文｜盧瀅西

“我們盯著后視鏡看現(xiàn)在，倒退著走向未來�！奔幽么髠鞑�學者麥克盧漢用“后視鏡理論”來解釋媒介技術演化及其影響的基本運作原則，而這一理論，同樣適用于如今科技的發(fā)展，強調(diào)從歷史中走向未來。

但由于人類認知的局限性，時代往往跑得比認知更快，因此，我們既需要過去的經(jīng)驗，也需要未來的視角。

近日，百度、騰訊、達摩院和MIT科技評論先后發(fā)布了他們對于2023年科技趨勢的預測。縱覽各家今年發(fā)布的預測，“大模型”“云計算”“芯片”成為了關鍵詞，AI技術帶來的智能化仍然是主線。

具體來看，百度研究院所發(fā)布的2023年十大科技趨勢預測中，涵蓋了大模型生態(tài)、數(shù)實融合、虛實共生、自動駕駛、機器人、科學計算、量子計算、隱私計算、科技倫理和科技可持續(xù)發(fā)展等領域；騰訊對高性能計算、泛在操作系統(tǒng)、Web3、時空人工智能等前沿數(shù)字科技的應用做了預測；在達摩院的預測中，也出現(xiàn)了云原生安全、城市數(shù)字孿生和生成式AI等熱門領域；而MIT科技評論則聚焦在了生物科技、環(huán)保、科技與工程等領域。

作為探路者，這些科技公司和機構都在結合自身實踐和前沿學術的基礎上，給出了對于未來的判斷。去年年初，百度就預言了AIGC將會實現(xiàn)大規(guī)模的應用，而今年國內(nèi)外眾多AI繪畫的火爆也印證了這一點。今年，達摩院2023十大科技趨勢中，也強調(diào)了生成式AI將進入應用爆發(fā)期。

2022年，數(shù)字人、AI繪畫、Web3等井噴式的涌現(xiàn)已經(jīng)讓人興奮不已，翻開日歷上新的一頁，不禁讓人發(fā)問：2023年，技術發(fā)展的邊界又在哪里？

為此，光錐智能從AI、數(shù)字化、生物科技、科技與ESG等四個方向，對騰訊、達摩院、百度和MIT科技評論發(fā)布的2023年科技趨勢預測進行了梳理。

趨勢一：以AI為主線的智能化

2022年隨著自動駕駛、ChatGPT、AI繪畫等人工智能技術的火爆，AI開始進入大眾語境。而在百度、騰訊、阿里達摩研究院以及MIT科技評論關于2023年十大科技的預測中，AI技術也被賦予了重要篇章。當然，要推動AI的發(fā)展也并不容易，從底層算力到預訓練大模型，再到應用場景，AI的發(fā)展將帶動多個產(chǎn)業(yè)的變革，具體來看：

基礎層：

RISC－V架構：

由于指令集標準X86和ARM占據(jù)著CPU架構主要的市場份額，國內(nèi)芯片的設計研發(fā)被卡脖子一直都是老生常談的問題，但得益于RISC－V 開放標準的興起，我國芯片自主研發(fā)逐漸成為了可能。

與大多數(shù)指令集相比，RISC－V指令集可以自由地用于任何目的，允許任何人設計、制造和銷售RISC－V芯片和軟件，而且RISC－V開源免費，很大程度上降低了芯片設計研發(fā)的難度和成本。

在大國科技競爭的背景下，我國芯片廠商不斷加碼RISC－V，有望實現(xiàn)彎道超車。數(shù)據(jù)顯示，在非營利性質RISC－V International組織的19名高級成員中，與我國有關的有12名。

Chiplet：

后摩爾時代，由于芯片越來越難以單純靠升級制程實現(xiàn)性能提升，摩爾定律面臨失效危機，因此，高性能、低功耗、高面積使用率以及低成本的Chiplet芯粒技術受到了廣泛關注。

