2020年，全球经济社会陷入诸多不确定性，可能会让很多人对未来产生疑惑。
然而，同样在2020年，智能技术将继续渗透到千万个行业和我们的生活中；在“新基础设施”的号角下，各行业数字化、智能化升级明显加快；从抗疫防疫到复工复产，人工智能技术已经显示出巨大的价值潜力。
了解未来的科技趋势可能永远不会像今天这样重要。
今天，研究院发布了2021年十大技术趋势预测。希望清晰的技术路标能引领我们迎接智能时代的新机遇和新航程。
03:43▲本视频由AI自动剪辑。只需一键进入新闻图文内容链接，其他所有视频制作流程均由AI自动完成。
加速AI融合落地
AI将更深入公共生活。
2020年，全球抗疫推动AI与5G、大数据、物联网等新一代信息技术融合。AI测温、AI问诊、智能外呼、服务机器人等创新应用开始大规模普及，从生活的方方面面支撑抗击疫情。
后疫情时代，AI将与交通、能源、制造业、农业等基础产业进一步融合，促进复工复产，推动社会经济发展。同时，远程办公、在线教育、在线咨询等模式还将继续，并成为未来的新常态。AI不仅助力工业经济，也逐渐渗透到人们的生活中。预计AI将被大规模用于解决民生问题。
数字人和虚拟人会大量出现。
在服务业大放异彩
让机器具备像人一样理解和思考的能力，需要整合语言、语音、视觉等多模态信息。知识图谱和深度学习技术增强的跨模态深度语义理解，使AI具备了持续学习的能力。
在此基础上，结合三维建模、情感识别、智能推荐等技术创造的数字人和虚拟人，能够看、听、说，与人自然交流。2021年，数字人、虚拟人的生产门槛将进一步降低，大规模应用于互联网、金融、电商、医疗等行业，为客户带来专业、贴心的服务。媒体也将迎来众多AI虚拟主播，“二次元”的创造力和想象力结合对现实世界的感知和交互能力有望大放异彩。
科学成为人工智能应用的新领域
生物计算已经成为一个新的研究热点。
面对突如其来的全球性疫情，病毒检测和疫苗研究的每一秒都可以挽救无数生命。但是，了解病毒的分子结构，尤其是蛋白质和RNA，是一个极其复杂的过程。
在疫情期间，LinearFold和LinearDesign等算法显著提高了RNA二级结构预测和mRNA疫苗基因序列设计的速度。AlphaFold 2在CASP14蛋白质结构预测竞赛中的成绩也表明，AI有望大幅提高大分子结构预测的准确率和效率。AI、生物计算与病毒研究、疫苗研发等生命科学基础研究领域的结合将迎来爆发。
除了基础研究，AI还将进一步融入新药研发的全链条，包括靶点发现、新兴化合物发现、先导化合物发现和优化等。，从而大大缩短新药研发周期，降低新药研发成本，提高医学诊断的准确性和效率，让人类在面对健康问题时更加主动。
加快交通运输行业转型
“数字交通运营”将是关键驱动力。
AI和5G技术将与交通运输深度融合，成为交通运输发展的新引擎。
Robotaxi车辆在没有安全员的情况下正常运行有望成为现实，以智能语音交互和车路协同信息服务为特色的“智能驾驶舱”将成为汽车的主流标准。
基于“新基础设施”发展的交通数字化改造和智能化改造，将加速传统交通向数字化、网络化、自动化的“新交通”转变。同时，数字化的知识和信息将成为智能交通系统的关键生产要素。未来ITS将从强调建设向建设与运营并重转变，“数字交通运营服务商”将成为推动ITS高质量发展的关键力量。
人工智能芯片和轻量级模型加速智能渗透到边缘。
物联网的发展迎来了新机遇。
边缘是一个复杂的概念，从简单的传感器和嵌入式设备到手机、机器人和高度复杂的自动驾驶汽车。
随着AI芯片提供更专业化的边缘计算能力以及模型提取等技术的发展，轻量级模型将越来越多地部署在小型边缘设备中，支持离线和在线场景，并为用户提供定制服务。
技术渗透到边缘，几乎会影响所有行业。随着对边缘智能应用的需求不断增加，预计具有AI功能的边缘设备和在边缘处理的数据的数量将继续快速增长。
无监督学习成为基础支撑技术。
促进AI多领域技术融合，提高跨模态理解能力。
