“我們盯著后視鏡看現在，倒退著走向未來。”加拿大傳播學者麥克盧漢用“后視鏡理論”來解釋媒介技術演化及其影響的基本運作原則，而這一理論，同樣適用于如今科技的發展，強調從歷史中走向未來。

　　但由于人類認知的局限性，時代往往跑得比認知更快，因此，我們既需要過去的經驗，也需要未來的視角。

　　近日，百度、騰訊、達摩院和MIT科技評論先后發布了他們對于2023年科技趨勢的預測。縱覽各家今年發布的預測，“大模型”“云計算”“芯片”成為了關鍵詞，AI技術帶來的智能化仍然是主線。

　　具體來看，百度研究院所發布的2023年十大科技趨勢預測中，涵蓋了大模型生態、數實融合、虛實共生、自動駕駛、機器人、科學計算、量子計算、隱私計算、科技倫理和科技可持續發展等領域；騰訊對高性能計算、泛在操作系統、Web3、時空人工智能等前沿數字科技的應用做了預測；在達摩院的預測中，也出現了云原生安全、城市數字孿生和生成式AI等熱門領域；而MIT科技評論則聚焦在了生物科技、環保、科技與工程等領域。

　　作為探路者，這些科技公司和機構都在結合自身實踐和前沿學術的基礎上，給出了對于未來的判斷。去年年初，百度就預言了AIGC將會實現大規模的應用，而今年國內外眾多AI繪畫的火爆也印證了這一點。今年，達摩院2023十大科技趨勢中，也強調了生成式AI將進入應用爆發期。

　　2022年，數字人、AI繪畫、Web3等井噴式的涌現已經讓人興奮不已，翻開日歷上新的一頁，不禁讓人發問：2023年，技術發展的邊界又在哪里？

　　為此，光錐智能從AI、數字化、生物科技、科技與ESG等四個方向，對騰訊、達摩院、百度和MIT科技評論發布的2023年科技趨勢預測進行了梳理。

　　趨勢一：以AI為主線的智能化

　　2022年隨著自動駕駛、ChatGPT、AI繪畫等人工智能技術的火爆，AI開始進入大眾語境。而在百度、騰訊、阿里達摩研究院以及MIT科技評論關于2023年十大科技的預測中，AI技術也被賦予了重要篇章。當然，要推動AI的發展也并不容易，從底層算力到預訓練大模型，再到應用場景，AI的發展將帶動多個產業的變革，具體來看：

　　基礎層：

　　RISC-V架構：

　　由于指令集標準X86和ARM占據著CPU架構主要的市場份額，國內芯片的設計研發被卡脖子一直都是老生常談的問題，但得益于RISC-V 開放標準的興起，我國芯片自主研發逐漸成為了可能。

　　與大多數指令集相比，RISC-V指令集可以自由地用于任何目的，允許任何人設計、制造和銷售RISC-V芯片和軟件，而且RISC-V開源免費，很大程度上降低了芯片設計研發的難度和成本。

　　在大國科技競爭的背景下，我國芯片廠商不斷加碼RISC-V，有望實現彎道超車。數據顯示，在非營利性質RISC-V International組織的19名高級成員中，與我國有關的成員有12名。

　　圖片來源網絡

　　Chiplet：

　　后摩爾時代，由于芯片越來越難以單純靠升級制程實現性能提升，摩爾定律面臨失效危機，因此，高性能、低功耗、高面積使用率以及低成本的Chiplet芯粒技術受到了廣泛關注。

　　簡單來說，Chiplet的原理與搭樂高積木類似，把傳統的 SoC 分解為多個芯粒模塊，將這些芯粒分開制備后再通過互聯封裝形成一個完整芯片。而如何保障互聯封裝時芯粒連接工藝的可靠性、普適性，實現芯粒間數據傳輸的大帶寬、低延遲，是Chiplet技術研發的關鍵。

　　根據達摩院的預測，隨著2022年3月份UCle聯盟的成立，Chiplet互聯標準將逐漸統一，產業化進程將進一步加速。基于先進封裝技術的Chiplet可能將重構芯片研發流程，全方位影響芯片的產業格局。

