简介：中公时事政治频道改版国内国际时事政治热点，并获取时事政治热点、时政模拟题、时事大事记及时事政治热点汇总等。今天我们注目--时政热点：2020中国科技发展新趋势。5G、自动驾驶、神经网络系统、人工智能芯片、区块链等前沿技术日新月异2020新的科技趋势，听得专家怎么说人工智能从感官向理解演变◎浙江大学计算机科学与技术学院副院长、浙江大学人工智能研究所所长吴飞：人工智能是引导这一轮科技革命、产业变革和社会发展的战略性技术，具备阻塞带动性很强的头雁效应。

当前，新一代人工智能正在全球范围内蓬勃发展，增进人类社会生活、生产和消费模式极大变革，为经济社会发展获取新的动能，推展经济社会高质量发展，加快新一轮科技革命和产业变革。我们也必需具体，人工智能在赋能应用于同时，于是以面对浪子无人区极大挑战，如感官智能适应性劣、理解机理未知、标准化智能发展力弱等。从感官智能向理解智能迈向以彰显机器推理小说之术、由机器分开已完成单一任务并转成机器相互协作来已完成城市级简单愿景、对隐蔽在数据这一人工智能燃料引擎中的隐私不予推崇以推展数据共享、有机协商存算能力来密码冯诺伊曼架构中内存墙桎梏，都是推展新一代人工智能发展的有力抓手。◎清华大学计算机系副主任唐杰：人工智能发展到今天大约经历了三个主要的阶段：符号推理小说与感知机、概率自学与知识库、深度自学与科学知识图谱。

目前的智能系统在感官方面早已超过甚至打破人类水平，但在可解释性、安全可靠等方面还不存在很多严重不足。反观人的理解系统则有所不同，理解理论指出人的理解系统包括两个子系统：System 1即直觉系统，主要负责管理较慢、无意识、非语言的理解，比如当人被问及一个问题的时候，有可能潜意识的或者说习惯性的问，这就归属于System1的范畴。System 2是逻辑分析系统，是有意识的、带上逻辑、规划、推理小说以及可以语言表达的系统。

人在通过System 2处置问题的时候，往往要搜集涉及数据、展开逻辑分析和推理小说，最后作出决策。今年在NeurIPS 2019大会上图灵奖获得者Yoshua Bengio认为当前的深度自学主要就在做到System 1的事情，而缺乏System 2所必须的推理小说和逻辑处置能力。

发展具备理解能力的人工智能系统是人工智能发展的未来。这不仅是未来深度自学必须侧重考虑到的，更加有可能是下一代人工智能蓬勃发展的基础。一个不切实际的思路是理解图谱=科学知识图谱+理解推理小说+逻辑分解，但如何构建理解智能亟须学术界和工业界的更进一步深入研究。◎中科院自动化所模式识别国家重点实验室研究员王金桥：人工智能最先是在1956年明确提出的，最先明确提出是期望机器具备人的感官、行动、推理小说与决策的能力，而随着时代的进化，目前从研究领域谈，期望机器需要享有自律的智能，机器在数据与场景的基础上，不仅需要替换人类重复性的劳动，同时需要和人一样展开自我演化、思维，从感官智能向理解智能展开改变，同时自律演化和混合智能的发展也在不断完善和成熟期，这是目前人工智能领域对人工智能新的定义，未来很长一段时间都会是人机混合智能阶段。

当今，城市于是以沦为产业互联网仅次于的应用于场景，随着5G、人工智能和大数据等技术的不断完善与场景化落地，人们看见了更加多的发展前景。以城市视频多维数据为核心，融合智能社区、轨道交通、医疗、教育等多种场景，各行各业大力利用多种前沿技术，大大减缓创意，建构城市级的数据平台，超越有所不同场景的数据孤岛，打造出面向城市智能的数据湖、算力中心和AI赋能平台，并构建城市智能的大大升级，构建城市智能的自律演化，打造出新一代的智能城市。基于智能城市的自律演化模型，构建科学知识和数据牵头优化的人机混合智能，借以驱动城市管理和管理决策，构建服务城市规划、政务、产业、民生的价值输入。

