阿里達摩院 vs Gartner：2020 科技趨勢預測，你更信誰？

信息革命、移動互聯網革命還沒有落幕，智能革命又像一頭大象同樣撞進人類的生活，激盪着整個世界。任何足夠先進的科技，初看都與魔法無異，但魔法背後是對規律和趨勢的洞悉。

2020 年初，阿里巴巴旗下達摩院發佈了 2020 年十大科技趨勢。從名單來看，人工智能、工業互聯網、區塊鏈、雲計算成爲熱門。

去年，達摩院的預測包括：語音 AI 在特定領域有望經過圖靈測試、自動駕駛則進入冷靜發展期、AI 專有芯片將挑戰 GPU 絕對統治地位；數字身份有望成爲第二張身份證；5G 鏈接能力將加強至百億級……

如今回首，達摩院去年的趨勢預測正確率仍是很高的。而就在前不久 Gartner 也發佈了《2020 年十大策略科技趨勢預測》，今年的兩份預測中有重疊也有差別，咱們把它們分別進行了整理，你以爲那一份預測和你對世界的理解，更像呢？

阿里達摩院 2020 十大科技趨勢

趨勢1、人工智能從感知智能向認知智能演進

目前，人工智能已經在「聽、說、看」等感知智能領域已經達到或超越了人類水準，但在須要外部知識、邏輯推理或者領域遷移的認知智能領域還處於初級階段。

認知智能將從認知心理學、腦科學及人類社會歷史中汲取靈感，並結合跨領域知識圖譜、因果推理、持續學習等技術，創建穩定獲取和表達知識的有效機制，讓知識可以被機器理解和運用，實現從感知智能到認知智能的關鍵突破。

趨勢2、計算存儲一體化突破 AI 算力瓶頸

馮諾伊曼架構的存儲和計算分離，已經不適合數據驅動的人工智能應用需求。頻繁的數據搬運致使的算力瓶頸以及功耗瓶頸已經成爲對更先進算法探索的限制因素。

相似於腦神經結構的存內計算架構將數據存儲單元和計算單元融合爲一體，能顯著減小數據搬運，極大提升計算並行度和能效。計算存儲一體化在硬件架構方面的革新，將突破 AI 算力瓶頸。

趨勢3、工業互聯網的超融合

5G、IoT 設備、雲計算、邊緣計算的迅速發展將推進工業互聯網的超融合，實現工控系統、通訊系統和信息化系統的智能化融合。製造企業將實現設備自動化、搬送自動化和排產自動化，進而實現柔性製造，同時工廠上下游製造產線能實時調整和協同。

這將大幅提高工廠的生產效率及企業的盈利能力。對產值數十萬億乃至數百萬億的工業產業而言，提升 5%-10% 的效率，就會產生數萬億人民幣的價值。

趨勢4、機器間大規模協做成爲可能

傳統單體智能沒法知足大規模智能設備的實時感知、決策。物聯網協同感知技術、5G 通訊技術的發展將實現多個智能體之間的協同 —— 機器彼此合做、相互競爭共同完成目標任務。

多智能體協同帶來的羣體智能，將進一步放大智能系統的價值：大規模智能交通燈調度將實現動態實時調整，倉儲機器人協做完成貨物分揀的高效協做，無人駕駛車能夠感知全局路況，羣體無人機協同將高效打通最後一千米配送。

趨勢5、模塊化下降芯片設計門檻

傳統芯片設計模式沒法高效應對快速迭代、定製化與碎片化的芯片需求。以 RISC-V 爲表明的開放指令集及其相應的開源 SoC 芯片設計、高級抽象硬件描述語言和基於 IP 的模板化芯片設計方法，推進了芯片敏捷設計方法與開源芯片生態的快速發展。

此外，基於芯粒（chiplet）的模塊化設計方法，用先進封裝的方式將不一樣功能「芯片模塊」封裝在一塊兒，能夠跳過流片，快速定製出一個符合應用需求的芯片，進一步加快了芯片的交付。

趨勢6、規模化生產級區塊鏈應用將走入大衆

區塊鏈 BaaS（Blockchain as a Service）服務，將進一步下降企業應用區塊鏈技術的門檻，專爲區塊鏈設計的端、雲、鏈各種固化核心算法的硬件芯片等也將應運而生，實現物理世界資產與鏈上資產的錨定，進一步拓展價值互聯網的邊界、實現萬鏈互聯。將來將涌現大批創新區塊鏈應用場景以及跨行業、跨生態的多維協做，日活千萬以上的規模化生產級區塊鏈應用將會走入大衆。

趨勢7、量子計算進入攻堅期

2019 年，「量子霸權」之爭讓量子計算再次成爲世界科技焦點。超導量子計算芯片的成果，加強了行業對超導路線及對大規模量子計算實現步伐的樂觀預期。2020 年量子計算領域將會經歷投入進一步增大、競爭激化、產業化加速和生態更加豐富的階段。