　　存算一體芯片：

　　隨著AI應用的不斷落地，對于芯片的并行運算、低延遲、帶寬也提出了更高的要求。

　　傳統馮 · 諾依曼體系下運行的計算機通常包括存儲單元和計算單元兩部分，導致計算能力受到限制。而存算一體架構直接將數據存儲單元和計算單元融合為一體，能夠大幅減少數據搬運帶來的功耗損失，同時，也減少了等待數據讀取時的算力浪費，極大提高計算并行度和能效，在VR/ AR、無人駕駛等應用場景中，存算一體芯片具備高帶寬、低功耗的顯著優勢。

　　目前，存算一體已經在不少垂直領域掀起熱潮，在資本和產業雙輪驅動下，基于 SRAM、 NOR Flash等成熟存儲器的存內計算將在垂直領域迎來規模化商用，諸如智能家居、可穿戴設備、泛機器人、 智能安防等小算力、低功耗場景有望優先迎來產品和生態的升級迭代。

　　高性能計算：

　　近些年來，在AI大模型、AIGC、自動駕駛、蛋白質結構預測等各類人工智能應用的驅動下，憑借著在架構、硬件和軟件等方面的迭代和積累，高性能計算跨過了以CPU為核心計算單元的1.0時代，在CPU+GPU的2.0時代實現核心突破，如今，又邁向了“CPU+GPU+QPU”的3.0時代。

　　高性能芯片，是高性能計算的核心技術，上文提到的Chiplet 技術也將在高性能計算、高密度計算等領域發揮著重要作用。

　　量子計算：

　　2022年的諾貝爾物理學獎頒給了“量子糾纏”，讓更多的人認識到量子計算。

　　近些年來，在諸如谷歌、百度等海內外巨頭的推動下，量子計算的技術不斷突破，目前，已經在基礎科學探索、數字經濟、人工智能、信息安全等眾多領域實現應用。據市場研究公司Hyperion Research估計，量子計算市場2022年收入為6.14億美元，預計到2025年達到12.08億美元，年復合增長率為25%。

　　過去一年，量子計算技術已在軟硬件、應用和網絡等關鍵技術方向實現新一輪突破，2022年，百度發布了一臺名為“乾始”的產業級超導量子計算機，并且還發布了名為“量羲”的全球首個全平臺量子軟硬一體解決方案，實現量子芯片“即插即用”。

　　據百度研究院的預測，預計2023年，量子計算核心技術將會持續突破，在人工智能、材料模擬、金融科技、生物制藥等更多領域實現落地，加速產業化進程。

　　模型層：

　　多模態預訓練大模型：

　　從單一的文本-文本、圖片-圖片，到文生圖、圖生視頻，AI預訓練大模型正在從文本、語音、視覺等單模態智能，向著多種模態融合的方向發展。

　　在文生圖領域，以2022年火出圈的Stable Diffusion擴散模型為例，得益于CLIP的加入，使得該模型能夠完成文本特征映射到圖像特征的過程，指導模型生成圖像，并借助擴散模型改善圖像質量。

　　隨著技術發展的不斷成熟，多模態預訓練大模型將朝著能推理、能回答問題、能總結、做創作的認知智能方向發展，加速通用人工智能的演化進程。

　　圖片來源網絡

　　行業大模型：

　　在AI大模型向跨語言、跨任務、跨模態的技術方向演進的過程中，其通用性、泛化性、可解釋性大幅提升。但這還遠遠不夠，技術要進行產業化落地，還需要思考大模型如何與真實場景的需求相匹配。

　　例如，2022年，百度聯合吉利發布的知識增強汽車行業大模型——吉利-百度·文心，該行業大模型使用了百度文心ERNIE 3.0大模型，在2300萬條吉利汽車專業領域無標注數據上進行模型預訓練，實現了大模型在汽車行業的落地應用。

　　隨著大模型技術逐步成熟，訓練能力、核心算子庫和軟件平臺布局不斷完善，運用行業知識增強技術，大模型的能力也將應用于能源電力、金融、航天、傳媒、影視等更多領域。

　　應用層：

　　AIGC：

　　從理解到創造，這是人工智能最顯著的進步之一。

　　得益于近年來大模型在基礎研究尤其是深度學習上的突破，從海量訓練數據中，生成式AI能夠生成全新的數字視頻、圖像、文本、音頻或代碼等內容。比如能夠用于問答、文本寫作、編寫代碼的ChatGPT以及各類文生圖的AI繪畫軟件。