随着人工智能、边缘计算出来、芯片等技术发展，能从视频中萃取的有价值的内容不会更加非常丰富、较慢和精确，视频数据终将沦为未来城市管理核心数据之一。而且持续减少的海量数据的累积，也给智能城市计算出来带给了极大的挑战，因此海量视频数据实时性末端边云的融合计算出来、自律演化、人机混合智能沦为城市数据管理关键，通过深层应用于价值和行业数据融合应用于构建智能城市建设。工业互联网与产业融合◎中科院自动化所模式识别国家重点实验室研究员王金桥：人工智能显技术和算法的投资机会早已过去，目前机会在场景和技术融合的碎片化深度应用于阶段。目前推展人工智能发展的是市场需求与场景，当今时代的较慢发展，场景与市场需求再次发生着变化，传统产业成本高、效率较低、招工难等弊端的频密曝露，推展着传统产业智能化升级的脚步，将机器自动化不仅需要提升产业发展的效率，更加可以构建产业的升级换代，构成新的业态，促成新的经济增长点。

比如，在传统纺织行业，人工智能就起着了很好的推展起到。该行业原本的生产力低落，主要原因在于原本的纺织技术多半仍旧依赖传统手工生产、制作及检验。

人工验布的缺点是精度较低、速度慢和招工难，所以数字化、智能化的改建势在必行。计算出来存储一体化突破人工智能算力瓶颈◎清华大学宽聘为教授尹首一：总结集成电路发展历程，存储器芯片的发展速度近高于处理器芯片的发展速度，两者之间的缺口仍在大大拉大，存储墙沦为制约处理器性能更进一步提高的主要瓶颈之一。这一问题特别是在对访存密集型任务影响尤为显著，以深度神经网络为代表的AI算法刚好具备访存密集的特点。

从物理本质角度来讲，加深计算出来部件与存储部件的距离，增加单位数据运送的成本，是解决问题存储墙问题的显然手段。近存计算出来、遗内计算出来和存算融合都是解决问题存储墙问题的有益尝试。近年来，涉及技术百花齐放、百家争鸣，尚能归属于竞争前技术。

在新的器件、新的机理、新的电路、新的架构方面的突破，将未来将会带给颠覆性变革。◎复旦大学微电子学院教授韩军：在冯诺依曼架构下，存储墙即中央处理器和存储器之间的性能鸿沟仍然是后遗症计算出来系统的瓶颈问题。

对于人工智能这类海量数据所驱动的应用于，传统架构的缺失更为暴露无遗，其算力几乎受限于访存比特率，同时总体功耗因计算出来与存储之间的高带宽数据流动而急遽攀升。将数据存储和计算出来互为融合的存内计算技术是解决问题这一困境的重要途径，它将沦为突破AI算力瓶颈的关键抓手之一。传统架构的优势是其比较成熟期的工具链和可信的设计流程，因此构建遗内计算技术在AI芯片上的广泛应用还必需更进一步侧重发展还包括算法框架、编译器、仿真器、电路设计与器件模型在内的整套技术体系。

模块化减少芯片设计门槛◎清华大学宽聘为教授尹首一：当前集成电路技术和产业于是以处在关键变革窗口期：一方面，摩尔定律经过五十余年高速发展后不可避免地遭遇物理无限大，生产工艺递归越发较慢;另一方面，云计算、物联网和人工智能费伊大量碎片化、自定义化应用于市场需求。传统集成电路设计产业模式以执着量大面广为目标，未来小步试错、较慢递归将沦为最重要趋势。

开源IP核、Chisel语言以及芯粒(Chiplet)技术在有所不同层次上沦为构建芯片灵活研发的使能技术。开源IP核减少了芯片设计的转入门槛，Chisel语言提升了硬件抽象层次，而芯粒则为系统级芯片设计获取了崭新途径。特别是在是未来随着异质构建、三维构建等技术的成熟期，摩尔定律将在全新维度上以求沿袭。

