大數據文摘出品
2020年，科技進程被疫情按下加速鍵，開啟了科技浪潮下一個嶄新十年。
2018年起，阿里達摩院都會自身研究及實踐，與學術界和工業界進行一場頂級腦暴，對次年的的科技趨勢作出了預判，趨勢方向的選擇綜合考量了技術成熟度、產業前景和社會價值等維度。
今天，阿里達摩院重磅發布了“2021達摩院十大科技趨勢”，從原子動能、比特躍遷和場景變革三大維度提出最新發展趨勢，圍繞基礎科學技術、前沿應用突破和產業場景革新三個領域進行全方位歸納與預測，涵蓋了量子計算、人工智能、腦機接口、半導體、工農業智能等十大領域的技術發展突破，
讓我們共同為這些偉大的科技創新致敬！
Chapter 1 原子動能
趨勢一：以氮化鎵、碳化硅為代表的第三代半導體迎來應用大爆發
以氮化鎵（GaN）和碳化硅（SiC）為代表的第三代半導體，具備耐高溫、耐高壓、高頻率、大功率、抗輻射等優異特性，但受工藝、成本等因素限制，多年來僅限于小范圍應用。近年來，隨著材料生長、器件制備等技術的不斷突破，第三代半導體的性價比優勢逐漸顯現并正在打開應用市場：SiC元件已用作汽車逆變器，GaN快速充電器也大量上市。未來5年，基于第三代半導體材料的電子器件將廣泛應用于5G基站、新能源汽車、特高壓、數據中心等場景，
半導體產業發展到今天，主要建立在三代材料的基礎上：興起于20世紀50年代的基于硅（Si）、鍺（Ge）的第一代半導體；興起于20世紀80年代的以砷化鎵（GaAs）、磷化銦（InP）為代表的第二代半導體；以及興起于20世紀末的以氮化鎵（GaN）、碳化硅（SiC）為代表的第三代半導體。目前，第一代半導體材料Si應用最為廣泛，它構成了一切邏輯器件的基礎，CPU、GPU所提供的算力都離不開 Si 的功勞。第二代半導體主要用于高頻高速場景，例如行動電話中的射頻電路。第三代半導體相比于前兩代半導體具有更寬的禁帶寬度，因此也稱作寬禁帶半導體。更寬的禁帶寬度允許材料在更高的溫度、更強的電壓、更快的開關頻率下運行，因此第三代半導體具備耐高溫、耐高壓、高頻率、大功率、抗輻射等優異特性，可以用作功率器件和射頻器件，廣泛應用于5G基站、新能源汽車、特高壓、消費電子、航空航天等領域，此外，較寬的禁帶寬度使第三代半導體可用作制備短波長光電器件，例如可用于醫療消毒的紫外光源，
由于制造設備、制備工藝特別是材料成本上的劣勢，多年來第三代半導體材料只是在小范圍內應用。直至近幾年這一局面才得以打破：一方面，在5G、新能源汽車等新興市場中，Si基半導體的性能已無法完全滿足需求，第三代半導體的性能優勢被放大；另一方面，制備技術特別是大尺寸材料生長技術不斷突破，SiC和GaN兩種材料均從4英寸換代到6英寸并已研發出8英寸樣品，加之器件制備技術逐步提升，使得第三代半導體器件性能日益穩定且成本不斷下降，性價比優勢逐漸顯現，
目前，第三代半導體已經出現在應用市場：車企在汽車逆變器中應用SiC功率器件提升電能轉換效率，進而提升續航里程；不在少數的電子消費廠商推出了GaN快速充電器，價格不貴，體積很小，一個快充頭可以支撐行動電話、電腦等多設備快速充電，未來5年，除現有的電動汽車和消費電子外，預計工業充電、5G高頻器件以及可再生能源和儲能領域的電源應用都將從第三代半導體的發展中受益，尤其是在高頻高壓應用中將競爭性取代原有的Si器件，
趨勢二：后“量子霸權”時代，量子糾錯和實用優勢成核心命題