　　在模型開源、算力成本下降等多重因素的加持下，生成式 AI 的商業化初現苗頭，目前，AI繪畫所生成的作品已經開始應用于廣告營銷、視頻制作以及游戲模型制作等多領域。未來隨著生成式AI在認知智能和生成可控性上的進一步提升，生成式 AI 還將進入應用爆發期，極大地推動數字化內容生產與創造。

　　圖片：AIGC繪畫作品《太空歌劇院》

　　城市數字孿生：

　　基于數字孿生技術，打造智慧城市成為了城市建設的主流趨勢。據IDC預測，到2025年智慧城市投資規模將超過千億美元，5年復合增長率超過30%。

　　城市數字孿生自2017年首度被提出以來，受到廣泛推廣和認可。近兩年，城市數字孿生關鍵技術實現了從量到質的突破，具體體現在大規模上。

　　目前，大規模城市數字孿生已在交通治理、災害防控、雙碳管理等應用場景取得較大進展。比如說城市內澇積水，通過對城市高精路網、水網、河道、車輛等實體的三維建模和實時渲染，實現人群疏散引導、交通管控策略、天氣情況影響等全方位策略預案的孿生演練與效果評估。

　　未來，城市數字孿生既作為城市立體化綜合無人系統的研發測試環境，同時也是實現全局感知、全局調度的支撐系統。

　　數字人：

　　2022年初，從中國移動的數字谷愛凌，再到騰訊3D手語數智人"聆語”，冬奧會上數字人的大量使用，讓更多的人認識到了數字人，也為數字人的應用推廣打造了絕佳的契機。

　　在研發層面，得益于AI技術的加入，數字人的開發周期和成本大大縮短和下降；在智能化層面，數字人主要是依靠NLP進行文本驅動，基于NLP大模型的發展，數字人的智能化程度日益提高；在應用層面，目前，數字人在數字化營銷、文娛等領域應用廣泛，伴隨全真互聯時代的到來，數字人將會成為其重要的元素和新入口。

　　雙引擎智能決策：

　　近些年來，隨著外部環境復雜程度和變化速度不斷加劇，在企業的視角下，企業需在紛繁復雜、動態變化的環境中，快速精準地做出經營決策。

　　經典決策優化的局限性在于處理能力不足且反應速度慢，機器學習的缺點在于成本高、學習的效率慢，因此，學術界和產業界開始構建數學模型與數據模型雙引擎新型智能決策體系，彌補了經典決策優化和運籌優化算法彼此之間的局限性。

　　比如打車平臺的派單，利用雙引擎智能決策可以對訂單量、訂單時間、道路狀況等相關數據進行建模分析，以此得出最優決策。

　　未來，雙引擎智能決策將進一步拓展應用場景，在大規模實時電力調度、港口吞吐量優化、機場停機安排、制造工藝優化等特定領域，推進全局實時動態資源配置優化。

　　機器人：

　　在全球人口結構調整、勞動力成本上升的背景下，機器人的重要性愈發凸顯。

　　從供給端來看，AI、大數據和云計算等技術的介入，使得機器人在感知、決策、執行方面的性能大幅提升。

　　其中，在感知方面，觸覺感知是目前機器人感知補全領域的攻關重點。受益于柔性材料的突破性進展，觸覺傳感技術已經在機器人手、觸覺手套、健康檢測設備、智能座艙等領域研發測試。例如協作機器人在末端執行器上安裝的柔性夾爪，能夠對形狀、材質復雜的物品進行分揀和抓取，就像人類的手一樣。

　　未來，隨著機器人ROI的進一步下降，移動機器人、協作機器人等各類機器人將會開始進入工廠、家庭，承擔起降本增效的重任。

　　自動駕駛：

　　2022年，隨著自動駕駛進入城市場景，無論是感知復雜環境、還是處理海量數據的難度都大大增加，傳統小模型無法滿足高級別自動駕駛的要求，因此不少自動駕駛公司開始將Transformer大模型應用到自動駕駛算法當中。

　　而大模型的加入，讓自動駕駛汽車有效擴充語義識別數據，大幅提升長尾問題解決效率，進一步增強自動駕駛感知泛化能力，適應更多出行場景。

　　預計2023年，中國主要城市自動駕駛商業化落地將呈現運營范圍、車隊規模雙增長的趨勢，擁有自動駕駛技術的智能汽車市場滲透率也將有新突破，智能汽車產業從此前的“試水試航”走向“揚帆遠航”。

