【CSDN编者按】1月2日，阿里巴巴发布《达摩院2020十大科技趋势》，十大科技趋势分别是：人工智能从感知智能向认知智能演进；计算存储一体化突破AI算力瓶颈；工业互联网的超融合；机器间大规模协作成为可能；模块化降低芯片设计门槛；规模化生产级区块链应用将走入大众；量子计算进入攻坚期；新材料推动半导体器件革新；保护数据隐私的AI技术将加速落地；云成为IT技术创新的中心 。
新的画卷，正在徐徐展开。未来走势几何？CSDN特邀CSDN博客专家马超，为各位读者略作解读和延伸。
作者 | 马超
责编 | 胡巍巍
出品 | CSDN（ID：CSDNnews）
近些年，总感觉时间过得飞快，2019一转眼，就成过眼云烟。
虽然没能来一场说走就走的旅行，但是世界那么大，总还是要睁开眼睛去看一下。
比如，接下来的2020年，会有哪些黑科技即将占据C位？
笔者将带大家共同来进行盘点。基于本文的词云如下，可作为2020年的关键词参考。
基础科研期待突破
基础学科方面的自主创新，是我们实现赶超、后来居上、跨越发展的根本途径。而且近年来，我们在量子计算、新材料科学等方面，的确令人十分期待。
1．量子计算进入攻坚期
2019年，科技巨头间的“量子霸权”争霸赛，让量子计算这个高深的概念，走入大众视线。
先是12019年10月份，谷歌在《自然》杂志发文称，仅需要200秒，即可完成超算上万年才能完成的计算量。不过这样的结论，随后也遭到IBM等公司的公开反对。
中国在量子计算方面也是成果丰硕，比如近日中科院院士潘建伟教授与德国、荷兰的科学家合作，首次实现20光子输入60×60模式干涉线路的玻色取样量子计算，在四大关键指标上，均大幅刷新国际记录，逼近实现量子计算研究的重要目标“量子霸权”。
由于量子单元并不是简单的0、1态，而是一个相干叠加态，因此容错量子计算和演示实用量子优势，一直是业内期待攻坚突破的里程碑，是量子计算实用化的转折点，想达到其中任何一个都将是十分艰巨的任务。目前，我国量子计算将进入技术攻坚期。
预计2020年，量子计算领域将会经历投入增大、竞争激化、产业化加速和生态更加丰富的阶段。
2. 新材料推动半导体器件革新
目前，主流的经典晶体管制程是7nm，不过由于量子纠缠效应的存在，业内对于3nm以下制程的芯片，普遍持悲观态度。
在摩尔定律放缓、以及算力和存储需求爆发的双重压力下，科学界也在寻求对于经典半导体材料——硅的替代方案。
目前以Bi2Se3、 Sb2Te3、 Bi2Te3为代表的拓扑绝缘体等，能够实现无损耗的电子和自旋输运，使全新的高性能逻辑和互联计算单元的成为可能。
新型磁性材料和新型阻变材料，能够带来高性能磁性存储器如SOT-MRAM和阻变存储器。
考虑到传统半导体材料硅，已经接近潜力极限，再想提高性能，只能在新型材料方面，找到突破口。所以，笔者认为，2020年这方面很可能迎来突破。
3．模块化设计，让天下没有难做的芯片
在2019年之前，中国芯片行业中，流传一句话叫：“除了水和空气，剩下的都是从国外买的。”听起来似乎很夸张，但实际上一点也不夸张。
除技术之外，过高的芯片成本、过长的投资回报周期，都是阻碍行业发展的拦路虎。如何降低芯片成本、以及提高运算效率，是当今各大企业所考虑的首要难题。
2019年乌镇互联网大会上，阿里旗下的平头哥芯片公司，率先开源一款物联网芯片（MCU），笔者已经在《百行代码解读阿里 AloT 芯片平台无剑 100》做过详细解读。
由于传统芯片设计模式，无法高效应对快速迭代、定制化与碎片化的芯片需求。以RISC-V为代表的开放指令集、相应的开源SoC芯片设计、高级抽象硬件描述语言和基于IP的模板化芯片设计方法，推动了芯片敏捷设计方法与开源芯片生态的快速发展。
此外，基于芯粒（Chiplet）的模块化设计方法，用先进封装的方式，将不同功能的“芯片模块”封装在一起，从而可以跳过流片，快速定制出符合应用需求的产品，也进一步加快了芯片交付。2020年，中国在芯片方面的投资，肯定会更进一步加大。那么，这种模块化的芯片设计模式，能否让中国的芯片行业，更上一层楼？这尤其值得期待。
4．AI从感知智能向认知智能方向发展
AI自从AlphaGo出圈以来，它在自然语言处理、图像识别、语音合成等“听、说、看”的感知智能领域达到、甚至超越人类所能达到的水平。但是，我们却只能找到统计联系、而无法找到因果关系。
2016年，李世石对阵AlphaGo第四局的“神之一手”78手，直接导致AlphaGo的崩盘。这不仅体现了人类智慧，也反映出AI感知智能的不足之处。
未来，认知智能将从认知心理学、脑科学及人类社会历史中汲取灵感，并结合扩领域知识图谱、因果推理、持续学习等技术，去建立稳定获取和表达知识的有效机制，从而让知识能够被机器理解和运用，以及让AI能够回答为什么的问题，最终实现从感知智能到认知智能的关键突破。