2020年為后”量子霸權”元年，世界對量子計算的投入持續上漲，技術和生態蓬勃發展，多個平臺異彩繽紛，這一潮流將在2021年繼續推高社會的關注和期待，量子計算的研究需要證明自身的實用價值；業界需要聚焦“后霸權”時代的使命：協同創新，解決眾多的科學和工程難題，為早日到達量子糾錯和實用優勢兩座里程碑鋪路奠基，
2020年為后“量子霸權”元年，世界對量子計算的投入持續上漲，技術和生態蓬勃發展，超導領軍團隊宣布了通往1百萬比特的規劃；其他平臺也異彩紛呈，離子阱則通過系統集成和容錯部件上有力演示，證明了和超導同臺技藝的潛力。聲子-超導混合比特也躋身業界采用的平臺。如上潮流將在2021年繼續涌動，多管齊下，奔向“后霸權”的兩個里程碑：量子糾錯和實用優勢，
演示糾錯的系統必須同時達到“多比特”、“高精度”和“高連接度”：至少幾千個高質量、強關聯的比特，量子比特數一直為大眾關注重點；但只以比特數來衡量量子計算芯片的質量，好比“論畫以形似”一樣天真，“高精度”要求兩比特的基本操作接近完美， “高連接度”要求比特以網格或更復雜的結構相互作用。
除了增量式進步外，2021年有望見證在這些維度上突破性的創新。比如基于新型設計的超高精度超導比特和揚棄目前線性結構的可擴展的2維離子阱，超導的另一場揚棄也可能在2021年播下種子：低溫電子學的成熟將使得龐大和昂貴的室溫電子學開始走向末路。
實用優勢的探索將繼續以模擬物理為主流，借助模擬對錯誤的寬容，冷原子和量子煺火系統等模擬量子計算平臺有望連同數字平臺一起，繼續產生鼓舞人心的進步。
2021量子計算開源項目將以廣泛和深入的貢獻，大大降低學習和研究的成本，加速創新，并消減非科學因素撕裂量子社區的風險，量子計算還屬于科學和工程并重的研究階段，各個地區的科學家需要繼續開放性研究，相濡以沫，攜手合作。這是我們的信念，也是我們對2021年量子世界協同和平的祈愿，
趨勢三：碳基技術突破加速柔性電子發展
柔性電子是指經扭曲、折疊、拉伸等形狀變化后仍保持原有性能的電子設備，可用作可穿戴設備、電子皮膚、柔性顯示屏等，柔性電子發展的主要瓶頸在于材料——目前的柔性材料，或者“柔性”不足容易失效，或者電性能遠不如“硬質”硅基電子，近年來，碳基材料的技術突破為柔性電子提供了更好的材料選擇：碳納米管這一碳基柔性材料的質量已可滿足大規模集成電路的制備要求，且在此材料上制備的電路性能超過同尺寸下的硅基電路；而另一碳基柔性材料石墨烯的大面積制備也已實現，
盡管折疊屏行動電話已經不是多么新鮮的事物，但我們世界的電子設備目前仍以“硬材質”為主導，柔性電子技術才剛剛起步。
柔性電子通過將電子器件制作在柔性基底上，使電子器件在經受彎曲、折疊、扭曲、壓縮、拉伸、甚至變成任意形狀后，仍可保持原有性能，柔性電子是一場全新的電子技術革命，將在發光顯示、能源裝置、電子標簽、電子皮膚等方面改變人類的生活方式。
柔性電子發展的主要制約因素是材料，目前多數的柔性電子應用場景，是對硅進行柔性化處理——硅在變得非常薄且尺寸非常小之后，會具備一定的柔性，但隨著硅基半導體器件尺寸逼近物理極限，這一方法已日趨貼近天花板。其他的柔性材料還包括有機材料，以及將有機材料和無機材料相結合。然而，利用這些材料制備的柔性電子，距離硅基器件存在顯著的性能差距，
