感知智能向认知智能转化人工智能新动向
全国政协副主席、中国科协主席万钢在第五届世界智能大会上开幕式上称，新一代人工智能正在逐步从感知智能向认知智能转化。“感知智能是机器具备了视觉、听觉、触觉等感知能力，将多元数据结构化，并用人类熟悉的方式去沟通和互动。”万钢认为，认知智能则是从类脑的研究和认知科学中汲取灵感，结合跨领域的知识图谱、因果推理、持续学习等，赋予机器类似人类的思维逻辑和认识能力，特别是理解、归纳和应用知识的能力。
人工智能的三个阶段
行业一般将人工智能的发展分为三个阶段，分别是计算智能、感知智能和认知智能。
第一个阶段是计算智能，即机器对信息进行存储和计算。机器能够像人一样拥有“记忆”和“计算”能力，即可以存储和处理海量的数据。例如分布式计算、神经网络。
第二个阶段是感知智能，感知智能即视觉、听觉、触觉等感知能力。这一阶段机器通过传感器，例如摄像头、麦克风等设备，捕获到物理世界的信号，理解一些直观的物理世界，高效的完成“看”和“听”的相关工作。例如可以识别人脸的摄像头。
第三个阶段就是认知智能，机器具备了像人类一样的思考和学习能力，并且能够自主做出决策并采取行动。例如完全自动的无人驾驶汽车。这一阶段还处于探索初期，仍有很长的路要走。
感知智能和认知智能的距离有多远？人类语言交流的过程中，会有很多场景用到记忆和逻辑推理。假如两个人在昨天发生了一次对话，今天再次提到昨天对话的信息时，可以很快发现两次对话在逻辑上和时间上的联系；但是对机器来说，能否有同样的“记忆”和“逻辑推理”呢？
为什么人工智能很难像人类一样思考？
机器能否达到人类的思维逻辑能力和认知能力？还有下列问题亟需解决。
首先是主题知觉。主题知觉指的是人直接感知到的知觉，是意识直接感应到“我”的过程。比如一个人回忆昨天晚上吃了什么，他立马就能够想到自己昨天吃了什么，这就是主题知觉。这个问题虽然复杂，但经过一定的研究，在未来很可能得到解决；对机器而言，真正难以逾越的是人类的目标知觉。
目标知觉指的是人对于某个特定目标产生的知觉。比如人感到渴了，就会想要喝水，这就是一种目标知觉。然而，人类除了主动做一些具有目的性的事情，还会做一些无意义的事情，这对于目前的机器来说是“不可理喻”的。
机器进行计算的目的是要求出一个过程的最优解。例如下围棋的机器人阿尔法狗，其被设计的计算目标只有赢得对手。但是纵观人类的围棋发展历史，有一些时期是以下“和棋”为目标的。对人类而言，有时追求最优解并不是最终目的，人类的意图往往是复杂而不可揣测的。
人工智能行业将何去何从？
目前，距离实现让机器像人一样思考、拥有自由意志的目标还比较遥远。但是，对于现阶段，科研人员让机器在人工智能的加持下可以更好地代替人类工作更具有现实意义。
比如汽车工厂的智能机械臂，在人工智能的加持下，大大节省了劳动力，保证了重复作业的准确性；在大数据的应用上，人工智能算法的加入可以更加方便快捷地为用户提供需要的信息，提高应用软件的运转效率；在手机中，为智能语音助手加入更好的人工智能算法，也可以减轻互联网庞大信息流给人们带来的负担。
感知智能将给人们的生活带来怎样的改变？
在可预见的未来，感知智能一定会跟随科技的潮流到来，对人们的生活产生长远的影响。我们或许没有办法准确地预知感知智能何时能真正融入日常生活，但就像现今生活中不可或缺的互联网、手机一样，感知智能也许也将会成为人类社会不可分割的一部分。
实际上，人工智能行业或许不应该以让机器更像人类为目标，而是以解放生产力，从而替代人类的工作为目标。人工智能如果能够实现提升，让机器得以完成更复杂、更危险的工作，就能成为社会进步的推动力、人类幸福生活的催化剂。（盛振明）
