科技要向前發展，除了埋頭趕路，攻克一個個的技術難關外，也要抬頭看天，尋找未來的突破方向。從這個意義上來說，機構或個人釋出的一些科技趨勢預測，有一定的借鑑意義。以前，多半是美國公司或機構釋出類似的預測，比如Gartner的技術成熟度曲線。達摩院作為阿里巴巴的一個前沿技術研究機構，某種程度上代表了中國產業界一定的技術研究水平。
近期，阿里達摩院釋出了2022年十大科技趨勢預測，我們先列出達摩院預測的10個趨勢，逐條評論。
趨勢一：AI for Science
人工智慧成為科學家的新生產工具，催生科研新正規化。
【趨勢概要】實驗科學和理論科學是數百年來科學界的兩大基礎正規化，而人工智慧正在催生新的科研正規化。機器學習能夠處理多維、多模態的海量資料，解決複雜場景下的科學難題，帶領科學探索抵達過去無法觸及的新領域。人工智慧不僅將加速科研流程，還將幫助發現新的科學規律。預計未來三年，人工智慧將在應用科學中得到普遍應用，在部分基礎科學中開始成為科學家的生產工具。
【點評】人工智慧在5年內都達不到催生科研新正規化的程度，過於誇大。
技術價值：★★★★★
技術成熟度：★
準確度評價：★★
從價值上來說，AI要是真能改變科研正規化，真是善莫大焉。人類的未來核心在於科技突破，而科技發展取決於兩點，一個是人類科學家（尤其是一些天才選手），另一個就是科研的工具、手段。科研的基礎是理論假設和資料處理，牛頓那一代科學家是靠聰明的大腦+一支筆，再加上一些簡陋的實驗；現在科研還是要靠科學家的聰明才智，但在資料處理上已經完全不一樣了，藉助計算機來處理大量資料已成為標配。AI要改變人類科研正規化，其價值不在於提高資料處理能力（要提升資料處理能力，用超級計算機就行），而在於提升人類的智力水平。愛因斯坦的智商不到200，假設能打造出一個智商10000的超級AI，那這個AI的價值或許不僅僅是500個愛因斯坦。
理想很豐滿，現實很骨感。目前的AI智商還很低，充其量只能在某些特定領域作為科學家的助手，協助完成一些工作。所以，人工智慧可以成為科學家的新生產工具，但遠遠還沒達到可以催生科研新正規化的程度。
勢二：大小模型協同進化
大模型引數競賽進入冷靜期，大小模型將在雲邊端協同進化。
【趨勢概要】超大規模預訓練模型是從弱人工智慧向通用人工智慧的突破性探索，解決了傳統深度學習的應用碎片化難題，但效能與能耗提升不成比例的效率問題限制了引數規模繼續擴張。人工智慧研究將從大模型引數競賽走向大小模型的協同進化，大模型向邊、端的小模型輸出模型能力，小模型負責實際的推理與執行，同時小模型再向大模型反饋演算法與執行成效，讓大模型的能力持續強化，形成有機迴圈的智慧體系。
【點評】先不要說協同，大模型規模還得繼續往上提。
價值：★★★
成熟度：★★★
準確度評價：★★
超大規模預訓練模型，是人工智慧的一個重要方向。從本質上說，人腦其實也是一臺資訊處理機器，其最小單元是神經元、神經突觸這些基本結構。模擬人腦的這種計算結構，是一個很好的思路。但是，AI系統的計算單元與人腦就差著好幾個數量級。量變引起質變，超大規模預訓練模型的思路就是在計算單元上先逼近人腦，看看會有什麼奇妙的事情發生。這是一個簡單但實用的思路，先把這條路走通。
