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。
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。
Chiplet 的互联标准将逐渐统一，重构芯片研发流程。
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 2022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，* 影响芯片的区域与产业格局。
资本和产业双轮驱动，存算一体芯片将在垂直细分领域迎来规模化商用。
存算一体旨在计算单元与存储元融合，在实现数据存储的同时直接进行计算，以消除数据搬移带来的开销， 极大提升运算效率，以实现计算存储的高效节能。存算一体非常符合高访存、 高并行的人工智能场景计 算 需 求。
在产业和投资的驱动下， 基于SRAM， DRAM，Flash 存储介质的产品进入验证期，将优先在低功耗、小算力的端侧如智能家居、可穿戴设备、泛机器人、 智能安防等计算场景落地。未来，随着 存算一体芯片在云端推理大算力场景落 地，或将带来计算架构的变革。它推动 传统的以计算为中心的架构向以数据为中心的架构演进，并对云计算、人工智能、物联网等产业发展带来积极影响。
安全技术与云紧密结合，打造平台化、智能化的新型安全体系。
云原生安全是安全理念从边界防御 向纵深防御、从外挂模式向内生安全的转变，实现云基础设施的原生安全，并基于云原生技术提升安全的服务能力。
安全技术与云计算由相对松散走向紧密 结合，经过“容器化部署”、“微服务 化转型”走向“无服务器化”的技术路线， 实现安全服务的原生化、精细化、平台化和智能化：
● 以安全左移为原则，构建产品研发、 安全、运维一体化的产品安全体系， 增进研发，安全和运维融合协同；
● 以统一的身份验证和配置管理为基 础，实现*授权和动态策略配置；
● 以纵深防御体系为架构，平台级的安 全产品为依托，实现*主动防御， 化解传统安全产品碎片化的问题；
● 以安全运营为牵引，实现涵盖应用、 云产品、网络等全链路的实时检测、 *响应、快速溯源和威胁狩猎。
云计算向以CIPU 为中心的全新云计算体系架构深度演进，通过软件定义，硬件加速， 在保持云上应用开发的高弹性和敏捷性 同时，带来云上应用的*加速。
云计算从以 CPU 为中心的计算体系 架构向以云基础设施处理器（CIPU）为 中心的全新体系架构深度演进。通过软件定义，硬件加速，在保持云上应用开发的高弹性和敏捷性同时，带来云上应 用的*加速。新的体系架构下，软硬一体化带来硬件结构的融合，接入物理的计算、存储、网络资源，通过硬件资 源的快速云化实现硬件加速。此外，新 架构也带来软件系统的融合。
这意味着 以 CIPU 云化加速后的算力资源，可通 过 CIPU 上的控制器接入分布式平台， 实现云资源的灵活管理、调度和编排。在此基础上，CIPU 将定义下一代云计 算的服务标准，给核心软件研发和专用 芯片行业带来新的发展机遇。
基于云定义的可预期网络技术，即将从数据中心的局域应用走 向全网推广。
可预期网络（Predictable Fabric）是由云计算定义，服务器端侧和网络协同 的高性能网络互联系统。计算体系和网络体系正在相互融合，高性能网络互联 使能算力集群的规模扩展，从而形成了大算力资源池，加速了算力普惠化，让算力走向大规模产业应用。
可预期网络不仅支持新兴的大算力和高性能计算场景，也适用于通用计算场景，是融合了传统网络和未来网络的产业趋势。通过云定义的协议、软件、芯片、硬件、架构、平台的全栈创新，可预期高算力网络有 望颠覆目前基于传统互联网 TCP 协议的 技术体系，成为下一代数据中心网络的 基本特征，并从数据中心的局域应用走 向全网推广。
融合运筹优化和机器学习的双引擎智能决策，将推进全局动态 资源配置优化。
企业需在纷繁复杂、动态变化的环 境中快速*地做出经营决策。经典决 策优化基于运筹学，通过对现实问题进 行准确描述来构建数学模型，同时结合 运筹优化算法，在多重约束条件下求目 标函数最优解。
随着外部环境复杂程度 和变化速度不断加剧，经典决策优化对不确定性问题处理不够好、大规模求解 响应速度不够快的局限性日益突显。学 术界和产业界开始探索引入机器学习，构建数学模型与数据模型双引擎新型智 能决策体系，弥补彼此局限性、提升决 策速度和质量。未来，双引擎智能决策 将进一步拓展应用场景，在大规模实时电力调度、港口吞吐量优化、机场停机 安排、制造工艺优化等特定领域推进全 局实时动态资源配置优化。
计算光学成像突破传统光学成像极限，将带来更具创造力和想象力的应用。
计算光学成像是一个新兴多学科交 叉领域。它以具体应用任务为准则，通 过多维度获取或编码光场信息（如角度、偏振、相位等），为传感器设计远超人眼的感知新范式；同时，结合数学和信号处理知识，深度挖掘光场信息，突破传统光学成像极限。
目前，计算光学成 像处于高速发展阶段，已取得许多令人 振奋的研究成果，并在手机摄像、医疗、无人驾驶等领域开始规模化应用。未来，计算光学成像有望进一步颠覆传统成像 体系，带来更具创造力和想象力的应用， 如无透镜成像、非视域成像等。
城市数字孪生在大规模趋势基础上，继续向立体化、无人化、全局化方向演进。
城市数字孪生自 2017 年首度被提出以来，受到广泛推广和认可，成为城市 精细化治理的新方法。近年来，城市数字孪生关键技术实现了从量到质的突破， 具体体现在大规模方面，实现了大规模 动态感知映射（更低建模成本）、大规模 在线实时渲染（更短响应时间），以及大规模联合仿真推演（更高精确性）。
目前，大规模城市数字孪生已在交通治理、 灾害防控、双碳管理等应用场景取得较 大进展。未来城市数字孪生将在大规模 趋势的基础上，继续向立体化、无人化、 全局化方向演进。
生成式AI进入应用爆发期，将极大地推动数字化内容生产与创造。
生成式 AI（Generative AI 或 AIGC）是利用现有文本、音频文件或图像创建 新内容的技术。过去一年，其技术上的 进展主要来自于三大领域：图像生成领 域， 以 DALL·E-2、Stable Diffusion 为 代表的扩散模型（Diffusion Model）；自然语言处理（NLP）领域基于 GPT-3.5 的 ChatGPT；代码生成领域基于 Codex 的 Copilot。
现阶段的生成式 AI 通常被用来生成产品原型或初稿，应用场景涵 盖图文创作、代码生成、游戏、广告、艺术平面设计等。未来，生成式 AI 将成为一项大众化的基础技术，极大的提高数字化内容的丰富度、创造性与生产效 率，其应用边界也将随着技术的进步与成本的降低扩展到更多领域。