深度学习模型依靠大量的标记数据来获得优异的性能。无监督学习是一种不需要人工标注数据帮助的学习方法，是AI下一步发展的重要方向之一。
利用无监督学习对不同模态的数据进行预训练，共享跨模态信息以提高跨模态理解将成为一种趋势。形成的先验知识还可以帮助小样本学习快速推广到新的任务，帮助AI技术应用到更广泛的领域，值得进一步探索。
提高AI机器对现实的理解
服务机器人将拥有更多物理交互能力。
随着AI对数据、行为、运动学的分析和理解的逐渐成熟，机器与人在现实生活复杂场景下交互的可行性和安全性将得到提升。机器人将被赋予更多的物理交互能力，可以为人做简单重复的日常工作。
会有更多的酒店应用服务机器人实时响应客房需求，自动送货。服务机器人可以完成的任务将更加精细和多样，比如帮助老人从冰箱里取食物或冲泡饮料，避免与其他物体或正在屋内锻炼的人发生碰撞，以及在主人外出时帮助整理房间。
量子创新的理念深入人心。
推动直接量子计算相关产业发展。
量子科技创新的重要性和紧迫性将得到社会各界的广泛认同，这将进一步推动量子计算相关软硬件产业的快速发展。
量子硬件的性能将进一步提高，相应的，将诞生一批具有实用价值的量子算法，来真正展示这些量子硬件的优势。基于云、面向服务的软件成为趋势，逐步实现与硬件的深度融合，逐步开放和输出量子计算能力。量子计算、AI、云计算也将继续深度融合，碰撞出新一轮的火花。
随着量子生态雏形的逐渐形成，越来越多的政府机构、高校和科技公司将开始量子计算领域的战略规划和系统布局，为量子计算时代做好充分准备。
社会对构建负责任的人工智能的需求正在上升。
科技型企业推进落地实践
人工智能的发展需要遵循一定的基本原则，如以人为本、公平包容、可解释、透明可追溯、隐私安全等，这已成为国际社会人工智能伦理和治理的基本共识。
AI伦理学将推动智能应用的发展从获得用户的关注转向促进用户的福祉。2021年，从技术落地的角度来看，AI模型的可解释性和鲁棒性会有更多的进展，视频合成技术的“矛”与“盾”之争会愈演愈烈。隐私保护计算也将加速其在组织间的应用，为释放数据价值提供安全和隐私保障。同时，近年来深度学习的快速发展也大大增加了能耗。未来人工智能的发展将更加注重选择性操作，追求经济、社会和环境的可持续发展。
人工智能基础设施创新促进产业人才培养
AI普及加速
要让AI普及，需要人们平等便捷地获取AI能力，这就需要在算法、算力、数据等AI基础设施和人才上的持续投入。
以深度学习框架为核心的开源平台，大大降低了AI技术的开发门槛。自动化深度学习、少代码或无代码的AI开发平台将进一步发展，AI开发所需的专业技能将不断降低。AI的大规模应用和对更多计算能力的需求，将带动AI芯片的新一轮增长，帮助AI突破当前的计算能力瓶颈，更加普遍地释放AI计算能力。高质量的数据可以有效提高理解应用场景的能力。安全的定制化数据方案、优化的数据采集和标注、健全的数据元市场体系，将推动AI在各个子领域的应用。此外，AI的普及离不开人才，无论是研究型还是应用型人才，AI素养的培养都不可或缺。相信随着科技公司进一步推动AI产教融合，各行业会涌现出更多既懂AI技术又懂AI场景的产业复合型人才。
再见2020，你好2021。
在科技的发展中，我们可以继续拥抱无数的可能性。
新的一年，我们将继续加强技术的积累和探索，推动从个人到社会，从生活到生产的智能化变革。
祝2021年，我们志存高远，发展智能未来。
研究所介绍
研究院是一个专注于人工智能前瞻性基础研究，探索技术前沿方向的研究团队。首席技术官王海峰也是院长。研究院下设大数据实验室、商业智能实验室、生物计算实验室、认知计算实验室、深度学习实验室、量子计算研究所、机器人与自动驾驶实验室、安全实验室、硅谷人工智能实验室等9个实验室/研究院，聚集了数十位世界级专家。研究院的研究领域几乎涵盖了AI的所有领域，从底层基础到感知和认知技术，开展了深入的跨领域研究合作。强大的实力使其能够持续引领技术发展潮流，推动AI时代的基础技术进步。