當務之急，是先把超大規模預訓練模型的計算單元儘可能往上提，先達到人腦神經元、神經突觸的數量規模。先走到那一步，看看會發生什麼。成年人大腦中約包含850-860億個神經元，每個神經元與3萬突觸連線，人腦突觸數量預計2500萬億左右。雖然AI系統的引數與人腦突觸有很大不同，但都可以作為一個基本計算單元。既然走了這條路，那就一條路走到黑，先搞出一個2500萬億引數規模的模型出來再說，萬一就有奇蹟了呢。
阿里達摩院目前已經把引數規模刷到10萬了，再有兩個數量級就可以達到目標。這個時候就應該一鼓作氣，而不是改弦易轍。達摩院的意思是“效能與能耗提升不成比例的效率問題限制了引數規模繼續擴張”，也就是說要繼續刷引數，遇到困難了。遇到困難就解決困難啊，效能與能耗不成比例，要就想辦法提高效能，降低能耗。哪一次引數規模的大幅度提升，不是以效能提升為前提的？以前也不是靠硬堆算力來提升引數規模的。
達摩院的思路或許存在問題。好不容易衝到前面了，這個時候要是歇一歇，谷歌、微軟這些公司很快就會超越。思路決定出路，既然達摩院對接下來的技術趨勢做出了預測，就會影響到自身接下來的行動。可以預見，下一個重新整理大模型引數規模的，不會再是阿里巴巴了。
趨勢三：矽光晶片
光電融合兼具光子和電子優勢，突破摩爾定律限制。
【趨勢概要】電子晶片的發展逼近摩爾定律極限，難以滿足高效能計算不斷增長的資料吞吐需求。矽光晶片用光子代替電子進行資訊傳輸，可承載更多資訊和傳輸更遠距離，具備高計算密度與低能耗的優勢。隨著雲計算與人工智慧的大爆發，矽光晶片迎來技術快速迭代與產業鏈高速發展。預計未來三年，矽光晶片將承載絕大部分大型資料中心內的高速資訊傳輸。
【點評】量子計算，才是未來。
價值：★★★
成熟度：★
準確度評價：★★
量子計算，才是計算的王者。矽光晶片，即使搞出來，也只是作為一個過渡。既然量子計算曙光乍現，那就鉚足幹勁往前推，直到遇到短時間內不可突破的瓶頸。而且，中國在量子計算上並不弱，可謂與美國並駕齊驅。這個時候更應該揚長避短，大搞特搞量子計算。
至於矽光晶片，是一個發展方向。但是達摩院做出的預測，“預計未來三年，矽光晶片將承載絕大部分大型資料中心內的高速資訊傳輸”，這肯定是要被打臉的，不會有那麼快。
趨勢四：綠色能源AI
人工智慧助力大規模綠色能源消納，實現多能互補的電力體系。
【趨勢概要】風電、光伏等綠色能源近年來快速發展，也帶來了併網難、消納率低等問題，甚至出現了“棄風”、“棄光”等現象。核心原因在於綠色能源存在波動性、隨機性、反調峰等特徵，大規模併網可能影響電網的安全穩定執行。人工智慧技術的應用，將有效提升電網等能源系統消納多樣化電源和協調多能源的能力，成為提升能源利用率和穩定性的技術支撐，推動碳中和程序。預計未來三年，人工智慧技術將幫助電力系統實現大規模綠色能源消納，實現電力系統的安全、高效、穩定執行。
【點評】這一條有濫竽充數之嫌。
價值：★
成熟度：★★
準確度評價：★★
風電、光電，的確有不穩定的特點。要想實現風光電對煤電、石油的替代，有兩個問題要解決：一個是規模要上去，光伏、風電的規模在接下來幾年會繼續狂飆突進；另一個就是透過系統排程，削峰填谷，把風電、光電與現有電力系統協調。不過，要實現電力的排程，其實更多的是數字化再加上一點智慧化。AI在綠色能源產業鏈條中，充其量就是個“甜點”，算不上正餐。
趨勢五：柔性感知機器人
機器人將兼具柔性和類人感知，可自適應完成多種任務。
