科技要向前发展，除了埋头赶路，攻克一个个的技术难关外，也要抬头看天，寻找未来的突破方向。从这个意义上来说，机构或个人发布的一些科技趋势预测，有一定的借鉴意义。以前，多半是美国公司或机构发布类似的预测，比如Gartner的技术成熟度曲线。达摩院作为阿里巴巴的一个前沿技术研究机构，某种程度上代表了中国产业界一定的技术研究水平。
近期，阿里达摩院发布了2022年十大科技趋势预测，我们先列出达摩院预测的10个趋势，逐条评论。
趋势一：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。
【趋势概要】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。
【点评】人工智能在5年内都达不到催生科研新范式的程度，过于夸大。
技术价值：★★★★★
技术成熟度：★
准确度评价：★★
从价值上来说，AI要是真能改变科研范式，真是善莫大焉。人类的未来核心在于科技突破，而科技发展取决于两点，一个是人类科学家（尤其是一些天才选手），另一个就是科研的工具、手段。科研的基础是理论假设和数据处理，牛顿那一代科学家是靠聪明的大脑+一支笔，再加上一些简陋的实验；现在科研还是要靠科学家的聪明才智，但在数据处理上已经完全不一样了，借助计算机来处理大量数据已成为标配。AI要改变人类科研范式，其价值不在于提高数据处理能力（要提升数据处理能力，用超级计算机就行），而在于提升人类的智力水平。爱因斯坦的智商不到200，假设能打造出一个智商10000的超级AI，那这个AI的价值或许不仅仅是500个爱因斯坦。
理想很丰满，现实很骨感。目前的AI智商还很低，充其量只能在某些特定领域作为科学家的助手，协助完成一些工作。所以，人工智能可以成为科学家的新生产工具，但远远还没达到可以催生科研新范式的程度。
势二：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。
【趋势概要】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。
【点评】先不要说协同，大模型规模还得继续往上提。
价值：★★★
成熟度：★★★
准确度评价：★★
超大规模预训练模型，是人工智能的一个重要方向。从本质上说，人脑其实也是一台信息处理机器，其最小单元是神经元、神经突触这些基本结构。模拟人脑的这种计算结构，是一个很好的思路。但是，AI系统的计算单元与人脑就差着好几个数量级。量变引起质变，超大规模预训练模型的思路就是在计算单元上先逼近人脑，看看会有什么奇妙的事情发生。这是一个简单但实用的思路，先把这条路走通。
当务之急，是先把超大规模预训练模型的计算单元尽可能往上提，先达到人脑神经元、神经突触的数量规模。先走到那一步，看看会发生什么。成年人大脑中约包含850-860亿个神经元，每个神经元与3万突触连接，人脑突触数量预计2500万亿左右。虽然AI系统的参数与人脑突触有很大不同，但都可以作为一个基本计算单元。既然走了这条路，那就一条路走到黑，先搞出一个2500万亿参数规模的模型出来再说，万一就有奇迹了呢。
阿里达摩院目前已经把参数规模刷到10万了，再有两个数量级就可以达到目标。这个时候就应该一鼓作气，而不是改弦易辙。达摩院的意思是“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”，也就是说要继续刷参数，遇到困难了。遇到困难就解决困难啊，性能与能耗不成比例，要就想办法提高性能，降低能耗。哪一次参数规模的大幅度提升，不是以性能提升为前提的？以前也不是靠硬堆算力来提升参数规模的。
达摩院的思路或许存在问题。好不容易冲到前面了，这个时候要是歇一歇，谷歌、微软这些公司很快就会超越。思路决定出路，既然达摩院对接下来的技术趋势做出了预测，就会影响到自身接下来的行动。可以预见，下一个刷新大模型参数规模的，不会再是阿里巴巴了。
趋势三：硅光芯片
光电融合兼具光子和电子优势，突破摩尔定律限制。
【趋势概要】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。
【点评】量子计算，才是未来。
价值：★★★
成熟度：★
准确度评价：★★
量子计算，才是计算的王者。硅光芯片，即使搞出来，也只是作为一个过渡。既然量子计算曙光乍现，那就铆足干劲往前推，直到遇到短时间内不可突破的瓶颈。而且，中国在量子计算上并不弱，可谓与美国并驾齐驱。这个时候更应该扬长避短，大搞特搞量子计算。
至于硅光芯片，是一个发展方向。但是达摩院做出的预测，“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”，这肯定是要被打脸的，不会有那么快。