碳基材料為柔性電子提供了更好的選擇，碳基材料包括零維的富勒烯、一維的碳納米管、二維的石墨烯、三維的石墨及金剛石等，這其中，碳納米管和石墨烯憑借優異的電性能、透光性特別是延展性，被公認為是柔性電子的“天選”材料。但一直以來，主要受限于材料制備技術，難以獲得大面積、高質量的碳基材料成為限制其應用的最大障礙。
近年來，碳基材料制備取得了突破性進展。2020年，研究人員在8英寸基底上成功制備了高密度高純半導體陣列碳納米管材料[1]，材料純度可達99.9999%，突破了碳納米管集成電路關鍵的材料瓶頸，并同步開發了全自動的提純和組裝設備，具備了量產的技術積累，基于此種材料，研究人員還批量制備了場效應晶體管和環形振蕩器電路，性能超越類似尺寸的硅基器件和電路，與此同時，石墨烯的大面積制備已經實現，特別是利用化學氣相沉積法制備的石墨烯材料，已經證明具備優異的電學性能，這些都意味著碳基集成電路已經初步具備工業化基礎，“碳時代”即將到來，
隨著材料技術的突破和發展，碳基柔性電子有望在醫療健康等領域率先實現規模應用，例如，“電子皮膚”可將外界作用于其上的力或熱轉換為電信號進行處理，讓殘疾人的義肢兼具美觀和功能性；可植入的柔性電子設備為復雜疾病的治療，如帕金森、癲癇、抑郁癥等提供了新的治療手段，
[1] 2020年5月22日，《用于高性能電子學的高密度半導體碳納米管平行陣列》（Aligned, high-density semiconducting carbon nanotube arrays for high-performance electronics），《科學》（Science，第368卷6493期850～856頁）
Chapter 2 比特躍遷
趨勢四：AI提升藥物及疫苗研發效率
AI已廣泛應用于醫療影像、病歷管理等輔助診斷場景，但AI在疫苗研發及藥物臨床研究的應用依舊處于探索階段。隨著新型AI算法的迭代及算力的突破，AI將有效解決疫苗/藥物研發周期長、成本高等難題，例如提升化合物篩選、建立疾病模型、發現新靶點、先導化合物發現及先導藥物優化等環節的效率。AI與疫苗、藥物臨床研究的結合可以減少重復勞動與時間消耗，提升研發效率，極大的推動醫療服務和藥物的普惠化，
隨著covid19疫情的全球蔓延和深遠影響，醫療行業從未像今天這樣高度重視疫苗和藥物的研發效率。以AI為代表的科技技術被廣泛關注，AI在醫療CT讀片、影像分析、使用自然語言處理（NLP）錄入病例等易于建立標準的領域，有著絕佳的工作效率與準確率，已經逐步應用在醫療診斷輔助領域。未來AI將從醫療影像/語言類等輔助診斷應用走向疫苗設計及藥物臨床研究，在疫苗化合物篩選、建立疾病模型、發現新靶點、先導化合物發現、先導藥物優化及老藥新用等環節上廣泛參與，今年12月1日美國科學家首次用AI精準預測了蛋白質折疊形狀，這將幫助研究人員進一步發現疾病的發病原理并開發新藥。
《Natrue》數據顯示：一款新藥的平均研發成本大約是26億美元，耗時約10年，成功率不到10%。而一款新藥從研發到最后上市，需要經過藥物發現、臨床前研究、臨床研究以及審批與上市 4 個階段。其中，藥物發現是非常重要的環節，它決定了一次研發的具體目標。這個環節又分為疾病選擇、靶點發現和化合物合成幾個步驟。其中僅化合物合成一步，一種藥品就需要對5000～10000種化合物進行篩選，最后僅有 5 種左右進入最后的研究階段，由于工程量巨大，所以藥品研發的臨床前研究階段一般需要耗時3至6 年，