　　計算光學圖像：

　　伴隨著傳統光學成像在硬件功能、成像性能方面接近物理極限，依托于傳感器、云計算、人工智能等新一代信息技術的計算光學成像應運而生。

　　計算光學成像以具體應用任務為準則，通過多維度獲取或編碼光場信息，為傳感器設計遠超人眼的感知新范式。同時，結合數學和信號處理知識，深度挖掘光場信息，突破傳統光學成像極限。

　　目前，計算光學成像已經在手機攝像、醫療、監控、工業檢測、無人駕駛等領域開始規模化應用。例如在手機攝像領域，手機攝像在相當一部分場景的拍攝效果達到、甚至超過一般單反相機。

　　未來，計算光學成像有望進一步顛覆傳統成像體系，帶來更具創造力和想象力的應用， 如無透鏡成像、非視域成像等。

　　AI賦能科學研究：

　　AI技術在改造產業的同時，也在成為輔助科研的重要力量。

　　1972年，學者Christian Anfinsen提出的蛋白折疊問題——“蛋白質的氨基酸序列應該能完全決定其結構”，讓其成為了諾貝爾化學獎的得主。

　　而這一科研成果背后，少不了AlphaFold模型的助攻。借力AI技術，John Jumper團隊推動著蛋白質結構預測的研究進入了一個新的階段，而AlphaFold等模型的成功讓人們看到，人工智能技術對科學計算產生的巨大影響，也讓AI for Science的概念備受關注。

　　簡單來說，AI for Science就是通過引入AI技術，研究者們開發了科學計算工具，利用模型來解決實際的科研問題。

　　在未來，AI還將改變更多學科的研究范式，在物理、化學、生物、材料學等基礎科學及藥物研發等應用領域大有可為。

　　趨勢二：數字化轉型加快

　　隨著上云業務需求的提升與云計算日趨成熟，具備更高的敏捷性、彈性和云間的可移植性的云原生技術則越來越受到關注。與此同時，全真互聯、元宇宙等概念的興起，也推動著云端算力發展日趨高密以及專用化，計算更為復雜。

　　因此，推動云上構建計算資源豐富和專用的異構計算系統也成為了趨勢。而異構計算對算力提出的高要求，也在基礎設施層面上反推著軟硬件融合的加速。

　　如今，云計算技術已經成為共識，在夯實技術底座的前提下，云計算與各領域深度融合，云原生安全受到重視，在云上成長的數字經濟也在成為一種確定性趨勢。

　　云計算：

　　2022年10月亞馬遜明確提出：從計算存儲到數據庫、數據分析、機器學習，云服務正全面邁向Serverless，幫助客戶最大限度減輕運維工作，并增加業務敏捷性，更好地應對山務的各種不確定性。這也反映出了云計算向精細化、集成化和異構計算持續演進的趨勢。

　　隨著數字安全、隱私合規、資源自主、服務高可用等要求的不斷提升，公有云、私有云、混合云市場的主戰場，具備便捷、專有云等交付模式不斷興起，混合云不斷成為市場的主戰場，具備便捷、可控、可持續等特征的專有云成為新趨勢、新選擇，云上的服務模式也更加精細化。

　　云原生己成為下一代云計算演進方向，Al、大數據等積極走向云原生模式，借助容器、微服務、無服務器等云原生優勢，企業和開發者得以在IT成本優化的條件下實現Al算法高效訓練、大數據應用敏捷開發、程序靈活部署和全生命周期管理。

　　伴隨著全真互聯、元宇宙等概念的興起，服務體驗即時化、輕量化等需求不斷激增，云端算力發展日趨高密以及專用化，加速GPU、FPGA等計算資源的池化，推動云上構建計算資源豐富和專用的異構計算系統。

　　云原生安全：

　　隨著云計算與各領域深度融合，云上快速迭代、彈性伸縮、海量數據處理等特征要求安全防護體系相應升級。

　　云原生安全是依托云原生理念和技術特性對安全體系進行的優化和重構，通過逐步實現安全技術服務的輕量化、敏捷化、精細化和智能化，來保障云基礎設施的原生安全，并形成更強的安全能力。從管理視角、運營視角和用戶視角出發，云原生安全有三方面價值：全鏈路風險可視可控；基礎設施安全運營閉環高效；云上客戶資產全面保障。

