2022十大科技趋势

破解数据保护与流通两难，隐私计算走向全域数据保护

数据安全保护与数据流通是数字时代的两难问题，破解之道是隐私计算。过去受制于性能瓶颈、技术信任不足、标准不统一等问题，隐私计算尚只能在少量数据的场景下应用。随着专用芯片、加密算法、白盒化、数据信托等技术融合发展，隐私计算有望跨越到海量数据，数据源将扩展到全域，激发数字时代的新生产力。预计未来三年，全域隐私计算技术将在性能和可解释性上有新的突破，或将出现数据信托机构提供基于隐私计算的数据共享服务。

概要

一是性能与效率的跨越式提升，包含同态加密的算法突破，降低加解密的算力需求、软硬一体的加速芯片，针对多方安全计算和联邦学习场景进行性能优化、更多第三方提供可信执行环境（ TEE）等。

二是隐私计算技术的白盒化，提升技术的可解释性进而强化信任度，通过开放集成能力，降低跨技术、跨模型的集成壁垒。

三是数据信托机构的出现，作为可信第三方提供技术与运营，加速组织间的数据共享。

突破

预测在三年内，全域隐私计算将在性能和可解释性上有新的突破，并开始出现数据信托机构提供基于隐私计算的数据共享服务。在未来的五到十年，全域隐私计算将改变现有的数据流通方式，新型业务也将在全域数据的基础上诞生，提升全社会以数据为核心的生产效率。

市场

该模式下的支撑体系非一日之功

个人看法

全域隐私计算

卫星及地面一体化的通信与计算，促进空天地海全面数字化

基于地面网络和计算的数字化服务局限在人口密集区域，深空、海洋、沙漠等无人区尚是服务的空白地带。高低轨卫星通信和地面移动通信将无缝连接，形成空天地海一体化立体网络。由于算随网动，星地计算将集成卫星系统、空中网络、地面通信和云计算，成为一种新兴的计算架构，扩展数字化服务的空间。预计未来三年，低轨卫星数量会迎来爆发式增长，卫星及其地面系统将成为新型计算节点。

一是空天地一体化通信问题。面向种类繁多、结构复杂的泛在互联网的各种业务需求，传统卫星通信的简单技术体制、静态处理机制、薄弱产业基础都难以适用。

二是星群计算问题。天上星间信息传输光变电和电变光的发热问题还未被解决，制约了星间信息传输的效率。

三是星地产业融合问题，地面硬件技术（如芯片）应用到卫星上仍然面临较大的环境适应问题（宇宙射线、空间干扰等），需要新的制造工艺突破。

难题

预计在未来三年，低轨卫星数量会迎来爆发式增长，与高轨卫星共同组成卫星互联网。在未来五年，卫星互联网与地面网络将无缝结合形成天地一体的泛在互联网，卫星及其地面系统成为新型计算节点，在各类数字化场景中发挥作用。

星地计算会不会重新计算目前世界上各实体间的互联网优势？

星地计算

云网端融合形成新计算体系，催生云上新物种

新型网络技术发展将推动云计算走向云网端融合的新计算体系，并实现云网端的专业分工：云将作为脑，负责集中计算与全局数据处理；网络作为连接，将多种网络形态通过云融合，形成低延时、广覆盖的一张网；端作为交互界面，呈现多元形态，可提供轻薄、长效、沉浸式的极致体验。云网端融合将促进高精度工业仿真、实时工业质检、虚实融合空间等新型应用诞生。预计未来两年，将有大量新型应用在云网端融合的新计算体系中运行。

一是网络技术的突破，由于在新的体系中网络扮演着关键角色，网络质量、成本与覆盖都将成为体系发展的制约条件，新型网络技术（如 5G 与卫星互联网）需要不断以应用需求为导向进行技术优化迭代并以多种手段开展覆盖建设。

