導讀：那些看起來不食人間煙火的高逼格科技，正在以超出預料的速度滲透到我們生活、生產、服務中。那么，這些技術在即將到來的2018年將會迎來怎樣的命運走向？這里有最權威的2018年科技趨勢預測。

隨著物聯網技術、量子計算、邊緣計算、自然語言處理、區塊鏈、自動駕駛等前沿技術的不斷滲透，科技圈已經按耐不住對其在2018年發展趨勢、應用方向的期待了。今日，阿里巴巴與今日頭條聯合發布2018年科技趨勢預測。

來自全球不同領域的15位科學家，對其所在領域的前沿技術如何度過2018年、如何影響世界、影響社會生活給出了相關預測。

施堯耘

量子霸權或將實現，落地應用任重道遠

回顧2017，科技圈的從業者很容易舉出幾個超越性的成就，如我國潘建偉團隊研制出世界首臺超越早期計算機性能的光量子計算機，而國際巨頭IBM、谷歌和Intel都將目標直接鎖定在了“量子霸權”級別的49量子位的量子糾纏，并制定了較為詳細的推進計劃表。

一切看似都樂觀繁榮，你是否天真的以為，那些久未解決的計算難題，生物難題、超級計算、金融預測等....就能很快迎來量子計算來通關了？阿里云量子實驗室首席科學家施堯耘給出的預測告訴你，這個質的飛躍來的沒那么容易。施堯耘認為，量子霸權、算法多元、量子密碼應用會是2018年量子計算的三大趨勢。

2018年量子計算的第一幕高潮應該是“量子霸權”。

多個超導，甚至可能有離子阱團隊將紛紛宣稱實現經典計算機無法模擬的量子處理器來。而經典模擬能力可能在新的理論突破下大大提升， 重設霸權之爭的起點。 

量子算法、路徑之爭將百花齊放

今年可能見證第一個拓撲比特的誕生。而其他如超導、離子阱等方向顛覆性新思想的種籽可能會在今年無聲地落地 。量子軟件因為門檻低，將會繼續蓬勃發展。量子算法的論文會百花齊放，但大多數不過是組合拳。

在量子保密通信方面，量子的保密性能和經典密碼的高下較量將會愈演愈烈。

一方面，經典密碼苦修多年 “后量子密碼學“，終于把秘籍練到實用，大顯抵抗量子攻擊的能力和不需任何額外投入的成本優勢。 另一方面，作為對策，小型、廉價的量子密碼產品可能在今年出現， 叩開近距離量子密碼規模化市場。

蔣國飛

見證IoT應用大爆發、區塊鏈將實現跨鏈價值

物聯網圈是一個盛產“元年”的圈子。有人說2017年是AI爆發“元年”、區塊鏈元年、物聯網爆發元年，螞蟻金服副總裁、技術實驗室負責人蔣國飛認為，在2018年，我們可能會真正見證IoT應用的大爆發。

傳感器融合、數據處理進入新層次

受益于IoT市場的爆發，用戶體驗空前提高，但傳感器的融合以及由大量傳感器帶來的數據運算和處理，會成為新的課題。

邊緣計算的價值進一步凸顯

大批前端IoT傳感數據處理的需求會推動邊緣計算的快速實現。巨量的、分布式的和輕小IoT設備對整個系統安全管理帶來空前挑戰。在2018年，圖像，視頻和語音等交互技術的進展能讓機器更加“懂”你。更多的生物特征識別技術將取代密碼。隨著傳感器數量的爆發式增長，大量的IoT數據前所未有的把物理世界映射到虛擬網絡中，結合數據挖掘和人工智能技術，能夠讓我們更精確的了解這個世界和我們自身。

區塊鏈將實現跨鏈價值

2018年業界會持續高度關注區塊鏈技術發展。在金融服務和供應鏈管理等場景中，一些區塊鏈應用會從概念性證明階段（PoC）落地到實際商用系統。越來越多的傳統行業會思考已有商業模式，擁抱嘗試區塊鏈技術。共識機制和網絡決策等核心技術發展會持續改善區塊鏈系統的性能和規模。在比特幣和以太坊后，會出現第三代區塊鏈技術架構。零知識證明等方面的進展會改進區塊鏈系統上的安全和隱私模型， 進一步解決互信和隱私的矛盾。此外，在多個平臺共存的情況下，跨平臺多鏈互聯，實現跨鏈價值轉移和數據交換會成為區塊鏈技術的一個重點。