趋势四：绿色能源AI
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。
【趋势概要】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。
【点评】这一条有滥竽充数之嫌。
价值：★
成熟度：★★
准确度评价：★★
风电、光电，的确有不稳定的特点。要想实现风光电对煤电、石油的替代，有两个问题要解决：一个是规模要上去，光伏、风电的规模在接下来几年会继续狂飙突进；另一个就是通过系统调度，削峰填谷，把风电、光电与现有电力系统协调。不过，要实现电力的调度，其实更多的是数字化再加上一点智能化。AI在绿色能源产业链条中，充其量就是个“甜点”，算不上正餐。
趋势五：柔性感知机器人
机器人将兼具柔性和类人感知，可自适应完成多种任务。
【趋势概要】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。
【点评】柔性感知机器人，价值并没有想象那么大，未来几年也不会大面积普及。
价值：★★
成熟度：★★★
准确度评价：★★
相比于人类，机器的核心优势就是大规模标准化生产，这也是工业社会的根基。机器人最大的价值，就是通过AI改造传统工业设备，增加一些智能化能力，以此来升级工业生产线。接下来10年内，都应该紧紧盯着这个目标，解决问题，一步步向前推进。工业机器人还没弄好，搞所谓的非标化柔性机器人，一来目前的技术水平还不够支撑（很可能就搞出一个看起来高级点的“玩具”），二来所谓的柔性机器人价值比工业机器人校试想一下，是搞个机器人在饭店端盘子有价值，还是改造工业生产线有价值？
趋势六：高精度医疗导航
人工智能与精准医疗深度融合，助力诊疗精度与效率提升。
【趋势概要】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。
【点评】AI+医疗是一条路，但道路坎坷。
价值：★★
成熟度：★★
准确度评价：★★★
一直以来，人们都期待着让人工智能赋能医疗，提高社会的医疗水平。但是，医疗AI行业发展态势并不好，核心问题还是目前的人工智能技术水平不高，与医疗所预期的水平差距太大。再者，医疗是一个非常严谨的领域，人命关天。可以预见，未来几年，医疗AI都将是看起来美好，实际问题一大堆又很难解决的领域。IBM就是一面镜子，IBM的watson曾被寄予厚望，但最后的结果并不好。应该说，IBM在医疗AI的商业化探索方面是走的最远的，他的遭遇其实已经明显告诉人们此路异常艰难。
趋势七：全域隐私计算
破解数据保护与流通两难，隐私计算走向全域数据保护。
【趋势概要】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保护，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。
【点评】隐私计算是挺重要的一项技术，未来几年很可能会大面积应用。
价值：★★★
成熟度：★★★
准确度评价：★★★
在数字化社会，数据越来越多，数据也越来越重要。数据就像货币一样，要流通、共享、应用才能体现出价值。但另一方面，数据又与每个人、每个组织的利益密切相关，数据如何用，如何保护，是一个很关键的问题。数据的共享和应用，似乎与数据隐私保护就是一对矛盾，很难两全其美。隐私计算，有望让人们实现“鱼与熊掌两者兼得”，在保护隐私的同时实现数据流通、共享和应用。而且，这项技术虽然还有很多问题需要解决，但应该没有特别大的技术难关。
趋势八：星地计算
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。
【趋势概要】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，成为删除的内容:集成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。
【点评】抓住本质，造新词儿意义不大。
价值：★★
成熟度：★★★
准确度评价：★★
所谓的星地计算，其实就是SpacX搞的卫星互联网。我一直认为，SpacX发那么多卫星，最核心的目的就是抢占近地卫星轨道资源，至于通信倒是其次。近地卫星轨道资源是有限的，占一个就少一个。而且，现在卫星轨道资源实行的是“强盗条款”谁抢到算谁的。美国的NASA这么支持Spacex发卫星，核心也是这个原因，Spacex抢到了也就是美国政府抢到了。
最近有一个事情非常典型，那就是因为担心被SpaceX的“星链”卫星撞上，我国的空间站先后两次紧急避险。也就是说，以“星链”目前的卫星存量，就已经可以威胁到我们的空间站了。要知道，“星链”计划到2024年前发射1.2万颗卫星，最终目标是发射4.2万颗卫星。现在“星链”的在轨卫星才一千多颗，就已经可以实质威胁中国空间站了。要是等他把4万颗卫星都发射了，那整个太空岂不是都是他家的了？