二是信息安全，数据在云上处理，对数据加密、数据治理、安全计算、隐私计算等安全技术的要求更高。

挑战

预测在未来两年内，将有大量的应用场景在云网端融合的体系运行，伴随着更多依云而生的新型设备，带来更极致、更丰富地用户体验。

日常应用、游戏等，是否考虑逐步淘汰C/S架构

云网端融合

XR 眼镜会成为重要交互界面，带动下一代互联网发展

随着端云协同计算、网络通信、数字孪生等技术发展，以沉浸式体验为核心的 XR（未来虚实融合）互联网将迎来爆发期。眼镜有望成为新的人机交互界面，推动形成有别于平面互联网的 XR 互联网，催生从元器件、设备、操作系统到应用的新产业生态。XR 互联网将重塑数字应用形态，变革娱乐、社交、工作、购物、教育、医疗等场景交互方式。预计未来三年，外形与重量接近普通眼镜的新一代 XR 眼镜将产生，成为下一代互联网的关键入口。

这是社会级的解决方案

XR 互联网

未来互联

人工智能成为科学家的新生产工具，催生科研新范式

实验科学和理论科学是数百年来科学界的两大基础范式，而人工智能正在催生新的科研范式。机器学习能够处理多维、多模态的海量数据，解决复杂场景下的科学难题，带领科学探索抵达过去无法触及的新领域。人工智能不仅将加速科研流程，还将帮助发现新的科学规律。预计未来三年，人工智能将在应用科学中得到普遍应用，在部分基础科学中开始成为科学家的生产工具。

一是人机交互问题，人工智能与科学家在科研流程上的协作机制与分工需要更加明确，形成紧密的互动关系；

二是人工智能的可解释性，科学家需要明确的因果关系来形成科学理论，人工智能需要更容易被理解，以建立科学与人工智能之间的信任关系；

三是交叉学科人才，专业领域科学家与人工智能专家的相互理解程度低，彼此互相促进的障碍仍然较高。

目前基础科学相关实验机械，国外（主要是美国）在全球存于垄断地位，中国因为先天积累不足难以追赶。不知是否能从“人工智能\"弯道超车。

具备高算力的科技公司，如商汤

有人工智能科研背景的 从事基础科学研究的公司

AI for Science

大模型参数竞赛进入冷静期，大小模型将在云边端协同进化

超大规模预训练模型是从弱人工智能向通用人工智能的突破性探索，解决了传统深度学习的应用碎片化难题，但性能与能耗提升不成比例的效率问题限制了参数规模继续扩张。人工智能研究将从大模型参数竞赛走向大小模型的协同进化，大模型向边、端的小模型输出模型能力，模型负责实际的推理与执行，同时小模型再向大模型反馈算法与执行成效，让大模型的能力持续强化，形成有机循环的智能体系。

一是让小模型更容易获取通用的知识与能力，小模型专注在特定场景做极致优化，提升了性能与效率；

二是解决了过去大模型数据集过于单一的问题，小模型在真实场景回收的增量数据，让大模型有再进化的元素；

三是全社会不需要重复训练相似的大模型，模型可以被共享，让算力与能源的使用效率最大化。

优势

一是大模型与知识常识的融合，将以规则存在的知识利用起来，提升模型通用能力的同时也降低训练所需的数据量，让大模型从数据驱动走向知识与数据融合驱动；

二是大小模型的协同机制，包含大模型的知识与能力向小模型降维迁移的有效性、小模型的小样本学习向大模型的升维融合、不同维度数据的清洗与治理等；

三是大模型的可解释性，对大模型依赖上升的同时，信任决定是否能被广泛使用。

会促进AI应用的落地，可能像以前软件外包一样，冒出一堆进行AI应用开发的企业。

还是高算力的科技公司、行业内高精尖企业。

大小模型协同进化

光电融合兼具光子和电子优势，突破摩尔定律限制

电子芯片的发展逼近摩尔定律极限，难以满足高性能计算不断增长的数据吞吐需求。硅光芯片用光子代替电子进行信息传输，可承载更多信息和传输更远距离，具备高计算密度与低能耗的优势。随着云计算与人工智能的大爆发，硅光芯片迎来技术快速迭代与产业链高速发展。预计未来三年，硅光芯片将承载绝大部分大型数据中心内的高速信息传输。

硅光的挑战来自产业链和工艺水平。硅光芯片的设计、量产、封装等环节尚未标准化和规模化，进而导致其在产能、成本、良率上的优势还未显现。光计算的精度低于电子芯片，限制了应用场景，集成度也需要提高来提升算力。近期产业需求的爆发，推动了硅光芯片产业链的发展，在光子元器件、硅光制程上都有重大突破，给硅光芯片商业化奠定了基础。

