，

本文是 “2021 InfoQ 年度技術(shù)盤點與展望” 系列文章之一，由 InfoQ 編輯部制作呈現(xiàn)，重點聚焦 AI 領(lǐng)域在 2021 年的重要進展、動態(tài)，希望能幫助你準(zhǔn)確把握 2021 年 AI 領(lǐng)域的核心發(fā)展脈絡(luò)，在行業(yè)內(nèi)始終保持足夠的技術(shù)敏銳度。

“InfoQ 年度技術(shù)盤點與展望”是 InfoQ 全年最重要的內(nèi)容選題之一，將涵蓋架構(gòu)、AI、大數(shù)據(jù)、大前端、云計算、數(shù)據(jù)庫、中間件、操作系統(tǒng)、開源、編程語言十大領(lǐng)域，后續(xù)將聚合延展成專題、迷你書、直播周、合集頁面，在 InfoQ 媒體矩陣陸續(xù)放出，歡迎大家持續(xù)關(guān)注。

特此感謝何苗、侯軍、蔣宏飛、劉知遠、?澤君、吳韶華、許欣然、曾冠榮、張杰、張凱（按姓名首字母排序）對本文的貢獻，他們的真知灼見，是本文能與大家見面的關(guān)鍵。

即將過去的 2021 年，又是跌宕起伏的一年。

疫情仍沒有結(jié)束的苗頭，缺芯造成的供應(yīng)鏈中斷此起彼伏，與此同時，數(shù)字化、智能化轉(zhuǎn)型已是大勢所趨。全球企業(yè)和機構(gòu)在不斷學(xué)會適應(yīng)“新常態(tài)”，并從中捕捉新的商業(yè)機會。

2021年, 人工智能領(lǐng)域依然熱潮洶涌。

AphaFold2 成功預(yù)測 98% 蛋白質(zhì)結(jié)構(gòu)，預(yù)訓(xùn)練大模型迎來大爆發(fā)，自動駕駛邁入商業(yè)化試點探索新階段，元宇宙概念東風(fēng)勁吹，首個關(guān)于 AI 倫理的全球協(xié)議通過，商湯科技即將摘得“AI 第一股”... 前沿技術(shù)突破令人欣喜，落地應(yīng)用“潤物細無聲”般深入各行業(yè)，業(yè)界也開始正視人工智能的問題和挑戰(zhàn)。

在歲末年初之際，InfoQ 采訪了眾多行業(yè)專家，回顧了 2021 年人工智能大模型、深度學(xué)習(xí)框架、 NLP、智能語音、自動駕駛、知識圖譜等各項 AI 技術(shù)的發(fā)展情況，并展望了未來一年可能的技術(shù)趨勢。

2021 年度 AI 技術(shù)突破

人工智能預(yù)測蛋白質(zhì)結(jié)構(gòu)

12 月 15 日，Nature 發(fā)布了《2021 年十大科學(xué)新聞》；12 月 17 日，Science 緊隨其后，公布了《2021 年度十大科學(xué)突破》。Nature 和 Science 都將「人工智能預(yù)測蛋白質(zhì)結(jié)構(gòu)」評為本年度最重要的發(fā)現(xiàn)，Science 更是將其列為“2021 年十大科學(xué)突破進展”之首。

長期以來，蛋白質(zhì)結(jié)構(gòu)的預(yù)測一直是生物學(xué)領(lǐng)域的研究熱點和難點。傳統(tǒng)的蛋白質(zhì)結(jié)構(gòu)探測方法主要有三種：X 射線晶體學(xué)、核磁共振和冷凍電鏡。但這些方法成本較高，研究周期漫長，且進展有限。

人工智能為這一困擾生物學(xué)界數(shù)十年的難題按下了快進鍵。

今年 7 月，蛋白結(jié)構(gòu)兩大 AI 預(yù)測算法 —— DeepMind 的 AphaFold2 和華盛頓大學(xué)等機構(gòu)研發(fā)的 RoseTTAFold 相繼開源。

AphaFold2“解鎖”98% 人類蛋白質(zhì)組

7 月 16 日，DeepMind 在 Nature 發(fā)表 論文，宣布已利用 Alpha Fold2 預(yù)測了 35 萬種蛋白質(zhì)結(jié)構(gòu)，涵蓋了 98.5% 的人類蛋白質(zhì)組，及其他 20 種生物幾乎完整的蛋白質(zhì)組。研究團隊還公布了 AlphaFold2 的開源代碼和技術(shù)細節(jié)。

RoseTTAFold 可十分鐘內(nèi)計算出蛋白質(zhì)結(jié)構(gòu)

同日，華盛頓大學(xué)蛋白設(shè)計研究所 David Baker 教授課題組及其他合作機構(gòu)在 Science 上發(fā)表 論文 ，公布了其開源蛋白質(zhì)預(yù)測工具 RoseTTAFold 的研究結(jié)果。研究團隊探索了結(jié)合相關(guān)思想的網(wǎng)絡(luò)架構(gòu)，并通過三軌網(wǎng)絡(luò)獲得了最佳性能。三軌網(wǎng)絡(luò)產(chǎn)生的結(jié)構(gòu)預(yù)測精度接近 CASP14 中的 DeepMind 團隊的 AlphaFold2，且速度更快、所需計算機處理能力更低。僅用一臺游戲計算機，在短短十分鐘內(nèi)就能可靠地計算出蛋白質(zhì)結(jié)構(gòu)。

其他研究進展

8 月，中國研究人員使用 Alpha Fold2 繪制了近 200 種與 DNA 結(jié)合的蛋白質(zhì)結(jié)構(gòu)圖。11 月，德國和美國的研究人員利用 Alpha Fold2 和冷凍電鏡繪制了核孔復(fù)合物的結(jié)構(gòu)圖。12 月 22 日，深勢科技推出了蛋白結(jié)構(gòu)預(yù)測工具 Uni-Fold，在國內(nèi)首次復(fù)現(xiàn)谷歌 Alphafold2 全規(guī)模訓(xùn)練并開源訓(xùn)練、推理代碼。

