12月28日，达摩院发布了2021年十大科技趋势。今天，我们继续为大家带来深度解析和专家解读。

  硅（Si）材料是最重要，也是对人类发展影响最大的半导体材料，以硅材料为基础的集成电路技术为人类做出了巨大贡献。但随着硅工艺的技术发展逐步接近其物理极限，摩尔定律也将不再适用。此外传统的硅材料由于其材料固有属性的限制，在技术上不足以满足光电子、高频高温大功率等应用场景的需求，因此学术界和产业界也早已把目光投向其他新的半导体材料。

  在国内，学术界通常把半导体材料分成了三代：第一代半导体材料以硅（Si）和锗（Ge）等半导体为代表，奠定了微电子的产业基础；第二代半导体材料以砷化镓（GaAs）和磷化铟（InP）为代表，奠定了信息产业的基础；而第三代半导体材料是以氮化镓（GaN）和碳化硅（SiC）为代表的宽禁带半导体，其中氮化镓、碳化硅材料近年来的技术发展非常迅速，受到了学术界和产业界的格外的重视，也是目前投资界的宠儿，其商业化程度也慢慢变得高。而金刚石、氧化镓和氮化铝等其他第三代半导体材料近年来也不断取得新的进展。

  这里需要指出的是，第三代半导体材料和第一代、第二代半导体材料之间并不是互相取代的关系，而是在应用领域方面互补的。由于第三代半导体材料研究历程短，远不如前两代材料性能成熟。但第三代半导体材料具备击穿电场高、热导率高、电子饱和漂移速率高、抗辐射能力强等优越性能，是显示照明、电力电子和微波射频器件的“核芯”，可以用在半导体照明、新一代移动通信、能源互联网、高速轨道交通、新能源汽车、消费类电子等诸多领域。

  目前，基于氮化镓材料的发光二极管（LED）已经在通用照明领域取得巨大成功，同样属于氮化物材料体系的铝镓氮（AlGaN）制备的的深紫外光源，能够适用于杀菌消毒，未来能应用在污水处理、食品加工、医院等行业。而氮化镓充电器在过去一年时间里也大规模上市，相比于传统硅充电器，由于氮化镓具有更强的功率密度，使其体积更小、充电更快。另一种第三代半导体材料碳化硅也已经实现了商业化，其应用领域包括新能源汽车电机控制器、电源、充电桩等。

  第三代半导体在电力电子器件、射频器件方面还有非常长的路要走，但当前中国发展第三代半导体面临的机遇非常好。过去十年，在半导体照明等市场需求的驱动下，中国半导体行业在材料及器件研发上的技术水平得到了大幅度提高，同时，中国在政策制定层面也利好第三代半导体材料技术及产业，以推动半导体技术领域早日实现独立自主。

  当前量子计算的研究，在围绕硬件实现的路径上有两种思路：一是怎么样更好的提升单个量子比特的质量或寿命，二是如何更有效地集成和表征更多物理量子比特以及纠错。这两个路径的突破，都有大量的基础科学研究和工程问题是需要突破和解决，这是未来的重要挑战。

  今天的量子计算非常热，但离真正的商用还有非常长的路要走。2019年10月，谷歌宣布，在世界最快的超级计算机需要计算1万年的实验中，他们研发的一台 54 量子比特的量子计算机只用了200 秒。2020年12月，中国的潘建伟和陆朝阳组成的团队构建了76个光子的量子计算机原型“九章”，超级计算机需要一亿年完成的任务，“九章”只需要60秒就能完成。这两个案例听起来非常鼓舞人心，似乎量子计算的商用时代就要到来了，其实不然。这两个演示只是量子计算系统在现有经典计算机之外解决一个精心设计的数学问题，谷歌聚焦于量子随机线路采样，“九章”聚焦于高斯玻色取样，这两个数学问题基本上没有任何实际应用，它只是用来演示量子计算的计算性能，并不能证明量子计算已经能处理好真正的工作，甚至最基本的加减乘除都不能算。真正的商用不但要解决量子数量的问题，更要解决量子的精度、纠错、量子相干时长等棘手问题，目前离真正的商用还有非常长的路要走（至少10年以上）。

