未来几年，高性能计算将呈现四个发展趋势：一是系统架构方面，将出现高算集群、量子计算、云计算和边缘计算的“四算融合”；二是关键硬件方面，计算芯片将迎来多元化发展；三是软件应用方面，云原生技术将带来高算服务的普及，科学计算模拟应用将大量增加；四是可持续计算方面，将更多地关注计算的效能，并加速高能效计算技术的研发与探索。
一、高算集群、量子计算、云计算和边缘计算“四算”融合，衍生新技术路径
云超融合：高性能计算与云服务的融合已成为趋势，如IBM的Vela和芬兰LUMI集群。此外，谷歌等公司利用云计算的优势，推出了创新的“算力多切片训练”方案。
量超融合：高性能计算集群与量子计算机的融合被视为未来方向。实现这一目标需要经过网络互联、操作系统协调和系统集成三个阶段。
量子集群与云服务：IBM发布了全球首个可扩展量子计算系统，标志着量子计算机的新发展。同时，全球已有20多家机构提供了量子计算云服务。
云边协同：高性能边缘计算正在快速发展，其应用场景包括自动驾驶和机器人。为了提高信息安全和决策实时性，数据处理和模型训练等工作正逐步向云边协同架构转移。
关联延展：阿里、百度先后撤销量子计算研发，中国“硬科技”会进入寒冬吗？
二、高性能芯片多元发展，QPU 发展由数量转向质量
芯片技术正在经历多元化的快速发展。一方面，科技巨头如微软和meta等正在自主研发高性能CPU和AI加速芯片。另一方面，传统的x86架构以外的芯片也在进入高性能计算领域，例如ARM架构的A64FX芯片和RISC-V高性能芯片SG042。此外，为了突破传统冯诺依曼计算架构的"内存墙"问题，业界开始采用存算一体技术提升现有芯片性能，并研发神经形态计算芯片。
同时，量子比特制备路径的竞争也在加剧，超导量子、光量子、离子阱、冷原子等多条量子比特制备路径都有所突破。在量子计算领域，QPU的发展也在追求数量和质量，如IBM发布的1000+量子比特QPU，以及哈佛大学和QuEra等联合发布的逻辑量子比特制备和纠错研究成果。总的来说，芯片技术的发展正朝着多元化和深度研发的方向前进。
三、云原生技术将释放高性能算力潜能，科学计算模拟应用大量增加
云原生技术的普及正在加速。云平台容器服务将加快对高性能计算服务支持，并兼容CUDA、ROCm、oneAPI等并行计算软件平台，为用户提供高度自动化的高性能计算环境，提高研发和实验效率。高性能计算的潜能将被进一步释放，科学计算模拟应用和成就将迎来大爆发。全球高性能计算集群的大规模新建和升级、以及云原生技术应用将使算力服务更充足并更易触达。
同时，科学计算模拟的需求将更加强烈。科学计算与人工智能技术的结合将比预计要快，许多传统模拟数值算法经AI优化后，性能获得大幅提升，生产力将迅速提高，科学研究将迎来快速进步的新形势。更多高性能计算集群尝试人工智能大模型研发。升级后的高算集群将具备更强的AI加速计算能力，进而可以支持人工智能大语言模型的训练。
四、业界将加大可持续高性能计算的践行力度
高性能计算在推动科技进步的同时，也带来了巨大的能源消耗。以TOP500排名第一的Frontier高算集群为例，其算力高达1.6EFlop/s，功率可达20兆瓦，相当于近1万户家庭的用电水平。据统计，数据中心的能耗约占全球电量的1%，而我国在2020年的占比为2.7%。随着人工智能大模型训练等高耗能计算应用的急剧增加，数据中心的能耗预计将继续上升。
在此背景下，可持续计算应运而生，成为数字经济和双碳目标下的重要发展方向。它旨在设计、建造和使用计算机技术的过程中，实现最大的能源效率和对环境影响的最小化。掌握可持续高性能计算的技术，将成为企业竞争力的重要体现。
未来，计算能效将成为评估高性能计算技术先进性的重要指标。提高计算能效的途径主要有三个：更高能效的计算软硬件、更先进的冷却技术、以及更合理的计算供需匹配。
在更高能效的计算软硬件方面，存算一体将是硬件层面主要的技术发展路径。而机器学习等人工智能技术与传统科学计算的结合，将大大提升计算效率和精度，并在软件层面大幅度节省计算资源。
在冷却技术方面，液冷技术，特别是浸没式液冷技术将加快普及，并带来30%以上的耗能节约。这将有效降低数据中心的能源消耗，提高能效。
