阿里巴巴達(dá)摩院發(fā)布了2020十大科技趨勢(shì)。這是繼2019年之后，阿里巴巴達(dá)摩院第二次預(yù)測(cè)年度科技趨勢(shì)。

　　趨勢(shì)一、人工智能從感知智能向認(rèn)知智能演進(jìn)

　　【趨勢(shì)概要】人工智能已經(jīng)在“聽(tīng)、說(shuō)、看”等感知智能領(lǐng)域已經(jīng)達(dá)到或超越了人類(lèi)水準(zhǔn)，但在需要外部知識(shí)、邏輯推理或者領(lǐng)域遷移的認(rèn)知智能領(lǐng)域還處于初級(jí)階段。認(rèn)知智能將從認(rèn)知心理學(xué)、腦科學(xué)及人類(lèi)社會(huì)歷史中汲取靈感，并結(jié)合跨領(lǐng)域知識(shí)圖譜、因果推理、持續(xù)學(xué)習(xí)等技術(shù)，建立穩(wěn)定獲取和表達(dá)知識(shí)的有效機(jī)制，讓知識(shí)能夠被機(jī)器理解和運(yùn)用，實(shí)現(xiàn)從感知智能到認(rèn)知智能的關(guān)鍵突破。

　　【趨勢(shì)解讀】近些年來(lái)，人工智能已經(jīng)在感知智能上取得了長(zhǎng)足的進(jìn)步，甚至在許多領(lǐng)域已經(jīng)達(dá)到或超出了人類(lèi)的水準(zhǔn)，解決了“聽(tīng)、說(shuō)、看”的問(wèn)題。但對(duì)于需要外部知識(shí)、邏輯推理或者領(lǐng)域遷移等需要“思考和反饋”的問(wèn)題，仍然存在諸多難題去攻破。

　　相較于感知智能這一人工智能1.0，人工智能2.0將更多基于數(shù)據(jù)，自動(dòng)將非結(jié)構(gòu)化的數(shù)據(jù)轉(zhuǎn)變?yōu)榻Y(jié)構(gòu)化的知識(shí)，做到真正意義上的認(rèn)知智能。探索如何保持大數(shù)據(jù)智能優(yōu)勢(shì)的同時(shí)，賦予機(jī)器常識(shí)和因果邏輯推理能力，實(shí)現(xiàn)認(rèn)知智能，成為當(dāng)下人工智能研究的核心。

　　認(rèn)知智能的機(jī)制設(shè)計(jì)非常重要，包括如何建立有效的機(jī)制來(lái)穩(wěn)定獲取和表達(dá)知識(shí)，如何讓知識(shí)能夠被所有模型理解和運(yùn)用。認(rèn)知智能將會(huì)從認(rèn)知心理學(xué)、腦科學(xué)以及人類(lèi)社會(huì)的發(fā)展歷史中汲取更多的靈感，并結(jié)合跨領(lǐng)域知識(shí)圖譜、因果推理、持續(xù)學(xué)習(xí)等研究領(lǐng)域的發(fā)展進(jìn)行突破。

　　認(rèn)知智能將結(jié)合人腦的推理過(guò)程，進(jìn)一步解決復(fù)雜的閱讀理解問(wèn)題和少樣本的知識(shí)圖譜推理問(wèn)題，協(xié)同結(jié)構(gòu)化的推理過(guò)程和非結(jié)構(gòu)化的語(yǔ)義理解。認(rèn)知智能也需要解決多模態(tài)預(yù)訓(xùn)練問(wèn)題，幫助機(jī)器獲得多模感知能力，賦能海量任務(wù)。