AI 技術(shù) 2021 年發(fā)展總結(jié)與展望

人工智能邁向“煉大模型”階段

今年是超大規(guī)模預(yù)訓(xùn)練模型的爆發(fā)之年。

去年，GPT-3 橫空出世，這個具有 1750 億參數(shù)規(guī)模的預(yù)訓(xùn)練模型所表現(xiàn)出來的零樣本與小樣本學(xué)習(xí)能力刷新了人們的認(rèn)知，也引爆了 2021 年 AI 大模型研究的熱潮。

谷歌、微軟、英偉達、智源人工智能研究院、阿里、百度、浪潮等國內(nèi)外科技巨頭和機構(gòu)紛紛展開大模型研究和探索。

超大規(guī)模預(yù)訓(xùn)練模型的“軍備競賽”

2021 年 1 月，Google 推出的 Switch Transformer 模型以高達 1.6 萬億的參數(shù)量打破了 GPT-3 作為最大 AI 模型的統(tǒng)治地位，成為史上首個萬億級語言模型。

國內(nèi)研究機構(gòu)也不甘示弱。今年 6 月，北京智源人工智能研究院發(fā)布了超大規(guī)模智能模型“悟道 2.0”，達到 1.75 萬億參數(shù)，超過 Switch Transformer 成為全球最大的預(yù)訓(xùn)練模型。

值得一提的是，今年國產(chǎn)化大模型研發(fā)工作進展飛速，華為、浪潮、阿里、百度等都發(fā)布了自研的大模型。

浪潮人工智能研究院首席研究員吳韶華向 InfoQ 表示，現(xiàn)在業(yè)界提高模型參數(shù)量有兩種技術(shù)路線，產(chǎn)生兩種不同的模型結(jié)構(gòu)，一種是單體模型，一種是混合模型。如浪潮的源大模型，華為的盤古大模型、百度的文心大模型、英偉達聯(lián)合微軟發(fā)布的自然語言生成模型 MT-NLG 等走的都是單體模型路線；而智源的悟道模型、阿里 M6 等走的是混合模型路線。

預(yù)訓(xùn)練模型技術(shù)新進展

OPPO 小布智能中心、 NLP 算法工程師曾冠榮認(rèn)為，預(yù)訓(xùn)練模型在今年取得的重要技術(shù)進展有：

知識表示和學(xué)習(xí)機理進一步創(chuàng)新突破

隨著對預(yù)訓(xùn)練模型的深入理解，預(yù)訓(xùn)練模型的知識學(xué)習(xí)和表征的機理逐步明確，人們得以更加順利地往模型里注入需要其學(xué)習(xí)的知識，在這些知識的加持下，對復(fù)雜任務(wù)的應(yīng)對能力得到了大幅提升。

對比學(xué)習(xí)、自監(jiān)督和知識增強

以對比學(xué)習(xí)為中心，多種增強方法為工具的方式能進一步提升預(yù)訓(xùn)練模型的語義理解和表征能力，增強方法的深入讓模型自監(jiān)督成為可能，讓對比學(xué)習(xí)對樣本，尤其是正樣本的依賴降低，數(shù)據(jù)依賴的降低勢必讓模型對少樣本甚至無樣本任務(wù)的適應(yīng)性提升，模型能更好地完成這類型的任務(wù)，這將讓預(yù)訓(xùn)練模型落地的成本再降低一個層次。

降低 AI 規(guī)?；涞氐拈T檻

預(yù)訓(xùn)練大模型降低了 AI 應(yīng)用的門檻，解決了 AI 應(yīng)用的兩個難題：數(shù)據(jù)和行業(yè)知識。它既不需要大量的標(biāo)注數(shù)據(jù)，又保障了基礎(chǔ)底座。

在預(yù)訓(xùn)練模型的業(yè)務(wù)定制優(yōu)化和應(yīng)用方面，曾冠榮認(rèn)為，從第一個預(yù)訓(xùn)練語言模型 BERT 發(fā)布至今，已在多個熱門任務(wù)下得到應(yīng)用，逐步從一種“潮流”變成前沿技術(shù)的“基本操作”，如預(yù)訓(xùn)練模型已成為機器翻譯領(lǐng)域的基礎(chǔ)關(guān)鍵性技術(shù)。此外，預(yù)訓(xùn)練模型也成為大系統(tǒng)中的一部分，發(fā)揮著其語義理解的優(yōu)勢。

無論是業(yè)界還是科研，對預(yù)訓(xùn)練模型的使用方式逐漸靈活，能從預(yù)訓(xùn)練模型中拆解出適合任務(wù)的部分并組裝到自己的實際任務(wù)模型中。

時至今日，對預(yù)訓(xùn)練大模型的性能優(yōu)化仍未終止，在學(xué)界，仍有大量的研究在預(yù)訓(xùn)練模型的落地能力上努力，壓縮、剪枝、蒸餾的工作仍起到重要作用。不止于算法本身，編譯、引擎、硬件等方面的優(yōu)化也在大步邁進。

小結(jié)和展望

吳韶華認(rèn)為，整體而言，現(xiàn)在大規(guī)模預(yù)訓(xùn)練模型的研究，包括模型結(jié)構(gòu)的演進和落地仍處在探索階段，各家的持續(xù)探索正在不斷擴大對大規(guī)模預(yù)訓(xùn)練模型的認(rèn)知邊界。

“大規(guī)模預(yù)訓(xùn)練模型是人工智能的最新技術(shù)高地，是對海量數(shù)據(jù)、高性能計算和學(xué)習(xí)理論原始創(chuàng)新的全方位考驗”，清華大學(xué)教授、智源大模型技術(shù)委員會成員劉知遠在接受 InfoQ 采訪時展望了明年大模型的發(fā)展趨勢。

