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

　　趨勢一、人工智能從感知智能向認(rèn)知智能演進

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

　　【趨勢解讀】近些年來，人工智能已經(jīng)在感知智能上取得了長足的進步，甚至在許多領(lǐng)域已經(jīng)達到或超出了人類的水準(zhǔn)，解決了“聽、說、看”的問題。但對于需要外部知識、邏輯推理或者領(lǐng)域遷移等需要“思考和反饋”的問題，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，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)勢的同時，賦予機器常識和因果邏輯推理能力，實現(xiàn)認(rèn)知智能，成為當(dāng)下人工智能研究的核心。

　　認(rèn)知智能的機制設(shè)計非常重要，包括如何建立有效的機制來穩(wěn)定獲取和表達知識，如何讓知識能夠被所有模型理解和運用。認(rèn)知智能將會從認(rèn)知心理學(xué)、腦科學(xué)以及人類社會的發(fā)展歷史中汲取更多的靈感，并結(jié)合跨領(lǐng)域知識圖譜、因果推理、持續(xù)學(xué)習(xí)等研究領(lǐng)域的發(fā)展進行突破。

　　認(rèn)知智能將結(jié)合人腦的推理過程，進一步解決復(fù)雜的閱讀理解問題和少樣本的知識圖譜推理問題，協(xié)同結(jié)構(gòu)化的推理過程和非結(jié)構(gòu)化的語義理解。認(rèn)知智能也需要解決多模態(tài)預(yù)訓(xùn)練問題，幫助機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)知智能計算強有力的推理方法。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)可以表達豐富和蘊含邏輯關(guān)系的人類常識和專家規(guī)則，圖節(jié)點定義了可理解的符號化知識，不規(guī)則圖拓?fù)浣Y(jié)構(gòu)表達了圖節(jié)點之間的依賴、從屬、邏輯規(guī)則等推理關(guān)系。以保險和金融風(fēng)險評估為例，一個完備的AI系統(tǒng)不僅需要基于個人的履歷、行為習(xí)慣、健康程度等進行分析處理，還需要通過其親友、同事、同學(xué)之間的來往數(shù)據(jù)和相互評價進一步進行信用評估和推斷?；趫D結(jié)構(gòu)的學(xué)習(xí)系統(tǒng)能夠利用用戶之間、用戶與產(chǎn)品之間的交互，做出非常準(zhǔn)確的因果和關(guān)聯(lián)推理。

　　未來人工智能熱潮能否進一步打開天花板，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”，獲得類似于人腦的多模感知能力，有望帶來顛覆性創(chuàng)新的產(chǎn)業(yè)價值。認(rèn)知智能的出現(xiàn)使得AI系統(tǒng)主動了解事物發(fā)展的背后規(guī)律和因果關(guān)系、而不再只是簡單的統(tǒng)計擬合，從而進一步推動下一代具有自主意識的AI系統(tǒng)。

　　趨勢二、計算存儲一體化突破AI算力瓶頸

　　【趨勢概要】馮諾伊曼架構(gòu)的存儲和計算分離，已經(jīng)不適合數(shù)據(jù)驅(qū)動的人工智能應(yīng)用需求。頻繁的數(shù)據(jù)搬運導(dǎo)致的算力瓶頸以及功耗瓶頸已經(jīng)成為對更先進算法探索的限制因素。類似于腦神經(jīng)結(jié)構(gòu)的存內(nèi)計算架構(gòu)將數(shù)據(jù)存儲單元和計算單元融合為一體，能顯著減少數(shù)據(jù)搬運，極大提高計算并行度和能效。計算存儲一體化在硬件架構(gòu)方面的革新，將突破AI算力瓶頸。