　　大規(guī)模圖神經(jīng)網(wǎng)絡(luò)被認(rèn)為是認(rèn)知智能計(jì)算強(qiáng)有力的推理方法。圖神經(jīng)網(wǎng)絡(luò)將深度神經(jīng)網(wǎng)絡(luò)從處理傳統(tǒng)非結(jié)構(gòu)化數(shù)據(jù)（如圖像、語(yǔ)音和文本序列）推廣到更高層次的結(jié)構(gòu)化數(shù)據(jù)（如圖結(jié)構(gòu)）。大規(guī)模的圖數(shù)據(jù)可以表達(dá)豐富和蘊(yùn)含邏輯關(guān)系的人類(lèi)常識(shí)和專(zhuān)家規(guī)則，圖節(jié)點(diǎn)定義了可理解的符號(hào)化知識(shí)，不規(guī)則圖拓?fù)浣Y(jié)構(gòu)表達(dá)了圖節(jié)點(diǎn)之間的依賴(lài)、從屬、邏輯規(guī)則等推理關(guān)系。以保險(xiǎn)和金融風(fēng)險(xiǎn)評(píng)估為例，一個(gè)完備的AI系統(tǒng)不僅需要基于個(gè)人的履歷、行為習(xí)慣、健康程度等進(jìn)行分析處理，還需要通過(guò)其親友、同事、同學(xué)之間的來(lái)往數(shù)據(jù)和相互評(píng)價(jià)進(jìn)一步進(jìn)行信用評(píng)估和推斷。基于圖結(jié)構(gòu)的學(xué)習(xí)系統(tǒng)能夠利用用戶(hù)之間、用戶(hù)與產(chǎn)品之間的交互，做出非常準(zhǔn)確的因果和關(guān)聯(lián)推理。

　　未來(lái)人工智能熱潮能否進(jìn)一步打開(kāi)天花板，形成更大的產(chǎn)業(yè)規(guī)模，認(rèn)知智能的突破是關(guān)鍵。認(rèn)知智能可以幫助機(jī)器跨越模態(tài)理解數(shù)據(jù)，學(xué)習(xí)到最接近人腦認(rèn)知的“一般表達(dá)”，獲得類(lèi)似于人腦的多模感知能力，有望帶來(lái)顛覆性創(chuàng)新的產(chǎn)業(yè)價(jià)值。認(rèn)知智能的出現(xiàn)使得AI系統(tǒng)主動(dòng)了解事物發(fā)展的背后規(guī)律和因果關(guān)系、而不再只是簡(jiǎn)單的統(tǒng)計(jì)擬合，從而進(jìn)一步推動(dòng)下一代具有自主意識(shí)的AI系統(tǒng)。

　　趨勢(shì)二、計(jì)算存儲(chǔ)一體化突破AI算力瓶頸

　　【趨勢(shì)概要】馮諾伊曼架構(gòu)的存儲(chǔ)和計(jì)算分離，已經(jīng)不適合數(shù)據(jù)驅(qū)動(dòng)的人工智能應(yīng)用需求。頻繁的數(shù)據(jù)搬運(yùn)導(dǎo)致的算力瓶頸以及功耗瓶頸已經(jīng)成為對(duì)更先進(jìn)算法探索的限制因素。類(lèi)似于腦神經(jīng)結(jié)構(gòu)的存內(nèi)計(jì)算架構(gòu)將數(shù)據(jù)存儲(chǔ)單元和計(jì)算單元融合為一體，能顯著減少數(shù)據(jù)搬運(yùn)，極大提高計(jì)算并行度和能效。計(jì)算存儲(chǔ)一體化在硬件架構(gòu)方面的革新，將突破AI算力瓶頸。

　　【詳細(xì)解讀】經(jīng)典的馮諾伊曼計(jì)算機(jī)架構(gòu)中，存儲(chǔ)單元和計(jì)算單元涇渭分明。運(yùn)算時(shí)，需要將數(shù)據(jù)從存儲(chǔ)單元讀取到計(jì)算單元，運(yùn)算后會(huì)把結(jié)果寫(xiě)回存儲(chǔ)單元。在大數(shù)據(jù)驅(qū)動(dòng)的人工智能時(shí)代，AI運(yùn)算中數(shù)據(jù)搬運(yùn)更加頻繁，需要存儲(chǔ)和處理的數(shù)據(jù)量遠(yuǎn)遠(yuǎn)大于之前常見(jiàn)的應(yīng)用。當(dāng)運(yùn)算能力達(dá)到一定程度，由于訪(fǎng)問(wèn)存儲(chǔ)器的速度無(wú)法跟上運(yùn)算部件消耗數(shù)據(jù)的速度，再增加運(yùn)算部件也無(wú)法得到充分利用，即形成所謂的馮·諾伊曼“瓶頸”，或“內(nèi)存墻”問(wèn)題。這就好比一臺(tái)馬力強(qiáng)勁的發(fā)動(dòng)機(jī)，卻因?yàn)檩斢凸艿莫M小而無(wú)法產(chǎn)生應(yīng)有的動(dòng)力。