簡單來說，Chiplet的原理與搭樂高積木類似，把傳統(tǒng)的 SoC 分解為多個芯粒模塊，將這些芯粒分開制備后再通過互聯(lián)封裝形成一個完整芯片。而如何保障互聯(lián)封裝時芯粒連接工藝的可靠性、普適性，實現(xiàn)芯粒間數(shù)據(jù)傳輸?shù)拇髱�寬、低延遲，是Chiplet技術研發(fā)的關鍵。

根據(jù)達摩院的預測，隨著2022年3月份UCle聯(lián)盟的成立，Chiplet互聯(lián)標準將逐漸統(tǒng)一，產(chǎn)業(yè)化進程將進一步加速�；�于先進封裝技術的Chiplet可能將重構芯片研發(fā)流程，全方位影響芯片的產(chǎn)業(yè)格局。

存算一體芯片：

隨著AI應用的不斷落地，對于芯片的并行運算、低延遲、帶寬也提出了更高的要求。

傳統(tǒng)馮 · 諾依曼體系下運行的計算機通常包括存儲單元和計算單元兩部分，導致計算能力受到限制。而存算一體架構直接將數(shù)據(jù)存儲單元和計算單元融合為一體，能夠大幅減少數(shù)據(jù)搬運帶來的功耗損失，同時，也減少了等待數(shù)據(jù)讀取時的算力浪費，極大提高計算并行度和能效，在VR／ AR、無人駕駛等應用場景中，存算一體芯片具備高帶寬、低功耗的顯著優(yōu)勢。

目前，存算一體已經(jīng)在不少垂直領域掀起熱潮，在資本和產(chǎn)業(yè)雙輪驅動下，基于 SRAM、 NOR Flash等成熟存儲器的存內(nèi)計算將在垂直領域迎來規(guī)�；�商用，諸如智能家居、可穿戴設備、泛機器人、 智能安防等小算力、低功耗場景有望優(yōu)先迎來產(chǎn)品和生態(tài)的升級迭代。

高性能計算：

近些年來，在AI大模型、AIGC、自動駕駛、蛋白質結構預測等各類人工智能應用的驅動下，憑借著在架構、硬件和軟件等方面的迭代和積累，高性能計算跨過了以CPU為核心計算單元的1．0時代，在CPU＋GPU的2．0時代實現(xiàn)核心突破，如今，又邁向了“CPU＋GPU＋QPU”的3．0時代。

高性能芯片，是高性能計算的核心技術，上文提到的Chiplet 技術也將在高性能計算、高密度計算等領域發(fā)揮著重要作用。

量子計算：

2022年的諾貝爾物理學獎頒給了“量子糾纏”，讓更多的人認識到量子計算。

近些年來，在諸如谷歌、百度等海內(nèi)外巨頭的推動下，量子計算的技術不斷突破，目前，已經(jīng)在基礎科學探索、數(shù)字經(jīng)濟、人工智能、信息安全等眾多領域實現(xiàn)應用。據(jù)市場研究公司Hyperion Research估計，量子計算市場2022年收入為6．14億美元，預計到2025年達到12．08億美元，年復合增長率為25％。

過去一年，量子計算技術已在軟硬件、應用和網(wǎng)絡等關鍵技術方向實現(xiàn)新一輪突破，2022年，百度發(fā)布了一臺名為“乾始”的產(chǎn)業(yè)級超導量子計算機，并且還發(fā)布了名為“量羲”的全球首個全平臺量子軟硬一體解決方案，實現(xiàn)量子芯片“即插即用”。

據(jù)百度研究院的預測，預計2023年，量子計算核心技術將會持續(xù)突破，在人工智能、材料模擬、金融科技、生物制藥等更多領域實現(xiàn)落地，加速產(chǎn)業(yè)化進程。