  量子计算未来有广泛的应用场景，也是科技市场未来必争之地。随着全球新产生的数据量每年以超过30%的速度增长，要充分的发挥数据的价值，算力和带宽永远稀缺，传统的经典计算能力已经快接近物理极限，量子计算可能成为合适的选择。

  根据IDC的调研，全球超过50%的被访行业用户计划未来2年内在IT基础架构领域尝试量子计算的投资。从潜在应用场景方面，金融行业聚焦在安全、欺诈检测、投资风险分析；电信行业聚焦在网络优化、量子通信、数据搜索；医疗与健康行业领域聚焦在基因分析、蛋白质结构预测、药物开发；制造业聚焦在飞机设计优化、自主车辆导航、数字孪生与仿真；石油化学工业行业聚焦在化学产品设计(包括表面活性剂)实验、石油和天然气炼化、原料/催化剂生产；交通运输行业聚焦在机场登机口调度、司机人身安全/隐私、车队管理/公共交通调度；专业服务行业聚焦在天气预测、、3D成像，ICT行业聚焦在云计算接入控制、量子密码、安全数据通信。

  量子计算的投资正当时，需要各方的开放与合作。新技术加产业的不断螺旋式上升循环驱动经济和商业持续创新与发展。量子计算目前处于商业化的前夜，由于技术发展的加速效应，量子计算的商业化时间可能缩短，这也要求国家、产业、企业要提前投资布局，包括量子计算实现的路径（低温超导、光子，离子阱、核自旋以及拓扑等）、量子模型与算法、量子计算应用场景的开发等。

  量子计算当前遇到的挑战仍然非常巨大，未来的量子计算发展需要人类共同的努力，虽然新环境下的地理政治学竞争对科学技术合作有一定的影响，但我们始终相信集合全球智力才能更好推动科学发展。开放、合作和科技共同体的观念，仍然是支撑科学发展的决定性基础。

  柔性电子发展的主要制约因素是材料。目前多数的柔性电子应用场景，还是用硬材质的硅基芯片，很难满足“柔性”的需求，极大地限制了柔性电子的应用市场范围。其他的柔性材料还包括有机材料如噻吩类聚合物，无机材料如氧化锌等，以及将有机材料和无机材料相结合。然而，利用这些材料制备的柔性电子，尽管柔性能够完全满足需求，但电性能距离硅基器件存在几个数量级以上的性能差距。柔性电子要想获得发展，必须在材料领域获得突破。

  碳基材料特别是碳纳米管，既有优于硅基的电学性能，还有极好的延展性和柔韧性，在理论上完全满足柔性电子对材料的需求。但长期以来，一直难以制备高质量的碳纳米管材料，即高半导体纯度、顺排、高密度、大面积且均匀的碳纳米管材料。现在我们课题组用一种可以量产的材料制备技术解决了这个困扰国际电子学很长时间的问题，并在这种方法获得的碳纳米管材料上制备了电子器件和集成电路，首次通过实验结果验证了碳纳米管电子器件和电路相对于传统硅电子器件和电路的性能优势。

  当然，碳基电子相对于硅基电子仍处于起步阶段，在加工技术没有太高成熟度时，碳基电子可当作硅基电子的补充，增强硅基芯片的功能或者性能，或者用于某些特殊场合，例如柔性电子领域。而一旦技术成熟，碳基芯片有可能发展出完整的应用领域，并在主流计算领域发挥重要影响。

  疫苗可能是当前最受公众关注的药学问题。这次新冠疫苗的研发，因为全产业链和监管部门的通力合作，加上前期对冠状病毒已有一定研究基础，速度惊人，但这样的模式和成功是难以复制的。和别的类型的创新药物类似，疫苗的研发模式仍然是以“试错”为主，存在周期长、成本高、成功率低等问题。

  AI被认为是引领新一轮科技革命和产业变革的战略性技术。随着新型AI算法的迭代及算力的突破，AI有望显著提升药物智能设计、智慧制造和精准使用的效率。AI与疫苗/药物研发相结合能够大大减少试错的盲目性，提高研发速度，缩短研发周期，节省资产金额的投入，提升新药研发成功率，有望逐步推动医疗服务和药物的普惠化，助力医药行业换挡提速、加快追赶国际领先水平。