在合理的算力供需匹配方面，计算能效将成为高性能算力更重要的技术参数。同时，“量子效能”也将成为未来量子计算机研发和应用的重要评估指标。这将推动高性能计算技术在能效和性能之间实现更好的平衡，为人类社会的发展提供更加强大的科技支持。
趋势二：多模态智能体加速AGI进程
人工智能在去年实现了里程碑式的进步，特别是生成式AI的突破让我们看到了未来人工智能的巨大潜力。大模型的能力不断提升，探索多模态、Agent、具身智能等方向，使AI有望完成“感知—决策—行动”的闭环。
一、多模态解析世界的本来面貌，并实现“三生万物”
人类世界本质上是多模态的，因此，人工智能的发展趋势也将是多模态的。技术将覆盖文本、图像、视频、声、光、电，甚至分子、原子等各种模态，并能实现跨模态迁移。未来的理想框架将是"多模态对齐和融合+统一编码器和解码器"。例如，微软发布的Copilot将GPT-4V的视觉能力与Bing搜索相结合，提供更好的图像理解和生成体验。谷歌发布的Gemini则是一个原生大模型，能无缝跨文本、图像、视频、音频和代码。Gemini是第一个在MMLU测试中超过人类专家的模型，准确率达到90%。
关联延展：谷歌发布迄今为止最强AI人工智能大模型Gemini，能打败Openai的GPT4 Turbo吗？
二、从大脑到Agent，大模型从CoPilot副驾，走向主驾驶
比尔盖茨预测，人工智能将成为下一个平台，将颠覆软件行业，并改变人们使用计算机的方式。他提到，未来的人工智能将由多模态大模型、长期记忆、规划和工具使用四个主要部分组成。目前，已有许多AI智能体出现，例如微软的AutoGen，它在发布后的两周内，星标量从390增长到10K，并在Discord上吸引了5000多名成员。AutoGen允许多个智能体扮演各种角色，如程序员、设计师，通过对话就能完成编程任务。
三、端侧大模型加速部署，或将成为未来交互新入口
大模型正逐渐转向端侧，如手机、耳机等，具有处理本地数据、节省云端资源、保护用户隐私等优势。一些手机已利用AI支持特定功能，未来结合端侧大模型和用户数据，用户将能更流畅地操作手机。一些公司，如Humane推出了AI Pin，高通推出了支持大模型的骁龙8 Gen3，苹果推出了支持端侧推理的M3芯片。端侧大模型有三种应用可能：一是成为硬件新入口，二是作为独立App，三是作为即时通讯软件中的Chatbot。
四、AI助力科研探索，贯穿科研全过程
AI技术正在改变科学研究的效率，通过理论探索、实验设计和数据分析等步骤提供动力。例如，以ChatPDF为代表的LLM应用能加快科研信息检索，提出新的研究问题，并帮助科学家发现新问题。在数据分析阶段，AI能通过大量数据提取有用信息，提高数据质量和利用效率。在处理复杂和多变量的科学问题时，AI的大模型能提供高效的计算能力和深入的洞见。
在科研领域，生成式AI被用于预测基因序列、发现药物靶点以及设计新型的生物材料。深度学习技术被用于预测DNA和RNA结合蛋白的序列特异性。麻省理工学院的研究人员开发出一种扩散模型，能生成自然界中不存在的新型蛋白质结构。此外，一个由AI指导的实验室A-Lab只用了17天就独自创造了41种新材料，展现了AI在科学领域的巨大潜力。
五、负责任AI走向深入，价值对齐助力大模型稳健发展
随着AI模型能力的提升，人机价值对齐问题日益重要，这关系到AI与人类的信任与安全，是AI治理的关键任务。业界和研究界正探索多种措施实现价值对齐，如人类反馈强化学习、可扩展监督方法等。美国AI公司Anthropic开发的"原则型AI"被评为2023年三大AI创新之一，表明价值对齐已成为AI领域的核心方向。在大模型发展引发AI技术发展理念之争的背景下，我们需要更加负责任地发展AI，而价值对齐的技术和治理探索将推动负责任AI走向深入，确保人类与AI和谐共生、有效协作。
趋势三：
AI加速人形机器人“手、脑”进化
工信部于2023年10月20日发布了《人形机器人创新发展指导意见》，强调人形机器人是集成了人工智能、高端制造、新材料等先进技术的颠覆性产品，将改变人类的生活方式并重塑全球产业发展格局。该《意见》提出，到2025年，人形机器人创新体系将初步建立，关键技术取得突破，产品达到国际先进水平，并在特种、制造、民生服务等领域得到应用。