光电融合是未来芯片的发展趋势，硅光子和硅电子芯片取长补短，充分发挥二者优势，促使算力的持续提升。未来三年，硅光芯片将支撑大型数据中心的高速信息传输；未来五到十年，以硅光芯片为基础的光计算将逐步取代电子芯片的部分计算场景。

硅光芯片

范式重置

人工智能助力大规模绿色能源消纳，实现多能互补的电力体系

风电、光伏等绿色能源近年来快速发展，也带来了并网难、消纳率低等问题，甚至出现了“弃风”、“弃光”等现象。核心原因在于绿色能源存在波动性、随机性、反调峰等特征，大规模并网可能影响电网的安全稳定运行。人工智能技术的应用，将有效提升电网等能源系统消纳多样化电源和协调多能源的能力，成为提升能源利用率和稳定性的技术支撑，推动碳中和进程。预计未来三年，人工智能技术将帮助电力系统实现大规模绿色能源消纳，实现电力系统的安全、高效、稳定运行。

一是精准的功率预测，大数据和神经网络的算法应用，将提升气象预报的准确性，减少新能源发电功率预测的误差。特别是在远距离、跨区域的绿能消纳上，人工智能技术通过对电力天气预报的预测和分析，调节发电功率，动态优化电力系统发电策略，保障电网稳定运行。

二是智能的调度控制，在电力调度端，深度学习、大数据驱动技术和机理仿真技术融合，将帮助电力调度系统持续优化控制策略，增强风电、光伏、水电和储能的多能源协调能力，实现多能互补，解决用电高峰期和低谷期电力输出不平衡的问题。绿能的大规模并网对电网交直流混联、源网荷储交互的灵活重构、运行优化与决策也提出了更高要求。未来，人工智能技术将支撑我国绿色能源进入增量主体阶段。

三是自动化的故障响应，基于大数据和深度学习做电网设备的实时监测，有助于快速提取故障特征，大幅提升电力系统的故障识别能力和响应速度。随着技术融合的加深，未来有望实现毫秒级的自动化预警监测和控制。

三大突破

关注政策

绿色能源 AI

机器人将兼具柔性和类人感知，可自适应完成多种任务

传统机器人依赖预编程，局限于大型生产线等结构化场景。近年来，柔性机器人结合柔性电子、力感知与控制、人工智能技术，获得了力觉、视觉、声音等感知能力，应对多任务的通用性与应对环境变化的自适应性大幅提升。机器人将从大规模、标准化的产线走向小规模、非标准化的场景。预计未来五年，柔性感知机器人将逐步替代传统工业机器人，成为产线上的主力设备，并在服务机器人领域开始规模化应用。

一是机器人领域的智能水平受制于端侧算力与小样本学习的有效性，有赖于云端协同的突破；

二是柔性机器人的精度受制于材料的刚性，执行任务的准确性较低，有赖于可变材料的突破；

三是柔性机器人的成本，有赖于工艺优化及通用化使得价格具备竞争力。

达摩院预测，未来五年内，柔性机器人将充分结合深度学习带来的智能感知能力，能面向广泛场景，逐步替代传统工业机器人，成为产线上的主力设备。同时在服务机器人领域实现商业化，在场景、体验、 成本方面具备优势，开始规模化应用。

成本问题，头部优势

柔性感知机器人

人工智能与精准医疗深度融合，助力诊疗精度与效率提升

传统医疗依赖医生经验，犹如人工寻路，效果参差不齐。人工智能与精准医疗深度融合，专家经验和新的辅助诊断技术有机结合，将成为临床医学的高精度导航系统，为医生提供自动指引，帮助医疗决策更快更准，实现重大疾病的可量化、可计算、可预测、可防治。预计未来三年，以人为中心的精准医疗将成为主要方向，人工智能将全面渗透在疾病预防和诊疗的各个环节，成为疾病预防和诊疗的高精度导航协同。

未来三年，以人为中心的精准医疗将成为主要方向，全面渗透在疾病预防和诊疗的各个环节，成为疾病预防和诊疗的高精度导航协同。而随着因果推理的进一步发展，可解释性有望实现突破，人工智能将为疾病的预防和早诊早治提供有力的技术支撑。

高精度医疗导航

场景变革

2022十大科技趋势