1月18日，京東探索研究院結合近年來咨詢公司、學術界和產業界的熱點研究方向，發布了 2023十大科技趨勢，包括了產業AI、自動化工具、計算機通信、基礎科學等領域。報告中詳細分析了十大科技趨勢的關鍵要素，并按照其商業價值和技術棧層 級，繪制了科技趨勢全景圖。京東探索研究院科技趨勢指出：技術的組合效應將放大并加速新的商業模式和創新，通過顛覆現狀和創造新的機會來改變行業格局。

2023十大科技趨勢全景圖

趨勢解讀一：低延遲、高通路的網絡通信技術

低延時、高通路的網絡通信技術是指能夠減少現有網絡的限制及通信的延遲，通過使用人工智能、邊緣設備、基站上的加速器來處理運算負載，從而提供超低延遲、高連接密度和網絡切片的獨立網絡，并促進基于互聯網的生態系統的一種即時通信技術。

未來趨勢：

1、高低軌衛星聯合組網，單星與星座互補是發展趨勢；

2、低延時高通路的網絡通信為用戶提供沉浸式娛樂、生活體驗，加速XR設備在消費端的應用；

3、衛星通信與5G兼容方面的前期探索，為6G有機融合高中低軌衛星通信與地面移動通信發展打下堅實基礎。

趨勢解讀二：下一代計算

下一代計算是以量子計算、專用集成芯片、硅基光電芯片等技術為代表的，突破經典計算架構提供指數級算力增長的軟硬件能力集合。

未來趨勢：

1、立法與標準化是未來五年重點；

2、科技企業更加重視量子伙伴關系的建立和鞏固；

3、“量子服務”新型服務機構將會出現；

4、神經形態計算的創新架構方法將為發展自主人工智能提供動力。

趨勢解讀三：可信任科技

可信任科技旨在制定保障措施，增強隱私計算、構建可信任平臺、管理工程風險，從而獲得內外部利益相關者的信任的系統。

未來趨勢：

1、新的數據分享技術有望保留隱私的面紗，催生新的商業模式和產品；

2、數字主權將減少網絡安全/軟件等領域的信任風險，為新的CX、EX和遠程運營工作提供一個基礎；

3、人工智能技術作為基礎，將助力零售業，提升供應鏈流程以及促進醫療行業發展，提升診斷效率及精度。

趨勢解讀四：綠色 清潔 可持續科技

綠色、清潔、可持續科技旨在從清潔技術、人工智能和商業模式角度出發，滿足對環境、可持續發展和治理目標的需求。

未來趨勢：

1、數字化向可持續方向變化；

2、人工智能將支持能源系統的自動化；

3、云通信數據中心設施供應商正在增加可再生能源的消耗，并承諾實現碳中和運營。

趨勢解讀五：超自動化

超自動化是一種業務驅動的方法，用于識別、審查和自動化盡可能多的業務流程、IT流程和算法流程等。它需要協調使用多種技術工具和平臺，包括機器人流程 自動化(RPA)、自動機器學習 (AutoML) 、人工智能工程化 (AI Engineering)、低代碼平臺等。

未來趨勢：

1、AI門檻將得到降低以及實現普及化；

2、AI工程實踐不斷得到完善，以持續的從人工智能中提取業務價值；

3、數據驅動的通用人工智能加速超自動化的實現；

4、云邊一體化的協調自動優化，將擴大自動化的應用范圍。

趨勢解讀六：人工智能等技術向實體領域深度融合

隨著技術能力提升，先進科技正逐步地應用于實體企業的設計、制造和運營工作。

未來趨勢：

1、人-機-物共存的混合多智能體融合體系必然成為萬物互聯時代的新標準；

2、與實體深度融合的技術堆棧有可能改變現有商業模式；

3、工業技術棧實體化融合、多智能體群體智能的高效擴展將促進無人駕駛、智慧城市、智慧工廠的加速落地。

趨勢解讀七：指數級智能

AI大模型擁有超大規模參數、巨量訓練數據，通過模型的巨量化可以提高人工智能的通用屬性，并降低人工智能的應用門檻。

未來趨勢：

1、大模型發展聚焦實現真正的多任務學習、推理與部署；

2、跨模態將海量數據沉淀為海量知識，提高人工智能水平，進而提高生產力和商業價值；

3、面向決策和控制的認知智能將得到發展，以全面實現面向視覺、語言等場景的通用感知智能。

趨勢解讀八：數實融生、泛在應用

隨著元宇宙（消費級體感設備、 XR設備與應用）開始興起，數字服務將打破虛實界限，深度融合數字經濟與實體經濟。

未來趨勢：

1、AR眼鏡實現內容沉浸化、交互實時化與服務泛在化；

2、實時情境下的內容創作、分發、搜推能力助力售前決策、提高流量轉化，重構實體零售業態；

3、設計制造、運營協作和創新方式有望重塑，將推動實現元宇宙內容供應鏈。

趨勢解讀九：人工智能生成內容AIGC

人工智能生成內容AIGC是繼專業內容生成(PGC)和用戶內容生成(UGC)后新興的內容生產方式，具體指使用人工智能技術自動或輔助地生成或編輯文本、音頻、視覺等數字內容，提供更加簡單、高效、智能、專業的內容編輯、制作和創造技術與工具。

未來趨勢：

1、多模態大模型為代表的新興人工智能技術成為了AIGC能力升級的新引擎；

2、AIGC將不僅可以構建更加宏大的虛擬數字場景，同時具備了語義理解、控制、創作能力；

3、AIGC的產品類型逐漸豐富、場景應用更多元；

4、AIGC技術不斷進步將促進通用人工智能發展。

趨勢解讀十：AI for Science 基礎科學加速突破

下一代算力和人工智能的迅速發展，使我們能夠充分利用更高維度、更多模態的數據中的信息、仿真更加復雜的生、理、化過程，AI for Science就是讓人工智能利用自身強大的數據歸納和分析能力去學習科學規律和原理，得出模型來解決實際的科研問題，特別是輔助科學家在不同的假設條件 下進行大量重復的驗證和試錯，從而大大加速科研探索的進程。

未來趨勢：

1、基礎設施建設預計到2026年完成，將打造一系列工業級的2.0算法，建設與新計算形態相匹配的基礎設施；

2、人工智能在基礎科學領域的廣泛應用將在2030年得到實現，系統改變工業行業研發流程，AI for Science算法走向3.0；

3、與腦科學結合的下一代人工智能技術得以發展，將人類科學總結的先驗知識更好地融入人工智能模型；

4、AI for Science擴展AIGC技術應用領域，增強人工智能在合成生物學、分子結構學、納米材料領域的預測能力。