導語：
本報告提出2023年中國科技與IT十大趨勢：“多云混合”向“一云多態(tài)”進化;云基礎從軟件優(yōu)先到軟硬兼施;更多云產(chǎn)品將以Serverless形式交付;預訓練大模型作為AI基礎設施加速應用;AIGC在概念爆發(fā)后進入產(chǎn)品化嘗試;數(shù)據(jù)采集由單點走向泛化;工業(yè)數(shù)字孿生加強物理與虛擬空間交互;數(shù)智反向融合，形成以智養(yǎng)智的正反饋;數(shù)據(jù)和應用將進一步實現(xiàn)無感知閉環(huán);“數(shù)字碳中和”從概念走向市場。
趨勢一：“多云混合”向“一云多態(tài)”進化
分布式云加速發(fā)展，云能力從“中心輻射”到“傳遞下發(fā)”
“多云混合”為企業(yè)當前用云常態(tài)，但各類云部署模式間資源調度、協(xié)同管理、能力共享等均存在挑戰(zhàn)，導致“多云混合”容易呈現(xiàn)“多云孤島”狀態(tài)。以“東數(shù)西算”工程為代表的云基礎設施升級和以“分布式云”為代表的云基礎架構升級將有效解決上述問題。通過統(tǒng)一基礎架構，并借助系統(tǒng)化的云網(wǎng)邊端設施，降低云能力從中心到邊緣的“衰退”，驅動云能力的“無損”下發(fā)，實現(xiàn)體系化、融合化的云服務。一云多態(tài)將更好地滿足傳統(tǒng)行業(yè)復雜場景、邊緣場景的業(yè)務需求，加速云計算向傳統(tǒng)行業(yè)滲透。預計2025年，傳統(tǒng)行業(yè)將成為云市場主導，金融、工業(yè)、汽車等細分行業(yè)將持續(xù)擴大云支出。
趨勢二：云基礎從軟件優(yōu)先到軟硬兼施
為進一步釋放數(shù)智平臺能力，云廠商需提升基礎硬件資源質量
在數(shù)字時代，軟硬件產(chǎn)品“交替迭代、互為支撐”的循環(huán)上升特征廣泛適用云服務、人工智能、物聯(lián)網(wǎng)等數(shù)字行業(yè)。
以云服務為例：云計算在平臺軟件及應用軟件領域已通過云原生理念和工具逐步實現(xiàn)優(yōu)化，但為更好地支持數(shù)字化的深入發(fā)展，底層硬件亦需要加速變革以更好地釋放軟件能力，支持業(yè)務創(chuàng)新。
算存網(wǎng)資源作為加速數(shù)字化進程的關鍵“燃料”，通過將軟件能力卸載到硬件產(chǎn)品(采用Chiplet等芯片架構設計、利用RDMA實現(xiàn)網(wǎng)絡加速、結合NVMe實現(xiàn)存儲加速等)不僅將降低硬件虛擬化損耗，還能有效減少業(yè)務進程中算存網(wǎng)資源調度的內(nèi)耗，進而提升資源利用率，讓云資源更好的服務于核心業(yè)務。同時，底層硬件逐步完成升級替換，將進一步驅動上層大數(shù)據(jù)及人工智能平臺更好地支持業(yè)務創(chuàng)新。
趨勢三：更多云產(chǎn)品將以Serverless形式交付
All-on-Serverless理念進一步向AI、中間件等模塊滲透
在過去幾年，函數(shù)即服務(FaaS)成為Serverless事實上的核心產(chǎn)品形式，同時數(shù)據(jù)庫、大數(shù)據(jù)等基礎軟件或能力平臺也已被云廠商列入自身Serverless產(chǎn)品矩陣中。而隨著客戶對自動化能力的更高追求，Serverless理念進一步向容器、中間件、文件系統(tǒng)、人工智能、云視頻、云通信等諸多模塊滲透，與FaaS一起打包成為端到端的云軟件開發(fā)套裝，形成了“All-on-Serverless”的云產(chǎn)品迭代浪潮。未來，企業(yè)幾乎所有業(yè)務都可基于Serverless架構，免去客戶部署、維護和管理應用，按需觸發(fā)執(zhí)行、擴縮容和付費，使客戶進一步聚焦核心業(yè)務，敏捷搭建業(yè)務模塊，無限逼近于零運維成本及零資源浪費。
