来源:腾讯研究院
编辑:陈近梅
1月9日,在腾讯研究院举办的“腾讯科技向善暨数字未来大会”上,《变量:数字科技前沿应用趋势》报告正式发布。
该报告由腾讯研究院发起,先后访谈业界权威专家,以及腾讯公司AI Lab、多媒体实验室、地图平台部、反病毒实验室、科恩实验室、量子实验室、Robotics X实验室、腾讯云区块链、天衍实验室、未来网络实验室、希波实验室、云鼎实验室、优图实验室、自动驾驶实验室的负责人和科学家,对前沿技术在近期的落地应用做出了展望,包含14个前瞻性的趋势预测。
腾讯公司董事会主席兼首席执行官马化腾先生为报告作序,以下为序言全文:
点亮新科技的火种
马化腾
腾讯公司董事会主席兼首席执行官
科技无疑是经济增长、社会发展和美好生活构建的重要驱动力。刚刚过去的一年,突如其来的新冠肺炎疫情,对人类日常工作、生活等带来持续冲击。数字科技成为中国抗击疫情的一支“硬核”力量。
我们看到,在“新基建”的帮助下,从消费互联网到产业互联网都在全面助力经济社会的复苏与增长,智能辅诊、远程会议、在线学习、云会展、互联工厂、无接触配送等新应用场景持续涌现,线上线下正在加速一体化,各类创新技术在各行各业快速渗透。
这份《数字科技前沿应用趋势》报告,既有对AI、区块链、量子科技等通用技术领域的展望,也有对数字科技在医疗健康、交通出行等垂直行业创新应用的洞察。报告还指出,随着“上云用数赋智”的普及和产业互联网的发展,安全领域面临着全新的挑战和变革。与此同时,一个虚实集成世界正在越来越近地向我们走来。
以互联网为代表的数字科技,正在走向一个新的临界点。随着新的软硬件和通信网络在不同场景的落地应用,人机交互模式和信息环境将可能产生颠覆性变革。互联网不再仅仅是虚拟世界的连接,它将致力于帮助用户实现全面真实的应用体验,创造出线上线下一体、虚拟与现实融合的“全真互联网”。
半个多世纪以来,数字科技日新月异。伴随着从大型机到个人计算机(PC)、从PC到智能手机的演进,我们也从PC互联网发展到移动互联网。在移动互联网时代,消费互联网和产业互联网正在全面发展,这是我们走向“全真互联网”的基础。今天,我们奋战在数字产业一线的从业者,更需要努力学习,带着敬畏心为技术更新与产业变革做充足准备。
科技是一种能力,向善是一种选择。科技发展的目的和最终归宿是以人为本,让人们过上更美好和幸福的生活。腾讯秉持“用户为本,科技向善”的使命愿景,就要与时代同呼吸,与国家共命运,推动科技创新去满足那些经济社会中的迫切需求,实现更高质量的发展,努力帮助每一个普通用户共享数字科技所带来的红利,助力更多人成为新一轮全球科技与产业革命的参与者和受益者。
14个趋势预测如下
趋势1:深度学习走向多模态融合
随着算力的提升,数据的丰富,深度学习应用近年来实现了重大突破。机器通过大量数据的反复训练,提升了在不同感知场景中的“实用性”,助力产业智能化升级。
深度学习主要包括计算机视觉、语音、知识图谱和自然语言处理等领域。以计算机视觉为例,目前已广泛应用于人脸识别、工业视觉、OCR、内容理解等应用场景。随着计算机视觉技术精度和成熟度的提高,正不断渗透到娱乐、医疗、新零售等更多重点应用场景,推动技术变革和用户体验提升。例如,在泛娱乐领域,以计算机视觉为基础的人脸检测、人脸关键点定位、人脸融合以及人像分割等AI视觉技术,通过对泛娱乐场景各类基础数据的挖掘整合,打造出多项泛娱乐人像特效应用,为泛娱乐行业用户提供各类新奇酷炫的AI视觉特效和娱乐体验。在抗击疫情方面,计算机视觉帮助进行口罩遮挡下的人脸检测;依托人脸比对和活体检测技术构建的全场景人脸核身解决方案,有效解决了用户远程实名制核身验证等难题。
依托技术成熟和先发行业的经验积累,深度学习技术正在拓展到更广阔的产业领域,并通过搭建深度学习平台提速AI应用开发,提高落地速度。同时,深度学习技术本身,也正在向多模态融合、认知智能、更安全和可解释的AI迈进。
当前,深度学习正从语音、文字、图像等单模态向多模态智能发展。即通过对听觉、视觉,甚至未来对嗅觉、味觉、心理等难以量化的信号开展多个模态的融合分析,将加强高阶认知技能开发,推进深度学习从感知智能升级为认知智能。多模态融合技术还可以实现对人体姿态、表情和功能等的模拟仿真,打造高度拟人化的数字虚拟人,创造全新的人机交互方式。从端到端打通各个模态之间的关系,可以形成真正多维度交互的智能机器,从而增强对功能属性、物理关系、因果逻辑、动机预测等认知的逻辑推断,让感知智能升级为认知智能。
