòng)駕駛實(shí)驗(yàn)室主任

中國(guó)科學(xué)院計(jì)算技術(shù)研究所研究員

清華大學(xué)文科資深教授、

清華大學(xué)蘇世民書院院長(zhǎng)

達(dá)摩院技術(shù)專家

達(dá)摩院 XG 實(shí)驗(yàn)室主任

華東師范大學(xué)教授，“長(zhǎng)江學(xué)者”

特聘教授

浙江大學(xué)求是講席教授、ACM/

IEEE Fellow

中國(guó)機(jī)械工業(yè)聯(lián)合會(huì)執(zhí)行副會(huì)長(zhǎng)

上海科技大學(xué)助理教授

上海交通大學(xué)教授

達(dá)摩院語音實(shí)驗(yàn)室主任

達(dá)摩院決策智能實(shí)驗(yàn)室主任

中國(guó)工程院外籍院士，清華大學(xué)

智能科學(xué)講席教授

達(dá)摩院智能計(jì)算實(shí)驗(yàn)室主任，

IEEE Fellow

達(dá)摩院 2022 十大科技趨勢(shì) 28

張建鋒：阿里巴巴達(dá)摩院院長(zhǎng)，阿里云智能總裁

程立：阿里巴巴達(dá)摩院常務(wù)副院長(zhǎng)，阿里巴巴集團(tuán)首席技術(shù)官

劉湘雯（組長(zhǎng)）：阿里巴巴達(dá)摩院秘書長(zhǎng)，阿里云智能副總裁

常婉宜、陳騫、本云、程弢、段佳惠、郭路瑤、何飛、荊海峰、李貝、

李晨宇、李俊平、李寧、李盛錦、李亞英、李戰(zhàn)勝、李釗、劉湘琳、

劉洋、麻芃、馬曉、邱彼特、蘇智、唐佩、湯蘇文、童冰、童宗法、

王傳鑫、王婧璇、吳凌世化、肖成、楊柳林、余東昇、張冰、張師華、

鄭昊、鄭宇化、仲博文、鐘曜戎、朱迅垚、朱智敏、資洋、宗婷婷

邴孝娟、樊敏、荊慧雅、NAIK, HIONG GUO、單依依、王嬌、

魏之婷、張彩霞、張佳杰、張寧、趙潔

編纂委員會(huì)

指導(dǎo)組

工作組

翻譯組

達(dá)摩院 2022 十大科技趨勢(shì) 29

歡迎關(guān)注達(dá)摩院了解更多信息

本內(nèi)容未經(jīng)阿里巴巴達(dá)摩院 ( 杭州 ) 科技有限公司書面授權(quán)認(rèn)可，任何人不得復(fù)制、修改、轉(zhuǎn)載、摘編或

以其它任何方式使用本報(bào)告的全部或部分內(nèi)容。