趨勢四：預訓練大模型作為AI基礎設施加速應用
提速AI工業(yè)化進程，為AI開發(fā)效率加杠桿，倍數(shù)釋放生產(chǎn)力
依托智能算力基建化、海量數(shù)據(jù)積累與治理、深度學習算法突破等，作為一種新興的AI計算范式，超大規(guī)模智能模型(又稱預訓練大模型)的泛化性和通用性不斷提升，可應用到更廣闊的下游任務及場景中解決AI應用的長尾問題;并且能夠實現(xiàn)AI模型研發(fā)-部署-應用的流程標準化提升，提升AI應用研發(fā)效率。AI的認知與應用是沒有邊界的，僅靠極少量的AI科學家和AI技術企業(yè)無法推動整個物理世界和數(shù)字世界的智能化。預訓練大模型的加速應用有望解決“為AI開發(fā)效率加杠桿，倍數(shù)釋放AI生產(chǎn)力”這一產(chǎn)學研界關注的核心問題。
2022年，語言大模型與產(chǎn)業(yè)應用的銜接也日漸緊密，行業(yè)領軍企業(yè)積極推出適合具體業(yè)務場景的行業(yè)大模型。通過提供算力、核心算子庫和軟件平臺一體服務，幫助企業(yè)將基礎模型能力與生產(chǎn)流程融合，與頭部客戶合作推廣落地案例。未來，預訓練大模型作為面向AI模型生產(chǎn)的基礎設施將加速應用;而鞏固智能算力基建、提高模型與業(yè)務場景目標適配度、基于調用成本明確投入產(chǎn)出的平衡點等是其規(guī)模商用的優(yōu)化方向。
趨勢五：AIGC在概念爆發(fā)后進入產(chǎn)品化嘗試
提升數(shù)字化內(nèi)容生產(chǎn)質效，變革人機交互體驗
2022年，一幅由Midjourney生成的AI畫作《太空歌劇院》橫空出世，AI生成圖片開始在社交平臺瘋狂傳播;熱潮未退，2023年初，ChatGPT(Chat Generative Pre-trained Transformer)又使AIGC這一概念徹底出圈。AIGC是一種全新的內(nèi)容生產(chǎn)方式，是利用現(xiàn)有文本、音頻文件或圖像創(chuàng)建新內(nèi)容的技術。其使用機器學習算法，從數(shù)據(jù)中學習要素，一般基于跨模態(tài)大模型打造，包括基于素材的部分生成和基于指令的完全自主生成和生成優(yōu)化。得益于真實數(shù)據(jù)積累和計算成本下降，可幫助生成數(shù)字化內(nèi)容初稿，產(chǎn)品包括AI繪畫、平面設計、對話系統(tǒng)、虛擬數(shù)字人、搜索引擎、代碼生成等，提高了數(shù)字化內(nèi)容的豐富度、生產(chǎn)效率與創(chuàng)造性;類人的交互體驗和全民參與性則跨越式提升了C端消費側對于AI的感知，進一步拓寬了市場對AI商業(yè)價值的想象空間。未來，隨著多模態(tài)等底層模型進步和垂直模型優(yōu)化，AIGC技術將進入技術產(chǎn)品化加速爬坡期，擴展更多的商用領域。
趨勢六：數(shù)據(jù)采集由單點走向泛化
泛化數(shù)據(jù)采集加速提升數(shù)據(jù)處理方式的精準性與高效性