指导老师：中国传媒大学副教授于晗
专家：中国传媒大学信号与信息处理专业副教授余心乐
(责编：董菁、杨鸿光)分享让更多人看到
新一代人工智能：从“感知智能”向“认知智能”转化
光明日报记者刘茜陈建强
新一代人工智能正在逐步从感知智能向认知智能转化——这是全国政协副主席、中国科协主席万钢在第五届世界智能大会上作出的判断。
“感知智能是机器具备了视觉、听觉、触觉等感知能力，将多元数据结构化，并用人类熟悉的方式去沟通和互动。”万钢认为，“认知智能则是从类脑的研究和认知科学中汲取灵感，结合跨领域的知识图谱、因果推理、持续学习等，赋予机器类似人类的思维逻辑和认识能力，特别是理解、归纳和应用知识的能力。”他以新能源智能汽车为例，阐释了“感知智能”向“认知智能”转化的现实图景：新一代智能汽车除了应用系统感知的智能，实现对周边环境的感知和处理外，还必须通过车网协同、车路协同，甚至综合处理超感知的因素，比如地理、交通、路口、信号、气象等实时信息，从而实现更加安全、便捷、高效的智能服务。
“感知智能向认知智能的快速迭代，就更需要跨界协同，进一步提升智能装备的质量和效益。其中最为重要的一环，就是要更加重视类脑科学研究，用创新的理论来指导人工智能的发展。”万钢表示。
事实上，“感知智能”向“认知智能”转化，是新一代人工智能的发展趋势。在众多的研究者和产业化队伍中，不乏捷足先登者。
在天津医院康复科的治疗室里，63岁的脑出血患者徐宝钏正在借助天津大学神经工程团队研发的康复机器人系统，依靠运动想象进行手腕功能康复训练。帮助他的康复机器人叫“神工”，核心技术就是脑机接口，这项技术便是人工认知智能的典型。
“神工”的“爸爸”是个70后的山东人，有着令人印象深刻的名字——明东。1994年，明东考入天津大学精仪学院生物医学工程专业学习。“我们专业本科学制5年，医工兼修。在读博期间，看到许多截瘫患者后期康复治疗非常困难，当时我就想，如果通过机器采集和读取脑电信号，然后解码输出控制信号，让身体执行，是不是可以为截瘫患者建立新的人工运动神经通路，重新获得运动能力。”
明东介绍：“大脑不但有极为复杂的神经网络结构，还有千变万化的动态信息。每说一段话，大脑里可能有上亿个涉及的神经细胞在发放电信号。”头皮脑电波的信号非常微弱，只有百万甚至千万分之一伏，科研工作者要通过传感装置监测不同活动脑电波的变化，再通过这些信息研判出人在做什么样的思考或者有什么意图。捕捉、破译头皮脑电信号类似于在非常嘈杂的购物中心远远地听见、听懂一个人自言自语的呢喃。听到脑语、解读脑语、输出脑语，涉及传感、材料、算法、介质……听上去都不轻松，研究过程的艰难可想而知。
2014年，首台适用于全肢体中风康复的人工神经机器人系统——“神工一号”研制成功。融合了运动想象脑机接口技术和物理训练康复疗法，该系统在中风患者体外，仿生构筑了一条人工神经通路，经过模拟解码患者的运动康复意念信息，进而驱动多级神经肌肉电刺激技术，产生对应动作。随后“神工二号”“神工三号”相继研发成功。目前，“神工”已通过国家食品药品监督管理总局（CFDA）检测，在天津、山东多地三甲医院进行临床试验，受益患者数千例。
明东介绍，脑机接口技术有三个发展阶段：脑机接口、脑机交互和脑机融合。目前正由第一阶段向第二阶段发展过渡，未来脑机接口技术，将从目前脑机单向接口，进化为脑机双向“交互”，最终有望实现脑机完全智能“融合”。