模型層：

多模態(tài)預訓練大模型：

從單一的文本－文本、圖片－圖片，到文生圖、圖生視頻，AI預訓練大模型正在從文本、語音、視覺等單模態(tài)智能，向著多種模態(tài)融合的方向發(fā)展。

在文生圖領域，以2022年火出圈的Stable Diffusion擴散模型為例，得益于CLIP的加入，使得該模型能夠完成文本特征映射到圖像特征的過程，指導模型生成圖像，并借助擴散模型改善圖像質量。

隨著技術發(fā)展的不斷成熟，多模態(tài)預訓練大模型將朝著能推理、能回答問題、能總結、做創(chuàng)作的認知智能方向發(fā)展，加速通用人工智能的演化進程。

行業(yè)大模型：

在AI大模型向跨語言、跨任務、跨模態(tài)的技術方向演進的過程中，其通用性、泛化性、可解釋性大幅提升。但這還遠遠不夠，技術要進行產(chǎn)業(yè)化落地，還需要思考大模型如何與真實場景的需求相匹配。

例如，2022年，百度聯(lián)合吉利發(fā)布的知識增強汽車行業(yè)大模型——吉利－百度·文心，該行業(yè)大模型使用了百度文心ERNIE 3．0大模型，在2300萬條吉利汽車專業(yè)領域無標注數(shù)據(jù)上進行模型預訓練，實現(xiàn)了大模型在汽車行業(yè)的落地應用。

隨著大模型技術逐步成熟，訓練能力、核心算子庫和軟件平臺布局不斷完善，運用行業(yè)知識增強技術，大模型的能力也將應用于能源電力、金融、航天、傳媒、影視等更多領域。

應用層：

AIGC：

從理解到創(chuàng)造，這是人工智能最顯著的進步之一。

得益于近年來大模型在基礎研究尤其是深度學習上的突破，從海量訓練數(shù)據(jù)中，生成式AI能夠生成全新的數(shù)字視頻、圖像、文本、音頻或代碼等內(nèi)容。比如能夠用于問答、文本寫作、編寫代碼的ChatGPT以及各類文生圖的AI繪畫軟件。

在模型開源、算力成本下降等多重因素的加持下，生成式 AI 的商業(yè)化初現(xiàn)苗頭，目前，AI繪畫所生成的作品已經(jīng)開始應用于廣告營銷、視頻制作以及游戲模型制作等多領域。未來隨著生成式AI在認知智能和生成可控性上的進一步提升，生成式 AI 還將進入應用爆發(fā)期，極大地推動數(shù)字化內(nèi)容生產(chǎn)與創(chuàng)造。

圖片：AIGC繪畫作品《太空歌劇院》

城市數(shù)字孿生：

基于數(shù)字孿生技術，打造智慧城市成為了城市建設的主流趨勢。據(jù)IDC預測，到2025年智慧城市投資規(guī)模將超過千億美元，5年復合增長率超過30％。

城市數(shù)字孿生自2017年首度被提出以來，受到廣泛推廣和認可。近兩年，城市數(shù)字孿生關鍵技術實現(xiàn)了從量到質的突破，具體體現(xiàn)在大規(guī)模上。

目前，大規(guī)模城市數(shù)字孿生已在交通治理、災害防控、雙碳管理等應用場景取得較大進展。比如說城市內(nèi)澇積水，通過對城市高精路網(wǎng)、水網(wǎng)、河道、車輛等實體的三維建模和實時渲染，實現(xiàn)人群疏散引導、交通管控策略、天氣情況影響等全方位策略預案的孿生演練與效果評估。

未來，城市數(shù)字孿生既作為城市立體化綜合無人系統(tǒng)的研發(fā)測試環(huán)境，同時也是實現(xiàn)全局感知、全局調(diào)度的支撐系統(tǒng)。

數(shù)字人：

2022年初，從中國移動的數(shù)字谷愛凌，再到騰訊3D手語數(shù)智人＂聆語”，冬奧會上數(shù)字人的大量使用，讓更多的人認識到了數(shù)字人，也為數(shù)字人的應用推廣打造了絕佳的契機。