朱勝火：消費類與商業類AI應用雙雙爆發

AI在技術上取得的長足進步，過去的兩年內不斷刷新著人們的認知。而達摩院機器智能實驗室研究員朱勝火認為，在應用方面,AI也將迎來消費領域和商業領域的雙重爆發。

不同的領域應用其實不盡相同。

朱勝火認為，2018年AI應用將會出現兩個趨勢：首先是面向消費者的AI技術（智能音響、翻譯機等）繼續蓬勃發展，其次是商業的AI技術從邊緣走向核心。

那么這項技術在發展落地的過程中，將會遇到哪些挑戰呢？朱勝火認為主要來自四個方面：

• 邊緣智能的發展要解決在受限環境下對模型的優化與計算能力的提升，這兩部分是要聯合起來繼續優化才有質的突破。

• 復雜決策的智能一部分可以用增強學習解決，但很多商業核心決策是非常復雜的，需要方法來學習行業專家的決策以及迭代提升機器決策。

• 提升AI技術與人的交互體驗，狹義上的人機交互，廣義上也反應在政治經濟倫理安全上，包括機器智能的“歧視”問題，機器決策的責任可解釋可述源。

• 因AI人才培養滯后帶來人才等商業成本上升，AI的ROI面臨高估風險。

李航

智能語音將更智能

在智能音箱作為爆款智能家居單品走紅的2017年，人們在使用的過程中不斷體驗著人工智能技術，尤其是語音識別精度和速度的提升。那么作為核心技術支撐，NLP（自然語言處理）在2018年將會有哪些突破呢？

今日頭條人工智能實驗室總監李航認為，2018年NLP（自然語言處理）將在翻譯、問答、對話等幾個方面繼續取得巨大進步。大膽預測，未來一年對話系統將能更好地理解人類語言，更自然地與人類通過語言交互。 對話方面令人震撼的突破可能來自以下幾個場景。

• 一是實現多系統對話（multi-systems dialogue）：多個對話系統集體與用戶進行對話，共同完成一項任務。比如，多個不同的問答系統， 協同回答用戶的問題，幫助用戶更好地找到答案。

• 二是實現多媒體中的對話（dialogue in multi-media），人通過自然語言發出命令，同時做出示范性動作；機器人通過對命令以及對視頻中動作的理解，快速學習如何完成一個任務。比如，教機器人如何開門。

• 三是實現模仿語言學習（imitation language learning）：人為對話系統做出一定的示范，在什么樣的場合下用什么樣的自然語言進行對話，對話系統能夠很快地學到對話的策略。比如，人類客服指導對話系統提高對話技巧，使系統能很快地在一個新領域承擔自動客服任務。

司羅

機器閱讀理解將首次小幅超越人類

機器學習是人工智能技術中非常重要的一個分支。在過去的認知中，機器學習對于結構化數據的處理掌握是十分順暢的，然而對于思考、表達、復雜、閱讀理解、情感分析判斷方面，似乎沒辦法對費結構化數據很好應對。那么，在2018年這個局面會得到改善嗎？

量變而無質變理解與思考仍路漫漫

達摩院機器智能實驗室NLP首席科學家司南認為，2018年初，我們機器閱讀理解技術（精準匹配）首次小幅超越人類，這個里程碑讓研究人員看到了希望。但對于機器“能理解會思考”的終極目標來說，這只是萬里長征的開始。遷移學習等技術的大量使用會催生更多好成績，語言學知識或知識庫知識在機器翻譯模型中被更好的整合，單語語料和可比語料會更多用于稀少資源語言的翻譯中； 信息抽取技術會從純文本通用類型信息抽取更多走向富媒體（文字，表格，圖片等）和垂直領域的信息抽取。可以預見，未來人類會習慣機器在更多特定領域的“超人”成績，但機器短期內達到人類思維的深度和廣度還有待時日。

鄢志杰

人機交互將擺脫形式束縛，貼近交流本質

人機交互現在的應用局勢還被束縛于“機器人”與人、智能音箱與人等固定形式，未來，人機交互的形式將會有什么豐富化？

達摩院機器智能實驗室語音技術總監鄢志杰認為，從2018年開始，人類與機器的交互方式將開始徹底擺脫任何形式的交互界面，變得更接近人與人的交互。這背后是對聽覺、視覺、觸覺，甚至味覺等多模態技術的全面融合。