此外,从应用安全出发,深度学习还需进一步提升面临对抗攻击时的防御能力。对抗攻击通过施加人类视觉或听觉无法识别的轻微扰动,就可以使正常训练的模型输出置信度很高的错误预测。在深度模型广泛应用的今天,随着对大型数据集的依赖越来越大,需要更多关注深度模型的脆弱性。很多高效的方法已经被提出,用于提升深度模型的可解释性和鲁棒性,特别是对现实物理场景的攻击和防御,是未来研究的重点之一。此外,面对深度合成等技术带来的潜在问题与风险,数字取证技术将有效遏制AI的滥用。近年来,大量的人脸编辑检测算法被提出,一定程度上遏制了AI技术的滥用,提升了人工智能的应用安全。但取证算法对未知伪造算法的检测能力还有待进一步加强。如何提升取证算法对不同人脸伪造算法的鲁棒性,也是未来研究的重点。
趋势2:沉浸式媒体向体验和场景的纵深演进
沉浸式媒体能够提供真实与虚拟融合、可人机交互的环境,主要基于VR(虚拟现实)、AR(增强现实)、MR(混合现实)等技术实现。沉浸式媒体在娱乐、文旅、教育、医疗、制造等领域有着广阔应用空间,被认为是改变未来生活和工作方式的颠覆性趋势之一。伴随5G商用部署的加快,叠加疫情带来人们宅家生活方式的转变,沉浸式媒体有望迎来新的发展机遇。
当前沉浸式媒体正在走向体验和场景的纵深化发展。更深度的沉浸式体验,主要体现在真实场景的6DoF[1]、更清晰和流畅的内容显示、多通道交互等方面。依托三维重建、近眼显示、渲染处理、感知交互等技术的产业化进程,沉浸式媒体将带来听视觉的逼真性、交互的流畅感和真实感升级。
从应用场景来看,沉浸式媒体正在从面向个人娱乐的消费类市场深化发展到企业级市场的垂直行业应用场景。根据IDC数据,VR+垂直行业市场中,教育、零售、制造为TOP3行业,占比近50%。疫情也为沉浸式媒体的垂直行业市场培育按下加速键,包括VR看房、VR会展、VR文旅等迎来升温发展,未来基于精准场景的沉浸式商业应用将具备较大空间。
整体而言,沉浸式媒体技术还处于发展初期,市场成熟度有待提升。面向未来,这种深度沉浸式媒体的发展和应用还需多个层面的突破:一是硬件设备性能和成本问题。如受限于高延时、低显示分辨率等问题,当前终端体验有待提升。二是沉浸式内容制作还没有成熟的制作方法和工具,制作难度大。三是深度沉浸式媒体的交互性需求、超高清分辨率呈现以及6DoF的沉浸感实现,都迫切需要带宽的提升。
未来几年,随着5G的大规模普及,深度沉浸式媒体有望在短期内迎来全面爆发。沉浸式媒体相关硬件算力提升、关键技术的突破和融合、制作成本的下降以及更多优质内容的开发,将推动沉浸式媒体产品和服务被主流群体采纳。可以期待,深度沉浸式媒体将进一步链接经济社会生活场景,更多的消费类和商业类应用将走向沉浸式和线上化。
[1] 3个自由度 (3DoF)的VR视频中,用户的观看姿态只能通过x轴、y轴和z轴上的旋转来改变,纯粹的平移运动不会导致不同的内容呈现。更深度的沉浸式体验将为6自由度(6DoF)提供支持,6DoF支持旋转和平移运动,不仅允许用户改变方向,还可以在观察场景中移动位置,能够进一步提高沉浸感。
趋势3:产业区块链推动数据要素市场化
区块链是首次将技术提升到“治理”这个层面去思考的一个复合领域。区块链的技术特性赋予了自身变革传统产业的潜力,其应用已经从单一的数字货币延伸到各行各业的场景之中,脱虚向实,能加强传统产业多方间协作信任、提升系统的安全性和可信性,并简化流程、降低成本,进而在各领域中助推实体行业。
区块链的应用前景主要包括两个方面:第一,资产数字化,即以传统金融资产为主流开始进行数字化迁移,以供应链金融为代表。在今年疫情的大环境下,产业和金融政策的扶持力度加大,各大银行加大力度对中小微企业进行普惠支持,传统金融也借机上链。这一过程对IOT设备的普及提出了更高的要求。同时也提出了全新的角色,即资产网关。这一角色将成为传统资产上链的枢纽,确保真实性与可校验。第二,数字资产化,以互联网原生的产品为资产,开始探索资产化的模式。如原创的文字、音乐、图片作品,通过基于ERC-721/1155等协议,形成数字资产。这类数字资产除了线上或链上原生之外,也开始探索资产化的道路,大量的内容作品开始探索如版权、金融等场景性应用。基于以上范畴,数据要素市场化是未来区块链服务新基建的最重要路径。由于政策的引导,加之数据交换与治理的需求越来越高,基于区块链的确权与交易将成为基础设施。在数据隐私保护的基础上,方便各方的数据使用。
当前,产业区块链的应用还存在如下问题:第一,由于多链开花,产业界在技术层面已经开始推动跨链和资产互认,但依然缺乏商业层面的共识与有效的商业模式。因此仍需推动商业层面有效的跨链共识,让价值在更大范围内流转。第二,联盟链的基础技术已经成熟,但需要推动辅助上链以及周边设施的发展。如DID,数字/数据资产确权,基于智能合约的支付清分体系等依然滞后,还未进入到规模化普及期。总体而言,区块链已经完成技术化到产品化的落地,正向商业化进行探索,并终将完成产业化。
未来几年,随着经济转向国内大循环,降低交易成本将会是结构性的机会。开放式的BaaS服务将会逐步转型服务于各产业联盟,在产业链上下游打造价值闭环。区块链将围绕各行业场景需求,解决资产确权、交易等环节的问题,通过数字化、智能化和物联化,进一步推动资产的价值透明,降低交易成本。