【趨勢概要】傳統機器人依賴預程式設計，侷限於大型生產線等結構化場景。近年來，柔性機器人結合柔性電子、力感知與控制、人工智慧技術，獲得了力覺、視覺、聲音等感知能力，應對多工的通用性與應對環境變化的自適應性大幅提升。機器人將從大規模、標準化的產線走向小規模、非標準化的場景。預計未來五年，柔性感知機器人將逐步替代傳統工業機器人，成為產線上的主力裝置，並在服務機器人領域開始規模化應用。
【點評】柔性感知機器人，價值並沒有想象那麼大，未來幾年也不會大面積普及。
價值：★★
成熟度：★★★
準確度評價：★★
相比於人類，機器的核心優勢就是大規模標準化生產，這也是工業社會的根基。機器人最大的價值，就是透過AI改造傳統工業裝置，增加一些智慧化能力，以此來升級工業生產線。接下來10年內，都應該緊緊盯著這個目標，解決問題，一步步向前推進。工業機器人還沒弄好，搞所謂的非標化柔性機器人，一來目前的技術水平還不夠支撐（很可能就搞出一個看起來高階點的“玩具”），二來所謂的柔性機器人價值比工業機器人小。試想一下，是搞個機器人在飯店端盤子有價值，還是改造工業生產線有價值？
趨勢六：高精度醫療導航
人工智慧與精準醫療深度融合，助力診療精度與效率提升。
【趨勢概要】傳統醫療依賴醫生經驗，猶如人工尋路，效果參差不齊。人工智慧與精準醫療深度融合，專家經驗和新的輔助診斷技術有機結合，將成為臨床醫學的高精度導航系統，為醫生提供自動指引，幫助醫療決策更快更準，實現重大疾病的可量化、可計算、可預測、可防治。預計未來三年，以人為中心的精準醫療將成為主要方向，人工智慧將全面滲透在疾病預防和診療的各個環節，成為疾病預防和診療的高精度導航協同。
【點評】AI+醫療是一條路，但道路坎坷。
價值：★★
成熟度：★★
準確度評價：★★★
一直以來，人們都期待著讓人工智慧賦能醫療，提高社會的醫療水平。但是，醫療AI行業發展態勢並不好，核心問題還是目前的人工智慧技術水平不高，與醫療所預期的水平差距太大。再者，醫療是一個非常嚴謹的領域，人命關天。可以預見，未來幾年，醫療AI都將是看起來美好，實際問題一大堆又很難解決的領域。IBM就是一面鏡子，IBM的watson曾被寄予厚望，但最後的結果並不好。應該說，IBM在醫療AI的商業化探索方面是走的最遠的，他的遭遇其實已經明顯告訴人們——此路異常艱難。
趨勢七：全域隱私計算
破解資料保護與流通兩難，隱私計算走向全域資料保護。
【趨勢概要】資料安全保護與資料流通是數字時代的兩難問題，破解之道是隱私計算。過去受制於效能瓶頸、技術信任不足、標準不統一等問題，隱私計算尚只能在少量資料的場景下應用。隨著專用晶片、加密演算法、白盒化、資料信託等技術融合發展，隱私計算有望跨越到海量資料保護，資料來源將擴充套件到全域，激發數字時代的新生產力。預計未來三年，全域隱私計算技術將在效能和可解釋性上有新的突破，或將出現資料信託機構提供基於隱私計算的資料共享服務。
【點評】隱私計算是挺重要的一項技術，未來幾年很可能會大面積應用。
價值：★★★
成熟度：★★★
準確度評價：★★★
在數字化社會，資料越來越多，資料也越來越重要。資料就像貨幣一樣，要流通、共享、應用才能體現出價值。但另一方面，資料又與每個人、每個組織的利益密切相關，資料如何用，如何保護，是一個很關鍵的問題。資料的共享和應用，似乎與資料隱私保護就是一對矛盾，很難兩全其美。隱私計算，有望讓人們實現“魚與熊掌兩者兼得”，在保護隱私的同時實現資料流通、共享和應用。而且，這項技術雖然還有很多問題需要解決，但應該沒有特別大的技術難關。