智能网联汽车，也是适应新一代人工智能的演进趋势，正在勃兴的产业集群。换言之，“感知智能”向“认知智能”转化，更醒目地在交通领域显现出来。但是，如何通过产业协同、系统集成，构建精密、庞大、统一的智能网络，使得每一辆人工智能汽车都能获得具备“认知智能”的系统支撑，却是当前亟须攻克的难题。在第5届世界智能大会智能交通峰会上，众多专家一致认为：“作为未来产业发展的战略制高点，我国智能网联汽车产业发展已取得显著成效，目前的重点是从关键技术创新、基础设施建设、标准法规完善、商业模式探索等方面协同发力，加快形成产业竞争优势。”
“提高智能网联汽车的测试效率，降低测试成本，保障测试的有效性，是当前智能网联汽车迫切需要解决的一大难题。”带领团队做了近30年传统车辆测试的长安大学副校长赵祥模说，我国目前在智能网联汽车测试方面存在5个问题：缺少科学系统多维度智能网联汽车测试评价理论体系，测试场景数据库还不够完善、场景数据结构与自动重构技术亟待突破，柔性测试工具链和自适应加速测试技术不完善，封闭测试场景构建方法和场地测试技术以及核心测试装备有待突破，没有完善的系统级或者整车级测试评价标准体系。据了解，长安大学已开展有关工作，具体包括在国内建设了首个智能网联高速公路测试基地，建设全国高校唯一车联网与智能汽车测试场，开展智能网联汽车测试场景构建方法研究和部署工作，研发一些测试工具和测试移动平台，开放国内外首套智能驾驶室内测试平台，开展网联环境下群体控制测试，开展广泛深入的国际合作等。
《光明日报》（2021年05月25日 09版）
[责编：袁晴]达摩院发布2023十大科技趋势：人工智能从感知向认知智能演进
【TechWeb】1月2日上午，阿里巴巴达摩院今日发布“达摩院2020十大科技趋势”。围绕AI、芯片、云计算、区块链、工业互联网、量子计算等领域做出预测。
趋势认为，5G、IoT设备、云计算、边缘计算的迅速发展将推动工业互联网的超融合，实现工控系统、通信系统和信息化系统的智能化融合。
传统单体智能无法满足大规模智能设备的实时感知、决策。物联网协同感知技术、5G通信技术的发展将实现多个智能体之间的协同——机器彼此合作、相互竞争共同完成目标任务。
对于芯片领域，趋势认为传统芯片设计模式无法高效应对快速迭代、定制化与碎片化的芯片需求。以RISC-V为代表的开放指令集及其相应的开源SoC芯片设计、高级抽象硬件描述语言和基于IP的模板化芯片设计方法，推动了芯片敏捷设计方法与开源芯片生态的快速发展。
以下为达摩院2020十大科技趋势：
趋势一、人工智能从感知智能向认知智能演进
【趋势概要】人工智能已经在“听、说、看”等感知智能领域已经达到或超越了人类水准，但在需要外部知识、逻辑推理或者领域迁移的认知智能领域还处于初级阶段。认知智能将从认知心理学、脑科学及人类社会历史中汲取灵感，并结合跨领域知识图谱、因果推理、持续学习等技术，建立稳定获取和表达知识的有效机制，让知识能够被机器理解和运用，实现从感知智能到认知智能的关键突破。
趋势二、计算存储一体化突破AI算力瓶颈
【趋势概要】冯诺伊曼架构的存储和计算分离，已经不适合数据驱动的人工智能应用需求。频繁的数据搬运导致的算力瓶颈以及功耗瓶颈已经成为对更先进算法探索的限制因素。类似于脑神经结构的存内计算架构将数据存储单元和计算单元融合为一体，能显著减少数据搬运，极大提高计算并行度和能效。计算存储一体化在硬件架构方面的革新，将突破AI算力瓶颈。
趋势三、工业互联网的超融合
【趋势概要】5G、IoT设备、云计算、边缘计算的迅速发展将推动工业互联网的超融合，实现工控系统、通信系统和信息化系统的智能化融合。制造企业将实现设备自动化、搬送自动化和排产自动化，进而实现柔性制造，同时工厂上下游制造产线能实时调整和协同。这将大幅提升工厂的生产效率及企业的盈利能力。对产值数十万亿乃至数百万亿的工业产业而言，提高5%-10%的效率，就会产生数万亿人民币的价值。
