本文經AI新媒體量子位（公眾號ID:QbitAI）授權轉載，轉載請聯系出處。

 2021年，科技發展將往何處去？

這是阿里達摩院從基礎研究、IT技術和生產生活三個方面，給出的10個答案：

量子計算、腦機接口、第三代半導體應用、AI藥物研究、柔性電子材料……

其中，既有學術研究，也有科技應用給生活帶來的變化。

達摩院院長張建鋒，花名“行癲”，在這場趨勢預測中認為，科技與人類正在形成一種新型協作關系。

通過人機協同的方式，人類將從原有的重復、繁瑣、危險的工作解脫出來，更多地投入到開創性、有思想、有創意的工作中去。

這10大趨勢，不僅是2021年科技發展的預測，也是對2020年前沿科技突破的總結。

基礎研究：半導體、量子計算、柔性材料

趨勢1：以氮化鎵、碳化硅為代表的第三代半導體，迎來應用大爆發

半導體材料的發展，經歷了三代變革。

第一代是20世紀50年代的硅、鍺；第二代是20世紀80年代的砷化鎵、磷化銦；第三代則是20世紀末的氮化鎵（GaN）、碳化硅（SiC）。

此前，第一代半導體材料硅的應用最為廣泛，也是一切邏輯器件的基礎，包括CPU、GPU等。

至于第三代半導體材料，雖然具有耐高溫、耐高壓、高頻率、大功率、抗輻射等特性，但由于制造設備與制備工藝的不足，導致多年來一直只能在小范圍內應用。

但隨著近幾年來制備技術的提升，這一局面被打破了。

目前，第三代半導體已經落地應用：新能源汽車利用碳化硅功率器件，提升電能轉換效率，進而提升續航；部分電子廠商推出氮化鎵快充頭……

預計到2021年，工業充電、5G高頻器件、可再生能源和儲能領域的電源，都將迎來第三代半導體的應用爆發。

尤其是高頻高壓應用中，第三代半導體的特性，將讓它取代原有的硅器件。

趨勢2：后“量子霸權”時代，量子糾錯和實用優勢成為核心命題

2020年，是后“量子霸權”元年，其中有兩個里程碑：量子糾錯和實用優勢。

其中，演示“量子糾錯”的系統，必須同時達到多比特、高精度和高連接度，也就是至少需要幾千個高質量、強關聯的比特。

而在“實用優勢”中，則會繼續以模擬物理為主流，冷原子和量子煺火系統等模擬量子計算平臺，將連同數字平臺一起，繼續產生鼓舞人心的進步。

2021年，除了量子位數的提升，這些領域也可能取得進展：

基于新型設計的超高精度超導比特、揚棄目前線性結構的可擴展的二維離子阱……

伴隨量子計算的發展，超導也將迎來新的趨勢：低溫電子學的成熟，將使得龐大和昂貴的室溫電子學開始走向末路。

趨勢3：碳基技術突破，加速柔性電子發展

近年來，碳基材料的制備，取得了突破性進展。

碳基材料，包括零維的富勒烯、一維的碳納米管、二維的石墨烯、三維的石墨及金剛石等。

其中，碳納米管和石墨烯憑借優異的電性能、透光性和延展性，被認為是柔性電子的“天選”材料。

今年，研究人員在8英寸基底上成功制備了高密度高純半導體陣列碳納米管材料，純度可達99.9999%，突破了碳納米管集成電路關鍵的材料瓶頸，也具備了量產的技術積累。

基于這種材料，研究人員還批量制備了場效應晶體管和環形振蕩器電路，性能超越類似尺寸的硅基器件和電路。

與此同時，石墨烯的大面積制備已經實現，被證明具備優異的電學性能。

這些突破，意味著碳基集成電路已經初步具備工業化基礎，“碳時代”即將到來。

IT行業：AI、腦機接口、云原生

趨勢4：AI提升藥物及疫苗研發效率

目前，AI已經廣泛應用于醫療影像、病歷管理等輔助診斷場景，但在疫苗研發、及藥物臨床研究的應用依舊處于探索階段。

來自《Nature》的一組數據顯示，一款新藥的平均研發成本大約是26億美元，耗時約10年，成功率不到10%。

研發周期中，藥物發現的工程量巨大，導致藥品研發的臨床前研究階段，一般需要耗時3至6年。如果將AI與藥物篩選結合，可以大幅度減少化合物篩選的時間消耗。

在疫苗設計和研發領域，AI也將成為有力幫手。

例如，在研發的疫苗中添加化合物，以提升功效、更好地刺激產生抗體的過程，就可以利用AI合成、對比篩選，快速找到優質的候選化合物。

