1月2日，阿里巴巴達(dá)摩院發(fā)布了2020十大科技趨勢(shì)，對(duì)AI、芯片、區(qū)塊鏈、量子計(jì)算等領(lǐng)域的發(fā)展做出新預(yù)測(cè)。趨勢(shì)觸動(dòng)業(yè)界神經(jīng)，也引發(fā)了研究者關(guān)注。來自清華大學(xué)、浙江大學(xué)、復(fù)旦大學(xué)、中科院自動(dòng)化所、中科院計(jì)算所等高校和研究機(jī)構(gòu)的專家，從科研和產(chǎn)業(yè)等維度對(duì)整體趨勢(shì)進(jìn)行了點(diǎn)評(píng)。

趨勢(shì)報(bào)告釋放“科技浪潮新十年”的積極信號(hào)，更斷言芯片和人工智能等領(lǐng)域?qū)⒊霈F(xiàn)顛覆性突破。清華大學(xué)工程科技戰(zhàn)略研究院副院長(zhǎng)薛瀾表示：“達(dá)摩院的預(yù)測(cè)讓我們看到了前沿科技領(lǐng)域的發(fā)展趨勢(shì)和基礎(chǔ)領(lǐng)域的持續(xù)突破，更給我們展現(xiàn)了未來技術(shù)跨界融合的新圖景?！?/p>

60年芯片產(chǎn)業(yè)迎來新變革

經(jīng)歷長(zhǎng)達(dá)60年的性能持續(xù)躍遷，芯片產(chǎn)業(yè)在近幾年逐漸失速，單個(gè)芯片性能的增長(zhǎng)接近停滯。業(yè)界紛紛用AI加速器來替代傳統(tǒng)通用芯片，以滿足人工智能等復(fù)雜場(chǎng)景的算力需求。達(dá)摩院認(rèn)為，發(fā)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(chǎn)業(yè)需從底層架構(gòu)上尋求根本性突破，具體來說，就是擺脫存儲(chǔ)、計(jì)算分離的傳統(tǒng)馮·諾依曼架構(gòu)。

這一觀點(diǎn)逐漸成為業(yè)界的共識(shí)，圖靈獎(jiǎng)得主、加州伯克利大學(xué)計(jì)算機(jī)科學(xué)教授DavidPatterson曾表示：“隨著摩爾定律的終結(jié)，為了獲得更快性能的計(jì)算機(jī)，唯一方法就是改進(jìn)計(jì)算機(jī)的設(shè)計(jì)或‘架構(gòu)’——未來5至10年將出現(xiàn)計(jì)算機(jī)架構(gòu)的黃金時(shí)代。”

達(dá)摩院明確提到了新架構(gòu)的方向，即類似腦神經(jīng)結(jié)構(gòu)的計(jì)算存儲(chǔ)一體化架構(gòu)，它將數(shù)據(jù)存儲(chǔ)單元和計(jì)算單元融合為一體，減少數(shù)據(jù)搬運(yùn)，大幅提高計(jì)算效率。

對(duì)此，復(fù)旦大學(xué)微電子學(xué)院教授韓軍表示，傳統(tǒng)架構(gòu)的缺陷在人工智能等需處理海量數(shù)據(jù)的應(yīng)用中表現(xiàn)得最為明顯，芯片算力完全受制于訪存帶寬，同時(shí)總體功耗因計(jì)算與存儲(chǔ)之間的高帶寬數(shù)據(jù)流動(dòng)而急劇飆升，將數(shù)據(jù)存儲(chǔ)和計(jì)算相融合，是解決這一困境的重要途徑。

清華大學(xué)長(zhǎng)聘教授尹首一也對(duì)該方向表示認(rèn)可，他認(rèn)為，目前存儲(chǔ)器芯片的發(fā)展速度遠(yuǎn)低于處理器芯片的發(fā)展速度，兩者之間的代差不斷拉大，拉近計(jì)算部件與存儲(chǔ)部件的距離是解決該問題的根本手段。

達(dá)摩院還提到，未來芯片不僅要解決算力問題，還要滿足AIoT場(chǎng)景下快速迭代、定制化設(shè)計(jì)的需求，這將催生全新的芯片設(shè)計(jì)方式，基于芯粒（Chiplet）的模塊化設(shè)計(jì)方法可以取代傳統(tǒng)購(gòu)買IP設(shè)計(jì)芯片的方式，讓芯片設(shè)計(jì)變得像搭積木一樣快速。

這意味著，大企業(yè)研發(fā)芯片、小企業(yè)用芯片的結(jié)界將被打破，任何企業(yè)都可以設(shè)計(jì)自己的專屬芯片。這背后是市場(chǎng)需求的變化，尹首一認(rèn)為，“傳統(tǒng)芯片設(shè)計(jì)產(chǎn)業(yè)模式以追求量大面廣為目標(biāo)，未來，小步試錯(cuò)、快速迭代會(huì)是芯片企業(yè)的核心訴求?！?/p>