趨勢八：星地計算
衛星及地面一體化的通訊與計算，促進空天地海全面數字化。
【趨勢概要】基於地面網路和計算的數字化服務侷限在人口密集區域，深空、海洋、沙漠等無人區尚是服務的空白地帶。高低軌衛星通訊和地面行動通訊將無縫連線，形成空天地海一體化立體網路。由於算隨網動，星地計算將整合衛星系統、空中網路、地面通訊和雲計算，成為刪除的內容：整合一種新興的計算架構，擴充套件數字化服務的空間。預計未來三年，低軌衛星數量會迎來爆發式增長，衛星及其地面系統將成為新型計算節點。
【點評】抓住本質，造新詞兒意義不大。
價值：★★
成熟度：★★★
準確度評價：★★
所謂的星地計算，其實就是SpacX搞的衛星網際網路。我一直認為，SpacX發那麼多衛星，最核心的目的就是搶佔近地衛星軌道資源，至於通訊倒是其次。近地衛星軌道資源是有限的，佔一個就少一個。而且，現在衛星軌道資源實行的是“強盜條款”——誰搶到算誰的。美國的NASA這麼支援Spacex發衛星，核心也是這個原因，Spacex搶到了也就是美國政府搶到了。
最近有一個事情非常典型，那就是因為擔心被SpaceX的“星鏈”衛星撞上，我國的空間站先後兩次緊急避險。也就是說，以“星鏈”目前的衛星存量，就已經可以威脅到我們的空間站了。要知道，“星鏈”計劃到2024年前發射1。2萬顆衛星，最終目標是發射4。2萬顆衛星。現在“星鏈”的在軌衛星才一千多顆，就已經可以實質威脅中國空間站了。要是等他把4萬顆衛星都發射了，那整個太空豈不是都是他家的了？
這毫無疑問已經嚴重影響到了中國的國家安全。
所以，中國現在應該做的就是先不管三七二十一，也大規模的發類似衛星。不為別的，先佔坑。民間、官方一起上，儘快降低發射成本，把量提上去。不然，等別人把坑都佔完了，就來不及了。
趨勢九：雲網端融合
雲網端融合形成新計算體系，催生雲上新物種。
【趨勢概要】新型網路技術發展將推動雲計算走向雲網端融合的新計算體系，並實現雲網端的專業分工：雲將作為腦，負責集中計算與全域性資料處理；網路作為連線，將多種網路形態透過雲融合，形成低延時、廣覆蓋的一張網；端作為互動介面，呈現多元形態，可提供輕薄、長效、沉浸式的極致體驗。雲網端融合將促進高精度工業模擬、實時工業質檢、虛實融合空間等新型應用誕生。預計未來兩年，將有大量新型應用在雲網端融合的新計算體系中執行。
【點評】這個趨勢也太明顯了，單列出來意義不大。
價值：★★
成熟度：★★★★
準確度評價：★★★
趨勢十：XR網際網路
XR眼鏡會成為重要互動介面，帶動下一代網際網路發展。
【趨勢概要】隨著端雲協同計算、網路通訊、數字孿生等技術發展，以沉浸式體驗為核心的XR（未來虛實融合）網際網路將迎爆發期。眼鏡有望成為新的人機互動介面，推動形成有別於平面網際網路的XR網際網路，催生從元器件、裝置、作業系統到應用的新產業生態。XR網際網路將重塑數字應用形態，變革娛樂、社交、工作、購物、教育、醫療等場景互動方式。預計未來三年，外形與重量接近普通眼鏡的新一代XR眼鏡將產生，成為下一代網際網路的關鍵入口。
【點評】跟風炒概念
價值：★★★
成熟度：★
準確度評價：★★
元宇宙是一個超級風口，價值很大。但是這個蛋糕我們現在還吃不到。問題的關鍵是卡在硬體裝置上。AR、VR裝置要成熟，還有一大堆問題要解決。近眼顯示、感知互動、計算渲染、通訊、內容製作，每一個領域都有個大坑需要填。尤其是近眼顯示，5年內能不能解決還是個很大的未知數。