AI與藥物篩選結合是未來明確的方向，通過篩選流程和實驗過程模型化，利用虛擬藥物篩選、模擬計算篩選出藥物的高概率結構，可以大幅減少化合物篩選的時間消耗。而且AI的幫助不僅是新藥研發，通過匹配、發掘疾病與現有藥物之間的數據關聯性，老藥新用也能快速在其他適應癥上給予有效性證明。
在疫苗設計和研發領域，AI也將成為有力幫手，例如在研發的疫苗中添加化合物可以提升其功效，更好地刺激人體免疫系統形成更多抗體。這個過程可以利用AI自動輸入一系列已知的可激活人體免疫系統的有效化合物模型，與電腦合成程式產生的數億種不同的化學化合物對比篩選，最終快速找到可能成為人類免疫藥物的優質候選化合物，
人類未來將越來越多的借助AI等科技手段來提升疫苗設計/藥物研發的效率和精度，所有依賴于計算、依賴數據經驗和可模型化的環節，都值得通過AI智能化的方式去嘗試解決。未來AI與疫苗/藥物研究的規模推廣離不開AI算法和云端的大算力調用，兩者的結合將給人類帶來巨大的經濟價值和社會效益。
趨勢五：腦機接口幫助人類超越生物學極限
腦機接口是新一代人機交互和人機混合智能的關鍵核心技術。腦機接口對神經工程的發展起到了重要支撐與推動作用，幫助人類從更高維度空間進一步解析人類大腦的工作原理。腦機接口這一新技術領域探索性的將大腦與外部設備進行通信，并借由腦力意念控制機器，例如在控制機械臂等方面幫助提升應用精度，將為神智清醒，思維健全，但口不能言、手不能動的患者提供精準康復服務，
腦機接口技術并不是一個新概念，這項技術經過幾十年的研究發展（接口分植入式和非植入式），已經逐漸從學術界滲透到創業圈。雖然離實用化還有很長的路要走，但毫無疑問，人類朝著大腦與機器融合的偉大目標，向前踏出了一大步。
植入式腦機接口相比非植入式頭皮貼片方式精準度更高，可以編碼更復雜的命令，但非植入式更安全，接受程度也更好。目前各個腦區里研究比較充分的有運動皮層、感覺皮層和視覺皮層；其中運動皮層腦機結合已經可以做到用意念控制機械手完成簡單的三維運動、手腕方向和手指握力，例如機械手移動和抓握，但太精細的動作做不到，這也是未來需要攻克的方向。
腦機接口技術是一個交叉學科，它的背后包括材料學、電子工程學、生物醫學、神經資訊學、計算機科學和認知科學等等，各項單一學科的進展都值得期待，比如更精確的電極、更友好的生物材料、更明晰的神經科學認知、更強大的AI機器學習算法等等，
人類已經進化了數百萬年，機器只存在了大約200年，但后者的算法/算力讓前者難以望其項背，兩者的結合可以幫助人類超越生物學極限；借助腦機接口，結合AI可以對神經工程的發展起到了重要支撐與推動作用，幫助解決神經工程研究中遇到的類似精準控制等諸多難題，從更高維度空間解析人類大腦的工作原理。
例如通過接口直接從大腦中合成語音，幫助失去說話能力的人通過技術手段來進行交流。此外在康復方面，通過對神經系統活動的識別，讀取人的“意念”，通過機械臂精確完成大腦內發出的相應指令，腦機接口技術將在改善腦癱患者、漸凍人、帕金森癥等殘疾人弱勢群體的生活質量中做出了巨大貢獻，為神智清醒，思維健全，卻口不能言、手不能動的患者提供精準康復服務，在腦機結合方面，雖然離大眾所想象的實際應用還有遙遠的距離，但我們今天所想象的一切，未來都將變為現實，