趋势4:脑机接口有望在康复领域先行突破
脑机接口(英文为brain-computer interface,简称BCI),指在脑与外部设备之间建立直接的通讯和控制通道。脑机接口与脑科学不仅为人类的健康和强化带来想象空间,也是理解、改造自然和人类本身的“终极疆域”,成为全球各国科技竞争的战略高地,美国、欧盟、日韩等相继发布“脑计划”战略。,我国“十三五”规划纲要将包括脑机智能新技术在内的“脑科学和类脑研究”列入国家重大科技创新和工程项目,“十四五”规划进一步将脑科学列为国家战略科技力量。
脑机接口技术在康复领域已初步展现出应用潜力。自二十世纪七十年代起,伴随神经科学、材料学、工程学持续发展,脑机接口技术在运动、视觉、听觉皮层信号解读方面取得进展,在医疗健康领域也实现了多种类型的应用。一是辅助感觉接收器官,将声光刺激转化为电信号,如人工耳蜗(1978年)、人工视网膜()等。二是“脑-机”简单运动控制,构建运动想象模型,识别双手、脚、舌的多模态运动信号,帮助残障人士实现机械辅助进食、行走、打字等。三是支持中风患者进行主动运动康复,以脑运动信号驱动机械外骨骼带动肢体活动,帮助脑区中相应神经元参与学习,重塑部分脑功能。此外,脑机接口在了解注意力状态、增强记忆、帮助睡眠和冥想解压等场景也具有应用空间。
脑机接口辅助康复的核心任务,是接收和准确识别大脑发出的指令。这一过程可分解为四个环节,即信号采集、特征提取、设备控制和反馈。从成本和易用性看,非侵入式(脑电帽等)方案更具大规模商用潜力。短期发展方向来看,一是要提升数据采集量和建立规范,包括信噪比控制、信号带宽提升、信号采集标准建立、数据样本量提升、基于深度学习提升个体模型训练效率等。二是工程方向升级,在芯片及探针微型化、无创/微创植入、长期在体等问题逐步解决后,对病人实施开颅手术,进行半侵入或侵入式采集,从微观神经元层面获取更为准确的电信号。如马斯克的neurallink公司在展示的方案,具有信号带宽大、设备尺寸小、机器人“缝纫机”式自动植入、无线连接、多传感器等特性。长远来看,全脑接口和双向接口是脑机接口的发展方向,实现脑信号的全面读取,完成“脑控”与“控脑”双向闭环。这不仅在医疗健康、教育、娱乐、军事等领域有广阔应用前景,也将根本性地改变人类社会的运作方式。
脑机接口技术距离突破性发展和大规模商用尚需时日,主要挑战在于脑的复杂性。一方面,语言、情绪等高级心理活动涉及多个脑区、亿万神经元的活动。另一方面,脑活动高度依赖外部反馈形成闭环。现有脑机接口方案在处理简单运动、视听觉之外的场景时捉襟见肘。而“机-脑”方向进展甚微,致使无法经由反馈实现精准动作、复杂操作。因此,脑机接口技术与应用的发展需要基础研究和产业实践融合,多学科合力推进,软硬件技术协同发展。如硬件方面更精密的电极、更生物友好的材料,软件方面更丰富的数据库、更明确统一的数据标准、以及更先进的机器学习算法等。
趋势5:软硬融合推升量子算力
量子计算是利用量子物理的特性来高效进行信息处理任务的新型计算方式,是人类探究微观世界的重大成果。量子计算将对传统技术体系进行重构,带来重大颠覆性技术创新,有望引领新一轮科技革命和产业变革方向,对促进高质量发展、保障国家安全具有重大的科学意义和战略价值。
未来,大规模通用量子计算机研制成功之后,有望加速解决代数、组合、优化、人工智能等多个领域中的问题,对相关的产业如制药、材料、物流、金融、安全等带来颠覆性的深远影响。例如,在制药领域,当前受限于经典计算机的算力,对中大型分子的准确性状模拟依然是较大难题,所以相关测试依然需要花大量时间做反复实验。而量子计算天然擅长模拟分子特性,有望通过计算机数字形式大大加深人类获得大型分子性状的认识,极大缩短理论验证时间,从而加速新冠疫苗、抗癌药物等的研发进程。在金融领域,量子计算所带来的算力增长和特殊的采样方式,将推进投资组合优化、高频交易、诈骗检测、加密货币和安全加密等应用,为开发更加优质和稳健的金融服务产品拓展新的空间。
但另一方面,量子比特的制备和操作,计算信息的存储和测量都需要特殊的环境和工艺,而且目前的技术还有不容忽视的差错率。所以近期的量子计算机有规模小,含噪声的特点。为了在当前不完美的量子计算机上,也能完成一些有意义的计算任务,中短期内需要改变过去相对独立的软硬件研究方式,把软硬件结合到一起进行专有化设计。长远来看,软件和理论的发展与硬件的发展也是相辅相成的,硬件中噪声的刻画和纠正需要理论支持,而硬件系统规模的扩大实验也会给软件和理论的发展带来帮助。
在未来的几年,相信我们会看到更多的量子算法被发现,更多的量子系统特点被揭示,更多的硬件设计加工工艺在精进。同时,无论是算法理论的不同领域,软件及电子学的不同层次,还是硬件的不同方案,很可能也会出现互相融合的更多探索。