趋势四、机器间大规模协作成为可能
【趋势概要】传统单体智能无法满足大规模智能设备的实时感知、决策。物联网协同感知技术、5G通信技术的发展将实现多个智能体之间的协同——机器彼此合作、相互竞争共同完成目标任务。多智能体协同带来的群体智能将进一步放大智能系统的价值：大规模智能交通灯调度将实现动态实时调整，仓储机器人协作完成货物分拣的高效协作，无人驾驶车可以感知全局路况，群体无人机协同将高效打通最后一公里配送。
趋势五、模块化降低芯片设计门槛
【趋势概要】传统芯片设计模式无法高效应对快速迭代、定制化与碎片化的芯片需求。以RISC-V为代表的开放指令集及其相应的开源SoC芯片设计、高级抽象硬件描述语言和基于IP的模板化芯片设计方法，推动了芯片敏捷设计方法与开源芯片生态的快速发展。此外，基于芯粒（chiplet）的模块化设计方法用先进封装的方式将不同功能“芯片模块”封装在一起，可以跳过流片快速定制出一个符合应用需求的芯片，进一步加快了芯片的交付。
趋势六、规模化生产级区块链应用将走入大众
【趋势概要】区块链BaaS(BlockchainasaService)服务将进一步降低企业应用区块链技术的门槛，专为区块链设计的端、云、链各类固化核心算法的硬件芯片等也将应运而生，实现物理世界资产与链上资产的锚定，进一步拓展价值互联网的边界、实现万链互联。未来将涌现大批创新区块链应用场景以及跨行业、跨生态的多维协作，日活千万以上的规模化生产级区块链应用将会走入大众。
趋势七、量子计算进入攻坚期
【趋势概要】2019年“量子霸权”之争让量子计算在再次成为世界科技焦点。超导量子计算芯片的成果，增强了行业对超导路线及对大规模量子计算实现步伐的乐观预期。2020年量子计算领域将会经历投入进一步增大、竞争激化、产业化加速和生态更加丰富的阶段。作为两个最关键的技术里程碑，容错量子计算和演示实用量子优势将是量子计算实用化的转折点。未来几年内，真正达到其中任何一个都将是十分艰巨的任务，量子计算将进入技术攻坚期。
趋势八、新材料推动半导体器件革新
【趋势概要】在摩尔定律放缓以及算力和存储需求爆发的双重压力下，以硅为主体的经典晶体管很难维持半导体产业的持续发展，各大半导体厂商对于3纳米以下的芯片走向都没有明确的答案。新材料将通过全新物理机制实现全新的逻辑、存储及互联概念和器件，推动半导体产业的革新。例如，拓扑绝缘体、二维超导材料等能够实现无损耗的电子和自旋输运，可以成为全新的高性能逻辑和互联器件的基础；新型磁性材料和新型阻变材料能够带来高性能磁性存储器如SOT-MRAM和阻变存储器。
趋势九、保护数据隐私的AI技术将加速落地
【趋势概要】数据流通所产生的合规成本越来越高。使用AI技术保护数据隐私正在成为新的技术热点，其能够在保证各方数据安全和隐私的同时，联合使用方实现特定计算，解决数据孤岛以及数据共享可信程度低的问题，实现数据的价值。
趋势十、云成为IT技术创新的中心
【趋势概要】随着云技术的深入发展，云已经远远超过IT基础设施的范畴，渐渐演变成所有IT技术创新的中心。云已经贯穿新型芯片、新型数据库、自驱动自适应的网络、大数据、AI、物联网、区块链、量子计算整个IT技术链路，同时又衍生了无服务器计算、云原生软件架构、软硬一体化设计、智能自动化运维等全新的技术模式，云正在重新定义IT的一切。广义的云，正在源源不断地将新的IT技术变成触手可及的服务，成为整个数字经济的基础设施。