機器將能感知到人類在語氣語態、肢體動作、面部表情等更豐富的表達方式，從而更智能的理解人類的意圖。生活空間、交通空間、工作空間將是三個首先落地領域。

謝炎

智能硬件將厚積薄發

隨著物聯網技術的發展，人與人的交互、人與物的交互、物與物的交互將越來越豐富，不再受制于移動互聯網時代的手機為主流。因此，更多實用的智能硬件將出現爆發，這個爆發只是量的增長，還是融合了身份地位的上升？這里有預測。

AliOS首席架構師謝炎認為，2018年移動互聯網時代將正式結束。越來越多帶麥克風、攝像頭、屏幕或更多傳感器的智能終端將出現，并具備聯網、交互、語音、視覺等能力，向泛AI化靠攏，很多工作、娛樂生活不需要通過手機完成，AI智能硬件設備的活躍量將迎來爆發式增長。

2018年人們花費在單一終端設備上的時間將大幅下降，智能手機用戶活躍時長或將出現近年來的首次負增長。與之形成對比的是，包含智能手機在內的智能終端設備總量將繼續增長，用戶在線時間將更加碎片化。

李磊

計算機視覺將融入大量硬件和服務中

當越來越多的圖像處理、視覺處理需求擺在物聯網巨大市場前，從業者怎能不去提升技術實力，落地實際應用呢？

今日頭條人工智能實驗室總監李磊認為，2018年，攝像頭、紅外攝像、麥克風、陀螺儀加速計等多傳感器的協同分析會大大提高對場景、空間定位、人物、動作、意圖的理解。隨著手機、電視、音箱、耳機、手表等各種終端計算能力的加強，理解人物行為的能力今年會有很大希望移植到端上，從而做到實時理解與視頻創作。

機器學習方面今年的一個趨勢是，不僅僅優化模型性能，而且會在訓練和推理過程中引入反饋和人工修正，在人機協作智能（human-in-the-loop machine learning），交互式機器翻譯方面(Interactive machine translation) 今年會有更多方法嘗試優化模型與人的實時反饋動作，最終達到更好的綜合性能。基礎研究會有更大突破，逐步解開深度學習的黑箱，提高機器學習模型的可靠性、穩定性以及可解釋性。

王剛

中國的自動駕駛極有可能超越美國

自動駕駛這項涉及眾多行業的產業近年來進展飛速，無論是整車制造、技術公司、法律法規，都對其進展速度密切觀望。那么，千呼萬喚的自動駕駛上路和無人駕駛到來在2018年有望嗎？

阿里巴巴AI labs杰出科學家王剛認為，2018年會是自動駕駛大面積鋪開的一年。從應用場景上來看，任意道路上的L4自動駕駛（無人駕駛）仍然面臨很大的挑戰，而低于L3級的自動駕駛（輔助駕駛），并不能脫離人的接管和操控。因此在限定場景的無人駕駛會在2018年率先落地。

由于政策對人工智能行業的大力支持，未來幾年內，中國的自動駕駛極有可能超越美國。人類并不是未來車輛的司機，他們是“貴重的貨物”。從行業趨勢來看，越來越多的研發資源會被投入到改善綜合的交通環境中，即感知和理解更廣的交通場景的人，車，物，以及它們的行為。

聶再清

智能家居入口之爭將逐漸明朗

阿里巴巴AI labs杰出科學家聶再清認為，2018年一個非常清晰的趨勢是，智能語音助手隨著智能音箱和IoT設備的普及進入人們的日常生活。

過去10年，移動互聯網時代帶來的最典型的社會現象是低頭族變多，智能手機將在線與離線的界限變得模糊，物理世界通過手機這個入口，開始被數字化重構，這是虛擬世界的“原始積累”階段。未來10年將是人工智能的時代，智能語音助手會在2018年迅速進入人們的生活，作為用戶在虛擬數字世界的”替身”，幫助人類處理大量重復性的工作，讓大家有更多的時間來進行創新。

2018年，自然語言處理技術還將在與用戶的海量交互中自我迭代，使得AI可以更自然的使用人的語言和人類進行交流，并更精確的接受和理解需求，這將進一步帶來社會創造力和生產力的解放。未來人類會越來越習慣與物理世界對話，預計五年內人機語音交互頻次將超過觸控交互頻次。

漆遠

螞蟻金服首席數據科學家

2018年，人們對AI會更關注落地，大家的關注點會從下圍棋和圖像識別等比賽型活動慢慢轉移到用AI真正解決世界面臨的問題。在這個背景下，不少AI創業公司會面臨挑戰。但大浪淘沙下會有活下來的創業公司，這些公司和成功轉型的“傳統”企業可能會成為未來的產業領導。金融行業，作為一個和數據與信息密不可分的行業，會受到AI浪潮的更大更直接的沖擊，從風控到理財到貸款等各個業務都會受到AI的巨大影響。數據和算法的結合會逐步重塑金融業。