笔者在参加2019年BDTC大数据年会时就观察到，因果推理等认知智能领域的话题，得到了业内极大关注。
因此，我们也有理由相信，2020年，通过外部知识、逻辑推理或者领域迁移的认知智能，或将迎来突破。
技术发展新趋势
除了基础科研方面的突破，物联网、AI、云计算等新兴技术发展新动向，也同样值得关注，具体如下：
1．物联网+工业的迎来爆发
随着5G的落地、IoT设备数量的爆发、边缘计算概念的提出，使得工业生产的各个要素，得以深度整合。
这将促进制造效率提高、产品质量改善、产品成本和资源消耗的降低，并将传统工业提升到智能工业的新阶段。
从当前技术发展和应用前景来看，物联网在工业领域的供应链管理、生产过程工艺优化、产品设备监控管理、环保监测及能源管理、工业安全生产管理等方面，都发挥了巨大作用，其帮助人类实现了工控系统、通信系统和信息化系统的智能化融合。
通过物联网+方案，制造企业将实现设备自动化、搬送自动化和排产自动化，进而实现柔性制造。同时，工厂上下游制造产线能实时调整和协同。这将大幅提升工厂的生产效率、及企业的盈利能力。
对产值数十万亿、乃至数百万亿的工业产业而言，提高5%-10%的效率，就会产生数万亿人民币的价值。所以，物联网+工业，必将在2020年迎来爆发。
2．AI+物联网，使机器间大规模协作成为可能
传统单体智能，无法满足协调大规模智能设备共同完成实时感知和决策等工作。但随着物联网协同感知技术、5G高速通信技术的发展，多智能体之间的协同合作，将会成为可能。
多智能体协同，将使物联网进一步智能化，并进一步强化智能系统的价值。比如，大规模智能交通灯调度，将实现动态实时调整；仓储机器人协作，将完成货物分拣的高效协作；无人驾驶车可以感知全局路况；群体无人机协同，将高效打通最后一公里配送，超大规模的智能终端合作成为可能。
3.计算存储一体化，突破AI算力瓶颈
目前，深度学习需要采用规模非常庞大的网络、存储很多参数以及完成大量计算。同时，在这些计算过程中，会生成大量数据。
为完成这些计算，芯片设计中，会增加很多运算单元，如几千到几万个运算单元。随着运算单元数目的增加，每个运算单元能够使用的存储器的带宽和大小都在减小。因此，存储器会成为计算瓶颈。
由于深度学习并不属于通用计算的范畴，冯·诺伊曼（John von Neuman）架构的存储和计算分离，已经不适合数据驱动的人工智能应用需求。
频繁的数据搬运，导致的算力瓶颈以及功耗瓶颈，已经成为更先进算法探索的限制因素。类似于脑神经结构的存内计算架构，将数据存储单元和计算单元融合为一体，这样能显著减少数据搬运，提高计算并行度和能效。而计算存储一体化，在硬件架构方面的革新，也将突破AI算力瓶颈。
4．云服务下沉，成为新十年的基础设施
笔者在《神龙飞天，国士王坚》中，曾经介绍过在阿里神龙服务器和飞天操作系统的加持下，阿里、乃至整个云服务中的虚拟化层，所带来的损耗，正在被不断降低。
云服务凭借其标准化、弹性化的优势，使得用户只需专注应用开发，无需关注基础设施及基础服务。
而且，通过云原生的资源交付方式，计算效率、易用性、用户的计算和运维成本都会得到优化。可以说，云服务变得像电力和自来水一样无处不在，它还会成为数字经济时代基础设施。
来自于技术的关怀
技术本身，不全是冷冰的。很多新兴技术，也会带来一定的人文关怀，比如：郑州不孕不育医院:http://www.zzchyy110.com/
1.保护数据隐私的AI技术将加速落地
数据流通所产生的合规成本越来越高。使用AI技术保护数据隐私，正在成为新的技术热点，其能够实现在保证各方数据安全和隐私的同时，联合使用方实现特定计算，解决数据孤岛、以及数据共享可信程度低的问题。这样，不仅可以实现数据价值，还能避免数据泄露风险。
2.规模化生产级区块链应用将走入大众
2020年，除了央行基于区块链的数字货币，很可能会进行试点以外，随着BaaS（Blockchain as a Service，区块链即服务）将进一步降低企业应用区块链技术的门槛。
专为区块链设计的端、云、链各类固化核心算法的硬件芯片等，也随着国家大力扶持应运而生。而这会帮助我们实现物理世界资产与链上资产的锚定，进一步拓展价值互联网的边界、实现万链互联。
之前区块链发展过于偏向于虚拟化，而通过正本清源，目前区块链产业发展，也越来越贴近实体经济。
当下，BAT等头部企业，在区块链方面的专利储备非常雄厚。2020年，肯定会涌现大批创新区块链应用场景以及跨行业、跨生态的多维协作，日活千万以上的规模化生产级区块链应用，将会进入寻常百姓家。