  采用计算方式来解决药学问题已有很长的研究历史。深度学习等新型AI算法出来以后，在医药领域也已取得了一些可喜的进展。近期AlphaFold2就是一个广受关注的案例。但总体而言，和自然语言理解、智能驾驶等相比，AI在药学领域还处于探索阶段。在我看来，要发展AI药学，学术界有两个迫切的工作需要尽快突破：第一、结合药学的领域问题，尽快开展相应的应用方法学研究；第二、尽快培养一批既有药学背景又掌握新型AI算法的学科交叉人才。这也是，浙江大学联合阿里等创办国内首个“AI药学”研究生项目的缘由。

  在药学行业，慢慢的变多顶尖制药公司看好AI的赋能作用，纷纷投入巨资与AI公司开展合作。相关应用从2017年以来已呈现井喷式发展。同时，我们药学人也非常欣喜地看到，谷歌、阿里等一批AI公司也慢慢变得看好生物医药行业，正在加大投入。我期待不久的将来，AI药学能像移动互联等行业那样，学术界和工业界携手共进，建立一批新型的合作机构，在应用基础研究、交叉人才教育培训等方面取得实质性突破。

  在新药研发进程中，包括新药开发阶段、研究阶段、临床研发阶段、研发后期，人工智能已在扮演很重要的角色。

  药物研发阶段，我们正与合作伙伴利用人工智能分子结构生成技术，通过虚拟筛选、高通量筛选、全新药物设计等方法寻找先导化合物。

  值得一提的是，近期蛋白质结构预测方面，随着深度学习技术的引进，很多实验室的算法精度有很大提升。其中AlphaFold2取得了令人惊讶的进展，AlphaFold2接近于解决了单结构域的蛋白质结构预测的问题，预测精度很高。此项突破将加速靶向药物结构设计。不仅如此，蛋白质结构预测在基因的功能、疾病的原理等基础研究领域都很重要[1]。

  临床试验阶段，专病领域真实世界临床试验坚实的基础离不开数据结构化、标准化。因此在数据完整性，随访完整性、合规性、及时性等方面做智能管理，对于实验患者入排进行智能筛选，这将简化药物临床试验流程并降低实验成本。

  “AI+医疗”的应用场景极其广泛，涵盖了疾病预测、筛查早诊、诊断和检测以及患者管理等重要环节。在医疗AI应用层面，医疗影像人工智能在低年资临床医生水平提升、临床科室数字化质量控制、提升效率等方面已取得显著卓越成绩[2]。此次疫情期间，中国医疗AI公司的人工智能影像辅助系统就显著提升了患者胸部CT的筛查与病灶检出的效率。

  医疗领域是AI应用的主要场景之一，当下新药开发效率的提升，医疗服务标准化、及时性、可及性等方面已经不可逆地正在被人工智能技术加速。在此背景下，我们相信人工智能技术会释放出变革社会、经济以及产业的巨大潜能。

  [2] 曹艳林 等，人工智能对医疗服务的机遇与挑战。中国医院。2018.6.(22)

  过去十年脑机接口取得重要进展，不管是侵入式（需要手术植入）或非侵入式，在技术和应用层面都有重大的突破。在技术上，新的硬件平台克服了长期以来电极寿命的局限，新的软件算法直接将脑信号转变成声音或文字，深度学习大大提高了脑机接口的准确率等。在应用上，脑机接口在运动康复和认知增强方面取得了长足的发展。未来十年脑机接口不仅将在技术和应用上有更多重大突破，而且将会成为脑科学研究的重要平台，帮助对大脑机理的深入研究。新的应用领域将包括老年失智症、精神疾病、双向脑机接口、和人机增强系统等等。

  目前人类对大脑的理解还远未到清晰的程度，学术界长期在探索以更先进的设备仪器和分析手段，来解码大脑的工作原理。现有的相关设备多管齐下，覆盖以脑机接口、核磁共振、显微镜为代表的电、磁、光技术，相对而言脑机接口在集成度和精准控制上更胜一筹。研发能量效率、体积效率更高的接口设备是脑机接口设备进步必经之路上关键的一环，工欲善其事必先利其器，更先进的设备将引发生物医学的新发现，加深人类对脑工作原理的理解，并引发新应用的出现。