这毫无疑问已经严重影响到了中国的国家安全。
所以，中国现在应该做的就是先不管三七二十一，也大规模的发类似卫星。不为别的，先占坑。民间、官方一起上，尽快降低发射成本，把量提上去。不然，等别人把坑都占完了，就来不及了。
趋势九：云网端融合
云网端融合形成新计算体系，催生云上新物种。
【趋势概要】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，可提供轻雹长效、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。
【点评】这个趋势也太明显了，单列出来意义不大。
价值：★★
成熟度：★★★★
准确度评价：★★★
趋势十：XR互联网
XR眼镜会成为重要交互界面，带动下一代互联网发展。
【趋势概要】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。
【点评】跟风炒概念
价值：★★★
成熟度：★
准确度评价：★★
元宇宙是一个超级风口，价值很大。但是这个蛋糕我们现在还吃不到。问题的关键是卡在硬件设备上。AR、VR设备要成熟，还有一大堆问题要解决。近眼显示、感知交互、计算渲染、通信、内容制作，每一个领域都有个大坑需要填。尤其是近眼显示，5年内能不能解决还是个很大的未知数。
以上，我们对阿里达摩院所预测的明年10个科技趋势做了评述。总体来看，达摩院最关注人工智能，前面6条都跟人工智能相关，这是有所偏颇的。科技的领域很大，人工智能只是其中一部分。达摩院列的这个清单，其实应该叫“2022十大计算趋势”，都是跟计算相关的。
在整个科技领域，除了计算机还有很多问题很重要。我也列几个：
01
储能电池
价值：★★★★
成熟度：★★
【点评】储能电池带来的能源革命，将是未来几年人类社会最根本的变革之一。电池技术的发展，首先改变了汽车的动力系统，就凭这一点，就可以掀翻西方几十年建立的汽车工业优势，让汽车产业重新洗牌。这是目前中国肉眼可见的三大战略机遇之一（另外两个是光伏和半导体）。而且，光伏+特高压+电池，这三者构建起来一条完整的新能源价值链，中国在这三个领域都很强，这就是最大的国运。
另一方面，目前的电池技术还有很大提升空间，目前的储能水平是不够用的。需要加大对下一代电池的研发，把储能水平再提升一个档次。届时，飞行汽车最大的一个障碍就解决了，这又会创造一个超级产业集群。趁着中国在电池领域有优势，集中精力把这个优势扩大，首先把下一代电池搞出来并量产，这是当务之急。
02
量子计算
价值：★★★★★
成熟度：★
量子计算是人类的终极追求之一，要实现真正的量子计算肯定还有很长的道路。毫不夸张的说，搞定了量子计算，人类文明可以跃升一个等级。
所幸的是，我们现在算是摸到了量子计算的门槛。这个时候，应该加大攻关力度，能走多远算多远。
03
可控核聚变
价值：★★★★★
成熟度：★
要论人类终极的能源追求，非可控核聚变莫属（正反物质湮灭能先不考虑，太科幻了）。太阳的能量就来自于核聚变。可以说，掌握可控核聚变，人类就掌握了成为星际文明的钥匙。
04
基因工程
价值：★★★★★
成熟度：★★
要了解人类自己，释放生命的潜能，甚至实现长生不老的梦想，就得靠基因工程。很早以前，人类有个基因组计划，之后就没看到什么大的动作了。与其他几项科技相比，基因工程面临的伦理压力要大很多，这也是阻碍其前进的最大障碍。看人类如何权衡取舍吧。
可以说，人工智能、量子计算、可控核聚变、基因工程，是与人类命运休戚相关的四个科技领域。这几个领域的每一次突破，都可以将人类社会提升一个档次。当然，每一个技术都是一把双刃剑，都有毁灭人类社会的危险。从这个角度看，人类就像是在走钢丝，即使面临很大的不确定性，甚至前路凶险，但这也是人类的宿命。不管我们是抗拒，还是坦然接受，最终都会走向这个结局，只是时间的早晚问题。
应该说，近代科学的发展，人类才开始“上道了”。接下来，就是在这四个方面进行突破。要是没有什么意外（比如彗星撞地球、核战争），人类终将打开人工智能、量子计算、可控核聚变、基因工程这四扇大门。值得提出的是，虽然我们终将走向最终目的地，但投入研发资源的多寡，将很大程度上决定了我们打开这几扇门的时间。以可控核聚变为例，100年实现和1000年实现，还是有很大区别的。如果人类倾尽全力，可能100年就实现了，但如果慢吞吞的，舍不得投入，那可能得1000年才能打开可控核聚变的大门。
从长远来看，国家之间的主赛道，就在以上四个领域。在任何一个领域首先到达终点，都有资格当世界老大。
*本文由“夸克”撰写投递，仅代表作者个人观点。