　　計(jì)算力瓶頸以及功耗瓶頸已經(jīng)對(duì)更先進(jìn)、復(fù)雜度更高的AI模型研究產(chǎn)生了限制。例如，最先進(jìn)的自然語(yǔ)言處理模型XLNet有約4億模型參數(shù)，每次訓(xùn)練需要數(shù)百個(gè)谷歌深度學(xué)習(xí)加速器TPU運(yùn)算三天，耗資超過(guò)10萬(wàn)美元。而據(jù)估算人腦中細(xì)胞間互聯(lián)軸突個(gè)數(shù)在百萬(wàn)億到千萬(wàn)億數(shù)量級(jí)，兩者相差約六個(gè)數(shù)量級(jí)。顯然AI在認(rèn)知問(wèn)題上離我們追求的的所謂通用人工智能還有巨大差距，預(yù)計(jì)將需要計(jì)算能力和計(jì)算系統(tǒng)的能源效率比現(xiàn)在至少提高幾個(gè)數(shù)量級(jí)。因此人工智能要進(jìn)一步突破，必須采用新的計(jì)算架構(gòu)，解決存儲(chǔ)單元和計(jì)算單元分離帶來(lái)的算力瓶頸。

　　計(jì)算存儲(chǔ)一體化，類(lèi)似于人腦，將數(shù)據(jù)存儲(chǔ)單元和計(jì)算單元融合為一體，能顯著減少數(shù)據(jù)搬運(yùn)，極大提高計(jì)算并行度和能效。計(jì)算存儲(chǔ)一體化的研究無(wú)法一蹴而就。對(duì)于廣義上計(jì)算存儲(chǔ)一體化計(jì)算架構(gòu)的發(fā)展，近期策略的關(guān)鍵在于通過(guò)芯片設(shè)計(jì)、集成、封裝技術(shù)拉近存儲(chǔ)單元與計(jì)算單元的距離，增加帶寬，降低數(shù)據(jù)搬運(yùn)的代價(jià)，緩解由于數(shù)據(jù)搬運(yùn)產(chǎn)生的瓶頸。中期規(guī)劃，通過(guò)架構(gòu)方面的創(chuàng)新，設(shè)存儲(chǔ)器于計(jì)算單元中或者置計(jì)算單元于存儲(chǔ)模塊內(nèi)，可以實(shí)現(xiàn)計(jì)算和存儲(chǔ)你中有我，我中有你。遠(yuǎn)期展望，通過(guò)器件層面的創(chuàng)新，實(shí)現(xiàn)器件即是存儲(chǔ)單元也是計(jì)算單元，不分彼此，融合一體，成為真正的計(jì)算存儲(chǔ)一體化。近年來(lái)，一些新型非易失存儲(chǔ)器，如阻變內(nèi)存，顯示了一定的計(jì)算存儲(chǔ)融合的潛力。

　　計(jì)算存儲(chǔ)一體化正在助力、推動(dòng)算法升級(jí)，成為下一代AI系統(tǒng)的入口。存內(nèi)計(jì)算提供的大規(guī)模更高效的算力，使得算法設(shè)計(jì)有更充分的想象力，不再受到算力的約束。從而將硬件上的先進(jìn)性，升級(jí)為系統(tǒng)、算法的領(lǐng)先優(yōu)勢(shì)，最終加速孵化新業(yè)務(wù)。

　　更進(jìn)一步，計(jì)算存儲(chǔ)一體化是一個(gè)game-changer，開(kāi)辟了一條新賽道。它的出現(xiàn)將通過(guò)迫使產(chǎn)業(yè)升級(jí)，重構(gòu)現(xiàn)在處理器和存儲(chǔ)器的相對(duì)壟斷的產(chǎn)業(yè)格局。在此過(guò)程中，可以幫助更多芯片行業(yè)中小企業(yè)發(fā)展，更為國(guó)產(chǎn)芯片創(chuàng)造彎道超車(chē)創(chuàng)造了機(jī)會(huì)。