  对脑认知的深入首当其冲地将带来医学的进步，利用更先进的脑机接口设备将能够为神经类疾病、肢体缺损或运动障碍患者提供新的有效的诊疗手段；其次脑机接口的发展还将促进人机交互设备的发展，3至5年内，这一领域将会出现成熟的高性能脑机接口系统，推动基于可穿戴或微创植入超小体积设备的人机交互应用进入高速发展期。

  今天的技术、算力和对大脑的理解还不足以完成意识数字化，但我个人认为，假以时日一定可以做到。这一问题将不仅关乎科学发展本身，它也将触及人类对自我探索的接受程度等社会问题。

  在数字化转型成为主流趋势的当下，数据资产管理、数据治理、数据开发和应用成为了传统企业的首要关注点，究其原因，主要有两大方面：其一在于，越来越多的传统企业基本完成了信息化阶段的建设工作，例如ERP、CRM、OA等系统和平台的搭建，企业开始将IT建设的重点转向数据/数字化技术和平台的建设，例如，BI、AI、增强型分析、数仓等；其二在于，企业意识到了数据可以影响商业模式的方方面面，包括客户需求与客户关系提升、产品研发与渠道优化、生态伙伴对接、流程改造、技术能力发展、员工效率改进、财务营收和费用优化。

  中国的传统企业在数据资产管理、数据治理、数据开发和应用领域还面临着巨大的挑战，例如，数据准备程度低下、数据治理政策与管理不匹配、数据治理手工化、数据素养偏低、数据分析工具在业务侧利用率不足等。这些问题又不可避免地成为企业利用AI进行智能化、自动化改造的巨大障碍，毕竟AI的基础是数据。

  因此，我个人认为，中国企业未来3-5年的数字化转型将从数据领域重点突破，我也希望可以看到越来越多的传统企业与科技创新企业携手在这个领域共同努力。

  我们虽然已经做了很多云的应用，但更多的是从传统的应用迁移到云端来的，10年前云计算是技术，10年后云计算将是思维，如何不让应用“搞移民”，而是直接从云上“长”出应用来，这是个很值得探索的问题。

  相信在未来的云计算基础设施上，云原生的应用会成为主流的应用形态。过去十年 ‍，谈云时我们常说Cloud First，现在我们越来越多地在谈论Cloud Smart，云原生的应用可以让云的效率和价值真正发挥出来。

  云原生的核心在于将传统针对单机应用的开发模式，转换为直接开发原生适合云平台应用的模式。这种转换将重塑未来的IT开发和运维体系，并达成用户、开发人员、云商共赢的局面。开发人员将一体化的开发转化为微服务的开发，更多关注逻辑而非实现；云厂商基于全局资源视图进行优化管理，大幅提高资源的使用效率；用户则避免了过度资源租用。目前，云原生仍面临微服务高效调度、无服务器计算、高密混部、低开销系统等技术挑战，但必然是云计算的主要发展方向。

  互联网进入中国已经有21个年头，但进入农业不过10年左右，目前农业物联网应用多在环境信息感知和数据传输环节，终端的信息处理和智能控制应用环节依然较少，尚未形成“感知-传输-处理-控制”的应用“闭环”。物联网、云计算和智能终端作为新基础设施，在农业中将有非常广泛的应用前景，这一趋势已经开始显现，但落地过程必将十分漫长。从现在到2025年将是智慧农业的培育阶段，其成熟推进和蓬勃发展大概还需要20-25年的时间，大概到2050年，智慧农业才将完全进入成熟期。因此，推动农业的数智化转型，要有充分的耐心和恒心。

  新一代信息技术与制造业深度融合，将对未来工业发展乃至经济社会发展产生全方位、深层次、革命性的影响。

  经过近几年的努力，中国制造强国和网络强国战略积极推进，网络、平台和安全三大体系建设快速推进，融合创新应用孕育兴起，产业生态不断壮大，工业互联网发展取得了积极进展，有力推动了实体经济数字化转型和高质量发展。