劉知遠表示，他明年將重點關(guān)注兩個層面的問題：

一是人工智能技術(shù)正呈現(xiàn)“大一統(tǒng)”趨勢，如預(yù)訓(xùn)練模型在 Prompt Tuning 等技術(shù)的支持下可用于很多不同的任務(wù)，再如 Transformer 模型框架正在從自然語言處理擴展到計算機視覺模態(tài)，接下來我們也許會看到更多的從框架、模型和任務(wù)等方面推進人工智能技術(shù)趨向統(tǒng)一的工作 ; 另一個問題是，隨著預(yù)訓(xùn)練模型規(guī)模增大，如何更好更高效地實現(xiàn)任務(wù)適配和推理計算，將是讓大模型飛入千家萬戶的重要技術(shù)。

國產(chǎn)深度學(xué)習(xí)框架不再是“技術(shù)的跟隨者”

過去十年涌現(xiàn)了大量的 AI 算法和應(yīng)用，這背后都離不開開源深度學(xué)習(xí)框架提供的支持。

開源深度學(xué)習(xí)框架是 AI 算法研發(fā)和 AI 應(yīng)用落地的“腳手架”，幫助 AI 研究員和開發(fā)者大幅降低算法研發(fā)門檻，提升研發(fā)效率。

IDC 的調(diào)研顯示，中國人工智能領(lǐng)域 90% 以上的產(chǎn)品都使用了開源的框架、庫或者其他工具包。

新進展，新趨勢

深度學(xué)習(xí)框架的發(fā)展核心是跟隨著深度學(xué)習(xí)領(lǐng)域的發(fā)展而前進的。

開源深度學(xué)習(xí)框架曠視天元 MegEngine 研發(fā)負(fù)責(zé)人許欣然在接受 InfoQ 采訪時，分享了過去這一年他所觀察到的深度學(xué)習(xí)的新進展：

（1）以 ViT、Swin 為代表的 Transformer 類模型開始向 NLP 以外的領(lǐng)域進軍，在更多場景中展現(xiàn)威力，讓“大”模型的趨勢愈演愈烈。

相應(yīng)的，深度學(xué)習(xí)框架也在訓(xùn)練大模型方面進展頗多（如 DeepSpeed+ZeRO），多種混合并行方案層出不窮。無論是深度學(xué)習(xí)框架還是硬件廠商，都在思考 Transformer 是否是會長期固定的計算 pattern。

（2）A100 這類顯卡的誕生，催生了一股從動態(tài)圖回到靜態(tài)圖的趨勢。本身對動態(tài)圖更友好的框架也紛紛嘗試通過編譯的方式提升效率，比如 PyTorch 的 LazyTensor、Jax 的 XLA。很多國產(chǎn)框架也在嘗試通過動靜結(jié)合的方式提升效率，比如曠視天元 MegEngine 推出的 Tensor Interpreter、MindSpore 的 Python 代碼轉(zhuǎn)靜態(tài)圖的方案等。

此外，MLIR 和 TVM 這兩個深度學(xué)習(xí)編譯器領(lǐng)域的燈塔都在快速增長，如何靠機器做好編譯也正成為各個深度學(xué)習(xí)框架研發(fā)的主要方向。同時隨著深度學(xué)習(xí)方法的持續(xù)發(fā)展，也誕生了更多的新興框架，如圖神經(jīng)網(wǎng)絡(luò)領(lǐng)域的 DGL。

技術(shù)自立之路

近兩年，國產(chǎn)深度學(xué)習(xí)框架陸續(xù)開源且發(fā)展迅速，逐漸在開源框架市場占有一席之地。

在技術(shù)研發(fā)方面，國產(chǎn)框架不再是技術(shù)的“跟隨者”的角色，研發(fā)出了很多領(lǐng)先的創(chuàng)新點，比如 MegEngine 的 DTR 技術(shù)、OneFlow 的 SBP 并行方案和 MindSpore 的 AKG 等等。此外，在功能、代碼質(zhì)量和文檔等方面都達到了很高的水準(zhǔn)。

在開源生態(tài)建設(shè)方面，各家也都持續(xù)投入，通過開源社區(qū)扶植、產(chǎn)學(xué)研合作等方式，助力國產(chǎn)開源生態(tài)的發(fā)展和人才培養(yǎng)。

業(yè)界現(xiàn)有的主流深度學(xué)習(xí)框架多來自國外大廠，目前，國內(nèi)企業(yè)自研的深度學(xué)習(xí)框架還沒有哪一款進階成為國際主流的學(xué)習(xí)框架。

許欣然坦言，國產(chǎn)深度學(xué)習(xí)框架在生態(tài)建設(shè)上還有很長的路要走，既需要持續(xù)投入、不斷完善生態(tài)建設(shè)，也需要找到差異化的技術(shù)競爭點，充分結(jié)合我國國情和國產(chǎn)硬件，發(fā)揮好自身的技術(shù)優(yōu)勢和更好的生態(tài)洞察力。

研發(fā)難點

現(xiàn)階段，在深度學(xué)習(xí)框架方面，業(yè)界普遍面臨的研發(fā)難點主要體現(xiàn)在以下三個方面：

（1）在訓(xùn)練側(cè)，NPU 開始入場，不少廠商已經(jīng)做出自己的訓(xùn)練芯片，如何高效對接訓(xùn)練 NPU 仍待解決；

（2）學(xué)術(shù)研究發(fā)展迅速，框架技術(shù)需要持續(xù)跟進，這為框架研發(fā)帶來了一定挑戰(zhàn)。接下來一段時間會持續(xù)一段大 Transformer 的趨勢，那么，下一個趨勢是什么？

（3）算力提升速度更多地開始依賴 DSA 硬件，只是單純的手寫 kernel 已難以支撐，框架需要更多的編譯技術(shù)、domain knowledge 才能不斷提升訓(xùn)練效率。隨著 NPU、GPU 等芯片的快速迭代，包括 MLIR、XLA、TVM 在內(nèi)的編譯技術(shù)將受到更多關(guān)注。

