1月2日，阿里巴巴達摩院發布了2020十大科技趨勢，對AI、芯片、區塊鏈、量子計算等領域的發展做出新預測。趨勢觸動業界神經，也引發了研究者關注。來自清華大學、浙江大學、復旦大學、中科院自動化所、中科院計算所等高校和研究機構的專家，從科研和產業等維度對整體趨勢進行了點評。

趨勢報告釋放“科技浪潮新十年”的積極信號，更斷言芯片和人工智能等領域將出現顛覆性突破。清華大學工程科技戰略研究院副院長薛瀾表示：“達摩院的預測讓我們看到了前沿科技領域的發展趨勢和基礎領域的持續突破，更給我們展現了未來技術跨界融合的新圖景。”

60年芯片產業迎來新變革

經歷長達60年的性能持續躍遷，芯片產業在近幾年逐漸失速，單個芯片性能的增長接近停滯。業界紛紛用AI加速器來替代傳統通用芯片，以滿足人工智能等復雜場景的算力需求。達摩院認為，發展AI專用芯片固然緊要，但要匹配未來世界的算力需求，芯片產業需從底層架構上尋求根本性突破，具體來說，就是擺脫存儲、計算分離的傳統馮·諾依曼架構。

這一觀點逐漸成為業界的共識，圖靈獎得主、加州伯克利大學計算機科學教授DavidPatterson曾表示：“隨著摩爾定律的終結，為了獲得更快性能的計算機，唯一方法就是改進計算機的設計或‘架構’——未來5至10年將出現計算機架構的黃金時代。”

達摩院明確提到了新架構的方向，即類似腦神經結構的計算存儲一體化架構，它將數據存儲單元和計算單元融合為一體，減少數據搬運，大幅提高計算效率。

對此，復旦大學微電子學院教授韓軍表示，傳統架構的缺陷在人工智能等需處理海量數據的應用中表現得最為明顯，芯片算力完全受制于訪存帶寬，同時總體功耗因計算與存儲之間的高帶寬數據流動而急劇飆升，將數據存儲和計算相融合，是解決這一困境的重要途徑。

清華大學長聘教授尹首一也對該方向表示認可，他認為，目前存儲器芯片的發展速度遠低于處理器芯片的發展速度，兩者之間的代差不斷拉大，拉近計算部件與存儲部件的距離是解決該問題的根本手段。

達摩院還提到，未來芯片不僅要解決算力問題，還要滿足AIoT場景下快速迭代、定制化設計的需求，這將催生全新的芯片設計方式，基于芯粒（Chiplet）的模塊化設計方法可以取代傳統購買IP設計芯片的方式，讓芯片設計變得像搭積木一樣快速。

這意味著，大企業研發芯片、小企業用芯片的結界將被打破，任何企業都可以設計自己的專屬芯片。這背后是市場需求的變化，尹首一認為，“傳統芯片設計產業模式以追求量大面廣為目標，未來，小步試錯、快速迭代會是芯片企業的核心訴求。”

中科院計算所研究員包云崗表示：“開源芯片、敏捷設計、Chiplet等一系列新的芯片設計方法與模式已快速發展并相互融合，這將直接提高芯片模塊的復用度，從而縮短芯片設計周期、降低芯片設計成本。”

計算大腦的升級將加速整個IT技術的創新，一旦芯片能夠快速適配軟件應用，就能催生更高效的軟硬件協同的解決方案。

芯片生態建設也是學界普遍關注的問題，韓軍指出，“開源芯片社區的基礎設施建設極為迫切，產學研各界也需要提供更多的技術賦能，使上下游企業都能受益于新的芯片設計模式。”

認知智能是實現強人工智能的關鍵突破口

自1956年人工智能概念提出以來，業界逐步將人工智能拆解為計算智能、感知智能和認知智能三層，在計算智能方面，機器早已遠遠超過人類；在感知智能方面，機器的語音識別、圖像識別、自然語言處理技術也已達到可媲美人類的水平；但在認知智能領域，例如理解、思考及推理等技能，機器與人類仍有較大差距。

達摩院認為，結合認知心理學、腦科學、人類社會歷史及跨領域知識圖譜、因果推理、持續學習等技術，可讓AI具備自主意識、推理能力以及情緒感知能力。

浙江大學人工智能研究所所長吳飛評論，當前的人工智能存在很多缺陷，例如感知智能適應性差、認知機理不明、通用智能發展乏力等問題，這是業界需向認知智能研究邁進的主要原因。

這是機器人的一次質變。“實現認知智能就意味著機器可以主動了解事物發展的背后規律和因果關系， 而不再只是簡單的統計擬合，舉例來說，未來人工智能不僅能夠代替人類完成重復性的工作，同時能夠和人一樣自主思考、自我進化。” 中科院自動化所模式識別國家重點實驗室研究員王金橋表示。

如果這一關鍵技術得以突破，我們將會見證越來越多比AlphGo更強大的人工智能，例如以后會出現雙商在線的機器人，既能陪人類聊天，又能處理復雜計算任務。

這一目標也許沒有想象中那么遙遠，清華大學計算機系副主任唐杰表示，發展認知智能，認知圖譜被認為是一種可行方案，認知圖譜是將將知識圖譜、認知推理以及邏輯生成幾種技術相融合的結果，不過，這項技術仍然有待學術界和工業界進一步探索。

在5G網絡、IoT協同感知等技術加持下，人工智能還有望持續進化。達摩院預測，今后AI將不僅懂得“人機協同”，還能做到“機機協同”，實現群體智能。

由“機機協同”帶來的群體智能將進一步放大智能系統的價值， 在大規模智能網絡中，多智能體強化學習可以讓機器與機器之間達成交流與協作。

吳飛表示，進化后的人工智能將促進人類社會生活、生產和消費模式巨大變革，由機器單獨完成單一任務發展到機器相互協作完成城市級復雜任務，這一變化值得期待。等到機器像人一樣，彼此合作、相互競爭共同完成目標任務，就會出現達摩院預測的哪些場景：大規模智能交通燈調度、倉儲機器人協作分揀貨物、無人駕駛車自主感知全局路況等。

責任編輯：ct