中科院計(jì)算所研究員包云崗表示：“開源芯片、敏捷設(shè)計(jì)、Chiplet等一系列新的芯片設(shè)計(jì)方法與模式已快速發(fā)展并相互融合，這將直接提高芯片模塊的復(fù)用度，從而縮短芯片設(shè)計(jì)周期、降低芯片設(shè)計(jì)成本?！?/p>

計(jì)算大腦的升級(jí)將加速整個(gè)IT技術(shù)的創(chuàng)新，一旦芯片能夠快速適配軟件應(yīng)用，就能催生更高效的軟硬件協(xié)同的解決方案。

芯片生態(tài)建設(shè)也是學(xué)界普遍關(guān)注的問題，韓軍指出，“開源芯片社區(qū)的基礎(chǔ)設(shè)施建設(shè)極為迫切，產(chǎn)學(xué)研各界也需要提供更多的技術(shù)賦能，使上下游企業(yè)都能受益于新的芯片設(shè)計(jì)模式。”

認(rèn)知智能是實(shí)現(xiàn)強(qiáng)人工智能的關(guān)鍵突破口

自1956年人工智能概念提出以來，業(yè)界逐步將人工智能拆解為計(jì)算智能、感知智能和認(rèn)知智能三層，在計(jì)算智能方面，機(jī)器早已遠(yuǎn)遠(yuǎn)超過人類；在感知智能方面，機(jī)器的語(yǔ)音識(shí)別、圖像識(shí)別、自然語(yǔ)言處理技術(shù)也已達(dá)到可媲美人類的水平；但在認(rèn)知智能領(lǐng)域，例如理解、思考及推理等技能，機(jī)器與人類仍有較大差距。

達(dá)摩院認(rèn)為，結(jié)合認(rèn)知心理學(xué)、腦科學(xué)、人類社會(huì)歷史及跨領(lǐng)域知識(shí)圖譜、因果推理、持續(xù)學(xué)習(xí)等技術(shù)，可讓AI具備自主意識(shí)、推理能力以及情緒感知能力。

浙江大學(xué)人工智能研究所所長(zhǎng)吳飛評(píng)論，當(dāng)前的人工智能存在很多缺陷，例如感知智能適應(yīng)性差、認(rèn)知機(jī)理不明、通用智能發(fā)展乏力等問題，這是業(yè)界需向認(rèn)知智能研究邁進(jìn)的主要原因。

這是機(jī)器人的一次質(zhì)變。“實(shí)現(xiàn)認(rèn)知智能就意味著機(jī)器可以主動(dòng)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(jiǎn)單的統(tǒng)計(jì)擬合，舉例來說，未來人工智能不僅能夠代替人類完成重復(fù)性的工作，同時(shí)能夠和人一樣自主思考、自我進(jìn)化?！?中科院自動(dòng)化所模式識(shí)別國(guó)家重點(diǎn)實(shí)驗(yàn)室研究員王金橋表示。

如果這一關(guān)鍵技術(shù)得以突破，我們將會(huì)見證越來越多比AlphGo更強(qiáng)大的人工智能，例如以后會(huì)出現(xiàn)雙商在線的機(jī)器人，既能陪人類聊天，又能處理復(fù)雜計(jì)算任務(wù)。

這一目標(biāo)也許沒有想象中那么遙遠(yuǎn)，清華大學(xué)計(jì)算機(jī)系副主任唐杰表示，發(fā)展認(rèn)知智能，認(rèn)知圖譜被認(rèn)為是一種可行方案，認(rèn)知圖譜是將將知識(shí)圖譜、認(rèn)知推理以及邏輯生成幾種技術(shù)相融合的結(jié)果，不過，這項(xiàng)技術(shù)仍然有待學(xué)術(shù)界和工業(yè)界進(jìn)一步探索。

在5G網(wǎng)絡(luò)、IoT協(xié)同感知等技術(shù)加持下，人工智能還有望持續(xù)進(jìn)化。達(dá)摩院預(yù)測(cè)，今后AI將不僅懂得“人機(jī)協(xié)同”，還能做到“機(jī)機(jī)協(xié)同”，實(shí)現(xiàn)群體智能。

由“機(jī)機(jī)協(xié)同”帶來的群體智能將進(jìn)一步放大智能系統(tǒng)的價(jià)值， 在大規(guī)模智能網(wǎng)絡(luò)中，多智能體強(qiáng)化學(xué)習(xí)可以讓機(jī)器與機(jī)器之間達(dá)成交流與協(xié)作。

吳飛表示，進(jìn)化后的人工智能將促進(jìn)人類社會(huì)生活、生產(chǎn)和消費(fèi)模式巨大變革，由機(jī)器單獨(dú)完成單一任務(wù)發(fā)展到機(jī)器相互協(xié)作完成城市級(jí)復(fù)雜任務(wù)，這一變化值得期待。等到機(jī)器像人一樣，彼此合作、相互競(jìng)爭(zhēng)共同完成目標(biāo)任務(wù)，就會(huì)出現(xiàn)達(dá)摩院預(yù)測(cè)的哪些場(chǎng)景：大規(guī)模智能交通燈調(diào)度、倉(cāng)儲(chǔ)機(jī)器人協(xié)作分揀貨物、無人駕駛車自主感知全局路況等。