做爲兩個最關鍵的技術里程碑，容錯量子計算和演示實用量子優點，將是量子計算實用化的轉折點。將來幾年內，真正達到其中任何一個都將是十分艱鉅的任務，量子計算將進入技術攻堅期。

趨勢8、新材料推進半導體器件革新

在摩爾定律放緩以及算力和存儲需求爆發的雙重壓力下，以硅爲主體的經典晶體管，很難維持半導體產業的持續發展，各大半導體廠商對於 3 納米如下的芯片走向都沒有明確的答案。新材料將經過全新物理機制實現全新的邏輯、存儲及互聯概念和器件，推進半導體產業的革新。

趨勢9、保護數據隱私的 AI 技術將加速落地

數據流通所產生的合規成本愈來愈高。使用 AI 技術保護數據隱私正在成爲新的技術熱點，其可以在保證各方數據安全和隱私的同時，聯合使用方實現特定計算，解決數據孤島以及數據共享可信程度低的問題，實現數據的價值。

趨勢10、雲成爲 IT 技術創新的中心

隨着雲技術的深刻發展，雲已經遠遠超過 IT 基礎設施的範疇，漸漸演變成全部 IT 技術創新的中心。雲已經貫穿新型芯片、新型數據庫、自驅動自適應的網絡、大數據、AI、物聯網、區塊鏈、量子計算整個 IT 技術鏈路，同時又衍生了無服務器計算、雲原生軟件架構、軟硬一體化設計、智能自動化運維等全新的技術模式，雲正在從新定義 IT 的一切。

廣義的雲，正在源源不斷地將新的IT技術變成觸手可及的服務，成爲整個數字經濟的基礎設施。

Gartner：2020年十大策略科技趨勢預測

趨勢1、超級自動化

超級自動化(hyperautomation)是結合多種機器學習、軟件包和自動化工具來完成工做的過程。超級自動化不只涵蓋了豐富的工具組合，也包含自動化自己的全部步驟(發現、分析、設計、自動化、測量、監控與從新評估)，其重點在於瞭解自動化機制的範疇、這些機制彼此之間的關係，以及如何進行機制的整合與協調。

超級自動化趨勢起源於機器人流程自動化(RPA)，但在機器人流程自動化外，還須要結合各類工具來協助複製任務流程中人類參與的部分。

趨勢2、多重體驗

到了 2028 年，使用者體驗將在用戶對數字世界的感知和互動方式兩個方面發生重大轉變。虛擬現實(VR)、擴增實境(AR)和混合實境(MR)改變人們感知數字世界的方式，而對話式平臺正在改變人類和數字世界互動的方式。這種感知與互動模式的轉變，將在將來帶來多重感官與多重模式的體驗。

Gartner 研究副總裁 Brian Burke 指出：「將來體驗模式將從‘精通技術的人’轉變爲‘理解人類的技術’，人機互動將由人類轉由計算機來處理。這種與使用者進行多重感官互動與溝通的能力，將創造出一個能傳遞更細緻訊息的環境。」

趨勢3、專業知識的全民化

專業知識的全民化是指透過完全簡化的體驗，且在無須接受密集又昂貴培訓課程的前提下，協助人類取得專業技術知識(機器學習、應用程序開發)或商業領域專業知識(銷售流程、經濟分析)的管道。專業知識全民化的例子包括「公民參與」(citizen access，如公民數據科學家、公民解決方案整合者)、公民發展和無程序代碼模式的演進。

Gartner 預測到了 2023 年，專業知識全民化的趨勢將在四大面向加速發展：

1. 資料與分析技術的全民化：從以數據科學家爲對象，擴大到適用於專業開發人員的普及工具；
2. 開發的全民化：利用人工智能工具自主開發應用程序；
3. 設計的全民化：隨着更多的應用程序開發功能實現自動化，低程序代碼、無程序代碼的場景將持續增長，賦予公民開發人員更多能力；
4. 知識的全民化：非 IT 專業人員透過工具和專家系統，應用超出自身專業能力及訓練的專業技能。

趨勢4、增進人類賦能

增進人類賦能(human augmentation)是利用科技來增進人類在體能和感知力上的機能，併成爲人類不可或缺的一部分體驗，其中體能增進是藉由在人體內植入或配戴科技組件(穿戴式裝置)來增進人類的機能；而認知增進則是透過傳統計算機系統及新興智能空間中多重體驗接口的信息和應用來實現。

在將來 10 年，隨着我的開始追求自身機能的增進，人類體能與認知的增進技術將會變得愈來愈廣泛。這將創造一股全新的「消費化(consumerization)」效應，員工將持續增進自身的機能，並進一步拓展到辦公空間的優化。

趨勢5、透明化與可追溯性

愈來愈多的消費者意識到我的資料是很是寶貴且必須受管控的，而企業也體認到保護和管理我的資料的風險日益增長，所以各國政府同步實施嚴格立法來確保企業組織確實作到這一點。透明化與可追溯性已成爲支持這類數字倫理及隱私權需求的關鍵要素。