突破！AI由“感知智能”成长为“认知智能”
人工智能的三个层次：计算智能、感知智能、认知智能。
简单理解，计算智能即快速计算、记忆和储存能力；感知智能，即视觉、听觉、触觉等感知能力，当下十分热门的人脸识别、语音识别即是感知智能；认知智能则更为复杂，包括分析、思考、理解、判断的能力。
从现阶段人工智能的发展来看，随着计算力的不断发展，储存手段的不断升级，计算智能可以说已经实现；而随着移动互联网普及，大数据、云计算等技术发展，更多非结构化数据的价值被重视和挖掘，语音、图像、视频、触点等与感知相关的感知智能也在快速发展；在计算智能和感知智能发展基础上，人工智能正在向能够分析、思考、理解、判断等认知智能延伸，真正的智能化解决方案已经显现端倪。可以说，人工智能的发展已经到了由感知智能向认知智能迈进的临界点。
当前的人工智能(AI)识别做的只是比对，缺少信息进入大脑之后的，加工、理解、思考’步骤，因此仅仅停留在‘感知’，而并非‘认知’。”要让AI有类似大脑的活动，走到认知阶段，需要让它掌握知识、进行推理。AI从“感知智能”走向“认知智能”的实践目前在通用状态下比较困难，但在一些诸如反洗钱、侦察等领域正在应用。
AI“大脑”长成要先建知识库
现在的AI处于弱人工智能状态，它没有大脑，要让它形成大脑，最核心的是要有“知识”。如果现有的算法、模型是神经或脑结构，那么知识是大脑能够运转起来的原动力。让AI获得知识的知识库在业界称为“知识图谱”，它不仅要关注知识点还要关注知识点间的关联。这些关联将赋予AI联想力。提到水，它要反应到密度、透明等多个性质，还要和浇水、能喝的功能联系起来，更高级的是计算出用多大力道去取水。
知识图谱的建立非常困难，人类海量的知识如何翻译成机器的语言，并与之建立联系，很成问题。尤其是之前这项工作一直是人工完成的，例如谷歌词库、百度百科、维基百科等都可以转换为知识图谱，但工作量大、内容异常庞杂。
“关联密度”不足是另一个难以达到应用的“瓶颈”。一个知识点可能最多出现在几个关系中，能解决比尔·盖茨的爸爸的邻居的妈妈这种单维度的问题，但离反映现实世界中“蝴蝶效应”里的相互影响还差很远。在关联密度不足的情况下，AI的“大脑”即便拥有一个上千万词条体量的通用知识图谱也难以达到应用的级别。
行业知识图谱能达“认知层面”
知识点的关联密度更像是一个AI大脑皮层，越复杂密集AI将越“聪明”。一些行业本身就有自己的基础关联图，这为其制定图谱提供了帮助。例如公安系统有一套体系，包括人、地、事、物、组织、机构以及关联，将出入境数据、第三方物流数据等加入进来之后，可固定成知识图谱。在做入室盗窃、公交扒窃等一些行为规律的研究时，知识图谱中除了引入历史数据的发展态势、风险感知之外，还逐步加入了环境、天气等数据，包括PM2.5的值，结果发现PM2.5的值对公交扒窃是有影响的。
越密集越准确，AI知识图谱的关系图要做到像“福尔摩斯”一样综合分析，要形成凝集大量信息的知识图谱，这对传统的人工建立知识图谱的效率提出了挑战。
实际上，探索人工智能的落地应用产业升级大幕现在刚刚拉开。在B端特别是传统行业尤其面临着一些困难，包括企业、政府对于人工智能的理解和顾虑，数据采集、储存的缺失、分散和复杂，AI+行业的应用成本高昂、技术人才团队的不足等。更重要的，在人工智能技术自身发展层面，也还未达到成熟，众多课题还需要攻克。
但不论怎么说，人工智能与行业深度融合是一个不可逆的趋势，人工智能对人类、人机关系的影响也会日益加深，整个世界会在人工智能的催化下联系更为紧密。
END.