◎中科院计算所研究员包在云岗：纵观处理器设计方法发展历程，正是一个将处理器芯片设计大大模块化、解法耦化的过程。每一次设计方法的变革都大幅度提高设计效率，不仅减少芯片设计门槛，同时也孕育出新的世界领军企业。例如，1980年的无晶圆厂(Fabless)模式是将设计与生产解法耦，减少了设计门槛，从而孕育出nVidia、Xilinx等企业;IP核+SoC构建模式是对芯片设计阶段的更进一步解法耦，孕育出ARM、高通等一批世界级企业。

如今开源芯片、灵活设计、Chiplet等一系列新的芯片设计方法与模式开始较慢发展并互相融合构成化学反应，未来将会在未来更进一步对芯片设计展开解法耦，提升芯片模块的适配度，从而延长芯片设计周期、减少芯片设计成本。未来当芯片设计的门槛构建数量级地减少，将有可能政治宣传IT技术开发模式当软件工程师通过几个月研发出有新的软件功能，芯片设计工程师迅速之后能构建出有适当的加快芯片，从而构成更加高效的软硬件协同的解决方案。芯片设计门槛的减少，也将有助人才的培育，有助获释芯片产业的创意活跃度，更有更加多资本投放，从而兴旺整个产业。◎复旦大学微电子学院教授韩军：周期长、效率较低且容易递归确保显然是传统芯片设计模式的痛点，灵活设计方法和开源芯片技术将持续推展芯片的设计方法学和适当产业生态环境的变革。

通过使用高度模块化和高度抽象性的硬件建构语言(例如伯克利研发的Chisel或斯坦福研发的Spatial)，需要较慢已完成芯片原型的搭起，从而面临市场大大变化的市场需求构建性能的尽早评估和设计的递归优化。另一方面，RISC-V开源指令架构在全球的很快推展早已促成了开源芯片的生态系统。各类SoC芯片在RISC-V的赋能下可以较慢研发出来，从而很快符合多样化的应用于市场需求。今后应当更进一步强化开源芯片社区的基础设施建设，产学研各界获取更好的技术赋能，使上下游企业都能获益于新的芯片设计模式。

同时努力实现产教融合，利用新模式开放度低、实践性强劲的优势大力培育芯片设计的优秀人才。规模化生产级区块链应用于步入大众◎中国人民大学大数据区块链与监管科技实验室主任教授杨东：2019年，区块链产业的发展关上了极大的想象空间。

区块链应该用来解决问题实际问题，服务实体经济，产生社会价值。当前，区块链技术应用于已伸延到数字金融、数字政府、智能生产、可靠司法、供应链管理、社会民生建设等多个领域。

在所有技术中，区块链相比人工智能、大数据等其他技术，它的关键优势在于需要改建和提高原有的生产关系，沦为数字经济下的基础设施。对区块链技术的推崇，不仅是对其本身技术特征的尊崇，堪称应该做到技术革新带给的制度变革契机，更进一步注目区块链金融创新与国家管理的有机融合。◎复旦大学经济学院教授李洁明：数字经济活动发展加快，必须各行业因应更加高效和半透明。动态、可靠、极低交流成本的区块链技术刚好符合了数字经济企业的上述现实市场需求。

云+区块链技术的发展也减少了传统企业向区块链转型的门槛。区块链规模化应用于并步入大众显然可期。

新材料推展半导体器件革新◎中科院物理所特聘研究员沈洁：2020年，我预计新材料将推展半导体器件革新：20世纪90年代科学家在实验上顺利作出首个量子比特，人们找到之前玄而又玄的量子比特竟然能构建，这引发学术圈很大震动。借助微纳米器件制备工艺的变革，科学家们找到人工操纵电子早已在技术层面上不具备了可行性。2019年，谷歌43个量子比特的构建，从某种程度上来说，构架起一个从实验室南北工业化的桥梁，给了我们一个将实验室基础科研成果和工业集成化体系展开高效率融合的范本。流形材料是过去十年凝聚态领域里的一颗璀璨明珠，它使得凝聚态这门较为古老的学科绽放出有了新生，以求在21世纪各种新概念和新的科技的夹击下之后仰天会师。

它也引领了一种理论指导实验的研究方式。将它与量子计算出来融合，是1+12。流形量子计算出来，未来将会沦为2020年后十年的潜力科技。

本文来源：天博综合官网-www.dycehua.com