2023年，人形机器人技术加速演进，成为科技竞争的新高地和未来产业的新赛道。李飞飞团队发布了VoxPoser技术，使人形机器人能理解并完成复杂的人类语言指令。特斯拉的Optimus机器人也在快速迭代。OpenAI和微软等科技公司也在投资和研发人形机器人技术。据预测，人形机器人市场规模有望在2028年达到138亿美元。
关联延展：马斯克公布最强人形机器人，Tesla Optimus擎天柱二代，会带动国内相关产业吗？
在人形机器人领域，有三个值得关注的趋势：大模型的嵌入提升了机器人的感知和任务处理能力；云边结合的分布式计算平台强化了机器人的训练和决策速率；以“灵巧手”为代表的关键技术，提升了人形机器人的执行应用能力。
一、大模型在文本、自然语言和视觉领域取得重要突破，提升机器人的理解能力。
在ITF World 2023大会上，英伟达创始人黄仁勋表示，人工智能的下一次浪潮将是具身智能，即能理解、推理以及与真实物理世界互动的智能系统。AI大模型以及后续的多模态，可以从语音、视觉感知、决策、控制等多方面为机器人提供更好的学习训练和进化。李飞飞团队在2023年发布的VoxPoser系统，实现了将大语言模型和视觉语言模型接入机器人，从而实现通过自然语言指令与机器人的交互，无需预设数据和提前训练。此外，谷歌与柏林工业大学合作推出的多模态具像化视觉语言模型PaLM-E，以及Google DeepMind推出的Robotics Transformer 2（RT-2），都是具身智能的代表性模型，可以执行各种任务，且具有强大的抗干扰能力。
二、云边结合的分布式算力平台发展强化了机器人的训练速率，降低产业化门槛。
机器人是AI、算力、IoT、底层硬件等技术的集大成者，正从垂直应用向规模化应用发展。云-边-端融合的机器人系统和架构让机器人达到数百万千万级水平，降低价格成本，实现大规模商用。云服务机器人将核心计算和智能部分部署在云端服务器，借助云计算技术提供更大的计算能力和资源。
“云端大脑+本地机体”或“云端服务”机器人将成为规模化推广与应用的重要模式之一。连接云端大脑后的机器人拥有信息共享、计算负载平衡、协同合作、独立于本体持续升级的核心优势。边缘计算的引入将解决终端能力受限和云计算的实时响应问题，增强机器人云端大脑的实时响应能力。智能算法将持续从云端大数据和本地端个性化数据中抽取知识，逐步从特定场景适应到通用场景，最终实现机器人即服务（RaaS）的长期愿景。
特斯拉的Dojo将加速人形机器人的开发，提供算力支持，更快速地处理海量数据，有望推动机器人加速落地。腾讯Robotics X机器人实验室引入预训练模型和强化学习技术，让机器狗分阶段进行学习，有效积累并存储技能、知识，让机器人在解决新的复杂任务时可以复用已学会的知识，并“举一反三”。
三、多感知、多自由度功能融合的灵巧手强化了人形机器人的微操作能力。
灵巧手是人形机器人重要的执行部分，对电机的性能要求较高。特斯拉的擎天柱灵巧手有6个执行器，可实现11个自由度，空心杯电机是其核心部件。腾讯Robotics X实验室研发的灵巧手TRX-Hand具有人手般的灵活操作能力，能适应各种场景。同时，他们还研发了具有七自由度和拟人特性的机械臂TRX-Arm，运动灵巧，爆发力强，且柔顺安全。空心杯电机因其高功率密度、高能量转化效率、快速响应和运行平稳等特性，完美满足了人形机器人轻量化、高精度的需求。
趋势四：
AI+基因计算解读生命密码
基因是生命的基本元素，而基因计算是分析理解基因信息的过程。目前，AI在基因计算中的应用越来越深入，预计到2032年，AI在基因组学行业的市场规模将达到125亿美元，复合年增长率39.2%。AI与基因计算的融合正在加速，将在生物育种、医疗健康、生物医药等领域开辟广阔的技术和产业应用前景。
AI在基因组学中扮演着关键角色。在生物信息学阶段，人们开始尝试将AI应用于基因数据分析。到了基因组时代，AI被广泛用于基因组数据的解析，提高了数据分析的效率和准确性。在后基因组时代，深度学习和AI大模型成为了关键技术，用于处理复杂数据，实现了单细胞测序，优化基因编辑策略，推动了生物育种、药物发现和个性化健康预测等领域的发展。