　　未來3-5年，云原生安全將更好的適應多云架構，幫助客戶構建覆蓋混合架構、全鏈路、動態精準的安全防護體系。

　　軟硬融合云計算體系架構：

　　云計算的體系架構發展經歷了三個階段，目前，云計算進入第三階段，引入專用硬件，形成軟硬一體化的虛擬化架構，實現了全面硬件加速。

　　傳統的以CPU中心的云計算體系架構受到CPU性能瓶頸的限制，無法應對云上時延和帶寬的進一步擴展，云計算體系架構需要向著軟硬一體化的方向迭代升級。

　　清華大學計算機系副教授任炬認為，軟硬件一體化設計是當前計算架構的重要演進方向，尤其在復雜的云計算場景中，軟硬件的協同優化與迭代升級更是決定其性能提升的關鍵。

　　達摩院預測，未來三年，云計算從以 CPU 為中心的計算體系架構向以云基礎設施處理器(CIPU)為中心的全新體系架構深度演進。在此基礎上，CIPU 將定義下一代云計算的服務標準，給核心軟件研發和專用芯片行業帶來新的發展機遇。

　　端網融合的可預期網絡：

　　可預期網絡是由云計算定義，服務器端側和網絡協同的高性能網絡互聯系統，能夠大幅度提升分布式并行計算的網絡通信效率，從而構建高效的算力資源池，實現了云上大算力的彈性供給。

　　通過云定義的協議、軟件、芯片、硬件、架構、 平臺的全棧創新，可預期高算力網絡有望顛覆目前基于傳統互聯網 TCP 協議的技術體系，成為下一代數據中心網絡的基本特征，并從數據中心的局域應用走向全網推廣。

　　數字化社會下的算力普惠，將持續驅動數據中心網絡向高性能、資源池化的云計算方向發展，這將使網絡可預期技術在未來 2-3 年內發生質變，逐漸成為主流技術趨勢。

　　泛在操作系統：

　　2021年底，工信部印發的《“十四五”軟件和信息技術服務業發展規劃》中也提到，要大力支持開展“軟件定義”及泛在操作系統平臺相關理論和技術研究。

　　泛在操作系統究竟為何如此受到重視？

　　操作系統是計算系統的核心，也是信息產業生態的核心。然而隨著互聯網向人類社會和物理世界的全方位延伸，所需管理的資源復雜度呈指數級增加，簡而言之，計算無處不在，未來網絡化的泛在操作系統所管理的不僅包括主機、PC端、移動終端、物聯終端等不同計算設備，也包括面向新型人機物融合應用場景的各種不同新型計算環境。

　　目前，泛在操作系統發展重點是物聯終端的接入與管控，以及用以支撐包括物聯終端的各類網絡應用開發運行支撐平臺。

　　隨著“人機物”的融合發展，人類社會、信息空間、物理世界的深度融合的泛在計算時代正在開啟，構建一個對下管理各類泛在設施/資源、對上支撐各類場景下數字化與智能化應用的泛在操作系統已成為發展趨勢。

　　圖為泛在操作系統體系框架圖

　　數字辦公：

　　2020年，一場突如其來的疫情讓學生開始上網課、讓居家辦公成為了上班族的日常之一。但當時，或許誰也沒想到，數字辦公會在今天成為主要的趨勢。

　　據遠程工作空間提供商IWG估計，全球70%的員工每周至少遠程工作一次；此外，IDC數據顯示至2023年，全球2000家企業或組織中，70%將采用遠程或混合辦公優先的工作模式。

　　目前，云平臺、音視頻處理、數字協同、數據操作、人工智能、表達渲染基本構建了數字辦公技術棧。同時知識數字化、數字協同工具的廣泛應用也進一步推動數字辦公協同的發展，使得未來數字辦公日益走向“多模態”與“大協同”，并引發知識共創的范式革新。

　　能源互聯網：

　　在新能源轉型的背景下，電網波動性加劇，無法單純憑借電氣裝置達到平衡，需要依靠數字化手段進行調節，數字技術從原本的降本增效轉向，成為實現電網平衡的剛需。因此，當下是軟件定義能源網絡的重要發展契機。

　　軟件定義能源網絡通過綜合運用相關數字技術，支撐業務應用遠程部署，組織方式和運行模式靈活調整，按需定制能源網絡的運行狀態和功能，從而實現軟件定義能源系統。

　　2022年5月24日，英國最大配電公司UKPowerNetworks與美國谷歌旗下人工智能公司Deemind聯合發布英國輸電線路電子地圖新型圖像識別軟件掃描數千張輸電線路圖片轉換電子地圖，以準確顯示全英國輸電線路的空間分布，幫忙項目規劃并指導施工方法，以推動新能源、電動汽車發展。