將更好地支持大模型訓(xùn)練

隨著大模型的持續(xù)火熱，預(yù)期深度學(xué)習(xí)框架將在并行策略、重計算等能力上不斷提升，以更好地支持大模型的訓(xùn)練。

同時，目前訓(xùn)練大模型仍需消耗大量資源，如何依靠深度學(xué)習(xí)框架的力量節(jié)省計算資源，甚至在更小規(guī)模上完成任務(wù)，將是一個值得探索的技術(shù)方向。

智能語音這一年：技術(shù)突破不斷，工業(yè)落地加速

語?領(lǐng)域的?規(guī)模預(yù)訓(xùn)練模型層出不窮

字節(jié)跳動 AILAB 語?技術(shù)總監(jiān)?澤君向 InfoQ 表示，2021 年度，智能語音技術(shù)的演進呈現(xiàn)出三個層面的趨勢：

（1）基礎(chǔ)建模技術(shù)在打破領(lǐng)域邊界加速融合，如 Transformer 系列模型在?然語?、視覺和語?領(lǐng)域都展現(xiàn)出?致性的優(yōu)勢，頗有“?統(tǒng)江湖”的意思。

（2) 超?規(guī)模?監(jiān)督學(xué)習(xí)技術(shù)（self-supervised learning）在上述多個領(lǐng)域展現(xiàn)出很強的通?學(xué)習(xí)能?，即在海量?標(biāo)簽數(shù)據(jù)上訓(xùn)練?規(guī)模通?預(yù)訓(xùn)練模型，然后?少量有標(biāo)簽數(shù)據(jù)做精細調(diào)整就能取得?常好的效果。

過去?年里，基于這種兩段訓(xùn)練模式的超?模型不斷刷新各項學(xué)術(shù)算法競賽紀(jì)錄，在?業(yè)界也成為?種模型訓(xùn)練和調(diào)優(yōu)范式。

最近?年，F(xiàn)acebook、亞?遜、?歌和微軟等公司的研究學(xué)者陸續(xù)提出語?領(lǐng)域的?規(guī)模預(yù)訓(xùn)練模型， 如 Wav2vec、 HuBERT、 DecoAR、 BigSSL、WavLM 等。

（3）除基礎(chǔ)技術(shù)外，在不同應(yīng)?場合場景下，多個領(lǐng)域模態(tài)的技術(shù)也在快速相互融合，形成視覺、語?和語義結(jié)合的多模態(tài)綜合系統(tǒng)，如虛擬數(shù)字?。

工業(yè)界落地加速

整體來說，智能語?技術(shù)在?業(yè)界的落地不斷加速，來?業(yè)務(wù)和技術(shù)兩個?向的合?共同作?牽引和驅(qū)動應(yīng)?落地。

從應(yīng)?場景的牽引看，???如短中?視頻業(yè)務(wù)，在全球仍保持著較?的增?速度，視頻內(nèi)容創(chuàng)作者和內(nèi)容消費者活躍度很?；另???，疫情令居家辦公和遠程協(xié)作的需求增?，智能語?技術(shù)能在視頻會議中提供通信增強和語?識別等關(guān)鍵能?，為參會者提供更佳的會議體驗；以智能汽?和虛擬現(xiàn)實 VR/AR 為代表的新場景不斷出現(xiàn)，需要更?便、更低延遲、更沉浸式的語?交互體驗。

從核?技術(shù)的驅(qū)動看，基礎(chǔ)模型改進和?監(jiān)督技術(shù)不斷提升著模型性能上限，同時多模態(tài)技術(shù)融合使得技術(shù)?案的能?越來越強，可?持更復(fù)雜的場景并帶來更好的體驗。

商業(yè)化難點主要在于商業(yè)模式選擇

馬澤君認(rèn)為，現(xiàn)階段，智能語音商業(yè)化的難點主要是商業(yè)模式探索和路線選擇的問題，具體包括如何更好地滿?需求，控制成本以及保證交付質(zhì)量。

???，AI 商業(yè)模式探索需要始終圍繞需求展開，提升模型效果和在真實場景中解決用戶或客戶的問題不能等同。解決實際問題需要 AI 研發(fā)?員深?業(yè)務(wù)場景，理解需求和條件限制，找到合理的產(chǎn)品技術(shù)?案，并不斷思考和抽象功能和技術(shù)，沉淀通?的技術(shù)解決?案，探索驗證可規(guī)?；臉?biāo)準(zhǔn)產(chǎn)品，降低定制周期和代價。

另???，AI 技術(shù)研發(fā)成本?常?，如何通過優(yōu)化算法低對領(lǐng)域數(shù)據(jù)依賴，建設(shè)?動化平臺降低??消耗和提升研發(fā)流程效率對成本控制?常關(guān)鍵。

最后還要重視交付質(zhì)量和售后服務(wù)。只有同時做好上述三個環(huán)節(jié)，才能完成從需求到交付到服務(wù)的整個鏈路，從而奠定規(guī)模商業(yè)化的基礎(chǔ)。

端到端和預(yù)訓(xùn)練等技術(shù)仍然值得關(guān)注

端到端序列建模技術(shù)

（1）準(zhǔn)確率和推理速度更上?層樓的端到端技術(shù)值得期待，其中對?機制（alignmentmechanism）是端到端序列建模的關(guān)鍵。字節(jié)跳動 AILAB 正在探索的連續(xù)整合發(fā)放 CIF 模型（Continuous Integrate-and-Fire）是一種創(chuàng)新的序列端到端建模對齊機制，具有軟對齊、計算代價低和容易擴展的特性。

（2）在端側(cè)設(shè)備上的端到端語?識別和合成技術(shù)落地值得關(guān)注，特別是輕量級、低功耗、?準(zhǔn)確度和定制靈活的端到端語?識別和合成技術(shù)。

（3）端到端語?識別技術(shù)?向的熱詞定制和領(lǐng)域?適應(yīng)技術(shù)??？赡苡兄?進展。

?監(jiān)督預(yù)訓(xùn)練技術(shù)