在研發(fā)層面，得益于AI技術的加入，數(shù)字人的開發(fā)周期和成本大大縮短和下降；在智能化層面，數(shù)字人主要是依靠NLP進行文本驅動，基于NLP大模型的發(fā)展，數(shù)字人的智能化程度日益提高；在應用層面，目前，數(shù)字人在數(shù)字化營銷、文娛等領域應用廣泛，伴隨全真互聯(lián)時代的到來，數(shù)字人將會成為其重要的元素和新入口。

雙引擎智能決策：

近些年來，隨著外部環(huán)境復雜程度和變化速度不斷加劇，在企業(yè)的視角下，企業(yè)需在紛繁復雜、動態(tài)變化的環(huán)境中，快速精準地做出經(jīng)營決策。

經(jīng)典決策優(yōu)化的局限性在于處理能力不足且反應速度慢，機器學習的缺點在于成本高、學習的效率慢，因此，學術界和產(chǎn)業(yè)界開始構建數(shù)學模型與數(shù)據(jù)模型雙引擎新型智能決策體系，彌補了經(jīng)典決策優(yōu)化和運籌優(yōu)化算法彼此之間的局限性。

比如打車平臺的派單，利用雙引擎智能決策可以對訂單量、訂單時間、道路狀況等相關數(shù)據(jù)進行建模分析，以此得出最優(yōu)決策。

未來，雙引擎智能決策將進一步拓展應用場景，在大規(guī)模實時電力調(diào)度、港口吞吐量優(yōu)化、機場停機安排、制造工藝優(yōu)化等特定領域，推進全局實時動態(tài)資源配置優(yōu)化。

機器人：

在全球人口結構調(diào)整、勞動力成本上升的背景下，機器人的重要性愈發(fā)凸顯。

從供給端來看，AI、大數(shù)據(jù)和云計算等技術的介入，使得機器人在感知、決策、執(zhí)行方面的性能大幅提升。

其中，在感知方面，觸覺感知是目前機器人感知補全領域的攻關重點。受益于柔性材料的突破性進展，觸覺傳感技術已經(jīng)在機器人手、觸覺手套、健康檢測設備、智能座艙等領域研發(fā)測試。例如協(xié)作機器人在末端執(zhí)行器上安裝的柔性夾爪，能夠對形狀、材質復雜的物品進行分揀和抓取，就像人類的手一樣。

未來，隨著機器人ROI的進一步下降，移動機器人、協(xié)作機器人等各類機器人將會開始進入工廠、家庭，承擔起降本增效的重任。

自動駕駛：

2022年，隨著自動駕駛進入城市場景，無論是感知復雜環(huán)境、還是處理海量數(shù)據(jù)的難度都大大增加，傳統(tǒng)小模型無法滿足高級別自動駕駛的要求，因此不少自動駕駛公司開始將Transformer大模型應用到自動駕駛算法當中。

而大模型的加入，讓自動駕駛汽車有效擴充語義識別數(shù)據(jù)，大幅提升長尾問題解決效率，進一步增強自動駕駛感知泛化能力，適應更多出行場景。

預計2023年，中國主要城市自動駕駛商業(yè)化落地將呈現(xiàn)運營范圍、車隊規(guī)模雙增長的趨勢，擁有自動駕駛技術的智能汽車市場滲透率也將有新突破，智能汽車產(chǎn)業(yè)從此前的“試水試航”走向“揚帆遠航”。

計算光學圖像：

伴隨著傳統(tǒng)光學成像在硬件功能、成像性能方面接近物理極限，依托于傳感器、云計算、人工智能等新一代信息技術的計算光學成像應運而生。

計算光學成像以具體應用任務為準則，通過多維度獲取或編碼光場信息，為傳感器設計遠超人眼的感知新范式。同時，結合數(shù)學和信號處理知識，深度挖掘光場信息，突破傳統(tǒng)光學成像極限。