趋势6:疫情按下医疗AI应用快进键
医疗AI泛指AI技术在医疗各领域的应用,是AI与垂直行业结合的最先行和最重要的领域之一。医疗拥有海量、复杂、高专业性的异质数据,AI能够有效利用这些数据提升医疗问题的处理效率,创新人机协同的医疗服务模式,更有效地匹配和平衡医疗供需,最终支持提升全社会的健康水平。
AI在医疗的诸多领域均已展开不同程度的应用探索,包括病人的自查问诊、医生的诊断治疗、医保的控费、医药的研发、医院和政府的管理等。然而受制于医疗相关数据样本有限等问题,医疗AI虽然起步较早但普遍还未实现商用。全球新冠肺炎疫情的突发,为医疗AI创造了巨大的实战空间和机会,大大加速了部分细分领域技术的应用落地,主要有三大类:一是医疗影像AI,基于图像识别等技术提升阅片效率,已经在糖尿病和肺癌、食管癌等主要癌症中验证了能力,并在新冠肺炎的辅助筛查中发挥了积极作用;二是疾病监测预警AI,通过大数据构建监测评估模型,实现对传染病溯源、风险区划分、发展趋势模拟预测等功能,支持防控策略和行动的提前布局。该模型已经在疫情期间被政府防控部门采用;三是辅助医疗决策AI,典型是将AI与CDSS(临床决策支持系统)结合,构建能够自我学习进化的医学知识库,进而开发智能问诊、分诊、诊断和治疗的决策支持系统。如针对新冠肺炎的AI问答小程序,能够帮助公众通过自诊及时就医,同时缓解医院就诊压力。整体而言,随着医疗AI对某些病种的可用性被实践验证,未来有望在更多传染病、慢性病、癌症等影响范围广的疾病领域被率先采用和推广。
尽管受到疫情的倒逼加速,医疗AI发展仍然面临不少难题。以商业化进展最快的医疗影像AI为例,除了伦理、安全等制度性问题之外,技术上至少存在三方面挑战:数据量少、算法跨中心泛化能力差、准确度要求高。对此,业界已探索出了一些可行的解决方向。一是可以采用小样本学习技术,解决数据量少、缺乏训练样本的问题。比如通过多任务分割网络和迁移学习,实现对大量异质公开数据集的利用;通过基于魔方变换的自监督学习,能够避免额外的人工标注,从而降低训练的时间成本等。二是可以采用域自适应的方法,提高算法的泛化能力。通过VideoGAN视频风格转换、OP-Net单张图片风格转换等技术,实现输入端、特征层或输出端的归一化,使得输入的特征在不同的域都能保持稳定,从而扩大算法的适用范围。三是可以采用基于分割结果的注意力机制,比如通过三维分割和重建算法,将器官、病灶等逐步分割出来,再和原始数据共同输入分类网络,能够有效剔除背景干扰、明显提升分类准确率。最后,除了需要算据、算法和算力的持续迭代优化外,未来医疗AI还需要更有效地加入先验知识。然而先验知识大多不通用,加入算法网络中没有通用方法,导致每种场景都可能需要定制化,这是未来需要重点探索和解决的关键问题之一。
以医疗影像AI为代表的个别医疗AI目前已经在一些国家商用,我国首张AI“影像辅助诊断”三类证也在正式颁发。可以预见的近未来,随着实际应用效果的显现,更多医疗影像AI产品和服务将加速商业化落地,而这也将促进医疗AI其他技术产品的创新与商业化发展。从更长远的视角看,随着更多的医疗AI的可用性被验证,医疗AI的数据整合、软硬件集成和多病种通用化,将是下一阶段需要关注和把握的趋势。
趋势7:数字生物标记物照亮居家慢病诊疗
生物标记物(Biomarkers),是可以客观测量和评估的、具有临床可解释性的生物学特征,能作为生物或病理过程的指标,并能客观反映治疗手段的效果。数字生物标记物(Digital Biomarkers)即通过数字化手段将人类所释放的“信号”变成一种可量化、具有临床可解释性的客观标准,用于发现、解释或预测疾病走向。随着数字设备的增加、移动应用的普及并开始集成到医疗领域,海量而丰富的数据资源为数字生物标记物发展创造了优渥的环境。数字生物标记物的应用普及,能够有效推动慢病管理、全生命周期健康管理和个性化精准医疗发展,提高疾病预防和诊疗的质量,进而减轻疾病对个人生活和社会经济的影响。
传统的生物标记物,往往需要专业人员和设备(如医学影像设备、量表、步态实验室)且较常采用侵入性的测量方式(如抽血化验),导致测量范围局限和成本昂贵。数字生物标记物,结合智能终端和应用的普及,以及大数据和人工智能等技术的发展,为低成本、随时随地的无创测量提供了可能。数字生物标记物一方面将创新已有生物标记物的测量手段或评估方法,使得其更容易持续监测评估。比如通过手机摄像头、手机加速器结合AI算法进行步态测量,用于评估帕金森综合症、脑卒中康复、心功能、肾功能、骨质疏松、脊柱侧弯、老人跌倒预测等;借助手机闪光灯和摄像头,可以通过手指PPG(光电容积描记法)实现心跳测量,同时在具备研究前景的血糖和血压测量等方面已有初步结果。另一方面可能创造全新的生物标记物,为疾病的诊疗提供新的监测评估工具。比如通过面部特征、语音、呼吸音、咳嗽音、运动功能评估等,来测量和评估心功能恶化、哮喘等。