科技的發展不斷突破人類的倫理底線和價值尺度，腦機接口同樣避免不了倫理問題，人類和機器建立智能交互已是大勢所趨，如何保障這樣的科技進程安全地向著利于人類自身的方向發展，成為人類最大的挑戰。
趨勢六：數據處理實現“自治與自我進化”
隨著云計算的發展、數據規模持續指數級增長，傳統數據處理面臨存儲成本高、集群管理復雜、計算任務多樣性等巨大挑戰；面對海量暴增的數據規模以及復雜多元的處理場景，人工管理和系統調優捉襟見肘，因此，通過智能化方法實現數據管理系統的自動優化成為未來數據處理發展的必然選擇。人工智能和機器學習手段逐漸被廣泛應用于智能化的冷熱數據分層、異常檢測、智能建模、資源調動、參數調優、壓測生成、索引推薦等領域，有效降低數據計算、處理、存儲、運維的管理成本，實現數據管理系統的“自治與自我進化”。
數據管理系統一直以來是企業IT架構的重要組成部分，隨著物聯網、云計算技術的深入發展和開源生態的不斷完善，傳統數據管理的局限性日益凸顯，存儲容量有限導致公司無法長時間存儲和管理海量數據集，元數據來源廣泛、種類繁多，具有多源、異構的特點，這使其在管理上面臨數據匯聚、集成、存儲和檢索成本高的問題；另一方面計算資源匱乏，缺乏統一管理接口和大數據處理環境所需的可伸縮、可拓展的靈活性和高效性，數據管理系統需要承擔更加復雜的多租戶、多任務下的執行工作，人工手動管理和運維再也無法有效應對海量多源異構的數據規模和豐富復雜的數據處理場景帶來的問題和挑戰。
傳統模式下，系統超載、資源消耗過剩不僅要影響到其他正常運行的系統作業，而且需要大量的人力資源進行系統排查和糾正，難以確保系統有效率的運行狀態，因此通過智能化方式實現數據管理系統的升級優化將成為未來數據計算與處理的必然趨勢，將系統技術與人工智能技術相結合，利用機器學習算法在數據倉庫與資料庫系統管理、資源調度、引擎優化、壓測生成等各個方面進行數據系統的自我管理，人工智能將充分嵌入到數據處理的整個生命周期，幫助提高數據查詢的效率，提升整體資源調度的優化性，例如通過智能化手段對冷熱數據分層分離，讓計算和存儲資源得到充分利用，有效降低數據管理成本。通過分析系統運行狀態和日志數據資訊，利用人工智能建模，來實現動態系統參數調整和系統優化，顯著降低系統數據管理者的運維成本，機器學習技術也將幫助系統建立更加準確高效的在線預警與實時監測系統，來實現智能化的運維管控和資源調配，幫助系統管理人員將更多的時間和精力集中在更重要的系統任務上，
同時，系統技術也將更多地輔助人工智能的深度發展，在大規模多樣化數據集上進行高效的數據挖掘和機器學習優化分析的模型選擇、元參數搜索、自動化的元數據學習、非結構化數據與結構化數據融合處理等工作，從而幫助系統變得更加智能、安全和可靠。
趨勢七：云原生重塑IT技術體系
在傳統IT開發環境里，產品開發上線周期長、研發效能不高，云原生架構充分利用了云計算的分布式、可擴展和靈活的特性，更高效地應用和管理異構硬件和環境下的各類云計算資源，通過方法論工具集、最佳實踐和產品技術，開發人員可專注于應用開發過程本身。未來，芯片、開發平臺、應用軟體乃至計算機等將誕生于云上，可將網路、服務器、操作系統等基礎架構層高度抽象化，降低計算成本、提升迭代效率，大幅降低云計算使用門檻、拓展技術應用邊界。
在傳統開發環境里，漫長的產品開發、測試和上線周期，不穩定的產品研發效能是企業IT領導者和開發人士面臨的核心問題和挑戰，同時在應用程式的部署過程中，軟、硬件環境等基礎設施的技術復雜性很大程度束縛開發人員對于業務實現的生產力，受制于資料庫、數據中心、操作系統等傳統架構的局限性，制定的業務解決方案需要不斷妥協與折中，效能也可能大打折扣。