　　趨勢(shì)三、工業(yè)互聯(lián)網(wǎng)的超融合

　　【趨勢(shì)概要】5G、IoT設(shè)備、云計(jì)算、邊緣計(jì)算的迅速發(fā)展將推動(dòng)工業(yè)互聯(lián)網(wǎng)的超融合，實(shí)現(xiàn)工控系統(tǒng)、通信系統(tǒng)和信息化系統(tǒng)的智能化融合。制造企業(yè)將實(shí)現(xiàn)設(shè)備自動(dòng)化、搬送自動(dòng)化和排產(chǎn)自動(dòng)化，進(jìn)而實(shí)現(xiàn)柔性制造，同時(shí)工廠(chǎng)上下游制造產(chǎn)線(xiàn)能實(shí)時(shí)調(diào)整和協(xié)同。這將大幅提升工廠(chǎng)的生產(chǎn)效率及企業(yè)的盈利能力。對(duì)產(chǎn)值數(shù)十萬(wàn)億乃至數(shù)百萬(wàn)億的工業(yè)產(chǎn)業(yè)而言，提高5%-10%的效率，就會(huì)產(chǎn)生數(shù)萬(wàn)億人民幣的價(jià)值。

　　【趨勢(shì)解讀】現(xiàn)有工業(yè)系統(tǒng)之間的通信主要依賴(lài)于有線(xiàn)通信來(lái)屏蔽噪聲和保障低延時(shí)，例如OpcUA、Modbus。由于工廠(chǎng)復(fù)雜的環(huán)境，布線(xiàn)成為了工業(yè)系統(tǒng)通信的痛點(diǎn)。工廠(chǎng)的搬送機(jī)器人或一個(gè)工礦的挖機(jī)需要在一個(gè)大范圍內(nèi)頻繁移動(dòng)，WiFi難以較好覆蓋，而4G/Lora/NB的數(shù)據(jù)傳輸速率和延時(shí)達(dá)不到機(jī)器人響應(yīng)的要求，因此通信問(wèn)題難以有效解決。隨著5G技術(shù)的成熟，可以滿(mǎn)足工業(yè)系統(tǒng)對(duì)于高可靠低時(shí)延的需求，DTU（無(wú)線(xiàn)傳輸設(shè)備）較原本的有線(xiàn)方案無(wú)論在部署上，還是在運(yùn)維上都有著極高的優(yōu)勢(shì)和性?xún)r(jià)比?？梢灶A(yù)見(jiàn)的是，工業(yè)系統(tǒng)的互聯(lián)將隨著5G的建設(shè)而得到快速普及。

　　隨著IoT PaaS的成熟，云端已經(jīng)兼容了WiFi、BLE,、Zigbee、Modbus、OpcUA,、RS232等網(wǎng)絡(luò)和連接協(xié)議。這些協(xié)議可以通過(guò)5G的模組非常方便地幫助原來(lái)的IT系統(tǒng)與云端打通。APS（自動(dòng)排產(chǎn)軟件）和MES（制造執(zhí)行系統(tǒng)）可以從云端或邊緣服務(wù)器直接下發(fā)工藝包和生產(chǎn)計(jì)劃至每一個(gè)機(jī)臺(tái)，從而實(shí)現(xiàn)IT（信息化）和OT（工控軟件）的融合，不僅極大解放了人力，更重要的是實(shí)現(xiàn)了工業(yè)互聯(lián)網(wǎng)的重要方向之一，即工廠(chǎng)內(nèi)部垂直集成：IT和OT系統(tǒng)的整合。

　　工業(yè)互聯(lián)網(wǎng)主要解決三個(gè)問(wèn)題。一是將制造企業(yè)內(nèi)部的IT軟件系統(tǒng)與OT設(shè)備系統(tǒng)打通，進(jìn)行自動(dòng)派單，從而實(shí)現(xiàn)柔性制造。二是在工廠(chǎng)外實(shí)現(xiàn)上下游產(chǎn)業(yè)鏈的優(yōu)化組合。三是產(chǎn)品的設(shè)計(jì)和產(chǎn)品生命周期的管理。

