福建白癜风医院 http://nb.ifeng.com/a/20200114/8061710_0.shtml来源：芯智讯
1月11日，《达摩院十大科技趋势》发布，多模态预训练大模型、Chiplet、存算一体、云原生安全、软硬融合云计算体系架构、端网融合的可预期网络、双引擎智能决策、计算光学成像、大规模城市数字孪生、生成式AI等十大技术入选。
达摩院认为，全球科技日趋显现出交叉融合发展的新态势，尤其在信息与通信技术（ICT）领域酝酿的新裂变，将为科技产业革新注入动力，基于技术迭代与产业应用的融合创新，将驱动AI、云计算、芯片等领域实现阶段性跃迁。
据悉，达摩院十大科技趋势采用“巴斯德象限”研究思路，基于论文和专利的大数据“定量发散”，对产、学、研、用领域近百位专家深度访谈进行“定性收敛”，再从学术创新、技术突破、产业落地、市场需求等维度综合评估，力求“致广大而尽精微”，最后遴选出十大趋势。
趋势一、多模态预训练大模型
基于多模态的预训练大模型将实现图文音统一知识表示，成为人工智能基础设施。
摘要：
人工智能正在从文本、语音、视觉等单模态智能，向着多种模态融合的通用人工智能方向发展。多模态统一建模，目的是增强模型的跨模态语义对齐能力，打通各个模态之间的关系，使得模型逐步标准化。目前，技术上的突出进展来自于CLIP（匹配图像和文本）和BEiT-3（通用多模态基础模型）。基于多领域知识，构建统一的、跨场景、多任务的多模态基础模型已成为人工智能的重点发展方向。未来大模型作为基础设施，将实现图像、文本、音频统一知识表示，并朝着能推理、能回答问题、能总结、做创作的认知智能方向演进。
趋势解读：
基于深度学习的多模态预训练是认知智能快速发展的重要推动力。构建多场景、多任务的预训练大模型将加速模型标准化进程，为人工智能模型成为基础设施创造条件。深度学习模型的不断完善、互联网海量真实数据的积累和生成式预训练的广泛应用，使得人工智能模型在自然语言理解、语音处理、计算机视觉等领域地交叉应用取得显著进展。
年，技术上的突出进展来自于BEiT-3多模态基础模型，该模型在视觉-语言任务处理上具备出色表现，包括视觉问答、图片描述生成和跨模态检索等。BEiT-3通过统一的模型框架和骨干网络（backbone）建模，能够更加轻松地完成多模态编码和处理不同的下游任务。另一方面，CLIP（ContrastiveLanguage-ImagePre-training）的广泛应用也促进了多模态模型的技术发展。CLIP作为基于对比学习的预训练模型，负责从文本特征映射到图像特征，能够指导GAN或扩散模型（DiffusionModel）生成图像。在文生图领域，StableDiffusion也使用了CLIP，它能够通过文本提示调整模型，并借助扩散模型改善图像质量。与此同时，开源极大的促进了多模态的融合和预训练模型的发展。通过开源来降低模型使用门槛，将大模型从一种新兴的AI技术转变为稳健的基础设施，已成为许多大模型开发者的共识。
多模态预训练模型的发展将重塑人工智能商业模式，并为人们的生产生活方式带来积极影响。对个人而言，类似CLIP的多模态模型，将使更多非技术出身的人能够表达自己的创造力，无需再借助工具和编程专业能力。对企业来说，多模态预训练模型将成为企业生产效率提升的关键。商业模式上，具备大数据、算力资源和模型开发能力的科技企业，将会成为模型服务的提供方，帮助企业将基础模型的能力与生产流程融合起来，实现效率和成本最优。
认知智能的发展，不会局限在文本或图像等单一的模态上。未来，如何针对不同模态建立更高效的模型架构和统一的骨干网络，使得大模型能够广泛地支持各种下游任务将成为主要挑战。在此基础上，更多的挑战来自于挖掘不同模态（如图像-文本，文本-自然语言，视频-文本）数据间的相关信息，并巧妙的设计预训练任务，让模型更好的捕捉不同模态信息之间的关联。
语音、视觉和多模态预训练模型将加速人工智能向通用基础模型方向演进。在这个演进过程中，深度学习与强化学习相互促进发展，融合大量行业知识，模型将具备在不断变化的环境中快速适应的灵活性。建立统一的、跨场景、多任务的多模态基础模型会成为人工智能发展的主流趋势之一。随着技术的不断成熟，大模型在开发成本、易用性、开发周期、性能上会更具优势，给产品化和商业化带来更多可能性。
趋势二、Chiplet
Chiplet的互联标准将逐渐统一，重构芯片研发流程。
摘要：
Chiplet是硅片级别的“解构-重构-复用”，它把传统的SoC分解为多个芯粒模块，将这些芯粒分开制备后再通过互联封装形成一个完整芯片。芯粒可以采用不同工艺进行分离制造，可以显著降低成本，并实现一种新形式的IP复用。
随着摩尔定律的放缓，Chiplet成为持续提高SoC集成度和算力的重要途径，特别是随着年3月份UCle联盟的成立，Chiplet互联标准将逐渐统一，产业化进程将进一步加速。基于先进封装技术的Chiplet可能将重构芯片研发流程，从制造到封测，从EDA到设计，全方位影响芯片的区域与产业格局。
趋势解读：
自年摩尔定律首次被提出以来，集成电路产业一直遵循着摩尔定律向前发展。直到近几年，随着晶体管尺寸逼近材料的物理极限，工艺节点进步的花费已难以承受，芯片性能的提升也不再显著，摩尔定律接近极致。在此背景下，Chiplet（芯粒）技术逐渐崭露头角，有望成为产业界解决高性能、低成本芯片需求的重要技术路线。
Chiplet创新了芯片封装理念。它把原本一体的SoC（SystemonChip，系统级芯片）分解为多个芯粒，分开制备出这些芯粒后，再将它们互联封装在一起，形成完整的复杂功能芯片。这其中，芯粒可以采用不同的工艺进行分离制造，例如对于CPU、GPU等工艺提升敏感的模块，采用昂贵的先进制程生产；而对于工艺提升不敏感的模块，采用成熟制程制造。同时，芯粒相比于SoC面积更小，可以大幅提高芯片的良率、提升晶圆面积利用率，进一步降低制造成本。此外，模块化的芯粒可以减少重复设计和验证环节，降低芯片的设计复杂度和研发成本，加快产品的迭代速度。Chiplet被验证可以有效降低制造成本，已成为头部厂商和投资界
