十大科技趋势Top Ten Technology Trends of Damo Academy2022 卷首语一个世纪以来，数字科技的演进推动了人类的技术进步与产业发展。我们当前正在经历数字科技最快发展的阶段，数字化、网络化、智能化让数字世界与物理世界的融合与协同更加紧密。从现实世界走向虚实融合的世界。云网端的协同发展下，端侧将诞生更多繁荣的新物种，比如以VR、AR为代表的虚拟现实技术相结合的多种终端，将在下一代互联网的催化下，改变人与科技互动的方式。通过模拟真实世界的时空，解决真实世界的需求，如远程教育、远程医疗、远程办公等，消除地理空间的限制。从实验室走向产业应用。以云为核心的数字技术体系，将AI、大数据、大规模算力等技术与资源集成在一起，并通过云这个数字化的操作系统，让个体、企业、科研院所都可以低门槛、普惠的方式快速的调用技术资源。让各类前沿技术从实验室通过云走到现实中，如AI工程化、AI for Science、预训练模型都在原有的基础上，将人工智能运用到生物医药、天文气象、工业制造等各行各业的实际问题中。共同走向可持续发展的未来。全球正面临日益紧迫的环境保护问题，每一个人都需要深刻的意识到，绿色低碳需要在人们的生活点滴、生产的各个环节去推动节能减排，而数字科技是这过程中必不可少力量，包括从无纸化办公、数据中心节能技术、到工业生产能耗优化等多个方面去努力。以科技，达到我们共同美好的未来。 阿里巴巴达摩院院长 | 阿里云智能总裁 张建锋1达摩院 2022 十大科技趋势 序言一数百年来，以数据驱动的开普勒范式和以第一性原理驱动的牛顿范式是科学研究的两大基本范式。当下正在蓬勃兴起的 AI for Science 有可能促使两种既有范式的深度融合，激发一场新的科学革命。《达摩院 2022 十大科技趋势》将 AI for Science 列为重要趋势，无疑是看到了人工智能和传统科研结合带来的巨大潜能。我希望它能帮助推动更多科研工作者投身其中，加速这场科学革命的进程。科学研究有两大基本目的：一是寻求基本规律，二是解决实际问题。在量子力学建立之时，狄拉克就预言说寻求基本规律的任务已大体完成，但因为其数学问题太复杂，用基本原理来解决实际问题非常困难。直到上世纪 50 年代电子计算机开始投入使用，以及微分方程数值方法的出现，人类才第一次大规模实现了从基本原理出发解决实际问题的能力，并由此构建起了现代工业和技术赖以生存的基础。但很多问题依然非常难以求解，比方说各类多体问题，药物和材料设计、蛋白质折叠、湍流、塑性力学和非牛顿流体力学等。这些难题的根本根源是“维数灾难”：随着自由度的增多，问题的复杂度呈指数级增长。我从 80 年代开始研究算法，一直在尝试解决这些问题。尤其是在多尺度模型和算法方面，我持续了多年的努力，但总是觉得难以找到真正的突破口。2011 年我写了一本多尺度模型方面的书。本来是想在山穷水尽之际转行到更需要科研人力投入的大数据领域，但我没想到的是，机器学习恰恰是我们过去缺乏的工具。从 2014 年起，我即投身于机器学习与科学计算的结合。去年我们一个以年轻人为主力的团队利用机器学习方法在量子力学精度的分子动力学模拟方面取得了重大突破，把可处理体系的规模从 1000 个原子提高到 1 亿个原子，并因此获得了 2020 年戈登贝尔奖。这是我们第一次看到机器学习、科学计算、高性能计算三大工具的结合所带来的广阔空间。AlphaFold 2的成功，更是让我们看到了数据驱动的方法所能带来的革命性的改变。这个空间和改变给我们带来的将是新的科学工具的发展和新的科研模式的构建。它也将推动科学研究从小农作坊模式转变到大平台模式，即由整个科学家群体共同努力构建基础模型、基础算法和工具。这样的大平台将极大地提升整体科研的效率。在这一方面，DeepModeling 开源社区已经迈开了非常可喜的一步。AI for Science 带来的不仅仅是几个点上的突破，而是科研方法的全面改变。要适应这样一个新的环境，科学家们需要更深入地了解 AI，才有可能用好 AI。企业积累了大量 AI 研发能力和资源。它们不仅可以提供学界所急缺的计算资源，还能够帮助打造基础科研工具。无疑，学界和业界需要更多协作，秉持开源开放的精神，消除门户之见，打造 AI for Science 的科研共同体。达摩院十大科技趋势或许就是这种努力之一。我期待达摩院牵头的这种努力，能够加快信息科学和传统科学的深度融合。也期待 AI for Science 不只是一个新的浪潮，而是一个全新的科学时代。鄂维南北京大学、普林斯顿大学教授2达摩院 2022 十大科技趋势 王元卓中国科学院计算技术研究所研究员，科普作家序言二著名物理学家卢瑟福提到“科学家不是依赖于个人的思想，而是综合了几千人的智慧，所有的人想一个问题，并且每人做它的部分工作，添加到正建立起来的伟大知识大厦之中。”科学不应该是束之高阁的学问，应该让更多有志者能够理解、能够共同参与进来，让科学变成科技，让科技变成产品，真实地改善人类生活的方方面面。达摩院作为企业的研发机构，关注的科学课题都更加接近实际问题，在今年达摩院发布的十大科技趋势中可见一斑，有离生活更近的趋势，譬如人工智能改变医疗的方式，让一般人能够享受到精度更高、体验更好的医疗服务；也有离产业更近的趋势，譬如柔性感知机器人的产业化，让机器人技术能够被使用到更广泛的场景中。这些科技趋势让大众了解到科技正在解决什么问题，而这些解决实际问题的科技发展，让大众更能直接感受科技带来的美好。科幻成真总是激动人心的，如同《回到过去》电影中预言的视频通话、3D眼镜、指纹辨识等技术，在今天已经真切地改变人类的生活。同样地，达摩院十大科技趋势在今天看来只是预测，我衷心希望在未来群策群力的努力下，这些预测都能成为现实，让科技成为社会进步的重要力量。