　　隨著新能源市場發展，軟件定義能源網絡將會成為未來數字化能源系統基礎設施的一個核心，代表著未來能源電力系統、尤其新型電力系統的發展方向。

　　Web3：

　　2021年被業界認為是web3飛速發展的元年，但web3的產業發展才剛剛拉開序幕，隱私和擴容技術突破正在加速應用向Web3遷移。

　　在傳統web1.0、2.0的領域中，由于缺乏統一的身份層服務，用戶的身份數據容易被他人盜取利用，造成用戶隱私泄露。建立一個通用的、穩健的數字身份體系，是未來web3生態中所有用戶的切身之需。

　　以太坊2.0將引入擴容能力，主要目標是提升以太坊的處理能力。2018年，以太坊公布了以太坊2.0的路線圖，路線圖規劃了eth擴容。擴容分兩個大階段，階段一擴展無計算能力分片，結合L2大幅擴展性能，階段二提供計算能力分片，增加L1自身處理能力。

　　由于區塊鏈公開透明、去中心化的特點，給用戶的隱私帶來了很大挑戰。而零知識證明技術可以對用戶的隱私數據進行加密存儲。比如用戶的年齡是否超過20歲，通過零知識證明只能得到是與否，而不能獲得具體數字，實現了在不泄漏任何信息內容的前提下完成對于信息的驗證。

　　總結下來，數字身份成底座、擴容推動應用遷移以及零知識證明價值凸顯是Web3的重要發展趨勢。

　　趨勢三：生物科技造福人類

　　在剛剛結束的2022年里，我們見證了基因編輯技術、豬心臟移植、古代DNA分析等多個生物醫學界的技術突破。這些前沿技術，對于全人類的生命健康都將產生意義非凡的作用。

　　基因編輯：

　　2022年，美國一家生物科技的研究人員在給一位患有心臟病，且有遺傳性高膽固醇風險的女性治療時，使用了編輯工具 CRISPR。CRISPR基因編輯技術常被比作“基因剪刀”，本次試驗中，研究人員替換了患者肝臟細胞的PCSK9基因單個堿基，這種基因可幫助調節低密度脂蛋白膽固醇水平，低密度脂蛋白，也被稱為“壞”膽固醇，水平偏高可能引發動脈硬化，堵塞血管，引發心血管疾病。

　　此前，基因編輯技術主要在罕見病患者身上應用，如果本次試驗成功，基因編輯技術或可廣泛應用于常見疾病的預防，試驗的結果將在2023年公布。

　　按需器官制作：

　　去年1月，馬里蘭大學醫學院成功將豬心臟移植到57歲的男子大衛·班尼特體內，這是全球首例人接受豬心移植手術。

　　值得注意的是，為了防止豬心臟組織過度生長和人體的排異反應，這顆豬心臟經過了基因編輯，去除這些糖分子并添加其他基因，使豬組織看起來更像人的組織。

　　手術后，移植的心臟在幾個星期內表現非常好。一份報告顯示，全球每年大概有200萬人需要器官移植，但供體匱乏一直是阻礙患者進行手術的掣肘。基因編輯技術的出現，也就意味著，那些在器官移植等待名單里的患者有了康復的可能。

　　盡管大衛·班尼特最終于3月8日離世，但這項技術仍然在醫學領域邁出了階段性的一步，打開了人工進行器官制作的大門。

　　古代DNA分析：

　　2022年 11 月，馬克斯·普朗克進化人類學研究所的遺傳學家斯萬特·帕博的相關基礎性研究工作獲得了諾貝爾獎，以表彰他對已滅絕古人類基因組和人類進化的發現做出的貢獻。

　　這位瑞典出生的科學家花了幾十年的時間試圖從4萬年前的骨頭中提取DNA，最終在2010年揭開了尼安德特人的基因組，這對于揭示所有現存人類與已滅絕的古人類之間的遺傳差異，具有開創性的意義。

　　而這一重要發現得益于技術發展下，商業測序儀的進步。

　　據悉，現如今的商業測序儀可以看清受損的DNA，能夠把原來檢測不出來的、非常少量的、殘留的DNA檢測出來，這對于現代醫學研究也具有同樣重要的意義。

　　趨勢四：科技與ESG

　　隨著科學技術的進步與發展，可持續發展、低碳環保等關鍵詞也備受關注。企業在實現技術進步的同時，也需要兼顧社會責任，將ESG理念充分融入到了科技創新中，2023年的技術發展，要從理解ESG走到實踐ESG。