傳統(tǒng)的數(shù)據(jù)采集方式通常針對特定場景與目的，獲取數(shù)據(jù)的渠道與手段相對單一，數(shù)據(jù)采集量不充足。隨著物聯(lián)網(wǎng)設備的普及和互聯(lián)網(wǎng)應用的拓展，數(shù)據(jù)量呈現(xiàn)指數(shù)級別的增長，為泛化采集提供基礎。數(shù)據(jù)維度向多樣化、復雜化的轉變，同步提升了采集數(shù)據(jù)的難度與不確定性。傳統(tǒng)的數(shù)據(jù)采集方式已無法適配當前企業(yè)對全面、豐富的數(shù)據(jù)需求，影響了企業(yè)對數(shù)據(jù)自身價值的高效利用。結合物聯(lián)網(wǎng)系統(tǒng)、Web系統(tǒng)和傳統(tǒng)信息系統(tǒng)的泛化數(shù)據(jù)采集形式可以擴大采集樣本數(shù)量，擴充數(shù)據(jù)維度多樣性，有利于多領域行業(yè)及時應對實際場景應用中的未知情況。泛化數(shù)據(jù)處理難度的提升催生了數(shù)據(jù)處理、分析方式的進化，以機器學習為主的智能技術，在獲取數(shù)據(jù)進行模型訓練與優(yōu)化的同時，通過發(fā)揮數(shù)據(jù)挖掘、數(shù)據(jù)可視化等功能，反哺企業(yè)更好的對采集數(shù)據(jù)進行預測與控制。泛化采集數(shù)據(jù)需兼顧采集數(shù)量與采集質量，如果能對被采集數(shù)據(jù)的用途進行前置化判斷，可大幅降低后續(xù)數(shù)據(jù)處理的工作量，實現(xiàn)采集與應用效率最大化。
趨勢七：工業(yè)數(shù)字孿生加強物理與虛擬空間交互
提升工業(yè)數(shù)字孿生診斷預測能力，推動業(yè)務全流程閉環(huán)優(yōu)化
工業(yè)數(shù)字孿生基于數(shù)據(jù)與工業(yè)機理模型的集成融合，構建虛實雙向交互的閉環(huán)優(yōu)化系統(tǒng)，在虛擬環(huán)境中對生產(chǎn)過程、生產(chǎn)設備的控制來模擬現(xiàn)實環(huán)境的工業(yè)生產(chǎn)，其三大特征是全生命周期實時映射、綜合決策和閉環(huán)優(yōu)化。
未來工業(yè)數(shù)字孿生將更加注重虛實融合的應用，推動“由虛擬實-由虛映實-虛實互映-由虛控實”的孿生閉環(huán)。現(xiàn)階段工業(yè)數(shù)字孿生的應用普遍聚焦在實時監(jiān)測管控、虛實相映階段，尚未邁向診斷分析、預測優(yōu)化階段。中短期內(nèi)，加速落實“由實向虛的真實映射”，空間維度上將由部分孿生對象間的簡單關聯(lián)，向多孿生對象間的自動化、智能化的協(xié)同共進發(fā)展;時間維度上將由孿生對象關鍵生命周期單獨孿生的碎片化應用，向“生產(chǎn)→報廢”全生命周期孿生應用發(fā)展。中長期內(nèi)，將不斷沉淀工業(yè)機理模型以推進“由虛向實的準確模擬”，構建面向物理對象精準化映射的孿生對象模型，形成綜合決策并反饋，達到診斷分析乃至預測優(yōu)化的目的，推動工業(yè)全業(yè)務流程閉環(huán)優(yōu)化。
趨勢八：數(shù)智反向融合，形成以智養(yǎng)智的正反饋
AI開始反哺數(shù)據(jù)治理，進一步促進人工智能進入小場景