（1）超?數(shù)據(jù)規(guī)模和模型 size 的語??監(jiān)督預(yù)訓(xùn)練技術(shù)值得關(guān)注，語??監(jiān)督預(yù)訓(xùn)練的 BERT 已經(jīng)出現(xiàn) (Wav2vec2.0/Hubert)， 語??監(jiān)督預(yù)訓(xùn)練的 GPT-3 很可能在 2022 年到來。

（2）多模態(tài)語??監(jiān)督預(yù)訓(xùn)練技術(shù)也?常吸引?，該技術(shù)可能會極?地提升預(yù)訓(xùn)練模型的表征能?，從?帶來?監(jiān)督預(yù)訓(xùn)練技術(shù)更?范圍的落地應(yīng)?。

（3）無監(jiān)督預(yù)訓(xùn)練技術(shù)在語?合成、?樂分類、?樂識別領(lǐng)域的應(yīng)?同樣值得關(guān)注，借助?監(jiān)督預(yù)訓(xùn)練的聲學(xué)?頻表征，可以有效提升下游任務(wù)的性能。

語?對抗攻擊與防御技術(shù)

（1）語?領(lǐng)域的對抗攻擊，從攻擊?段上來看，將從當(dāng)前的?盒攻擊，進?步進化成?盒攻擊；從攻擊內(nèi)容來看，將從當(dāng)前流?的 untarget 攻擊進化成 target 攻擊。

群雄逐鹿，誰能贏得自動駕駛之戰(zhàn)？

2021 年，自動駕駛領(lǐng)域格外熱鬧。

造車熱

今年，互聯(lián)網(wǎng)大廠、新造車勢力和傳統(tǒng)企業(yè)紛紛進場布局自動駕駛，可以說能下場的巨頭們基本上都下場造車了，自動駕駛“戰(zhàn)場”群雄逐鹿，不知未來誰執(zhí)牛耳？

在資本市場上，自動駕駛也備受追捧。據(jù)零壹智庫分析，繼 2016-2018 年熱潮之后，2021 年自動駕駛領(lǐng)域迎來第二次投資熱潮。今年 11 月，Momenta 完成超 10 億美元 C 輪系列融資，創(chuàng)下本年度自動駕駛領(lǐng)域最大規(guī)模融資記錄。

商業(yè)化前夜

Robotaxi 是自動駕駛最有價值的商業(yè)模式，現(xiàn)階段，很多自動駕駛技術(shù)公司都在做 Robotaxi 的嘗試。今年，很多自動駕駛車輛從封閉路測場地走向真實道路。百度、小馬智行、文遠知行、等企業(yè)已實現(xiàn)面向公眾的示范運營，開始探索商業(yè)化。11 月，國內(nèi)首個自動駕駛出行服務(wù)商業(yè)化試點在北京正式啟動，百度和小馬智行成為首批獲許開展商業(yè)化試點的企業(yè)。業(yè)內(nèi)人士認(rèn)為，這標(biāo)志著國內(nèi)自動駕駛領(lǐng)域從測試示范邁入商業(yè)化試點探索新階段。

今年，自動駕駛卡車賽道也格外火熱，量產(chǎn)和商業(yè)化均提速，頭部玩家走向上市。近日，毫末智行董事長張凱在接受 InfoQ 等媒體采訪時談到了自動駕駛卡車的發(fā)展，他表示，相對乘用車輔助自動駕駛運行場景的復(fù)雜性，RoboTruck 具有一些優(yōu)勢，例如長時間運行在較暢通的高速公路上，運行場景相對簡單。現(xiàn)階段，RoboTruck 走得是類似于乘用車般從輔助駕駛到無人駕駛漸進式的發(fā)展路線。從發(fā)展前景看，Robotruck 具備商業(yè)化閉環(huán)的可行性，但自動駕駛系統(tǒng)的量產(chǎn)將會是一個坎。

毫末智行 COO 侯軍認(rèn)為，2021 年是自動駕駛的爆發(fā)之年。一方面，得益于技術(shù)的持續(xù)進步、市場需求、政策加持、資本看好等各方面因素，高級別自動駕駛在落地探索方面，已有了初步的成果；另一方面，智能駕駛商業(yè)化落地也在快速滲透，開始走向量產(chǎn)時代。

2022，這些技術(shù)將是下半場競爭勝負(fù)的關(guān)鍵

根據(jù)張凱的預(yù)判，“2022 年將是自動駕駛行業(yè)發(fā)展最為關(guān)鍵的一年。乘用車輔助駕駛領(lǐng)域的競爭將會正式進入下半場，而下半場競爭的場景將會是城市開放場景。其他場景的自動駕駛也將正式進入商業(yè)化元年”。

張凱認(rèn)為，2022 年，多項自動駕駛技術(shù)值得關(guān)注。

（1）數(shù)據(jù)智能將成為自動駕駛量產(chǎn)決勝的關(guān)鍵。數(shù)據(jù)智能體系是自動駕駛商業(yè)化閉環(huán)的關(guān)鍵所在，搭建高效、低成本的數(shù)據(jù)智能體系有助于推動自動駕駛系統(tǒng)不斷迭代前行。

（2）Transformer 與 CNN 技術(shù)深度融合，將會成為自動駕駛算法整合的粘合劑。Transformer 技術(shù)幫助自動駕駛感知系統(tǒng)理解環(huán)境語義更深刻，與 CNN 技術(shù)深度融合能解決 AI 大模型量產(chǎn)部署的難題，這是自動駕駛行業(yè)下半場競爭的關(guān)鍵技術(shù)。

（3）大算力計算平臺將在 2022 年正式量產(chǎn)落地，Transformer 技術(shù)與 ONESTAGE CNN 技術(shù)都需要大算力計算平臺做支撐。

（4）隨著自動駕駛系統(tǒng)的量產(chǎn)和規(guī)模化，激光雷達與機器視覺組成的 AI 感知技術(shù)，將與大算力計算平臺深度融合，這將大幅提升自動駕駛感知、認(rèn)知模塊的運行效率。