  以阿里巴巴为代表的中国互联网企业及新兴科技公司，近年来着力推进制造业的数字化、网络化、智能化改造，为众多行业的企业赋能升级，同时也围绕工业领域开展了许多前瞻性研究。特别是关于工业企业在战略思维、技术体系、商业模式、核心能力与组织架构上的重构，包括在发展工业互联网上的探索，为企业数字化转型提供了新的范式和重要参考。

  未来五年中国经济的数字化变革，将大大加快“产业数字化、数字产业化”的进程，使智慧企业建设的目标更加容易企及。一些重要的应用场景，如企业组织整体架构的数字管理、无场景不智能、数据中台的建设与完善、“低门槛”数字工厂建设、企业数字孪生发展、区块链应用、C2B协同创新平台、数据资产货币化等，将可能成为进展最快速、效果最明显的趋势方向。工业互联网的基础作用将会由此得到充分体现。

  工业企业的数字化转型从前趋于片段化，如今随着云计算、人工智能、5G等信息技术的不断成熟，出现了从被动到主动、从片段到连续、从垂直到协同的新趋势。构建包括需求侧、供应链、设计链、金融链、采购链、生产链、物流链、服务链在内的全生命周期工业互联网，将是进一步加速工业企业数字化转型的重要途径。

  更好更快地建设工业互联网，需要从三个技术层次发力：第一要搭建基于边缘计算架构底层的基础设施，保障海量数据互联互通；第二要沉淀行业机理模型和数据模型，释放复杂应用场景的数据价值；第三要融合人工智能、虚拟现实、数字孪生等新一代信息技术，催生数字化转型新场景。

  到2050年，预计世界人口的近70％（67亿）将生活在城市中。为了确保如此繁荣的城市人口过上高质量的生活，当今的创新者需要构想未来的城市将是什么样子，以及如何应用技术实现人与环境和谐相处的城市生活方式。

  为了实现这一宏伟愿景，以人工智能技术为核心的智慧运营中心将持续优化城市生活。城市活动的核心是能源的可持续发展与可靠输送。未来的智能生活环境不仅要提供舒适的环境和便捷的服务，还要激励代际社区的建设，建成能满足各个年龄段居民需求的城市。

  （1）全方位的AI应用将彻底改变城市的面貌。有了自动驾驶技术，居民无需购买和拥有汽车，需要用车时可以随时呼叫，智能车库快速派出出租车响应用户需求。智能道路可以根据交通需要，随时变更信号灯和通行规则以达到效率最大化，无需考虑人类司机是否能够理解和适应。生产，运输，销售，供应链各个环节，都会受惠于智能化而大幅提升效率和降低浪费。

  （2）人工智能的判断将建立在广泛的信息收集之上。AIoT技术成为收集信息的关键。举例而言，智能道路要做出合理决策，必须了解每时每地的车流量和每位乘客的目的地。但这也会造成隐私泄露和信息安全的问题。新一代人工智能技术必须要保障隐私和安全，同时不牺牲预测准确度。只有保障了信息安全，才能够实现信息互通和有效决策。

  （3）老龄化将在未来都市中成为重要问题。智慧城市将为老龄化人口提供无障碍的基础设施（可穿戴设备，外骨骼，智能轮椅），个性化的健康饮食（餐饮供应链的优化，智能驾驶送外卖），及时和人性化的医疗服务（个性化医疗，可穿戴设备监测生理和病理指标，人工智能与医生协同工作）。

  当前城市规模日益增大，对城市的治理水平提出重大挑战：一方面，早期的智慧城市投入已建立了大量的基础设施；另一方面，目前仍缺乏对这些设施产生的数据的分析和处理，难以实时感知城市全部状态，并对各事件实时作出针对性的治理决策。以智慧城市基建为躯干和四肢，以智慧运营中心为大脑将成为未来城市的重要趋势。

  智慧城市基建（如AIoT）实时收集多源、多模态、异构的海量数据，智慧运营中心进行数据感知融合、高精度分析、强实时决策。两者融合将赋予未来城市自我思考、自我调节、自我进化的能力，实现自主运营。

  科学技术的发展总是在不断发散与收敛的模式中跃迁。创新永无终点，但每一次技术创新都必然沿着普惠的既定轨迹前行。期待以AI、大数据为代表的新一轮科技将改变我们所处的世界，惠及每一个人。