数字生物标记物有广阔的应用前景,主要在:一是临床疾病,可用于慢性病为代表的各类疾病监测管理和诊疗决策支持,目前在帕金森、心血管疾病恶化、脊柱侧弯、骨质疏松与跌倒预测等影响面较广的慢性病上,已经实现了较好的临床试验效果;二是日常健康,可用于个人了解身体健康相关的情况,以及掌握不同年龄段主要慢性病的患病风险,用于健康保养和疾病预防的决策支持,目前已有对青少年、中年、老年等不同群体的应用探索。其中在临床疾病监测诊疗上,数字生物标记物的应用技术渗透率高、社会价值巨大,是未来最核心的发展和攻坚方向。
数字生物标记物的潜力很大,但要实现规模化实用,并充分发挥价值,还需要在技术和机制两个关键维度上进一步突破。技术上,需要实现AI现在盛行的深度模型与临床可解释性、可量化和可重复之间的有效关联。临床医学中,大多数疾病的诊断和管理都需要有医学和生物基础的可解释性。而目前数字生物标记物发展所重点依靠的AI深度模型,虽然在建模方面有诸多超越之前技术算法的优势,但是可解释性较差。单纯统计意义的结果通常难于被当前临床医学界接受,造成应用和审批的难度。临床医学技术的几个关键核心是可量化、临床可解释性和可重复性,这对于医疗AI的算法架构设计要求很高,需要突破AI界惯性的“黑盒”思维方式。机制上,需要鼓励行业合作创新的同时保障安全与隐私。作为新兴技术手段,数字生物标记物面临数据样本有限、机构间标准不一致等问题,影响了其临床实用推广的进度。这首先依赖于政策制度对于数字生物标记物等医疗科技创新的支持力度和包容程度;其次需要医疗和科技领域各方加强沟通合作,通过跨界联盟、协会等方式,从多方共赢的角度共建行业标准、鼓励数据流通;最后还需对数据使用规则做合理的设计,保障数据安全与隐私。
未来从大规模实用的角度来看,基于智能手机传感器、摄像头、麦克风等的便携式数字生物标记物测量方式一旦获得许可,快速铺开的门槛最低、可能性最大。在此影响下,居家慢病管理服务市场有望进入高速发展通道,成为院外医疗服务的重要组成,普惠广大的慢病患者。长期看,依托数字化的全生命周期健康管理和个性化精准医疗将借此加速成为现实。
趋势8:基于5G-V2X的“人车路网云”体系加速形成
5G网络具有大连接、低时延和高可靠等特点,是车联网和自动驾驶产业发展的重要推动力之一。当前,5G-V2X技术标准的应用前景逐渐明朗,相关研究、标准、落地工作不断提速,推动着汽车、信息通信、道路交通运输等行业的连接与融合持续深化,“人-车-路-网-云”互联互通的应用体系正在加速构建。在满足个人出行、信息娱乐等基础应用需求的同时,也推动着交通新基建的革命性升级。
从3G时代起,移动运营商和汽车厂商就在不断探索如何提供车联网服务。只依靠蜂窝网络的连接,难以实现各类主体的高效连通;而只依靠专用网络,也无法高效传输大规模的原始数据和初加工数据。5G-V2X既能发挥5G大连接、低时延和高可靠的特性,又能支持汽车和路侧设施以直通方式进行连接,实现了公共移动通信网络和专用频段网络的无缝融合,从而有力支持车联网、车路协同、自动驾驶和智慧交通产业的发展。一方面,采用专网PC5直通连接,智能网联汽车OBU(车载单元)与RSU(路侧单元)之间、智能网联汽车之间,以及智能网联汽车与VRU(弱势交通参与者)之间的数据可以不通过公网直接传输,涉及交通安全的提醒和出行相关数据能够高效地实现本地化处理,满足出行安全和效率的需求;另一方面,通过5G公网连接,智能网联汽车、路侧单元和行人手持终端之间可以实现便捷的数据交换,为每位出行者提供丰富的出行信息和服务。
5G-V2X作为一项重要的底层能力,将促进经济社会各领域的融合创新。一方面,5G-V2X技术标准体系推动着汽车、交通、公安行业等行业相关功能、系统技术的上层标准制定,极大地促进5G基础网络设施、智能网联汽车软硬件、车路协同云平台与自动驾驶等产业链环节的投资建设,带来全新的产业发展机遇;另一方面,除了交通安全类和效率类应用,5G-V2X技术应用生态下的数据流,将作为数字经济时代的重要生产资料,在安全、合规的前提下进行共享、开发与利用,为政府精细化管理赋能,为吃、穿、住等出行强关联领域的模式与业态创新提供重要支撑。反过来,商业模式与应用生态的成熟度,也决定着5G-V2X技术应用的发展空间。