NLP，黃金時代持續(xù)？

這幾年，NLP 處于快速發(fā)展階段。去年，多位 NLP 專家評判，NLP 迎來了大爆發(fā)的黃金時代。那么今年，NLP 的發(fā)展情況如何？

基于提示的微調(diào)技術(shù)迅速流行

作業(yè)幫產(chǎn)研中心蔣宏飛博士告訴 InfoQ，今年基于提示的微調(diào) (prompt-based tuning）的技術(shù)迅速流行起來，這是一種人類知識和大模型較高效的結(jié)合模式。該技術(shù)是今年較值得關(guān)注的新進展。

“今年 NLP 在基礎(chǔ)模型方面沒有大的突破。預(yù)訓(xùn)練模型方面，今年涌現(xiàn)了很多很大的模型，但整體上同質(zhì)化也較嚴(yán)重，對于工業(yè)界實踐效果來講，往往按照‘奧卡姆剃刀’原則，傾向于使用最適當(dāng)?shù)娜?Bert 往往就夠了”蔣宏飛表示。

現(xiàn)階段，NLP 技術(shù)在發(fā)展過程中還存在不少技術(shù)挑戰(zhàn)，其中之一便是很難獲取到大量高質(zhì)量的標(biāo)注數(shù)據(jù)。深度學(xué)習(xí)依賴大規(guī)模標(biāo)注數(shù)據(jù)，對于語音識別、圖像處理等感知類任務(wù)，標(biāo)注數(shù)據(jù)相對容易，但 NLP 往往是認(rèn)識類任務(wù)，人的理解都有主觀性，且任務(wù)和領(lǐng)域眾多，導(dǎo)致大規(guī)模語料標(biāo)注的時間成本和人力成本都很大。

與 CV、語音識別相比，NLP 項目在業(yè)務(wù)中落地往往較慢

NLP 落地項目往往和業(yè)務(wù)強相關(guān)。不像圖像識別、語音識別，通用能力在具體業(yè)務(wù)也有大量落地場景，業(yè)務(wù)和算法協(xié)作邊界和指標(biāo)相對好確定。而 NLP 項目在業(yè)務(wù)中落地往往會比較慢，需要上下游不斷深度磨合對齊。

NLP 解決的是最難的認(rèn)知智能，而人類語言的歧義性、復(fù)雜性、動態(tài)性令其挑戰(zhàn)重重。但 NLP 商業(yè)化落地必須面對這些本質(zhì)的難題，所以不太可能有通用性的“一招吃遍天”的技術(shù)方案。

“盡管現(xiàn)在的預(yù)訓(xùn)練模型一直在往這個方向努力，但我認(rèn)為起碼目前這種 Transformer 式的，或者更通用地說，DNN 這種蜂巢智能式的技術(shù)范式不太行。所以，大家能看到也有不少研究學(xué)者在知識圖譜類的各種其他范式上在做努力”蔣宏飛說。

通用性的模型既然走不通，那垂類單一具體場景任務(wù)為什么也不能快速搭建？這個問題又涉及到數(shù)據(jù)的問題。數(shù)據(jù)標(biāo)準(zhǔn)的對齊、數(shù)據(jù)標(biāo)注一致且高效、數(shù)據(jù)覆蓋度和均衡度、長尾數(shù)據(jù)的處理、數(shù)據(jù)動態(tài)漂移等都是 NLP 從業(yè)者每天面對的麻煩事。而相關(guān)的方法論和基礎(chǔ)工具還很不系統(tǒng)、不齊備，這是未來想達到快速商業(yè)化目的前必須打好的基礎(chǔ)。

明年，NLP 將在哪些場景實現(xiàn)規(guī)?；涞?？

2022 年，NLP 的大規(guī)?；瘧?yīng)用可能會出現(xiàn)在以下行業(yè)出現(xiàn)突破：

教育智能化

場景化高標(biāo)準(zhǔn)機器輔助翻譯，如專業(yè)領(lǐng)域文檔翻譯、會議實時翻譯等。

服務(wù)運營智能化：培訓(xùn)、銷售、營銷、服務(wù)等場景的智能化。

外文學(xué)習(xí) / 寫作智能輔助，參考 Grammarly 和 Duolingo 的快速發(fā)展。

醫(yī)療智能化。文本廣泛存在于電子病歷、臨床試驗報告、醫(yī)學(xué)產(chǎn)品說明書、醫(yī)學(xué)文獻中。分析、挖掘和利用這些文本，有大量且能直接使用的場景，可能會有突破式發(fā)展。

代碼智能分析。代碼 bug 識別、代碼智能優(yōu)化等。

2022 年，NLP 值得關(guān)注的技術(shù)點

基于提示的微調(diào) (prompt-based tuning) 的技術(shù)。

具有邏輯推理的文本生成技術(shù)、具有良好控制性以及一致性的文本生成技術(shù)。文本生成要在嚴(yán)肅場景用起來就必須滿足這些，否則只能應(yīng)用在娛樂場景。

多模態(tài)技術(shù)。如 NLP+CV、 NLP + Image、 NLP+ Speech 等。

主動學(xué)習(xí)、數(shù)據(jù)增強等。NLP 大規(guī)?？焖俾涞貢r的很多痛點需要這些技術(shù)來緩解。

代碼智能。代碼問題識別、代碼翻譯、自動代碼優(yōu)化、代碼工作量評估 (如 Merico 的方案)。

元宇宙概念大火，計算機視覺是基石技術(shù)之一

回首過去的一年，OPPO AI 技術(shù)產(chǎn)品化專家（語音語義和計算機視覺以及多模態(tài)融合方向）何苗總結(jié)了計算機視覺在工業(yè)界和學(xué)術(shù)界的進展。