十年來，以深度學習為代表的人工智能是基于數(shù)據(jù)的，高質量的數(shù)據(jù)是人工智能良好應用的前提條件。在這種情況下，數(shù)據(jù)科學家、數(shù)據(jù)分析師等不得不把大量的時間和精力用于數(shù)據(jù)的準備工作，也即常說的臟活。
這種現(xiàn)象在因為規(guī)模化程度不夠，進而導致分工不徹底的小場景中尤為明顯。如此，高級人才的大量時間其實在做低級工作，ROI不高，人工智能難遍地開花。
未來，這一情況將有所改善：第一，預訓練大模型已經(jīng)在一定程度上減少所需的數(shù)據(jù)樣本;第二，數(shù)據(jù)治理本身也是一個發(fā)現(xiàn)規(guī)律的過程，人工智能已對該過程開始反哺。未來隨著模型通用性的進一步增強、交互方式的日趨簡單，這種人工智能對數(shù)據(jù)治理的反哺作用將越來越明顯，數(shù)據(jù)治理將逐漸變成人工智能為主、人工為輔。
趨勢九：數(shù)據(jù)和應用將進一步實現(xiàn)無感知閉環(huán)
應用數(shù)據(jù)自動治理落入數(shù)據(jù)層，數(shù)據(jù)分析嵌入到事務型應用
信息化時代，應用產(chǎn)生數(shù)據(jù)，但一來這些數(shù)據(jù)并未打通，二來受制于當時技術條件無法進行低成本大規(guī)模的分析。這些痛點，促使了后來以數(shù)據(jù)打通為核心的中臺建設，和以數(shù)據(jù)分析為核心的數(shù)智模型構建以及BI。數(shù)據(jù)如何能更廣泛地賦能業(yè)務應用，而應用層產(chǎn)生的數(shù)據(jù)如何自動流入數(shù)據(jù)層并自動化地被治理，即數(shù)用一體，將關系到企業(yè)數(shù)字化建設的整體ROI，也成為接下來的重點。數(shù)用一體，強調的并非是數(shù)據(jù)和應用的緊耦合，而是指兩者應形成動態(tài)閉環(huán)。HTAP數(shù)據(jù)庫、湖倉一體、低零代碼、GraphQL、敏捷BI及基于NL2SQL的即席搜索、流程挖掘等技術將助力數(shù)用一體的不同環(huán)節(jié)，而數(shù)據(jù)安全、人工智能等，貫穿于幾乎每一個環(huán)節(jié)。未來：①業(yè)務人員通過低零代碼創(chuàng)建的應用，數(shù)據(jù)自動治理且落入數(shù)據(jù)層。②數(shù)據(jù)分析會更少以獨立的形式存在，而是嵌入到應用中，并直接賦能一線業(yè)務人員。
趨勢十：“數(shù)字碳中和”從概念走向市場
綠色低碳日益滲透市場環(huán)境，逐步成為數(shù)字產(chǎn)業(yè)增量新動力
自從2020年我國提出“雙碳”目標，綠色低碳逐漸從理念走向政策、制度和市場，綠色化和數(shù)字化協(xié)同發(fā)展成為重要舉措和重要趨勢。從宏觀政策環(huán)境來看，國家部委多部門引導數(shù)字化綠色化協(xié)同發(fā)展落向實處;從資本市場來看，交易所、監(jiān)管機構日益重視企業(yè)綠色低碳責任，大規(guī)模碳中和基金也開始頻出;從市場需求來看，政府綠色采購進一步夯實，不同行業(yè)綠色供應鏈建設從概念走向實踐。
對于數(shù)字產(chǎn)業(yè)和數(shù)字廠商而言，綠色低碳發(fā)展有望推動行業(yè)升級發(fā)展，一方面是綠色低碳驅動以數(shù)據(jù)中心為核心的數(shù)字技術產(chǎn)品升級，另一方面綠色低碳有望帶來新的數(shù)字化業(yè)務機會。