以容器、k8s、ServiceMesh、Severless為代表的云原生技術將充分沿用云計算的設計理念，全面利用分布式、可拓展、靈活性的云計算架構，達到毫秒級別的極致彈性能力，從而應對業務突發場景；同時基于云原生平臺系統高度自動化的資源編排調度機制，實現應用的可拓展和易維護，通過微服務助力應用敏捷開發，進而大幅降低業務的試錯成本，提升業務應用的部署和迭代速度。另一方面，云原生將網路、服務器、操作系統、業務流程等基礎架構層高度抽象化，更高效地應用和管理異構硬件和異構環境下的各類云計算資源，向上支撐多種負載，包括大數據計算、區塊鏈、人工智能等創新性的服務，高效解決部署一致性問題，并極大地降低云服務的使用門檻，讓開發者只需關注業務邏輯本身并最大程度回歸到應用程式的開發環節，專注于用戶服務和商業價值的創造過程，從而幫助企業實現快速創新。
云原生將重塑IT技術的全鏈路體系，在開發、測試、上線、運維、監控和升級等環節中形成新的技術標準，通過技術生態推動整個云計算的標準化，使大規模、可復制的跨區域、跨平臺和跨集群的部署能力成為可能，將更多敏捷、分布式、可擴展的技術紅利帶給企業和開發者。
云原生技術應用在2020年呈現出爆發式的增長，其價值已在互聯網、金融、教育、零售、能源等諸多行業得到廣泛實踐和驗證，并預計在兩年內有75%的全球化企業將在商業生產中使用云原生的容器化應用【1】，云原生為企業上云用云嶄新的技術方式，幫助企業快速享受到云計算帶來的成本和效率優勢，全面加速企業數字化創新升級進程，并終將推動云計算產業的再次升級，
[1] 資訊來源：Gartner《云原生基礎設施未來的八大趨勢》
Chapter 3 場景重塑
趨勢八：農業邁入數據智能時代
傳統農業產業發展存在土地資源利用率低和從生產到零售鏈路脫節等瓶頸問題。以物聯網、人工智能、云計算等為代表的數字技術正在與農業產業深度融合，打通農業產業的全鏈路流程。結合新一代傳感器技術，農田地面數據資訊得以實時獲取和感知，并依靠大數據分析與人工智能技術快速處理海量領域農業數據，實現農作物監測、精細化育種和環境資源按需分配。同時，通過5G、物聯網、區塊鏈等技術的應用確保農產品物流運輸中的可控和可追溯，保障農產品整體供應鏈流程的安全可靠。農業將告別“靠天”吃飯進入智慧農業時代，
到2050年人類人口總量有望接近百億，隨著世界人口的不斷攀升，對糧食的需求也將不斷擴大，同時，農業產業的現代化發展面臨的挑戰日益嚴峻，全球人口耕地分布不平均、利用率低下，糧食單產品質不穩，化肥農藥資源使用過量，以及產業上下游供應鏈脫節等瓶頸問題使得傳統農業產業發展一度陷入僵局，以物聯網、人工智能、云計算、5G、大數據計算等為代表的新一代科學技術正在與農業產業深度融合，并將成為農業邁入智慧革命發展階段的核心推手，
傳感器技術已經廣泛應用于農業領域，新一代物聯網和5G技術將解決由于帶寬限制帶來的傳感器設備連接密度受限的問題，提升網路設備接入數量和密度，支持設備之間的圖像傳輸和自主分析等功能，集成天氣、灌溉、微生物和其他農作環境中產生的數據變量，并通過快速檢測、實時監測和連續反饋的能力，進行農作物生產環節的精細化識別、感知，有效改善資源利用效率，并大幅提高農作物產量；同時，下一代無人機技術結合計算機視覺技術將具備在廣闊和偏遠地區分析田間作業環境的能力，將實時數據傳遞到其他傳感器，綜合分析農田環境和作物情況進行精準播種、施藥，從而提升水肥利用效率并有效降低農業勞動力成本，