　　傳統(tǒng)生產(chǎn)管理與控制中，軟件是分層、弱連接，難以實(shí)現(xiàn)根據(jù)訂單變化進(jìn)行生產(chǎn)動(dòng)態(tài)調(diào)整的個(gè)性化定制要求。目前隨著5G和IoT PaaS的成熟，可以輕松把設(shè)備數(shù)據(jù)聯(lián)到云上，將設(shè)備作業(yè)的數(shù)據(jù)傳到業(yè)務(wù)系統(tǒng)（云上的IT系統(tǒng)）里面，實(shí)現(xiàn)派工自動(dòng)化，從而實(shí)現(xiàn)生產(chǎn)的實(shí)時(shí)調(diào)整，滿(mǎn)足個(gè)性化需求定制。

　　每個(gè)企業(yè)出于核心技術(shù)保密以及采用的生產(chǎn)系統(tǒng)軟硬件不統(tǒng)一等原因，無(wú)法構(gòu)成緊密的價(jià)值網(wǎng)絡(luò)，使價(jià)值網(wǎng)絡(luò)整體的競(jìng)爭(zhēng)力難以提升。隨著5G和邊緣計(jì)算以及IoT PaaS的成熟以及區(qū)塊鏈技術(shù)的進(jìn)步，利用分布式賬本，解決信任問(wèn)題后，可以突破單個(gè)工廠(chǎng)的限制，將價(jià)值網(wǎng)絡(luò)中的上下游企業(yè)工廠(chǎng)的制造系統(tǒng)連接起來(lái)，進(jìn)而可以實(shí)現(xiàn)上下游制造產(chǎn)線(xiàn)的實(shí)時(shí)調(diào)整和協(xié)同，上游的流水線(xiàn)變慢，下游的流水線(xiàn)也可以慢一下，這樣就避免了不必要的生產(chǎn)和庫(kù)存，從而使整個(gè)價(jià)值網(wǎng)絡(luò)的競(jìng)爭(zhēng)力得以提升。

　　現(xiàn)有生產(chǎn)模式中，在由產(chǎn)品設(shè)計(jì)、生產(chǎn)規(guī)劃、生產(chǎn)工程、生產(chǎn)執(zhí)行、服務(wù)所購(gòu)成的產(chǎn)品價(jià)值鏈上，各環(huán)節(jié)數(shù)據(jù)來(lái)源不同，異構(gòu)性強(qiáng)，難以互通，整個(gè)價(jià)值鏈的信息無(wú)法全透明。但是通過(guò)工業(yè)互聯(lián)網(wǎng)和數(shù)字孿生技術(shù)，在產(chǎn)品的設(shè)計(jì)階段使用CAD軟件設(shè)計(jì)產(chǎn)品的解析模型；在產(chǎn)品的使用階段，利用5G和IoT PaaS采集關(guān)鍵參數(shù)，并且輸入到云端的模型解析軟件里，可以很好跟蹤這個(gè)產(chǎn)品的全生命周期中的性能和設(shè)計(jì)指標(biāo)之間的差異變化。而這些使用過(guò)程的信息就成為下一次產(chǎn)品迭代的重要的數(shù)據(jù)來(lái)源，周而復(fù)始，推動(dòng)產(chǎn)品不斷迭代進(jìn)步。

　　工業(yè)系統(tǒng)通過(guò)工業(yè)互聯(lián)網(wǎng)連接起來(lái)，工業(yè)互聯(lián)網(wǎng)第一次讓人類(lèi)掌握了一個(gè)實(shí)時(shí)調(diào)整工業(yè)系統(tǒng)能力的工具，從而大幅度促進(jìn)了生產(chǎn)效率，降低了庫(kù)存，提高了質(zhì)量。整個(gè)中國(guó)的第二產(chǎn)業(yè)是40萬(wàn)億人民幣，如果按照提高5%-10%的效率計(jì)算，將是產(chǎn)生2-4萬(wàn)億人民幣的價(jià)值。這將大幅提升企業(yè)的盈利能力。