2024 版计算2030

2024版 计算 2030 构建万物互联的智能世界 前言 十年前，人类进入ZB[1]数据时代，移动互联网、云计算、大数据刚刚起步；今天，这些技术已经深刻地改变人类社会，计算发挥了前所未有的作用。 2030年，人类将迎来YB[1]数据时代，对比2020年，通用算力增长10倍、人工智能算力增长 4000倍[2]。数字世界和物理世界无缝融合，人与机器实现感知、情感的双向交互；人工智能无所不及，帮助人类获得超越自我的能力，成为科学家的显微镜与望远镜，让我们的认知跨越微小的夸克到广袤的宇宙，千行万业从数字化走向智能化；计算能效将持续提升，走向低碳计算，帮助人类利用数字手段加速实现碳中和目标。 未来十年，计算将帮助人类跨入智能世界，这是一个波澜壮阔的史诗进程，将开启一个与大航海时代、工业革命时代、宇航时代等具有同样历史地位的新时代。 3 目录 01 宏观趋势06 02 未来计算场景08 2.1更聪明的AI09 2.2更普惠的AI11 2.3更纵深的感知13 2.4超越现实的体验15 2.5更精确地探索未知17 2.6更准确地模拟现实18 2.7数据驱动的业务创新19 2.8更高效的运营效率20 03 计算2030愿景及关键特征22 3.1智能认知23 3.1.1生成式AI23 3.1.2自动自治AI26 3.1.3类脑智能27 3.1.4知识计算28 3.2内生安全29 3.2.1数字信任与隐私29 3.2.2AI安全可信32 3.2.3新计算范式安全34 3.3绿色集约36 3.3.1计算芯片工程36 3.3.2DCasaComputer38 3.3.3跨域算力网络41 3.4多样性计算43 3.4.1数据为中心的计算43 3.4.2应用驱动的多样性计算45 3.5多维协同46 3.5.1立体计算46 3.5.2数字孪生49 3.6物理层突破52 3.6.1模拟计算52 3.6.2非硅基计算53 3.6.3光交换与光互连54 3.6.4新型存储介质54 04 计算2030倡议56 附录A：参考57 附录B：缩略语58 附录C：致谢61 01 宏观趋势 计算经过半个世纪的发展，已经深深地融入了人类的生活和工作。未来到2030年，计算作为智能世界的基石，将持续推动社会经济发展和科学进步。 面向2030年，中国、欧盟、美国等均将计算作为战略方向重点布局。在中国十四五规划和2035年远景目标纲要中，将高端芯片、人工智能、量子计算、DNA存储等作为强化中国的战略科技力量；在欧盟《2030数字指南针：欧洲数字十年之路》中，计划到2030年，75%的欧盟企 业将充分运用云计算、大数据或人工智能，打造欧盟首台量子计算机；而美国，则再次提出“无尽前沿”，借助法案和拨款，推动美国在人工智能、高性能计算&半导体、量子计算、数据存储和数据管理技术等领域的领先性研究。 2030年，AI成为新质生产力，大模型成为智能底座，使能千行百业，全方位丰富人们的衣食住行，物理（具身）智能将跨越鸿沟，在自动驾驶和人形机器人领域规模落地；数字世界和物理世界无缝融合，人与机器实现感知、情感的双向交 互，计算具备模拟、还原、增强物理世界的能力，超现实体验将驱动计算走向边缘，云与边缘、边缘与边缘、虚拟与现实多维协同计算；科学探索的边界将不断扩展，带来算力需求的快速增加，未来将出现100EFLOPS[2]级的超级算力和智能的科学研究新范式；碳中和目标驱动计算走向绿色，未来将更好地匹配绿色能源和业务体验。 计算所依赖的半导体技术逐步接近物理极限，计算将迎来创新的黄金10年，软件、算法、架构、材料的创新和突破将开启智能、绿色、安全的计算新时代。预计2030年，全球数据年新增1YB；通用算力增长10倍到3.3ZFLOPS@FP32，人工智能算力增长4000倍，2030年达到864ZFlops@FP16。 