依托傳感器技術的興起，農業生產鏈中的各個環節都將會產生海量的數據，通過對這些數據進行整合、分析和挖掘，人工智能、大數據等新型數據科學技術將數據和算法充分融合，更好地對農作物耕地、播種、施藥、殺蟲、收割等全生命周期環節中產生的數據進行模型構建和精準預測，實現農作物監測、精細化育種、病害蟲防控和環境資源按需分配，推動農業生產過程中的自動化運行和管理過程中的數智化控制。
同時，區塊鏈和農業大數據等技術也將充分聯合，打通農業生產、加工、運輸和零售環節的上下通路，實現產銷一體化，從農業生產、農業物流、農業市場和農產品管理等方面上提升全產業鏈的整體效率，對相關數據進行記錄和存儲以幫助追溯農產品流通中的全程資訊，從源頭上保障農產品食品的安全和可靠，
趨勢九：工業互聯網從單點智能走向全局智能
受實施成本和復雜度較高、供給側數據難以打通、整體生態不夠完善等因素限制，目前的工業智能仍以解決碎片化需求為主，疫情中數字經濟所展現出來的韌性讓企業更加重視工業智能的價值，加之數字技術的進步普及、新基建的投資拉動，這些因素將共同推動工業智能從單點智能快速躍遷到全局智能，特別是汽車、消費電子、品牌服飾、鋼鐵、水泥、化工等具備良好資訊化基礎的制造業，貫穿供應鏈、生產、資產、物流、銷售等各環節在內的企業生產決策閉環的全局智能化應用將大規模涌現，
工業時代，機器人被視為制造業皇冠上的“明珠”。它在相當程度上釋放了人類的雙手雙腳，并讓生產運營效率達到一個新的高度，而邁入數字時代，云計算、大數據、AI等新一代資訊技術與工業的結合，則進一步地解放了人類的大腦，在具有認知能力的機器的輔助下，決策可以更加精準和高效。工業智能正快速成為制造業冉冉升起的“新星”。
過去幾年，在利好政策、資本投入、以及新技術新產品大量涌現等因素的共同推動下，工業智能實現了快速發展。大陸互聯網平臺已達300家左右，具有一定規模和影響力的平臺數量也有50家之多[1]，然而，盡管冠以“工業互聯網”之名，但工業智能仍以解決碎片化需求為主，難以滿足制造企業全面數字化轉型的需求，究其原因，數字孿生的實施成本和復雜度高、供給側數據難以打通、整體生態系統不夠完善等因素延緩了工業智能的前進步伐，
未來幾年，工業智能將在多重利好推動下取得長足發展。首先是資訊技術的進步和普及， 2019年大陸云基礎架構投資首次超過傳統IT基礎架構投資，新舊技術間已經實現交替[2]；人工智能在質量檢測等制造業場景中得到了能力證明；而5G時代的到來也將為物聯網拓展新的應用場景。其次，covid19疫情對工業智能的發展起到了加速作用。在過去，制造企業看待工業智能更像是“錦上添花”，而疫情下工業互聯網所展現出來的韌性，使其成為企業應對未來不確定性時的立足之本，最后，新型基礎設施建設為工業智能發展帶來了空前機遇。工業互聯網作為“新基建”的重要組成部分，將會迎來更好的政策環境和更大的投資力度，進而推動整個生態體系壯大完善，