注：文章为作者独立观点，不代表Soo56立场返回搜狐，查看更多
阿里达摩院预测今年十大科技趋势：从感知智能向认知智能演进
模块化设计加速芯片发展。
1月2日，阿里巴巴达摩院发布了“达摩院2020十大科技趋势”白皮书，对接下来十年的科技浪潮展开预测，其中不乏颠覆性的技术变革。
此次发布的十大科技趋势中，涵盖了人工智能、工业物联网、区块链技术、量子计算、半导体新材料和云计算等已经进入公众视野的最新科技。
在半导体和芯片领域，达摩院认为，基于芯粒（chiplet）的模块化设计方法用先进封装的方式将不同功能“芯片模块”封装在一起，正成为新的行业趋势，这将进一步加快芯片的交付；同时，越来越多的新材料将会应用在半导体行业中，新材料将通过全新物理机制实现全新的逻辑、存储及互联概念和器件，推动半导体产业的革新。
新材料将推动半导体产业的革新。
达摩院还认为，计算机存储一体化的趋势是一个game-changer。它的出现将通过迫使产业升级，重构现在处理器和存储器的相对垄断的产业格局。在此过程中，可以帮助更多芯片行业中小企业发展，更为国产芯片创造弯道超车创造了机会。
在人工智能（AI）领域，达摩院认为，人工智能将从感知智能的1.0时代向认知智能的2.0时代演进，如何保持大数据智能优势的同时，赋予机器常识和因果逻辑推理能力，实现认知智能，成为当下人工智能研究的核心。另外，计算存储一体化的趋势有望突破AI算力瓶颈，使用AI技术保护数据隐私正在成为新的技术热点。
在工业互联网领域，达摩院认为，5G、IoT设备、云计算、边缘计算的迅速发展将推动工业互联网的超融合，实现工控系统、通信系统和信息化系统的智能化融合，这也让机器间大规模协作成为可能。
达摩院还认为，云将成为IT技术创新的中心，重新定义IT的一切。
人工智能在感知智能领域已经达到或超越了人类水准。
附：达摩院2020十大科技趋势
趋势一、人工智能从感知智能向认知智能演进
【趋势概要】人工智能已经在“听、说、看”等感知智能领域已经达到或超越了人类水准，但在需要外部知识、逻辑推理或者领域迁移的认知智能领域还处于初级阶段。认知智能将从认知心理学、脑科学及人类社会历史中汲取灵感，并结合跨领域知识图谱、因果推理、持续学习等技术，建立稳定获取和表达知识的有效机制，让知识能够被机器理解和运用，实现从感知智能到认知智能的关键突破。
趋势二、计算存储一体化突破AI算力瓶颈
【趋势概要】冯诺伊曼架构的存储和计算分离，已经不适合数据驱动的人工智能应用需求。频繁的数据搬运导致的算力瓶颈以及功耗瓶颈已经成为对更先进算法探索的限制因素。类似于脑神经结构的存内计算架构将数据存储单元和计算单元融合为一体，能显著减少数据搬运，极大提高计算并行度和能效。计算存储一体化在硬件架构方面的革新，将突破AI算力瓶颈。
趋势三、工业互联网的超融合
【趋势概要】5G、IoT设备、云计算、边缘计算的迅速发展将推动工业互联网的超融合，实现工控系统、通信系统和信息化系统的智能化融合。制造企业将实现设备自动化、搬送自动化和排产自动化，进而实现柔性制造，同时工厂上下游制造产线能实时调整和协同。这将大幅提升工厂的生产效率及企业的盈利能力。对产值数十万亿乃至数百万亿的工业产业而言，提高5%-10%的效率，就会产生数万亿人民币的价值。
趋势四、机器间大规模协作成为可能
