1月11日，阿里巴巴達摩院發布《2023十大科技趨勢》。

達摩院今年推出的十大科技趨勢涵蓋范式重置、產業革新和場景變化三大領域，其中有些趨勢——例如多模態與訓練大模型和生成式AI的價值已經開始在現實社會有所顯現，有些趨勢——例如Chiplet和存算一體等技術正在引起全社會的深入思考，有些趨勢——例如云原生安全則提出了非常廣闊的命題并需要越來越多的人投入其中才能予以兌現。

展望 2023，多元技術的協同并進驅動計算與通信的融合、硬件和軟件的融合，應用需求的爆發驅動 AI 技術與行業的融合，數字技術與產業生態的融合，企業、個人與政府在安全技術與管理上的融合。科技進步與產業應用雙輪驅動的融合創新已成為不可逆轉的宏大趨勢。

多模態預訓練大模型

基于多模態的預訓練大模型將實現圖文音統一知識表示，成為人工智能基礎設施。

人工智能正在從文本、語音、視覺等單模態智能，向著多種模態融合的通用人工智能方向發展。多模態統一建模，目的是增強模型的跨模態語義對齊能力，打通各個模態之間的關系，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（通用多模態基礎模型）。

基于多領域知識，構建統一的、跨場景、多任務的多模態基礎模型已成為人工智能的重點發展方向。未來大模型作為基礎設施，將實現圖像、文本、音頻統一知識表示，并朝著能推理、能回答問題、能總結、做創作的認知智能方向演進。

Chiplet

Chiplet 的互聯標準將逐漸統一，重構芯片研發流程。

Chiplet 是硅片級別的“解構 - 重構 -復用”，它把傳統的 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封裝形成一個完整芯片。芯?？梢?/span>采用不同工藝進行分離制造，可以顯著降低成本，并實現一種新形式的 IP 復用。

隨著摩爾定律的放緩，Chiplet 成為持續提高 SoC 集成度和算力的重要途徑，特別是隨著 2022 年 3 月份 UCle 聯盟的成立，Chiplet 互聯標準將逐漸統一，產業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流程，從制造到封測，從 EDA 到設計，全方位影響芯片的區域與產業格局。

存算一體

資本和產業雙輪驅動，存算一體芯片將在垂直細分領域迎來規模化商用。

存算一體旨在計算單元與存儲單元融合，在實現數據存儲的同時直接進行計算，以消除數據搬移帶來的開銷，極大提升運算效率，以實現計算存儲的高效節能。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 和 投 資 的 驅 動 下， 基 于SRAM，DRAM，Flash?存儲介質的產品進入驗證期，將優先在低功耗、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，隨著存算一體芯片在云端推理大算力場景落地，或將帶來計算架構的變革。它推動傳統的以計算為中心的架構向以數據為中心的架構演進，并對云計算、人工智能、物聯網等產業發展帶來積極影響。

云原生安全

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。

云原生安全是安全理念從邊界防御向縱深防御、從外掛模式向內生安全的轉變，實現云基礎設施的原生安全，并基于云原生技術提升安全的服務能力。安全技術與云計算由相對松散走向緊密結合，經過“容器化部署”、“微服務化轉型”走向“無服務器化”的技術路線，實現安全服務的原生化、精細化、平臺化和智能化：

軟硬融合云計算體系架構

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、網絡資源，通過硬件資源的快速云化實現硬件加速。

此外，新架構也帶來軟件系統的融合。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，給核心軟件研發和專用芯片行業帶來新的發展機遇。

端網融合的可預期網絡

基于云定義的可預期網絡技術，即將從數據中心的局域應用走向全網推廣。

可預期網絡（Predictable Fabric）是由云計算定義，服務器端側和網絡協同的高性能網絡互聯系統。計算體系和網絡體系正在相互融合，高性能網絡互聯使能算力集群的規模擴展，從而形成了大算力資源池，加速了算力普惠化，讓算力走向大規模產業應用。

可預期網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，是融合了傳統網絡和未來網絡的產業趨勢。通過云定義的協議、軟件、芯片、硬件、架構、平臺的全棧創新，可預期高算力網絡有望顛覆目前基于傳統互聯網 TCP 協議的技術體系，成為下一代數據中心網絡的基本特征，并從數據中心的局域應用走向全網推廣。

雙引擎智能決策

融合運籌優化和機器學習的雙引擎智能決策，將推進全局動態資源配置優化。

企業需在紛繁復雜、動態變化的環境中快速精準地做出經營決策。經典決策優化基于運籌學，通過對現實問題進行準確描述來構建數學模型，同時結合運籌優化算法，在多重約束條件下求目標函數最優解。隨著外部環境復雜程度和變化速度不斷加劇，經典決策優化對不確定性問題處理不夠好、大規模求解響應速度不夠快的局限性日益突顯。學術界和產業界開始探索引入機器學習，構建數學模型與數據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，在大規模實時電力調度、港口吞吐量優化、機場停機安排、制造工藝優化等特定領域推進全局實時動態資源配置優化。

計算光學成像

計算光學成像突破傳統光學成像極限，將帶來更具創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，結合數學和信號處理知識，深度挖掘光場信息，突破傳統光學成像極限。

目前，計算光學成像處于高速發展階段，已取得許多令人振奮的研究成果，并在手機攝像、醫療、無人駕駛等領域開始規模化應用。未來，計算光學成像有望進一步顛覆傳統成像體系，帶來更具創造力和想象力的應用，如無透鏡成像、非視域成像等。

大規模城市數字孿生

城市數字孿生在大規模趨勢基礎上，繼續向立體化、無人化、全局化方向演進。

城市數字孿生自 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，城市數字孿生關鍵技術實現了從量到質的突破，具體體現在大規模方面，實現了大規模動態感知映射（更低建模成本）、大規模在線實時渲染（更短響應時間），以及大規模聯合仿真推演（更高精確性）。

目前，大規模城數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。未來城市數字孿生將在大規模趨勢的基礎上，繼續向立體化、無人化、全局化方向演進。

生成式 AI

生成式 AI 進入應用爆發期，將極大地推動數字化內容生產與創造。

生成式 AI（Generative AI 或 AIGC）是利用現有文本、音頻文件或圖像創建新內容的技術。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Codex的 Copilot。?

現階段的生成式 AI 通常被用來生成產品原型或初稿，應用場景涵蓋圖文創作、代碼生成、游戲、廣告、藝術平面設計等。未來，生成式 AI 將成為一項大眾化的基礎技術，極大地提高數字化內容的豐富度、創造性與生產效率，其應用邊界也將隨著技術的進步與成本的降低擴展到更多領域。