如今，工業智能正從單點智能快速邁向全局智能，包括從復雜代碼編寫升級到低代碼的應用開發，從而降低企業的使用成本；從邊緣業務切入企業核心業務，從而擴大工業智能的應用范疇；從輔助決策升級到對生產系統的控制，從而擴展工業智能的應用場景；從單一業務方案升級到平臺化整體方案，從而提升工業智能的使用價值，預計在未來3年時間里，工業特別是汽車、消費電子、品牌服飾、鋼鐵、水泥、化工等具備良好資訊化基礎的制造業，貫穿供應鏈、生產、資產、物流、銷售等各環節在內的企業生產決策閉環的全局智能化應用將大規模涌現。
[1] 資訊來源：大陸資訊通信研究院《工業互聯網平臺白皮書（2019年）》
[2] 資訊來源：IDC《全球云計算IT基礎設施市場預測報告》
趨勢十：智慧運營中心成為未來城市標配
在過去10年時間里，智慧城市借助數字化手段切實提升了城市治理水平。但在covid19疫情防控中，一些所謂的智慧城市集中暴露問題，特別是由于“重建設輕運營”所導致的業務應用不足，在此背景下，城市管理者希望通過運營中心盤活數據資源、推動治理與服務的全局化、精細化和實時化，而AIoT技術的日漸成熟和普及、空間計算技術的進步，將進一步提升運營中心的智慧化水平，在數字孿生基礎上把城市作為統一巨系統并提供整體智慧治理能力，進而成為未來城市的數字基礎設施。
“智慧城市”從概念提出至今已經歷了十余年的發展，以大陸為例，在2014年大陸就已制定國家政策，把智慧城市作為新型城鎮化建設的重要抓手和實現路徑。之后，大陸智慧城市市場陸續涌現出“最多跑一次”、“一網通辦”等諸多最佳實踐，既有效提升了政府的治理水平，也讓廣大市民切實感受到智慧城市帶來的便利。
然而，智慧城市發展至今也暴露了一些問題，特別是在突如其來的covid19疫情折射下這些問題更加凸顯：許多智慧城市相關設施在防疫任務中陷入癱瘓——部分地方沒有應對人口流動調查的資訊化系統，只能靠手工填表；而一些有軟體平臺的地區，也因各部門、地區的數據不互通導致系統一度形同虛設，這些暴露的問題只是表象，背后的真正原因是許多智慧城市項目沒有有效運營，導致最終只是堆砌了大量硬件，能夠實際運轉的業務則屈指可數。
面對這樣的情況，智慧城市市場各參與方特別是城市管理者開始重新思考，更加看重智慧城市的實際應用效果，并更加強調“運營”的理念，在這樣的市場風向變化下，把城市數據進行匯聚、交換和共享并在此基礎上進行智能決策的綜合管理服務平臺，也就是城市運營中心將逐漸興起，
城市運營中心首先必然是智慧的，它離不開AIoT的技術支撐：一方面，5G時代下物聯網的應用普及，將顯著擴大對城市的描述范圍，以數字化手段動態采集反映城市元素、事件以及狀態的數據；同時，AI技術的不斷進步將推動其基于城市數據進行科學決策，為城市治理提供最優解決方案。
智慧的城市運營中心能夠通過構建數字孿生城市直觀展現城市全量資訊，在數字孿生城市中全面融入城市感知數據、政府數據、商業數據等，并通過空間計算技術，在時間和空間維度下立體呈現城市運轉的全貌，助力實現城市治理精細化。
智慧城市運營中心最重要的功能，是將城市作為一個有機整體進行治理，這意味著它將從根本上把城市作為統一的巨系統，從而避免用傳統的中心化思路逐一解決單個問題，而是利用城市數字化、智能化所釋放出來的數字生產力，從更高的維度去解決非此即彼的矛盾，以升維后的視角和手法去治理城市，幫助政府更好地實現多目標平衡。智慧運營中心所具備的這些能力，將在城市可持續發展中發揮不可替代的作用，進而推動其成為未來城市的數字基礎設施，
點「在看」的人都變好看了哦！