這樣將AI與疫苗、藥物臨床研究進行結合，可以減少重復勞動與時間消耗，提升研發效率，極大地推動醫療服務和藥物的普惠化。

趨勢5：腦機接口，幫助人類超越生物學極限

腦機接口技術，距今已有幾十年的研究歷史，是人類朝著大腦與機器融合目標的一大步。

目前，雖然離實用化還有很遠，但作為新一代人機交互和人機混合智能的關鍵核心技術，腦機接口對神經工程的發展起到了重要的制程推動作用。

這一新技術分為植入式與非植入式，將幫助人類從更高維度空間進一步解析人類大腦的工作原理。

例如，在控制機械臂等方面，腦機接口將幫助提升應用精度，將為神智清醒，思維健全，但口不能言、手不能動的患者提供精準康復服務。

趨勢6：數據處理實現“自治與自我進化”

隨著云計算的發展、數據規模持續指數級增長，傳統數據處理正面臨存儲成本高、集群管理復雜、計算任務多樣性等巨大挑戰。

面對海量暴增的數據規模、復雜多元的處理場景，人工管理和系統調優也捉襟見肘。

因此，以智能化方法，實現數據管理系統自動優化，是未來數據處理發展的必然選擇。

人工智能和機器學習手段，正逐漸被廣泛應用于智能化的冷熱數據分層、異常檢測、智能建模、資源調動、參數調優、壓測生成、索引推薦等領域。

實現數據處理的“自治與自我進化”，將有效降低數據計算、處理、存儲、運維的管理成本。

趨勢七：云原生重塑IT技術體系

傳統IT的開發環境，存在著產品開發上線周期長、研發效能不高等問題。

云原生架構，充分利用了云計算的分布式、可擴展和靈活的特性，更高效地應用和管理異構硬件和環境下的各類云計算資源。

此外，通過方法論、工具集、實踐和產品技術，也能讓IT開發人員專注于開發過程本身。

未來，芯片、開發平臺、應用軟件乃至計算機等將誕生于云上。

如果將網絡、服務器、操作系統等基礎架構層高度抽象化，降低計算成本、提升迭代效率，將能大幅降低云計算使用門檻、拓展技術應用的邊界。

生產生活：農業智能、工業互聯網、智慧運營

趨勢八：農業邁入數據智能時代

傳統農業產業的發展，存在土地資源利用率低、和從生產到零售鏈路脫節等瓶頸問題。

目前，以物聯網、人工智能、云計算等為代表的數字技術，正在與農業產業深度融合，打通農業產業的全鏈路流程。

如果結合新一代傳感器技術，就能讓農田地面數據信息被實時獲取和感知。

而依靠大數據分析與人工智能技術，快速對海量領域農業數據進行處理，還能實現農作物監測、精細化育種和環境資源按需分配。

同時，通過5G、物聯網、區塊鏈等技術的應用，確保農產品物流運輸中的可控和可追溯，保障農產品整體供應鏈流程的安全可靠。

農業將告別“靠天”吃飯，進入智慧農業時代。

趨勢九：工業互聯網，從單點智能走向全局智能

受實施成本和復雜度較高、供給側數據難以打通、整體生態不夠完善等因素限制，目前的工業智能仍以解決碎片化需求為主。

疫情中數字經濟所展現出來的韌性，讓企業更加重視工業智能的價值。

加上數字技術的發展、新基建等因素，工業智能將從單點智能快速躍遷到全局智能。

特別是汽車、消費電子、品牌服飾、鋼鐵、水泥、化工等具備良好信息化基礎的制造業，工業互聯網將貫穿供應鏈、生產、資產、物流、銷售等各環節在內的企業生產決策閉環的全局智能化應用。

趨勢十：智慧運營中心成為未來城市標配

在過去十年時間里，智慧城市借助數字化手段切實提升了城市治理水平。

但在新冠疫情防控中，一些所謂的智慧城市，開始暴露問題，由于“重建設、輕運營”所導致的業務應用不足現象，也尤為明顯。

在這樣的背景下，城市的管理者，希望通過運營中心盤活數據資源，推動治理與服務的全局化、精細化和實時化。

而AIoT技術的日漸成熟和普及、空間計算技術的進步，將進一步提升運營中心的智慧化水平。

在數字孿生基礎上，智慧運營中心將統一城市系統、并提供整體智慧治理能力，進而成為未來城市的數字基礎設施。

在新來的2021年，基礎技術及科技產業，是否會如達摩院所預料一般發展？

我們拭目以待。