透明化與可追溯性指用於符合監管要求、遵照人工智能和其餘先進科技應用的道德規範，並修復外界對企業信任的各類態度、行動及輔助的技術與措施。企業創建透明化和信任感時必須專一下列三個領域：人工智能與機器學習、我的資料的隱私，全部權和控制、符合倫理的設計。

趨勢6、更強大的邊緣運算

邊緣運算是一種運算拓撲，能將信息的處理、內容的收集與傳送都保留在靠近該信息來源處，嘗試讓流量和處理工做都在本機進行，目的在縮短延遲時間、發揮邊緣功能並賦予邊緣端更大的自主性。

Burke 表示：「目前邊緣運算多半着重於物聯網系統的需求，爲製造或零售等特定產業提供脫機或分佈式功能給嵌入式物聯網系統。然而運算資源日趨成熟並走向專業化，加上數據儲存量的增加，使邊緣端的功能日漸強大，邊緣運算也將成爲幾乎全部產業和應用的主導要素。特別是機器人、無人機、自駕車和執行系統等各類複雜的邊緣裝置，都將加速此轉變。」

趨勢7、分佈式雲端

分佈式雲端是將目前集中式公有云服務分散到不一樣地點，並由原來的公有云供貨商繼續負責雲服務的營運、治理、更新與升級。這表明大部分公有云服務所採用的集中式模式將進行轉變，爲雲端運算開創全新時代。

趨勢8、自動化對象

自動化對象是利用人工智能讓過去由人類負責的某些流程得以自動化的物理裝置，最典型的自動化對象包括機器人、無人機和自駕車/船與相關設備。它們的自動化程度超越了僵化的程序設計模塊，並能利用人工智能執行各類先進行爲，以更天然的方式和四周的環境與人類互動。隨着技能提高、法令開放和社會接受度增長，自動化對象將逐漸被用於不受限制的公共空間。

Burke 表示：「隨着自動化對象數量大增，獨立的智能對象將逐漸轉向成羣的協做型智能對象。這些同時運做的多種裝置，有些需有人力從旁協助，有些已可獨立運做、無需人類參與；而不一樣種類的機器人能夠在同一個裝配流程中同時運行。舉例來講，在貨運市場最有效的解決方案，多是使用自駕車將包裹送到目的地，藉由車上的機器人和無人機，確保包裹最後能夠安全送達。」

趨勢9、實用性區塊鏈

區塊鏈可在各個商業生態系統間創建信任，透明化地進行跨業務生態系統的價值交換，並有機會下降成本、縮短交易結算時間和改善現金流，所以在從新塑造產業樣貌極具潛力。

當資產可追溯來源時，將大幅下降被僞造品替換的機率；在其餘領域也極具價值，包括追蹤食物在整條供應鏈中的足跡以辨識污染來源，或追蹤個別環節來協助產品召回。除此以外，區塊鏈還可用於身份管理；而區塊鏈中的智能合約能讓系統在事件發生時自動觸發行動，例如在每次收到商品時能自動執行付款。

Burke 指出：「擴充性和互通程度不足等各類技術問題，讓區塊鏈在企業中的應用還不夠成熟。儘管存在這些挑戰，區塊鏈擁有顛覆產業和推進營收增加的巨大潛力，所以就算是認爲區塊鏈在短時間內不會快速普及的企業，都應開始評估這項技術。」

趨勢10、人工智能安全性

人工智能和機器學習將持續用來提高各類應用場景中人類決策的能力，雖然這爲實現超級自動化和使用自動化對象進行業務轉型帶來了龐大的商機，但同時也由於智慧空間中的物聯網、雲端運算、微服務，以及高度連網系統受攻擊機率大增，爲安全團隊帶來諸多新挑戰。

安全和風險主管應將重點放在如下三大關鍵領域：保護人工智能系統、利用人工智能強化安全防禦，以及作好攻擊者惡意使用人工智能的準備。

徐九碎碎念：

科技發展是不定向的，咱們很難預測將來科技的發展趨勢。

舉個例子，蒸汽機的發明引起了第一次工業革命，那時候人們預測的將來科技，就是把蒸汽的做用無限放大，蒸汽賦能萬物變革。

但後來，蒸汽技術彷佛沒像預測的那樣發展，而是迎來了以電力的大規模應用爲表明的第二次工業革命。

生活在 21 世紀的咱們，得益於互聯網和大規模集成電路的發明產生，感覺到的是 IT 行業迅猛發展。因此，咱們猜想將來的發展趨勢是這樣的：無人駕駛、AR&VR、智能家居、工業物聯網、機器人……

但你有沒有發現，咱們如今關於將來科技發展趨勢的預測，絕大部分都是基於上世紀互聯網和大規模集成電路的發明。從這個角度看，咱們是否是跟上個世紀人們看待蒸汽機時代是如出一轍？

但誰又能知道 IT 互聯網帶來的變革餘波能持續多久？也許，跟以往同樣，忽然出現一場生物革命、化學革命，成爲第三次工業革命？

但願接下來新的十年，能來點新的想不到的花樣。你對將來的預測是什麼？

-END -
部分預測內容來源於網絡，如侵刪