目前，計算光學成像已經(jīng)在手機攝像、醫(yī)療、監(jiān)控、工業(yè)檢測、無人駕駛等領域開始規(guī)�；瘧�用。例如在手機攝像領域，手機攝像在相當一部分場景的拍攝效果達到、甚至超過一般單反相機。

未來，計算光學成像有望進一步顛覆傳統(tǒng)成像體系，帶來更具創(chuàng)造力和想象力的應用， 如無透鏡成像、非視域成像等。

AI賦能科學研究：

AI技術在改造產(chǎn)業(yè)的同時，也在成為輔助科研的重要力量。

1972年，學者Christian Anfinsen提出的蛋白折疊問題——“蛋白質的氨基酸序列應該能完全決定其結構”，讓其成為了諾貝爾化學獎的得主。

而這一科研成果背后，少不了AlphaFold模型的助攻。借力AI技術，John Jumper團隊推動著蛋白質結構預測的研究進入了一個新的階段，而AlphaFold等模型的成功讓人們看到，人工智能技術對科學計算產(chǎn)生的巨大影響，也讓AI for Science的概念備受關注。

簡單來說，AI for Science就是通過引入AI技術，研究者們開發(fā)了科學計算工具，利用模型來解決實際的科研問題。

在未來，AI還將改變更多學科的研究范式，在物理、化學、生物、材料學等基礎科學及藥物研發(fā)等應用領域大有可為。

趨勢二：數(shù)字化轉型加快

隨著上云業(yè)務需求的提升與云計算日趨成熟，具備更高的敏捷性、彈性和云間的可移植性的云原生技術則越來越受到關注。與此同時，全真互聯(lián)、元宇宙等概念的興起，也推動著云端算力發(fā)展日趨高密以及專用化，計算更為復雜。

因此，推動云上構建計算資源豐富和專用的異構計算系統(tǒng)也成為了趨勢。而異構計算對算力提出的高要求，也在基礎設施層面上反推著軟硬件融合的加速。

如今，云計算技術已經(jīng)成為共識，在夯實技術底座的前提下，云計算與各領域深度融合，云原生安全受到重視，在云上成長的數(shù)字經(jīng)濟也在成為一種確定性趨勢。

云計算：

2022年10月亞馬遜明確提出：從計算存儲到數(shù)據(jù)庫、數(shù)據(jù)分析、機器學習，云服務正全面邁向Serverless，幫助客戶最大限度減輕運維工作，并增加業(yè)務敏捷性，更好地應對山務的各種不確定性。這也反映出了云計算向精細化、集成化和異構計算持續(xù)演進的趨勢。

隨著數(shù)字安全、隱私合規(guī)、資源自主、服務高可用等要求的不斷提升，公有云、私有云、混合云市場的主戰(zhàn)場，具備便捷、專有云等交付模式不斷興起，混合云不斷成為市場的主戰(zhàn)場，具備便捷、可控、可持續(xù)等特征的專有云成為新趨勢、新選擇，云上的服務模式也更加精細化。

云原生己成為下一代云計算演進方向，Al、大數(shù)據(jù)等積極走向云原生模式，借助容器、微服務、無服務器等云原生優(yōu)勢，企業(yè)和開發(fā)者得以在IT成本優(yōu)化的條件下實現(xiàn)Al算法高效訓練、大數(shù)據(jù)應用敏捷開發(fā)、程序靈活部署和全生命周期管理。

伴隨著全真互聯(lián)、元宇宙等概念的興起，服務體驗即時化、輕量化等需求不斷激增，云端算力發(fā)展日趨高密以及專用化，加速GPU、FPGA等計算資源的池化，推動云上構建計算資源豐富和專用的異構計算系統(tǒng)。

