linux工程师，RHCE
分类： 网络与安全
2020-12-28 19:16:07
本文经AI新媒体量子位（公众号ID:QbitAI）授权转载，转载请联系出处。
2021年，科技发展将往何处去？
这是阿里达摩院从基础研究、IT技术和生产生活三个方面，给出的10个答案：
量子计算、脑机接口、第三代半导体应用、AI药物研究、柔性电子材料……
其中，既有学术研究，也有科技应用给生活带来的变化。
达摩院院长张建锋，花名“行癫”，在这场趋势预测中认为，科技与人类正在形成一种新型协作关系。
通过人机协同的方式，人类将从原有的重复、繁琐、危险的工作解脱出来，更多地投入到开创性、有思想、有创意的工作中去。
这10大趋势，不仅是2021年科技发展的预测，也是对2020年前沿科技突破的总结。
趋势1：以氮化镓、碳化硅为代表的第三代半导体，迎来应用大爆发
半导体材料的发展，经历了三代变革。
第一代是20世纪50年代的硅、锗；第二代是20世纪80年代的砷化镓、磷化铟；第三代则是20世纪末的氮化镓（GaN）、碳化硅（SiC）。
此前，第一代半导体材料硅的应用最为广泛，也是一切逻辑器件的基础，包括CPU、GPU等。
至于第三代半导体材料，虽然具有耐高温、耐高压、高频率、大功率、抗辐射等特性，但由于制造设备与制备工艺的不足，导致多年来一直只能在小范围内应用。
但随着近几年来制备技术的提升，这一局面被打破了。
目前，第三代半导体已经落地应用：新能源汽车利用碳化硅功率器件，提升电能转换效率，进而提升续航；部分电子厂商推出氮化镓快充头……
预计到2021年，工业充电、5G高频器件、可再生能源和储能领域的电源，都将迎来第三代半导体的应用爆发。
尤其是高频高压应用中，第三代半导体的特性，将让它取代原有的硅器件。
趋势2：后“量子霸权”时代，量子纠错和实用优势成为核心命题
2020年，是后“量子霸权”元年，其中有两个里程碑：量子纠错和实用优势。
其中，演示“量子纠错”的系统，必须同时达到多比特、高精度和高连接度，也就是至少需要几千个高质量、强关联的比特。
而在“实用优势”中，则会继续以模拟物理为主流，冷原子和量子煺火系统等模拟量子计算平台，将连同数字平台一起，继续产生鼓舞人心的进步。
2021年，除了量子位数的提升，这些领域也可能取得进展：
基于新型设计的超高精度超导比特、扬弃目前线性结构的可扩展的二维离子阱……
伴随量子计算的发展，超导也将迎来新的趋势：低温电子学的成熟，将使得庞大和昂贵的室温电子学开始走向末路。
趋势3：碳基技术突破，加速柔性电子发展
近年来，碳基材料的制备，取得了突破性进展。
碳基材料，包括零维的富勒烯、一维的碳纳米管、二维的石墨烯、三维的石墨及金刚石等。
其中，碳纳米管和石墨烯凭借优异的电性能、透光性和延展性，被认为是柔性电子的“天选”材料。
今年，研究人员在8英寸基底上成功制备了高密度高纯半导体阵列碳纳米管材料，纯度可达99.9999%，突破了碳纳米管集成电路关键的材料瓶颈，也具备了量产的技术积累。
基于这种材料，研究人员还批量制备了场效应晶体管和环形振荡器电路，性能超越类似尺寸的硅基器件和电路。
与此同时，石墨烯的大面积制备已经实现，被证明具备优异的电学性能。
这些突破，意味着碳基集成电路已经初步具备工业化基础，“碳时代”即将到来。
趋势4：AI提升药物及疫苗研发效率
目前，AI已经广泛应用于医疗影像、病历管理等辅助诊断场景，但在疫苗研发、及药物临床研究的应用依旧处于探索阶段。
来自《Nature》的一组数据显示，一款新药的平均研发成本大约是26亿美元，耗时约10年，成功率不到10%。
研发周期中，药物发现的工程量巨大，导致药品研发的临床前研究阶段，一般需要耗时3至6年。如果将AI与药物筛选结合，可以大幅度减少化合物筛选的时间消耗。
在疫苗设计和研发领域，AI也将成为有力帮手。
例如，在研发的疫苗中添加化合物，以提升功效、更好地刺激产生抗体的过程，就可以利用AI合成、对比筛选，快速找到优质的候选化合物。