具身智能，從被動式 AI 轉(zhuǎn)向主動式人工智能

具身智能（embodied AI），強調(diào)智能體（agent）要與真實世界進行交互，并通過多模態(tài)的交互 — 不僅僅是讓 AI 學(xué)習(xí)提取視覺上的高維特征，被“輸入”的認(rèn)知世界，而是通過“眼耳鼻舌身意”六根來主動獲取物理世界的真實反饋，通過反饋進一步讓智能體學(xué)習(xí)并使其更“智能”、乃至“進化”。

今年 2 月，李飛飛提出了一套新的計算框架—— DERL（deep evolution reinforcement learning）深度進化強化學(xué)習(xí)。她提到了生物進化論與智能體進化的關(guān)系，并借鑒了進化論的理論應(yīng)用于假設(shè)的智能體的進化學(xué)習(xí)中。

進入元宇宙，需要智能感知和交互這張門票

今年，元宇宙概念大火，各家紛紛入局。

Facebook 極為推崇元宇宙，為了表示投入元宇宙的決心，今年，F(xiàn)acebook 改名為 meta，并宣布 “all in 元宇宙”。

扎克伯格提出云宇宙需要具備八要素，其中之一是 Presence 開發(fā)平臺 / 套件。Presence 是 meta 為 Oculus VR 頭顯開發(fā)者提供的元宇宙基礎(chǔ)開發(fā)套件，提供的即為基于計算機視覺和智能語音技術(shù)的工具集，分別是 insight sdk、interaction sdk 和 voice sdk。

進入元宇宙需要智能感知與交互技術(shù)這張門票，而這張門票里的視覺和語音技術(shù)是最重要的基石。

趨勢一：面向內(nèi)容生成的 AIGC

元宇宙世界需要孿生大量現(xiàn)實世界的物體或是對于現(xiàn)實世界的人物進行重建，而這些海量的重建必然不能按照傳統(tǒng)游戲世界中的方法，由 CG 工程師一個個手工制作，這樣效率遠遠無法滿足實際場景的需求。因此面向內(nèi)容生成的 AIGC（算法層面）是必要的。相關(guān)技術(shù)方向包括：圖像超分、domain 遷移、外推、類似 CLIP（對比式語言圖像預(yù)訓(xùn)練模型，可以從自然語言監(jiān)督中有效學(xué)習(xí)視覺模型）的隱式神經(jīng)表示 — 通過文字描述來生成圖像等多模態(tài)的（CV+NLP）等相關(guān)技術(shù)。

趨勢二：SCV 合成

虛擬現(xiàn)實引擎有專門的生成合成數(shù)據(jù)的組件，這些合成數(shù)據(jù)不僅美觀，而且有助于訓(xùn)練更好的算法。

生成 / 合成的數(shù)據(jù)不僅是元宇宙的必備要素，也是訓(xùn)練模型的重要原料。如果有合適的工具來構(gòu)建數(shù)據(jù)集，就可省去繁瑣的給數(shù)據(jù)手工打標(biāo)的過程，更好地對計算機視覺算法進行開發(fā)和訓(xùn)練。

知名數(shù)據(jù)分析公司 Gartner 認(rèn)為在未來 3 年中，合成數(shù)據(jù)將比真實數(shù)據(jù)更占優(yōu)勢。在合成計算機視覺（SCV）中，我們使用虛擬現(xiàn)實引擎訓(xùn)練計算機視覺模型，并將訓(xùn)練好的模型部署到現(xiàn)實世界。

知識圖譜商業(yè)化落地，制約因素主要在于標(biāo)準(zhǔn)化

重要技術(shù)進展

知識圖譜技術(shù)在過去這一年取得的重要技術(shù)進展有：

知識抽取方面，多模態(tài)信息抽取在同時處理文本和視頻方面取得了進展；知識表示方面，自注意力機制的知識表示方法越來越走向?qū)嵱?；知識應(yīng)用方面，很多行業(yè)開始構(gòu)建行業(yè)知識庫，用于各類下游任務(wù)。

明略科技資深科學(xué)家張杰在接受 InfoQ 采訪時指出，現(xiàn)階段，在知識圖譜方面，業(yè)界普遍面臨的研發(fā)難點主要體現(xiàn)在兩個方面：算法方面，針對非結(jié)構(gòu)化數(shù)據(jù)的信息抽取和實體對齊的準(zhǔn)確度難以保障直接商用，需人工校驗；工程方面，行業(yè)圖譜構(gòu)建成本高，需要大量的人工標(biāo)注，另外構(gòu)建進度也不是一蹴而就，需要業(yè)務(wù)專家不斷運維。

張杰預(yù)測，2022 年，領(lǐng)域預(yù)訓(xùn)練語言模型和 Prompt 在知識圖譜中的應(yīng)用，有望使得信息抽取環(huán)節(jié)得到進一步提升。針對技能性知識的抽取技術(shù)和多模態(tài)抽取技術(shù)，商用前景廣闊。

應(yīng)用落地進展

2021 年，知識圖譜技術(shù)的應(yīng)用落地，在 ToC 場景中仍主要用于搜索、推薦的提升，在 ToB 場景中集中在可視化上。

張杰認(rèn)為，現(xiàn)階段，制約知識圖譜商業(yè)化落地的主要因素在于標(biāo)準(zhǔn)化，行業(yè)圖譜的 schema 很難在企業(yè)內(nèi)部大范圍內(nèi)達成認(rèn)知的一致性，影響了后續(xù)的標(biāo)注、抽取、應(yīng)用。

2022 年，知識圖譜技術(shù)的大規(guī)模化應(yīng)用可能會在制造業(yè)出現(xiàn)突破，制造業(yè)的知識密度高、重視標(biāo)準(zhǔn)化，頭部企業(yè)重視數(shù)字化建設(shè)，積累了大量原始數(shù)據(jù)。

2022 年，值得關(guān)注的重要技術(shù)趨勢

人工智能工程化

近兩年，人工智能工程化（AI Engineering）格外受關(guān)注。在 Gartner 發(fā)布的 2021 年和 2022 年重要戰(zhàn)略技術(shù)趨勢中，人工智能工程化都被列入其中。人工智能工程化是一種實現(xiàn)人工智能模型操作化的綜合方法。