圖片來源：攝圖網(wǎng)

云原生安全：

隨著云計算與各領域深度融合，云上快速迭代、彈性伸縮、海量數(shù)據(jù)處理等特征要求安全防護體系相應升級。

云原生安全是依托云原生理念和技術特性對安全體系進行的優(yōu)化和重構，通過逐步實現(xiàn)安全技術服務的輕量化、敏捷化、精細化和智能化，來保障云基礎設施的原生安全，并形成更強的安全能力。從管理視角、運營視角和用戶視角出發(fā)，云原生安全有三方面價值：全鏈路風險可視可控；基礎設施安全運營閉環(huán)高效；云上客戶資產(chǎn)全面保障。

未來3－5年，云原生安全將更好的適應多云架構，幫助客戶構建覆蓋混合架構、全鏈路、動態(tài)精準的安全防護體系。

軟硬融合云計算體系架構：

云計算的體系架構發(fā)展經(jīng)歷了三個階段，目前，云計算進入第三階段，引入專用硬件，形成軟硬一體化的虛擬化架構，實現(xiàn)了全面硬件加速。

傳統(tǒng)的以CPU中心的云計算體系架構受到CPU性能瓶頸的限制，無法應對云上時延和帶寬的進一步擴展，云計算體系架構需要向著軟硬一體化的方向迭代升級。

清華大學計算機系副教授任炬認為，軟硬件一體化設計是當前計算架構的重要演進方向，尤其在復雜的云計算場景中，軟硬件的協(xié)同優(yōu)化與迭代升級更是決定其性能提升的關鍵。

達摩院預測，未來三年，云計算從以 CPU 為中心的計算體系架構向以云基礎設施處理器（CIPU）為中心的全新體系架構深度演進。在此基礎上，CIPU 將定義下一代云計算的服務標準，給核心軟件研發(fā)和專用芯片行業(yè)帶來新的發(fā)展機遇。

圖片來源：達摩院

端網(wǎng)融合的可預期網(wǎng)絡：

可預期網(wǎng)絡是由云計算定義，服務器端側和網(wǎng)絡協(xié)同的高性能網(wǎng)絡互聯(lián)系統(tǒng)，能夠大幅度提升分布式并行計算的網(wǎng)絡通信效率，從而構建高效的算力資源池，實現(xiàn)了云上大算力的彈性供給。

通過云定義的協(xié)議、軟件、芯片、硬件、架構、 平臺的全棧創(chuàng)新，可預期高算力網(wǎng)絡有望顛覆目前基于傳統(tǒng)互聯(lián)網(wǎng) TCP 協(xié)議的技術體系，成為下一代數(shù)據(jù)中心網(wǎng)絡的基本特征，并從數(shù)據(jù)中心的局域應用走向全網(wǎng)推廣。

數(shù)字化社會下的算力普惠，將持續(xù)驅動數(shù)據(jù)中心網(wǎng)絡向高性能、資源池化的云計算方向發(fā)展，這將使網(wǎng)絡可預期技術在未來 2－3 年內(nèi)發(fā)生質變，逐漸成為主流技術趨勢。

泛在操作系統(tǒng)：

2021年底，工信部印發(fā)的《“十四五”軟件和信息技術服務業(yè)發(fā)展規(guī)劃》中也提到，要大力支持開展“軟件定義”及泛在操作系統(tǒng)平臺相關理論和技術研究。

泛在操作系統(tǒng)究竟為何如此受到重視？

操作系統(tǒng)是計算系統(tǒng)的核心，也是信息產(chǎn)業(yè)生態(tài)的核心。然而隨著互聯(lián)網(wǎng)向人類社會和物理世界的全方位延伸，所需管理的資源復雜度呈指數(shù)級增加，簡而言之，計算無處不在，未來網(wǎng)絡化的泛在操作系統(tǒng)所管理的不僅包括主機、PC端、移動終端、物聯(lián)終端等不同計算設備，也包括面向新型人機物融合應用場景的各種不同新型計算環(huán)境。