3达摩院 2022 十大科技趋势 方法论阐述《达摩院 2022 十大科技趋势》采用了“定量发散，定性收敛”的分析方法，整个分析流程分为两部分：“定量发散”是对科学领域做广泛而全面的定量分析，抽取其中的热点领域并挖掘重点突破的技术；“定性收敛”是对突破的技术点进行梳理，通过与领域专家充分的论证，找出多个技术点代表的趋势，总结对未来的预判。一 定量发散以公开论文库和公开专利库作为基础数据进行分析，从 236 个领域中筛选出 159 个应用与基础科学领域，基于论文与专利数量的绝对值与增长率，筛选出在学界与产业界需要重点关注的领域。本次总计分析了 770 万篇论文及 8.5 万份专利，时间跨度为 2018 年 1 月到 2021 年 10 月。在筛选出的重点领域中运用 NLP 技术分析相关领域论文（特别是被高频引用的论文）内容，找出过去 12 个月内被高频提及的关键词，并调查关键词背后的代表技术，挖掘可能驱动技术发展的关键要素，以此作为下一阶段分析的重要基础。二 定性收敛通过访谈专家和组织研讨会，对热点领域内的技术发展方向进行讨论总结，最后结合专家观点与技术情报提炼科技趋势候选清单。本次共计访谈了近百位产、学、研、用领域的专家和战略科学家。最后，达摩院专家委员会组织了多轮讨论，基于影响力、技术可行性、社会价值等因素的综合考量，最终选出了代表 2022 的十大科技趋势。4达摩院 2022 十大科技趋势 目录范式重置场景变革未来互联AI for Science681012141618202224绿色能源AI全域隐私计算大小模型协同进化柔性感知机器人星地计算硅光芯片高精度医疗导航云网端融合XR互联网人工智能成为科学家的新生产工具，催生科研新范式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破解数据保护与流通两难，隐私计算走向全域数据保护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机器人将兼具柔性和类人感知，可自适应完成多种任务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光电融合兼具光子和电子优势，突破摩尔定律限制人工智能与精准医疗深度融合，助力诊疗精度与效率提升云网端融合形成新计算体系，催生云上新物种XR 眼镜会成为重要交互界面，引领下一代互联网发展5达摩院 2022 十大科技趋势 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。AI for Science人工智能成为科学家的新生产工具，催生科研新范式概要范式重置6达摩院 2022 十大科技趋势 科学研究是在星辰大海里探索未知，科学发现漫长而偶然，重大突破仰赖大科学家的贡献，如牛顿、爱因斯坦、杨振宁等，尽管众多科学家不懈投入，科学发展的速度仍受到一定限制。计算机科学改变科研的路径是从下游逐渐走向上游。起初计算机主要用来做实验数据的分析与归纳。后来科学计算改变了科学实验的方式，人工智能结合高性能计算，在实验成本与难度较高的领域开始用计算机进行实验的模拟，验证科学家 的 假 设， 加速科研成果的产出，如核能实验的数字反应堆，能够降低实验成本、提高安全性、减少核废料产生。近年，人工智能被证明能做科学规律发现，不仅在应用科学领域，也能在基础科学领域发挥作用，如DeepMind使用人工智能来帮助证明或提出新的数学定理，辅助数学家形成对复杂数学的直觉。人工智能将成为科学家继计算机之后的新生产工具，一是带来效率的显著提升，人工智能将伴随科研的全流程，从假设、实验到归纳总结，让科学家不需要像过去一样十年寒窗才能产出科学成果，而是能在一生中保持高产；二是让科学不再依赖少数天才，人工智能对科学研究产生猜想，让科学家就其中有意义有价值的部分进行实验与证明，让更多人能够参与到科学研究中。人工智能在各科研领域中的应用节奏将有所区别，在数字化程度高、数据积累好、问题已经被清晰定义的领域中将推进地更快，如生命科学领域，AlphaFold2运用生命科学积累的大量数据，通过基因序列预测蛋白质结构，对泛生命科学领域产生了深远的影响。另一方面，在复杂性高、变量因子趋势解读多的领域，人脑难以归纳总结，机器学习可发挥优势在海量多维的数据中找到科学规律，如流体力学等。人工智能与科研深度结合仍然需要解决三个挑战，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。我们预测在未来的三年内，人工智能技术在应用科学中将得到普遍应用，在部分基础科学中开始成为研究工具。98.5%预测范围AlphaFold2人类蛋白质组预测1AI for Science7达摩院 2022 十大科技趋势 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，小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。大小模型协同进化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概要范式重置8达摩院 2022 十大科技趋势 谷歌的BERT、Open AI的GPT-3、智源的悟道、达摩院的M6等大规模预训练模型取得了重要进展，大模型的性能有了飞跃性提升，为下游的AI模型提供了发展的基础。然而大模型训练对资源消耗过大，参数数量增加所带来的性能提升与消耗提升不成比例，让大模型的效率受到挑战。大模型的参数规模发展将进入冷静期，大模型与相关联的小模型协同将是未来的发展方向。大模型沉淀的知识