我国5G -V2X正处于从应用示范走向规模商用的关键阶段。相较于DSRC(专用短程通信技术),虽然5G-V2X蜂窝车联网通信在网络、芯片等领域积累时间较短,但凭借后发优势,与通信、汽车等产业领域快速迭代、融合,无论从可靠性、稳定性,还是支持移动网络持续演进的可能性上,均呈现出明显的实用性优势。然而,目前路侧RSU和车载OBU尚未能快速实现大规模铺设,渗透率太低成为车路协同落地部署的现实挑战。在这个背景下,“专网”和“公网”相互融合的泛V2X技术方案,能够在渗透率逐步提升的过程中以及不同的渗透率场景下,支持不同成本的5G-V2X部署方案。此外,L4以上的单车智能自动驾驶方案目前很难落地,泛V2X方案能够为辅助驾驶到有条件自动驾驶的演进提供有力支撑,并加速无人驾驶等前沿应用场景的落地。
当前,已经有随着越来越多的国家地区采用5G-V2X技术标准,越来越完善的汽车、通信与交通行业能力配套,越来越多的跨界测试与示范活动进入公众视野。5G-V2X将推动车路协同的全面智能化,人们期待已久的车辆编队、高级辅助驾驶、扩展传感器、远程驾驶等场景有望加速到来。相信在不久的将来,车路协同便可从实验室和测试场景走向普通公众的日常生活,帮助人们去探索全新的出行与生活方式。
趋势9:仿真推进自动驾驶成熟步伐
在各地鼓励政策的支持下,自动驾驶测试和智能网联先导示范在北京、上海、深圳、长沙、重庆、广州等全国数十个城市全面铺开。支持在限定场景脱手的自动驾驶辅助巡航、自主泊车系统已经开始商业化落地,预计明年渗透率会有大幅攀升。尤其是在云端算法优化和OTA功能升级闭环的加持下,自动驾驶系统能够很快地升级迭代,并在量产车上实现功能更新。在高级别自动驾驶领域,今年北京、上海、长沙等多地开始载客测试,未来1~2年在限定区域或特性场景会逐步落地应用。
开放区域完全的自动驾驶落地,需要百亿公里级别的测试里程,才能够覆盖充足的场景。只依靠实际路测,无论是在效率和经济方面都是无法完成的挑战。目前各地只开放了部分城市测试道路,道路场景的丰富程度还远远不足,且大量复杂和极端的交通场景,以及不同的光照和天气条件,难以在实际路测中遇到或复现。因此,仿真测试是推动自动驾驶成熟的关键一环。仿真模型涵盖了不同天气条件、各种复杂的道路场景,结合车载传感和车辆动力学特征,可以用更低的成本、更高的效率,在无限逼近真实场景的虚拟环境中获取测试数据。以Waymo为例,其自动驾驶技术已经在实际道路上测试超过2000万英里,完成了150亿英里的虚拟仿真测试。
业界普遍认为,“纯模型仿真——软件在环仿真——半实物仿真——封闭场地道路测试——开放道路测试”是一套行之有效的开发流程。目前,行业已经在广泛采用自动驾驶的仿真测试,据统计,当前自动驾驶算法测试大约90%通过仿真平台完成,9%在测试场完成,1%通过实际路测完成。
仿真测试平台正在多个方面加快核心能力的建设,包括真实还原测试场景的能力、高效利用路采数据生成仿真场景的能力、云端大规模并行加速的能力等,让仿真测试满足自动驾驶感知、决策规划和控制全栈算法的闭环,符合汽车V字开发流程。为了实现更好的虚实结合和线上线下一体化,仿真平台正在几个重要方向发力,包括与专业游戏引擎的结合,工业级车辆动力学模型的构建,以及虚实一体交通流等技术的打造。特别是游戏技术,对自动驾驶仿真有很大的助力,包括场景还原、大气系统、传感器仿真、物理引擎、Agent AI、云游戏技术、MMO同步等游戏技术的应用,可实现场景的几何还原、逻辑还原及物理还原。未来数字孪生的自动驾驶仿真平台建设,还将包括人、车、路、云协同的基础环境建设、数据资源库与场景库建设,以及信息安全检测与保障平台建设。
随着仿真技术水平的提高、仿真场景库的建设,以及仿真测试评价体系的不断完善,仿真平台的应用将进一步普及,有望完成99.9%的行业测试量,有力推动自动驾驶技术的成熟。同时,仿真平台将不仅帮助车企及自动驾驶技术开发者进行研发测试,还可以为政府部门提供交通调度管理、道路及交通规划、自动驾驶法规研究等方面的测试,助力交通强国目标的实现。
趋势10:新一代数字地图迈向实时智能泛在
地图和地理信息服务在产业互联网、消费互联网和智慧城市加速融合的背景下,正在成为工业、农业、服务业、政府及民众全面互联和智慧升级的基础设施。这对时空数据的全面、准确和鲜活性,以及应用的深度和广度都提出了新的要求。新一代数字地图具备“实时感知、全面融合、智能服务、泛在应用”的特征,将高效助力数字经济和智慧社会的建设。
新一代地图将实时感知采集人、车、路、地、物等要素的动态变化,深度融合自然资源、规划、城市、建筑建造、社会、经济、行业业务等多源数据,实现数字地图和真实世界的共生共建、虚实一体。时空数据采集新技术快速发展,包括高精定位、物联网、5G、手机应用、卫星、无人机、室内测图、地下探测、激光雷达、图像视频等各种专业和非专业的传感器,为多源时空数据的实时获取、处理、建模、融合和应用提供了丰富的技术手段。全时空数据融合正在成为可能,室内和室外、地上和地下、二维和三维、实时和历史、线下空间和线上空间等将深度结合,全面精准地刻画和感知动态世界,为广泛的智慧应用提供时空数字底座。