　　電池回收技術：

　　從2014年電動汽車興起至今，第一批電動汽車的電池都已經到了“退休”年限，據不完全統計，2021年退役下來的鋰電池重量已經達到了20萬噸，而到了2025年這一數字將達到了78萬噸。

　　雖然比鉛酸電池造成的污染小，但新能源汽車電池也含有一定的鈷、鎳、銅、錳、有機碳酸酯等，同樣會對生態環境造成污染和破壞。

　　因此，需要電池回收技術將電池的金融溶解并對電池廢料進行分離。目前，有一種新的電池回收方法，能夠對報廢的電池和電池廢料進行分類回收，該回收設施現在可以回收幾乎所有的鈷和鎳，以及超過 80% 的鋰。

　　在環保問題上，全球的態度都近乎一致。海外方面，歐盟最近提出了針對電池制造商的回收法規，在國內，以寧德時代等大型電池公司的子公司為代表的企業也在加緊對于電池回收的布局。

　　隱私計算：

　　無論身處哪個時代，技術的發展往往都是一把雙刃劍。

　　數字技術的在各行業中廣泛應用，也引發了一系列問題：云上的數據是否安全？遇到網絡黑客怎么辦？潛在的新型基礎設施是否安全可靠？數據安全治理和數據要素市場化的重要性和緊迫性日漸上升。

　　如今，隱私計算在金融、通信、醫療、互聯網等領域有越來越多的機構開始自建隱私計算平臺，應用場景不斷拓展和深化，推進各家隱私計算平臺的互聯互通逐漸成為行業新趨勢。

　　可以預見，未來幾年隱私計算技術的應用場景將會不斷推陳出新，隱私計算平臺也會在多個行業成為支撐數據安全治理和數據要素市場化發展的重要基石，有助于塑造兼顧價值創造和安全可信的數據產業。

　　科技倫理：

　　大數據時代，用戶個人的隱私數據泄露、大數據殺熟等“算法黑箱”的現象屢見不鮮，我國政府今年出臺《關于加強科技倫理治理的意見》，向聯合國提交《關于加強人工智能倫理治理的立場文件》，積極倡導“以人為本、智能向善”原則，確保人工智能安全、可靠、可控。

　　在科技倫理上，百度研究院預測，未來在一個高度智能化和數字化的社會，具備可信可控的AI技術能力，將成為企業新的競爭優勢。

　　科技可持續發展：

　　近些年來，在碳中和目標的指引下，高耗能的AI計算也遵循著節能減排和降本增效的演進方向。其中，邊緣計算兼顧了計算的實時性和彈性，能夠減少海量數據的傳輸，節約巨大的數據傳輸和能源成本，未來邊緣計算與5G、AI等技術協同，將助力低碳經濟的發展。先進計算正在從計算理論、架構、系統等多個層面提升現有算力規模、降低算力成本、提高算力利用效率。

　　伴隨著可持續發展理念的不斷深化，邊緣計算、先進計算等“綠色計算技術〞的研發投入和技術突破將會顯著提升，并有望在環保、能源和材料等領域實現落地，提升人類生存環境的質量。

　　星空之外

　　當然，除了上述的四個大方向以外，幫助人類探索太空文明的詹姆斯·韋伯太空望遠鏡也進入了MIT科技評論的2023年“十大突破性技術”榜單。

　　2021年12月，由美國航空航天局、歐洲航天局和加拿大航空航天局聯合研發的紅外線觀測用太空望遠鏡詹姆斯·韋伯太空望遠鏡發射升空。

　　這臺太空望遠鏡專門設計用于探測紅外輻射，使其能夠穿透塵埃，看到宇宙第一批恒星和星系形成的時期以及宇宙大爆炸數億年后的信息，是哈勃望遠鏡的“繼任”。

　　之所以韋伯太空望遠鏡受到廣泛的關注，是因為其能夠看到一些最古老的恒星和星系的形成，幫助人類探索宇宙的奧秘、探尋地外文明的蹤跡。據外媒報道，1月11日，詹姆斯·韋布空間望遠鏡又增加了一項宇宙成就：首次證實了系外行星的存在。

更多信息可以來這里獲取==>>電子技術應用-AET<<