　　【詳細(xì)解讀】經(jīng)典的馮諾伊曼計算機架構(gòu)中，存儲單元和計算單元涇渭分明。運算時，需要將數(shù)據(jù)從存儲單元讀取到計算單元，運算后會把結(jié)果寫回存儲單元。在大數(shù)據(jù)驅(qū)動的人工智能時代，AI運算中數(shù)據(jù)搬運更加頻繁，需要存儲和處理的數(shù)據(jù)量遠(yuǎn)遠(yuǎn)大于之前常見的應(yīng)用。當(dāng)運算能力達到一定程度，由于訪問存儲器的速度無法跟上運算部件消耗數(shù)據(jù)的速度，再增加運算部件也無法得到充分利用，即形成所謂的馮·諾伊曼“瓶頸”，或“內(nèi)存墻”問題。這就好比一臺馬力強勁的發(fā)動機，卻因為輸油管的狹小而無法產(chǎn)生應(yīng)有的動力。

　　計算力瓶頸以及功耗瓶頸已經(jīng)對更先進、復(fù)雜度更高的AI模型研究產(chǎn)生了限制。例如，最先進的自然語言處理模型XLNet有約4億模型參數(shù)，每次訓(xùn)練需要數(shù)百個谷歌深度學(xué)習(xí)加速器TPU運算三天，耗資超過10萬美元。而據(jù)估算人腦中細(xì)胞間互聯(lián)軸突個數(shù)在百萬億到千萬億數(shù)量級，兩者相差約六個數(shù)量級。顯然AI在認(rèn)知問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)計將需要計算能力和計算系統(tǒng)的能源效率比現(xiàn)在至少提高幾個數(shù)量級。因此人工智能要進一步突破，必須采用新的計算架構(gòu)，解決存儲單元和計算單元分離帶來的算力瓶頸。

　　計算存儲一體化，類似于人腦，將數(shù)據(jù)存儲單元和計算單元融合為一體，能顯著減少數(shù)據(jù)搬運，極大提高計算并行度和能效。計算存儲一體化的研究無法一蹴而就。對于廣義上計算存儲一體化計算架構(gòu)的發(fā)展，近期策略的關(guān)鍵在于通過芯片設(shè)計、集成、封裝技術(shù)拉近存儲單元與計算單元的距離，增加帶寬，降低數(shù)據(jù)搬運的代價，緩解由于數(shù)據(jù)搬運產(chǎn)生的瓶頸。中期規(guī)劃，通過架構(gòu)方面的創(chuàng)新，設(shè)存儲器于計算單元中或者置計算單元于存儲模塊內(nèi)，可以實現(xiàn)計算和存儲你中有我，我中有你。遠(yuǎn)期展望，通過器件層面的創(chuàng)新，實現(xiàn)器件即是存儲單元也是計算單元，不分彼此，融合一體，成為真正的計算存儲一體化。近年來，一些新型非易失存儲器，如阻變內(nèi)存，顯示了一定的計算存儲融合的潛力。

　　計算存儲一體化正在助力、推動算法升級，成為下一代AI系統(tǒng)的入口。存內(nèi)計算提供的大規(guī)模更高效的算力，使得算法設(shè)計有更充分的想象力，不再受到算力的約束。從而將硬件上的先進性，升級為系統(tǒng)、算法的領(lǐng)先優(yōu)勢，最終加速孵化新業(yè)務(wù)。

　　更進一步，計算存儲一體化是一個game-changer，開辟了一條新賽道。它的出現(xiàn)將通過迫使產(chǎn)業(yè)升級，重構(gòu)現(xiàn)在處理器和存儲器的相對壟斷的產(chǎn)業(yè)格局。在此過程中，可以幫助更多芯片行業(yè)中小企業(yè)發(fā)展，更為國產(chǎn)芯片創(chuàng)造彎道超車創(chuàng)造了機會。

　　趨勢三、工業(yè)互聯(lián)網(wǎng)的超融合

　　【趨勢概要】5G、IoT設(shè)備、云計算、邊緣計算的迅速發(fā)展將推動工業(yè)互聯(lián)網(wǎng)的超融合，實現(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)將實現(xiàn)設(shè)備自動化、搬送自動化和排產(chǎn)自動化，進而實現(xiàn)柔性制造，同時工廠上下游制造產(chǎn)線能實時調(diào)整和協(xié)同。這將大幅提升工廠的生產(chǎn)效率及企業(yè)的盈利能力。對產(chǎn)值數(shù)十萬億乃至數(shù)百萬億的工業(yè)產(chǎn)業(yè)而言，提高5%-10%的效率，就會產(chǎn)生數(shù)萬億人民幣的價值。