不久前，Gartner 高級研究總監(jiān)高挺曾在接受 InfoQ 采訪時表示，AI 工程化本質(zhì)上是 AI 在企業(yè)中大規(guī)模、全流程的落地過程，盡管目前大家現(xiàn)在對 AI 期待很高，但實際上 AI 目前的應(yīng)用仍然是被低估的。因為，很多 AI 項目的價值只能體現(xiàn)在一些“點對點”的一次性的方案中。將 AI 大規(guī)模落地的工程化方法（包含 DataOps、ModelOps 和 DevOps）總和起來，便是“AI 的工程化”的一整套體系。

人工智能工程化對企業(yè)有很多好處，企業(yè)在進行人工智能落地的時候，落地效率、落地廣泛度會更高。

可以預(yù)見，人工智能工程化將會是未來 2-3 年需要持續(xù)關(guān)注的方向，人工智能工程化應(yīng)該關(guān)注三大核心要點：數(shù)據(jù)運維、模型運維、開發(fā)運維。

Gartner 預(yù)測，到 2025 年，10% 建立人工智能工程化最佳實踐的企業(yè)從其人工智能工作中產(chǎn)生的價值將至少比 90% 未建立該實踐的企業(yè)高出三倍。

生成式 AI 漸成趨勢

生成式人工智能（Generative Artificial Intelligence）也被 Gartner 評為 2022 年重要戰(zhàn)略技術(shù)趨勢之一。

該機器學(xué)習(xí)方法從其數(shù)據(jù)中學(xué)習(xí)內(nèi)容或?qū)ο?，并運用數(shù)據(jù)生成全新、完全原創(chuàng)的實際工件。人們可以用 AI 來創(chuàng)造出一些新事物，如內(nèi)容創(chuàng)作、創(chuàng)建軟件代碼、輔助藥物研發(fā)等。

近日，機器學(xué)習(xí)大牛吳恩達發(fā)文回顧了 AI 在 2021 年的四個重要進展，其中之一便是，AI 生成音頻內(nèi)容呈現(xiàn)出主流化傾向?，F(xiàn)在音樂家和電影制作人們，已經(jīng)習(xí)慣于使用 AI 支持型音頻制作工具。

在國內(nèi)的優(yōu)酷、愛奇藝等視頻平臺，AI 也已經(jīng)廣泛用于音、視頻的內(nèi)容生產(chǎn)和創(chuàng)作中，如 AI 輔助視頻制作、智能字幕生成、智能翻譯、特效生成等。

Gartner 認(rèn)為，未來一段時間內(nèi)，AI 會逐漸從一個做判斷的機器變成一個做創(chuàng)造的機器。預(yù)計到 2025 年，生成式人工智能將占所有生成數(shù)據(jù)的 10%，而目前這一比例還不到 1%。

不過該技術(shù)還存在一定的爭議，如會被濫用于詐騙、欺詐、政治造謠、偽造身份等，存在道德和法律風(fēng)險。

元宇宙，狂熱的新風(fēng)口

2021 年，可能沒什么技術(shù)名詞比“元宇宙”熱度更高了。全球很多公司都在講元宇宙的概念，認(rèn)為元宇宙是指向互聯(lián)網(wǎng)的“終極形態(tài)”。如今，移動互聯(lián)網(wǎng)的紅利已經(jīng)見頂，不知道互聯(lián)網(wǎng)的盡頭是否會是元宇宙？

所謂元宇宙，是一個虛擬時空間的集合， 由一系列的增強現(xiàn)實（AR）， 虛擬現(xiàn)實（VR） 和互聯(lián)網(wǎng)（Internet）所組成。元宇宙的實現(xiàn)，仰賴一系列前沿技術(shù)作支撐，包括人工智能、VR/VR、5G、云計算、大數(shù)據(jù)、區(qū)塊鏈等基礎(chǔ)設(shè)施。

元宇宙中可以重點關(guān)注的細分賽道有 VR/AR 、游戲、社交、Metahuman 等。文娛基金易凱資本在其元宇宙報告中也表示，長期看好基于上述形態(tài)的底層技術(shù)公司。易凱資本預(yù)測，在未來十年，元宇宙概念將依舊集中于社交、游戲、內(nèi)容等娛樂領(lǐng)域，到 2030 年會滲透到提升生產(chǎn)生活效率的領(lǐng)域。

寫在最后

2021年，人工智能領(lǐng)域涌現(xiàn)了不少激動人心的重大突破，人工智能也正在賦能、改變甚至顛覆許多行業(yè)。當(dāng)然也仍有很多難點需要投入更多時間攻克。

近日，李彥宏對 AI 的未來發(fā)表判斷：“人機共生”時代，中國將迎來 AI 黃金十年。而未來十年，AI 技術(shù)應(yīng)用門檻將顯著降低，為各行各業(yè)的智能化轉(zhuǎn)型提供技術(shù)“大底座”。

人工智能發(fā)展已漸入深水區(qū)，期待明年以及之后的 10 年，人工智能能夠在技術(shù)和落地上取得更多進展，為下一個“黃金十年”而努力。

采訪嘉賓介紹（按姓名首字母排序）：

何苗，OPPO AI 技術(shù)產(chǎn)品化專家

侯軍，毫末智行 COO 蔣宏飛，作業(yè)幫產(chǎn)研中心

劉知遠，清華大學(xué)教授、智源大模型技術(shù)委員會成員

?澤君，字節(jié)跳動 AILAB 語?技術(shù)總監(jiān)

吳韶華，浪潮人工智能研究院首席研究員

許欣然，曠視天元 MegEngine 研發(fā)負(fù)責(zé)人

曾冠榮，OPPO 小布智能中心、 NLP 算法工程師

張杰，明略科技資深科學(xué)家

張凱，毫末智行董事長

本文來自微信公眾號 “AI前線”（ID：ai-front），作者：劉燕，36氪經(jīng)授權(quán)發(fā)布。