这样将AI与疫苗、药物临床研究进行结合，可以减少重复劳动与时间消耗，提升研发效率，极大地推动医疗服务和药物的普惠化。
趋势5：脑机接口，帮助人类超越生物学极限
脑机接口技术，距今已有几十年的研究历史，是人类朝着大脑与机器融合目标的一大步。
目前，虽然离实用化还有很远，但作为新一代人机交互和人机混合智能的关键核心技术，脑机接口对神经工程的发展起到了重要的制程推动作用。
这一新技术分为植入式与非植入式，将帮助人类从更高维度空间进一步解析人类大脑的工作原理。
例如，在控制机械臂等方面，脑机接口将帮助提升应用精度，将为神智清醒，思维健全，但口不能言、手不能动的患者提供精准康复服务。
趋势6：数据处理实现“自治与自我进化”
随着云计算的发展、数据规模持续指数级增长，传统数据处理正面临存储成本高、集群管理复杂、计算任务多样性等巨大挑战。
面对海量暴增的数据规模、复杂多元的处理场景，人工管理和系统调优也捉襟见肘。
因此，以智能化方法，实现数据管理系统自动优化，是未来数据处理发展的必然选择。
人工智能和机器学习手段，正逐渐被广泛应用于智能化的冷热数据分层、异常检测、智能建模、资源调动、参数调优、压测生成、索引推荐等领域。
实现数据处理的“自治与自我进化”，将有效降低数据计算、处理、存储、运维的管理成本。
趋势七：云原生重塑IT技术体系
传统IT的开发环境，存在着产品开发上线周期长、研发效能不高等问题。
云原生架构，充分利用了云计算的分布式、可扩展和灵活的特性，更高效地应用和管理异构硬件和环境下的各类云计算资源。
此外，通过方法论、工具集、实践和产品技术，也能让IT开发人员专注于开发过程本身。
未来，芯片、开发平台、应用软件乃至计算机等将诞生于云上。
如果将网络、服务器、操作系统等基础架构层高度抽象化，降低计算成本、提升迭代效率，将能大幅降低云计算使用门槛、拓展技术应用的边界。
趋势八：农业迈入数据智能时代
传统农业产业的发展，存在土地资源利用率低、和从生产到零售链路脱节等瓶颈问题。
目前，以物联网、人工智能、云计算等为代表的数字技术，正在与农业产业深度融合，打通农业产业的全链路流程。
如果结合新一代传感器技术，就能让农田地面数据信息被实时获取和感知。
而依靠大数据分析与人工智能技术，快速对海量领域农业数据进行处理，还能实现农作物监测、精细化育种和环境资源按需分配。
同时，通过5G、物联网、区块链等技术的应用，确保农产品物流运输中的可控和可追溯，保障农产品整体供应链流程的安全可靠。
农业将告别“靠天”吃饭，进入智慧农业时代。
趋势九：工业互联网，从单点智能走向全局智能
受实施成本和复杂度较高、供给侧数据难以打通、整体生态不够完善等因素限制，目前的工业智能仍以解决碎片化需求为主。
疫情中数字经济所展现出来的韧性，让企业更加重视工业智能的价值。
加上数字技术的发展、新基建等因素，工业智能将从单点智能快速跃迁到全局智能。
特别是汽车、消费电子、品牌服饰、钢铁、水泥、化工等具备良好信息化基础的制造业，工业互联网将贯穿供应链、生产、资产、物流、销售等各环节在内的企业生产决策闭环的全局智能化应用。
趋势十：智慧运营中心成为未来城市标配
在过去十年时间里，智慧城市借助数字化手段切实提升了城市治理水平。
但在新冠疫情防控中，一些所谓的智慧城市，开始暴露问题，由于“重建设、轻运营”所导致的业务应用不足现象，也尤为明显。
在这样的背景下，城市的管理者，希望通过运营中心盘活数据资源，推动治理与服务的全局化、精细化和实时化。
而AIoT技术的日渐成熟和普及、空间计算技术的进步，将进一步提升运营中心的智慧化水平。
在数字孪生基础上，智慧运营中心将统一城市系统、并提供整体智慧治理能力，进而成为未来城市的数字基础设施。
在新来的2021年，基础技术及科技产业，是否会如达摩院所预料一般发展？
我们拭目以待。《linux就该这么学》不错的linux自学书籍