　　【趨勢解讀】現(xiàn)有工業(yè)系統(tǒng)之間的通信主要依賴于有線通信來屏蔽噪聲和保障低延時，例如OpcUA、Modbus。由于工廠復(fù)雜的環(huán)境，布線成為了工業(yè)系統(tǒng)通信的痛點。工廠的搬送機器人或一個工礦的挖機需要在一個大范圍內(nèi)頻繁移動，WiFi難以較好覆蓋，而4G/Lora/NB的數(shù)據(jù)傳輸速率和延時達不到機器人響應(yīng)的要求，因此通信問題難以有效解決。隨著5G技術(shù)的成熟，可以滿足工業(yè)系統(tǒng)對于高可靠低時延的需求，DTU（無線傳輸設(shè)備）較原本的有線方案無論在部署上，還是在運維上都有著極高的優(yōu)勢和性價比?？梢灶A(yù)見的是，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5G的模組非常方便地幫助原來的IT系統(tǒng)與云端打通。APS（自動排產(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)計劃至每一個機臺，從而實現(xiàn)IT（信息化）和OT（工控軟件）的融合，不僅極大解放了人力，更重要的是實現(xiàn)了工業(yè)互聯(lián)網(wǎng)的重要方向之一，即工廠內(nèi)部垂直集成：IT和OT系統(tǒng)的整合。

　　工業(yè)互聯(lián)網(wǎng)主要解決三個問題。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，進行自動派單，從而實現(xiàn)柔性制造。二是在工廠外實現(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，難以實現(xiàn)根據(jù)訂單變化進行生產(chǎn)動態(tài)調(diào)整的個性化定制要求。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，實現(xiàn)派工自動化，從而實現(xiàn)生產(chǎn)的實時調(diào)整，滿足個性化需求定制。

　　每個企業(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，無法構(gòu)成緊密的價值網(wǎng)絡(luò)，使價值網(wǎng)絡(luò)整體的競爭力難以提升。隨著5G和邊緣計算以及IoT PaaS的成熟以及區(qū)塊鏈技術(shù)的進步，利用分布式賬本，解決信任問題后，可以突破單個工廠的限制，將價值網(wǎng)絡(luò)中的上下游企業(yè)工廠的制造系統(tǒng)連接起來，進而可以實現(xiàn)上下游制造產(chǎn)線的實時調(diào)整和協(xié)同，上游的流水線變慢，下游的流水線也可以慢一下，這樣就避免了不必要的生產(chǎn)和庫存，從而使整個價值網(wǎng)絡(luò)的競爭力得以提升。

　　現(xiàn)有生產(chǎn)模式中，在由產(chǎn)品設(shè)計、生產(chǎn)規(guī)劃、生產(chǎn)工程、生產(chǎn)執(zhí)行、服務(wù)所購成的產(chǎn)品價值鏈上，各環(huán)節(jié)數(shù)據(jù)來源不同，異構(gòu)性強，難以互通，整個價值鏈的信息無法全透明。但是通過工業(yè)互聯(lián)網(wǎng)和數(shù)字孿生技術(shù)，在產(chǎn)品的設(shè)計階段使用CAD軟件設(shè)計產(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，可以很好跟蹤這個產(chǎn)品的全生命周期中的性能和設(shè)計指標(biāo)之間的差異變化。而這些使用過程的信息就成為下一次產(chǎn)品迭代的重要的數(shù)據(jù)來源，周而復(fù)始，推動產(chǎn)品不斷迭代進步。

　　工業(yè)系統(tǒng)通過工業(yè)互聯(lián)網(wǎng)連接起來，工業(yè)互聯(lián)網(wǎng)第一次讓人類掌握了一個實時調(diào)整工業(yè)系統(tǒng)能力的工具，從而大幅度促進了生產(chǎn)效率，降低了庫存，提高了質(zhì)量。整個中國的第二產(chǎn)業(yè)是40萬億人民幣，如果按照提高5%-10%的效率計算，將是產(chǎn)生2-4萬億人民幣的價值。這將大幅提升企業(yè)的盈利能力。