02 未来计算场景 更纵深地感知 更准确地模拟现实 更精确地探索未知 食智慧农业 企业智能控制设备 生产仿真100倍精度 企业风洞仿真 医AI新药探索 企业基于GAI仿真 永无止境的探索 更纵深地感知 生态监测海洋预测 企业地震预测 气象 AI自动驾驶 行AI智慧交通 生产机器人 能源智慧能源 海量城 数据 智慧城市 更普惠的AI 超越现实的体验 无处不在的感知无所不及的AI 普惠算力 更高的运营效率 数据驱动业务创新 源源不断的创新 智慧交互 医虚拟世界/元宇宙 AR/VR 企业算力挖掘数据价值 10倍的新业务开发 精细化的资源使用 企业AI软件定义的运营低碳DC AI精准医疗 医AI药物筛选 教育个性化教育 2.1更聪明的AI 人工智能的发展经历了起起伏伏，算力、算法和数据迎来了巨大的提升，ChatGPT的问世推倒了通往AGI的多米诺骨牌，大模型成为智能时代的基础设施，Scalinglaw未来几年持续有效，AI将跨过奇点，再次迎来爆发期。 行：AI智慧交通 智能交通领域，通过摄像头、雷达、气象传感器等采集各种数据，边缘完成车辆识别、交通事件识别、路面状况识别，生成局部路段的全息数据，并在云端形成城市级道路数字孪生，实现车道级实时路况、历史路况的全息呈现。通过云端策略计算，可以对每辆车、每条道路生成不同的交通指令，指挥车辆、调节交通信号，从而更高效、低碳的完成出行。预计 2030年，全球道路上的电动汽车、面包车、重型卡车和公共汽车数量将达到1.45亿辆。每辆汽车行驶中产生的数据（一辆车平均每天行驶2小时，行驶中每秒上传的压缩数据将从现在的10KB升至1MB，10万辆车智能网联汽车每天需要传输的数据量大约为720TB）需要在汽车与城市之间频繁进行数据交换，借助智慧交通基础设施的海量数据存储和分析能力，城市通勤时间将得到大幅提升（日均通勤缩短15-30分钟），交通事故和汽车对城市碳排放量也随之大幅降低。以计算为核心，持续支撑交通的数字化升级和智慧化管理。大交通从“运力”时代进入到“算力”时代是历史的必然选择，“算力”带来的交通安全、效率、体验的提升，必将释放出新的生产力，推动社会经济的发展。 行：自动驾驶 高阶自动驾驶将成为绝大多数汽车的标配，随着AI技术的提升，数据飞轮不断迭代，自动驾驶技术在加速发展，人的智慧和驾驶经验将被更敏捷准确地转移到汽车上，实现更类人的智能驾驶，让人类出行更美好。 L3将大规模商用，L4甚至L5技术取得突破性进展。全自动的数据标注系统提升数据飞轮速度，效率较人工提升千倍甚至万倍，尤其可以完成人类不能标注的BEV等视频数据标注。从感知、预测到规控，基于一个大模型底座做到多任务一张网，逐渐过渡到端到端一张网，在无边界探索中找到自动驾驶的边界。车路协同将辅助自动驾驶，车辆与道路基础设施、其他车辆及交通管理系统进行实时通信和协作，从而提高行驶效率，减少事故。智能驾驶算力需求增长会远超摩尔定律，随着自动驾驶级别的不断提升，算力需求不断增长，到2030年自动驾驶汽车的单车算力将超过5000TFLOPS，云端算力需求超过200EFLOPS。 城：智慧的城市 城市占据全球2%的面积，居住着超过全球50%以上的人口，消耗了全球2/3的能源、排放了70%的温室气体（250多亿吨二氧化碳）。城市的智慧化治理成为实现城市可持续发展的 必然选择。智慧城市中的物联网传感器则持续生成城市运行的环境数据，未来，每一个物理实体都将有一个数字孪生，如城市楼宇、水资源、基础设施等将组成城市数字孪生，实现更加智能的城市管理。城市智慧治理将带来100倍的社会数据聚集，实现高效城市治理。 智慧能源基础设施借助数据的保存和分析能力将城市能源消耗中供需二者协调到一个系统中，以实时数据处理来实现城市能源的高效调度。例如：通过城市能源的消耗数据绘制出城市实时能效地图，动态监控能源的使用情况，再针对性的进行能源调度，将居民高峰用电平均需求减少15%以上。 城市中每个居民息息相关的气象、海洋、地震等公共服务，背后也是依赖大量的数据计算处理。