目前，泛在操作系統(tǒng)發(fā)展重點是物聯(lián)終端的接入與管控，以及用以支撐包括物聯(lián)終端的各類網(wǎng)絡應用開發(fā)運行支撐平臺。

隨著“人機物”的融合發(fā)展，人類社會、信息空間、物理世界的深度融合的泛在計算時代正在開啟，構建一個對下管理各類泛在設施／資源、對上支撐各類場景下數(shù)字化與智能化應用的泛在操作系統(tǒng)已成為發(fā)展趨勢。

圖為泛在操作系統(tǒng)體系框架圖

數(shù)字辦公：

2020年，一場突如其來的疫情讓學生開始上網(wǎng)課、讓居家辦公成為了上班族的日常之一。但當時，或許誰也沒想到，數(shù)字辦公會在今天成為主要的趨勢。

據(jù)遠程工作空間提供商IWG估計，全球70％的員工每周至少遠程工作一次；此外，IDC數(shù)據(jù)顯示至2023年，全球2000家企業(yè)或組織中，70％將采用遠程或混合辦公優(yōu)先的工作模式。

目前，云平臺、音視頻處理、數(shù)字協(xié)同、數(shù)據(jù)操作、人工智能、表達渲染基本構建了數(shù)字辦公技術棧。同時知識數(shù)字化、數(shù)字協(xié)同工具的廣泛應用也進一步推動數(shù)字辦公協(xié)同的發(fā)展，使得未來數(shù)字辦公日益走向“多模態(tài)”與“大協(xié)同”，并引發(fā)知識共創(chuàng)的范式革新。

能源互聯(lián)網(wǎng)：

在新能源轉型的背景下，電網(wǎng)波動性加劇，無法單純憑借電氣裝置達到平衡，需要依靠數(shù)字化手段進行調(diào)節(jié)，數(shù)字技術從原本的降本增效轉向，成為實現(xiàn)電網(wǎng)平衡的剛需。因此，當下是軟件定義能源網(wǎng)絡的重要發(fā)展契機。

軟件定義能源網(wǎng)絡通過綜合運用相關數(shù)字技術，支撐業(yè)務應用遠程部署，組織方式和運行模式靈活調(diào)整，按需定制能源網(wǎng)絡的運行狀態(tài)和功能，從而實現(xiàn)軟件定義能源系統(tǒng)。

2022年5月24日，英國最大配電公司UKPowerNetworks與美國谷歌旗下人工智能公司Deemind聯(lián)合發(fā)布英國輸電線路電子地圖新型圖像識別軟件掃描數(shù)千張輸電線路圖片轉換電子地圖，以準確顯示全英國輸電線路的空間分布，幫忙項目規(guī)劃并指導施工方法，以推動新能源、電動汽車發(fā)展。

隨著新能源市場發(fā)展，軟件定義能源網(wǎng)絡將會成為未來數(shù)字化能源系統(tǒng)基礎設施的一個核心，代表著未來能源電力系統(tǒng)、尤其新型電力系統(tǒng)的發(fā)展方向。

Web3：

2021年被業(yè)界認為是web3飛速發(fā)展的元年，但web3的產(chǎn)業(yè)發(fā)展才剛剛拉開序幕，隱私和擴容技術突破正在加速應用向Web3遷移。

在傳統(tǒng)web1．0、2．0的領域中，由于缺乏統(tǒng)一的身份層服務，用戶的身份數(shù)據(jù)容易被他人盜取利用，造成用戶隱私泄露。建立一個通用的、穩(wěn)健的數(shù)字身份體系，是未來web3生態(tài)中所有用戶的切身之需。