【趋势概要】传统单体智能无法满足大规模智能设备的实时感知、决策。物联网协同感知技术、5G通信技术的发展将实现多个智能体之间的协同——机器彼此合作、相互竞争共同完成目标任务。多智能体协同带来的群体智能将进一步放大智能系统的价值：大规模智能交通灯调度将实现动态实时调整，仓储机器人协作完成货物分拣的高效协作，无人驾驶车可以感知全局路况，群体无人机协同将高效打通最后一公里配送。
趋势五、模块化降低芯片设计门槛
【趋势概要】传统芯片设计模式无法高效应对快速迭代、定制化与碎片化的芯片需求。以RISC-V为代表的开放指令集及其相应的开源SoC芯片设计、高级抽象硬件描述语言和基于IP的模板化芯片设计方法，推动了芯片敏捷设计方法与开源芯片生态的快速发展。此外，基于芯粒（chiplet）的模块化设计方法用先进封装的方式将不同功能“芯片模块”封装在一起，可以跳过流片快速定制出一个符合应用需求的芯片，进一步加快了芯片的交付。
趋势六、规模化生产级区块链应用将走入大众
【趋势概要】区块链BaaS(BlockchainasaService)服务将进一步降低企业应用区块链技术的门槛，专为区块链设计的端、云、链各类固化核心算法的硬件芯片等也将应运而生，实现物理世界资产与链上资产的锚定，进一步拓展价值互联网的边界、实现万链互联。未来将涌现大批创新区块链应用场景以及跨行业、跨生态的多维协作，日活千万以上的规模化生产级区块链应用将会走入大众。
趋势七、量子计算进入攻坚期
【趋势概要】2019年“量子霸权”之争让量子计算在再次成为世界科技焦点。超导量子计算芯片的成果，增强了行业对超导路线及对大规模量子计算实现步伐的乐观预期。2020年量子计算领域将会经历投入进一步增大、竞争激化、产业化加速和生态更加丰富的阶段。作为两个最关键的技术里程碑，容错量子计算和演示实用量子优势将是量子计算实用化的转折点。未来几年内，真正达到其中任何一个都将是十分艰巨的任务，量子计算将进入技术攻坚期。
趋势八、新材料推动半导体器件革新
【趋势概要】在摩尔定律放缓以及算力和存储需求爆发的双重压力下，以硅为主体的经典晶体管很难维持半导体产业的持续发展，各大半导体厂商对于3纳米以下的芯片走向都没有明确的答案。新材料将通过全新物理机制实现全新的逻辑、存储及互联概念和器件，推动半导体产业的革新。例如，拓扑绝缘体、二维超导材料等能够实现无损耗的电子和自旋输运，可以成为全新的高性能逻辑和互联器件的基础；新型磁性材料和新型阻变材料能够带来高性能磁性存储器如SOT-MRAM和阻变存储器。
趋势九、保护数据隐私的AI技术将加速落地
【趋势概要】数据流通所产生的合规成本越来越高。使用AI技术保护数据隐私正在成为新的技术热点，其能够在保证各方数据安全和隐私的同时，联合使用方实现特定计算，解决数据孤岛以及数据共享可信程度低的问题，实现数据的价值。
趋势十、云成为IT技术创新的中心
【趋势概要】随着云技术的深入发展，云已经远远超过IT基础设施的范畴，渐渐演变成所有IT技术创新的中心。云已经贯穿新型芯片、新型数据库、自驱动自适应的网络、大数据、AI、物联网、区块链、量子计算整个IT技术链路，同时又衍生了无服务器计算、云原生软件架构、软硬一体化设计、智能自动化运维等全新的技术模式，云正在重新定义IT的一切。广义的云，正在源源不断地将新的IT技术变成触手可及的服务，成为整个数字经济的基础设施。