通过更多元、更大量的城市及自然环境数据，智慧公共服务将可以更好地预测天气、海洋和地震对城市生活的影响，从而使城市在面对极端事件时更具韧性。每个居民还可以通过这些智慧化的公共服务，结合自身地理位置等信息，以定制化的信息判断气候或突发事件对自身的影响。 数据是智慧城市高效运作的核心要素，如何对生成的海量数据进行有效管理和使用是智慧城市发展绕不开的主题。 2.2更普惠的AI 以大模型为代表的AI技术全面进入人们的生活，彻底丰富人们的衣食住行，让我们更高效的思考、创作、学习，让优质稀缺的资源变得更加容易获得，大幅提升生活质量和工作效率。 医：AI精准医疗 世界卫生组织估计到2030年，将出现1000万卫生工作者的短缺，人工智能将为人类应对这一挑战提供有力的帮助，大幅提升医疗服务的质量和效率，增强患者体验，一定程度上弥补医疗资源短缺，缩小不同地区医疗服务的差距，降低高昂的医疗费用。 AI在医疗领域的应用将无处不在，覆盖诊断、治疗、护理等各个环节，AI在医学影像分析中的应用将更加深入，AI利用先进算法分析患者数据，自动识别早期疾病迹象，AI通过医疗大模型和基因组学，为每位患者提供个性化医疗方案，通过数字医生为远程患者进行咨询与诊断，通过AI机器人进行手术辅助。 医：AI药物筛选 AI将更加透明，不再是一个黑盒，不仅会告知 结论，同时也会告知如何得出结论的，让人类明白AI的思考过程，和人类建立彼此的互信。有了这样的基础，AI就可以在更广的范围内发挥更大的作用，帮助人类完成复杂的任务，比如：进行抗病毒药物筛选，AI会告诉我们选出药物的原因，而不是只给出一个药物列表（通常情况下，如果我们只是看到一个结果，将很难做出决策）。 教育：个性化教育 人类训练人工智能的过程，同时也是认识自己的过程，人工智能使得认识人类的智能、人脑的规律变得更加重要，进而重新认识教育、改革教育[3]。未来人工智能将改变人类自己的学习、认知的过程。如人工智能教员通过精细化地分析学生的行为、习惯、能力等，制定个性化的教学内 容、计划和教学方式，学生的学习潜力将得到极大的挖掘，接纳新知识更多、更容易。 AI通过情感识别技术，能够识别学生的情绪状态，提供相应的心理支持和辅导，有助于学生的心理健康和整体发展。AI不仅促进了教育的个性化和公平性，还支持了学生的全面发展和终身学习。 2.3更纵深的感知 预计到2030年，全球联接总数将达到两千亿，传感器的数量达到百万亿级，传感器持续不断地从物理世界采集数据，温度、压力、速度、光强、湿度、浓度等，为了让机器人具备“视觉、触觉、听觉、味觉、嗅觉”，需要更加多维的感知能力。数据量、时延等原因决定了产生感知的计算在边缘完成，边缘将具备智能的数据处理能力，例如模仿人类大脑工作的模拟信息处理技术等。未来，大量感知计算将在边缘完成，处理大约80%的数据。 感知智能让海量数据的采集、分析成为可能，让更多的行业获得感知自我的能力，并通过云 端的数字孪生与物理世界形成协同，驱动行业的数字化创新。 食：智慧农业 全球粮食安全关系到社会稳定，但是农业面临重大挑战，诸如劳动力短缺，土壤退化，水资源缺乏，频繁的极端天气（干旱、洪水、飓风等）对农业造成严重威胁等。未来将建立和完善天空地一体化的智能农业信息遥感监测网络，互联网、物联网、大数据、云计算、人工智能等现代信息技术与农业深度融合，具备农业信息感知、定量决策、智能控制、精准投入、个性 化服务的全新农业生产方式将逐步实现。智慧农田、智慧大棚、智慧养殖、智慧种植、喷药无人机等对边缘AI计算有广泛的需求。农业智能传感与控制系统、智能化农业装备和农机田间作业自主系统将加快发展农业电子商务、食品溯源防伪、农业休闲旅游、农业信息服务水平，农业将迎来全方位全过程的数字化、网络化、智能化改造。 企业：智能控制设备 人工智能技术将在生产系统中高度普及，融入企业作业各个环节，这将带来工厂作业模式、人员配置、部门区域协同等一系列的升级。未来10年，人工智能技术将