其次，AI芯片之戰會越來越熱；在云端和edge端，更快更省電的支持深度學習和其他機器學習的芯片會被研發出來，超越今天的GPU和CPU框架。這個方向上，大小芯片廠商都有機會，但最后會慢慢收斂到個別幾個贏家。

第三，在深度學習收購了大數據紅利后，AI的技術關注點從深度學習逐步擴展到強化學習，小數據學習，圖算法，可解釋性，模型壓縮等其他方向。更多的機器學習技術會在工業界得到發展與應用。

華先勝

人機競爭或將加劇

達摩院機器智能實驗室副主任華先勝認為，計算機視覺依然會是人工智能的熱點方向，除了安防和交通領域，視覺技術在工業、農業、環保等行業的應用將會逐步為更多人所知曉和認可，也會逐漸變成紅海。隨著AI在上述行業的大量應用，人機競爭有可能在一定程度上激化，部分相對簡單腦力勞動力面臨失業或轉行，但最終會以人力轉向新的產業而得以緩解。

醫療視覺依然會是大家追捧的熱點，醫療行業的從業者開始入局，行業經驗和扎實技術合力、人機合力的從業者將形成這個方向的壁壘。總的來說， AI將深入各行各業，發掘各個行業的問題和機會，同時帶來生產力的改變。但沒有跡象表明人類會被AI取代，相反AI會顯著提升人類整體的生活和生命質量。

王長虎

AI將深度駕馭視頻處理和信息處理

AI首先搶的是誰的工作？我想很多人都會想到媒體工作者。沒錯，媒體工作有很多規范化程度較高、流程化易操作。然而，在過去的一兩年，AI報道的假新聞、糟糕新聞亦不少。那么2018年會有怎樣的改變？

今日頭條人工智能實驗室總監朱長虎認為，2018年，信息分發領域將持續蓬勃發展，并進一步呈現出多樣化的趨勢。新聞、文章、問答、圖像、視頻、直播、語音等個性化內容，將越來越多的占用用戶的碎片化時間。計算機視覺、視頻理解、自然語言理解、語音識別等AI技術將深度整合，并深入于多媒體信息流的每個環節，從而顯著提升信息生產者和消費者的創作體驗和生活質量。

細粒度的深度視頻理解，將成為計算機視覺領域的重要課題，并將廣泛應用于內容輔助創作、敏感內容檢測、個性化信息推薦、信息消費與互動、信息流廣告等視頻分發的每個環節。個性化推薦算法將進一步升級，短時興趣與長期興趣共舉，經濟效益與社會效益并重，從而再次推動整個產業的發展。

金榕

大數據的方法與知識圖譜融合

達摩院機器智能實驗室主任金榕認為，如何將大數據的方法與知識圖譜及語言學知識有機結合以提升對文本內容的理解在2018年會變得越來越重要。

機器視覺方面，提升識別多樣性會是一個重要研究方向。語音領域與之類似，需要能對不同口音、方言、噪聲，都能自我調節到最佳的識別喚醒精度。在機器學習方面，過去的研究主要集中對硬件端優化以及算法/模型端優化，未來的工作將會對硬件和算法進行更緊密的聯合優化，以提升深度模型的推理效率。

任小楓

人工智能必然走向產業融合

當一項技術高高在上，對社會的意義并無多大。因此，技術融入產業，技術融入生產生活，才是生命力的源泉。

達摩院機器智能實驗室副主任任小楓認為，2018年人工智能必須，也必定會走向實際的產業應用。以下幾項行業發展將被AI“相中”：

• 視頻理解和編輯技術的進一步成熟將推動整個視頻產業的長足發展，包括精準和個性化的搜索推薦，以及視頻生成和交易的正規化和品質化；

• “刷臉”技術將在2018年成為常態，在眾多場景中落地，真正走進生活的方方面面；

• 新零售的各個場景中，以視覺為核心的智能技術將得到廣泛應用，帶來購物體驗的質的變化；

• 無人車，各大汽車廠商都將有原型車發布，自動駕駛將從探索大步走向實用；

• 個人機器人，在多年研發和軟硬件準備后，將會看到多種形態多種功能的機器人走入家庭，改變人們的生活方式。

本文轉自：物聯網智庫     圖 | 網絡