以上，我們對阿里達摩院所預測的明年10個科技趨勢做了評述。總體來看，達摩院最關注人工智慧，前面6條都跟人工智慧相關，這是有所偏頗的。科技的領域很大，人工智慧只是其中一部分。達摩院列的這個清單，其實應該叫“2022十大計算趨勢”，都是跟計算相關的。
在整個科技領域，除了計算機還有很多問題很重要。我也列幾個：
01
儲能電池
價值：★★★★
成熟度：★★
【點評】儲能電池帶來的能源革命，將是未來幾年人類社會最根本的變革之一。電池技術的發展，首先改變了汽車的動力系統，就憑這一點，就可以掀翻西方几十年建立的汽車工業優勢，讓汽車產業重新洗牌。這是目前中國肉眼可見的三大戰略機遇之一（另外兩個是光伏和半導體）。而且，光伏+特高壓+電池，這三者構建起來一條完整的新能源價值鏈，中國在這三個領域都很強，這就是最大的國運。
另一方面，目前的電池技術還有很大提升空間，目前的儲能水平是不夠用的。需要加大對下一代電池的研發，把儲能水平再提升一個檔次。屆時，飛行汽車最大的一個障礙就解決了，這又會創造一個超級產業叢集。趁著中國在電池領域有優勢，集中精力把這個優勢擴大，首先把下一代電池搞出來並量產，這是當務之急。
02
量子計算
價值：★★★★★
成熟度：★
量子計算是人類的終極追求之一，要實現真正的量子計算肯定還有很長的道路。毫不誇張的說，搞定了量子計算，人類文明可以躍升一個等級。
所幸的是，我們現在算是摸到了量子計算的門檻。這個時候，應該加大攻關力度，能走多遠算多遠。
03
可控核聚變
價值：★★★★★
成熟度：★
要論人類終極的能源追求，非可控核聚變莫屬（正反物質湮滅能先不考慮，太科幻了）。太陽的能量就來自於核聚變。可以說，掌握可控核聚變，人類就掌握了成為星際文明的鑰匙。
04
基因工程
價值：★★★★★
成熟度：★★
要了解人類自己，釋放生命的潛能，甚至實現長生不老的夢想，就得靠基因工程。很早以前，人類有個基因組計劃，之後就沒看到什麼大的動作了。與其他幾項科技相比，基因工程面臨的倫理壓力要大很多，這也是阻礙其前進的最大障礙。看人類如何權衡取捨吧。
可以說，人工智慧、量子計算、可控核聚變、基因工程，是與人類命運休慼相關的四個科技領域。這幾個領域的每一次突破，都可以將人類社會提升一個檔次。當然，每一個技術都是一把雙刃劍，都有毀滅人類社會的危險。從這個角度看，人類就像是在走鋼絲，即使面臨很大的不確定性，甚至前路兇險，但這也是人類的宿命。不管我們是抗拒，還是坦然接受，最終都會走向這個結局，只是時間的早晚問題。
應該說，近代科學的發展，人類才開始“上道了”。接下來，就是在這四個方面進行突破。要是沒有什麼意外（比如彗星撞地球、核戰爭），人類終將開啟人工智慧、量子計算、可控核聚變、基因工程這四扇大門。值得提出的是，雖然我們終將走向最終目的地，但投入研發資源的多寡，將很大程度上決定了我們開啟這幾扇門的時間。以可控核聚變為例，100年實現和1000年實現，還是有很大區別的。如果人類傾盡全力，可能100年就實現了，但如果慢吞吞的，捨不得投入，那可能得1000年才能開啟可控核聚變的大門。
從長遠來看，國家之間的主賽道，就在以上四個領域。在任何一個領域首先到達終點，都有資格當世界老大。
*本文由“夸克”撰寫投遞，僅代表作者個人觀點。