以太坊2．0將引入擴容能力，主要目標是提升以太坊的處理能力。2018年，以太坊公布了以太坊2．0的路線圖，路線圖規(guī)劃了eth擴容。擴容分兩個大階段，階段一擴展無計算能力分片，結合L2大幅擴展性能，階段二提供計算能力分片，增加L1自身處理能力。

由于區(qū)塊鏈公開透明、去中心化的特點，給用戶的隱私帶來了很大挑戰(zhàn)。而零知識證明技術可以對用戶的隱私數(shù)據(jù)進行加密存儲。比如用戶的年齡是否超過20歲，通過零知識證明只能得到是與否，而不能獲得具體數(shù)字，實現(xiàn)了在不泄漏任何信息內(nèi)容的前提下完成對于信息的驗證。

總結下來，數(shù)字身份成底座、擴容推動應用遷移以及零知識證明價值凸顯是Web3的重要發(fā)展趨勢。

趨勢三：生物科技造福人類

在剛剛結束的2022年里，我們見證了基因編輯技術、豬心臟移植、古代DNA分析等多個生物醫(yī)學界的技術突破。這些前沿技術，對于全人類的生命健康都將產(chǎn)生意義非凡的作用。

基因編輯：

2022年，美國一家生物科技的研究人員在給一位患有心臟病，且有遺傳性高膽固醇風險的女性治療時，使用了編輯工具 CRISPR。CRISPR基因編輯技術常被比作“基因剪刀”，本次試驗中，研究人員替換了患者肝臟細胞的PCSK9基因單個堿基，這種基因可幫助調(diào)節(jié)低密度脂蛋白膽固醇水平，低密度脂蛋白，也被稱為“壞”膽固醇，水平偏高可能引發(fā)動脈硬化，堵塞血管，引發(fā)心血管疾病。

此前，基因編輯技術主要在罕見病患者身上應用，如果本次試驗成功，基因編輯技術或可廣泛應用于常見疾病的預防，試驗的結果將在2023年公布。

按需器官制作：

去年1月，馬里蘭大學醫(yī)學院成功將豬心臟移植到57歲的男子大衛(wèi)·班尼特體內(nèi)，這是全球首例人接受豬心移植手術。

值得注意的是，為了防止豬心臟組織過度生長和人體的排異反應，這顆豬心臟經(jīng)過了基因編輯，去除這些糖分子并添加其他基因，使豬組織看起來更像人的組織。

手術后，移植的心臟在幾個星期內(nèi)表現(xiàn)非常好。一份報告顯示，全球每年大概有200萬人需要器官移植，但供體匱乏一直是阻礙患者進行手術的掣肘�；�因編輯技術的出現(xiàn)，也就意味著，那些在器官移植等待名單里的患者有了康復的可能。

盡管大衛(wèi)·班尼特最終于3月8日離世，但這項技術仍然在醫(yī)學領域邁出了階段性的一步，打開了人工進行器官制作的大門。

古代DNA分析：

2022年 11 月，馬克斯·普朗克進化人類學研究所的遺傳學家斯萬特·帕博的相關基礎性研究工作獲得了諾貝爾獎，以表彰他對已滅絕古人類基因組和人類進化的發(fā)現(xiàn)做出的貢獻。

這位瑞典出生的科學家花了幾十年的時間試圖從4萬年前的骨頭中提取DNA，最終在2010年揭開了尼安德特人的基因組，這對于揭示所有現(xiàn)存人類與已滅絕的古人類之間的遺傳差異，具有開創(chuàng)性的意義。

圖為尼安德特人基因組測序

而這一重要發(fā)現(xiàn)得益于技術發(fā)展下，商業(yè)測序儀的進步。

據(jù)悉，現(xiàn)如今的商業(yè)測序儀可以看清受損的DNA，能夠把原來檢測不出來的、非常少量的、殘留的DNA檢測出來，這對于現(xiàn)代醫(yī)學研究也具有同樣重要的意義。

       原文標題 : 2023年的科技趨勢預測中，藏著哪些機會？（1-3）