现实世界的信息服务和决策支持不仅需要全面准确的数据,更需要精准理解针对特定场景的动态变化的要素条件,并快速提供优化方案和决策服务,因此地理信息服务领域对人工智能有巨大的需求。数据采集融合需要通过智能算法和自动化流程,更高效地对海量观测数据做实时处理、智能分选和信息提炼。实时动态的时空数据需要通过智能算法来挖掘信息、分析规律和预测趋势。智能算法还需要面向不同的数据来源和类型提供对应的分析能力,包括海量位置大数据、轨迹数据、地址数据、影像视频、物联数据等。针对特定行业和应用场景,时空人工智能将在数据分析和预测基础上提供信息定制、方案优化、决策支持等智慧化能力,将实时全面的时空信息转化为创新贴心的智能服务。不断提升的时空智能和全时空动态数据还将帮助逐步解决复杂的现实世界问题,比如城市规模的交通大系统仿真优化、城市发展预测和规划优化、洪水地震等自然灾害的预测应急等。
新一代地图和地理信息服务将为城市、商业、环境、工业、农业等行业的创新升级提供精细管理、动态感知、精准决策和智能服务的时空数字基础,并通过广泛连接互联网生态,让贴心的服务触达全民。可以帮助城市管理者更智慧地设计未来城市,打通从顶层设计到建设运营的全生命周期。将为未来商业提供深度感知、分析真实世界的数字化能力,通过时空信息智能优化决策和运营效率,包括目标人群分析、客流分析、销售管理、门店选址、网点管理、规划调度、物流配送优化等。地理信息和位置服务不仅方便人们的衣食住行,更为人们提供了感知和认识世界的新窗口。新一代地图将让每个人的学习、工作和生活与时空动态信息紧密连接,让人们实时全方位地感知周边世界,跨越信息鸿沟,从而拓展更丰富的认知,体验世界的精彩,创造更美好的生活。
趋势11:云数据安全成为必选项
在新冠疫情背景下,更多的行业用户感受到了数字化在抗击疫情和保持业务健康运营等方面的力量,纷纷加快数字化转型。其中,使用按需、灵活和可扩展的云服务,用户能更好地实现降本增效,保障业务连续性,提升服务效能和竞争力。因此,上云越来越成为产业界的重要共识。根据Gartner预测,全球最终用户在公有云服务上的支出将增长18.4%,达到3049亿美元。
随着越来越多的用户上云,“云数据安全”必然成为用户需求中的一个核心命题。当前,数据安全和云平台可信赖度是很多用户顾虑的问题。而数据的有效治理、价值交换、安全可信等新的安全属性,将有效增强云的可信度,推动产业互联网的数据共享和价值实现。与此同时,云数据安全的重要性将进一步提升,从传统安全技术的“伴生”和“保值”,转变为数字经济形态下的“原生”和“增值”,云数据安全将成为产业发展的重要推动力。
在这个趋势上,涉及多项前沿安全技术,包括软件、硬件和算法的研究和突破。具体涵盖数据发现、映射、溯源等数据治理技术,高性能国标、国密算法等软硬件技术,同态加密、联邦学习、多方安全计算等新型密码和计算技术,以及TEE、SGX/SEV等运行时安全硬件增强技术。各类技术在学术和产业应用上的发展成熟度不同,但总体上都处在与产业应用需求不断磨合,并加速进步的发展历程中。
未来,伴随可信计算等数据安全技术概念的逐渐清晰,数据安全和隐私保护法规的建设完善,国密体系和多方安全、同态加密等新型密码软硬件技术的逐步成熟,可以预见的是,云数据安全产品和解决方案将呈现百花齐放的发展态势,迎来市场和技术的双轮爆发。
趋势12:基于身份的微隔离护航云原生安全
基于身份的微隔离技术主要应用在采用云原生架构的服务场景中,为微服务提供安全隔离,甚至可以对微服务间的流量进行安全检测,保护微服务运行安全。该技术主要包括服务的发现及身份识别、服务间依赖关系构建、基于服务身份的隔离策略制定和执行、内网流量的安全监测等。
在应用服务上云过程中,采用云原生架构及微服务化是很多应用厂商的选择,这让应用服务具有了更好的功能解耦、更灵活的资源调度和更敏捷的开发运营流程。但是,这种架构上的改变也给微服务的安全带来新的挑战。一是应用微服务化后,内网中暴露的端口和连接暴增,攻击面大大增加;二是微服务之间通信的增加导致东西向流量占比扩大,同时微服务支持弹性扩容的特性,导致内网IP快速变化,给东西向流量防护带来很大的挑战。因此,在微服务场景中,需要一个支持在服务粒度进行有效隔离,且可以适应快速变化的服务实例的安全机制,而传统的基于IP的防火墙隔离策略显然无法满足这些要求。
基于身份的微隔离技术,可支持服务粒度的策略制定,自动适应服务实例的变化,有效执行隔离策略。结合内网流量的安全检测,它还可以进一步发现内网中存在的webshell、爆破等攻击行为,指导管理员对隔离策略和内网环境进行加固。该技术在云原生快速发展的背景下,已经成为云原生平台中不可缺少的安全能力,是保护云原生服务的重要基础设施。
趋势13:AI推动信息安全告别手工业时代
在物联网、人工智能、5G、云计算和大数据等新兴技术风口下,网络安全生态正在被赋予新的定义。结合人工智能技术,提升传统安全问题的处理速度和效果,将推动网络和信息安全从依靠专家经验的手工业时代,向机器学习自动化和人机协同的工业化时代演进,成为当下安全研究的新趋势和发力点。
我们正在加速进入一个万物互联和智能的新阶段,IDC预测到2025年,全球物联网设备数将达到416亿台,而且大量的设备都将拥有智能网联的能力。以汽车为例,根据中国《新能源汽车产业发展规划(-2035)》,目标到2025年,有条件自动驾驶智能网联汽车销量占比达到30%,高度自动驾驶智能网联汽车实现限定区域内的商业化应用,这意味着每年将有近千万辆智能汽车进入市场。汽车的辅助驾驶系统、车机系统、车载APP,以及车路协同的RSU路测单元、汽车云控平台、5G网络等众多环节,都可能成为网络攻击的风险点。
传统上依靠专家经验来发现漏洞的方式,首先对安全专家能力水平要求高、经验复制成本高、分析项目容量低,将越来越难以满足动态和海量的安全需求;其次,现有检测引擎模式简单,仅通过基础的代码分析和漏洞检测,匹配通用风险模式和筛查参数误用,无法做出复杂逻辑判断;再次,常规自动化/半自动化工具检测结果的误报率高,检测结果存在大量冗余,从检测结果分析、可利用信息过滤、修复方案确定各个环节需要大量的人工成本。此外,不同的设备和系统厂商对于安全的保障能力差别很大,在安全研发投入、安全开发意识、安全管理、团队能力等方面的差距,可能造成相应的安全风险,迫切需要引入新的安全能力。
寻找网络和信息安全漏洞的核心是程序分析,采用?然语?处理、图神经?络、深度强化学习等人工智能技术去自动理解程序逻辑,寻找漏洞,正在成为一种新的有效安全手段。例如,人工智能技术在二进制函数相似性匹配的场景中实现算法应用和效率提升,可以在无需获取源代码的情况下,更高效、准确地辅助安全研究人员进行逆向工程。借助不断优化的人工智能算法,系统能在静态分析技术场景中,帮助用户更系统性了解文件的基础信息、安全风险、合规性和依赖性,查找并消除二进制文件的安全漏洞、敏感信息泄露、License版权盗用等风险。
随着人工智能在安全漏洞发现中的应用推进,未来的安全产业即将发生新的变革。一是7*24的工作模式将突破当前安全领域的人力资源限制,可以低成本地实现专家经验复制,大幅提升漏洞发现的效率。二是不仅能精准定位漏洞,还可以在安全事件发生之前发现漏洞,进行提前预防,实现安全左移。三是赋能开发商安全生命周期的安全管理,有效缩短软件安全开发的时间,提升研发效率。
趋势14:虚实集成世界孕育新蓝海
随着人工智能、VR、AR、5G和机器人等技术的持续成熟,数字化的虚拟世界和真实世界将进一步紧密结合,呈现虚实集成的新特征,具体包含现实虚拟化、虚拟真实化、全息互联网和智能执行体4大方向。
现实虚拟化主要借助数字化的感知、AI渲染、NLP等多种技术,既可以实现真实世界在数字空间的完美重现,还可以形成从微表情到动作都逼真的3D真人虚拟形象。通过综合运用计算机视觉、语音处理、自然语言处理、情绪认知、分析决策、多模态交互技术等,虚拟人还可以实现听、说、读、写、想的能力。同时,这种映射也达到了动态孪生,可以让虚拟世界随着真实世界的变化而变化。例如,工业的生产线上数以千计的传感器,可以实时收集颜色、厚度、硬度等多维信息,建立动态更新的虚拟模型,从而让机器分析产线的运转状态,对异常情况进行预警。
虚拟真实化一方面可以借助3D打印等技术,将虚拟设计中的复杂结构物体在现实中呈现,超越传统的制造加工工艺;另一方面,采用增强现实等技术,可以将虚拟信息带入真实世界中,让人们和虚拟角色和物体进行交互。例如任天堂的《马里奥卡丁车》游戏,能让人们在家里的真实客厅里,开着游戏里的虚拟车和朋友比拼;在文旅领域,未来人们坐在家中,就可以走进故宫和敦煌的数字博物馆,与千年的壁画亲密接触。
全息互联网通过全息技术和混合现实等技术组合,能把分布于世界各地的人、事、物同步“投影”到一起,从而跨越时间、地点和语言,甚至跨越虚拟和真实世界的界限,让所有人进行更真实和更亲密的互动。
未来,在虚实集成的世界里,还将出现穿梭于虚拟和真实之间,改变时间和游戏规则的智能执行体。例如,气候变化、农作物生长、发现新的药物或治疗方法、交通规划等问题的解决,需要很长时间、很高人力或资金投入、且有很大不确定性风险,这些在现实中难以研究的问题,可以通过建模在虚拟世界进行研究,从而发现更好的解决方案,增强人类应对自然和社会风险挑战的能力。
未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)云脑研究计划,构建互联网(城市)云脑技术和企业图谱,为提升企业,行业与城市的智能水平服务。
如果您对实验室的研究感兴趣,欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”