大模型正被用于破解复杂的生物问题，成为热点。清华大学智能产业研究院和水木分子发布了百亿参数大模型BioMedGPT，整合了多种生物相关的数据。上海市支持建设AI生物大模型。谷歌的DeepMind公司开发出了新的AI大模型AlphaMissense，成功预测了大量的基因突变，并对其进行了分类。此外，DeepMind还将其AI模型的预测范围扩展到了DNA、RNA等生物分子。
AI和生物科技正在推动育种技术进入4.0时代，这是由生物技术与信息技术融合推动的智能化时代。在这个阶段，基因编辑技术通过AI的分析和预测，可以提高对特定基因操作的精准度，增强作物的抗病性、耐逆性、营养价值和产量，并降低传统转基因技术的风险。此外，中国农业科学院生物技术研究所通过整合多组学数据，构建智能模型，预测并优化人工设计的合成表观回路，为培育聚合多种理想性状的作物新种质提供了新的途径。
AI和基因计算的结合将实现个性化健康预测，通过构建高度精准的疾病预测模型，可以预测个体在未来可能出现的健康问题，从而实现早期干预。基因测序是理解遗传信息的基础，它的目标是确定DNA分子中四种核苷酸的顺序。腾讯AI Lab提出了单细胞注释模型scBERT，这是首次在单细胞测序领域引入大型语言模型BERT范式，将基因表达信息转化为可被计算机理解、学习的“语言”，实现了高解释性、高泛化性、高稳定性的单细胞类型注释技术，可用于临床单细胞测序数据，辅助医生描述准确的肿瘤微环境、检测微量癌细胞，从而实现个性化治疗方案或癌症早筛。此外，该技术对疾病致病机制分析、耐药性、药物靶点发现、预后分析、免疫疗法设计等领域也有重要作用。
AI技术正在改变药物研发的方式，包括信息分析、药物靶点发掘、化合物筛选、分子设计/优化、成药性预测等环节。例如，AI算法能通过分析大量基因数据，快速找到疾病相关的生物标记和药物靶点，提高研发效率。此外，AI还能通过深度学习和模式识别技术，分析复杂的微生物基因组数据，高效地识别和预测可能编码天然产物的基因簇，助力新药研发。然而，随着AI+基因工程的进步，也带来了监管、隐私保护、数据安全和伦理等方面的挑战，这需要我们共同面对和解决，以确保科技发展真正服务于人类和社会。
趋势五：数字交互引擎激发超级数字场景
数字交互引擎，是数字文化产业升级的产物，集成了物理模拟、3D建模、实时渲染等前沿技术。它主要包含图形模块、仿真模块、实时渲染等模块，可以创造虚拟场景并支持其与物理世界的实时交互。起初，它主要用于游戏场景，被称为“游戏引擎”。随着技术的迭代和跨平台通用能力的提升，它已经应用于文旅、汽车、工业等多个领域，成为构建实时虚拟世界和实现虚实交互的关键工具。
一、数字交互引擎与AIGC互相驱动，打造构建超级数字场景的高效工具集
游戏科技正在扩展到游戏之外的领域，成为“超级数字场景”。游戏科技与AI的融合将成为重要趋势，游戏为AI提供测试和训练环境，同时，游戏行业的PCG技术有助于提升AIGC在3D内容制作上的能力。此外，AIGC技术将加速数字文化产业的工业化进程，简化内容开发流程，提升影视、游戏、广告等行业的智能化、工业化水平。数字交互引擎与AIGC的结合，将打造高效工具集，广泛应用于工业制造、自动驾驶等领域的虚拟仿真与协作，实现人类生产与生活模式的全面升级。
二、大众应用方面，数字交互引擎或走向UGC形态内容工具
随着数字交互引擎与AI的融合，它有望成为一种用户生成内容（UGC）工具，让大众可以更容易地创建3D内容。这种变革可能会像短视频一样改变我们的信息传播方式。数字交互引擎有可能成为一种普遍的3D内容生产和交互工具，使人们能够在虚拟空间中创造自己的形象和资产。然而，为了实现这一目标，我们需要在技术、生态系统和商业模式等方面进行投入，以实现高质量的画面效果和实时计算能力，培养多元化的开发者和内容体系，并构建可持续的商业模式以支持创作者的变现。
三、行业应用方面，数字交互引擎推动各行业数字孪生走向实时性
数字交互引擎正在从社会消费端向生产端延伸，不仅作为文化数字化的重要技术支撑，也在制造业领域作为“新型工业软件”。数字交互引擎已成为工业数字孪生重要的构建及运行平台，并支撑各行各业的数字孪生提升实时性。数字交互引擎与数字孪生技术的结合，可在数字空间中将物理实体构建为可视化、智能化的“副本”，并实现实时感知接入、可视化展现，支持实时渲染和展示，提供实时监控管理、演练测试的数字场景。未来，随着数字交互引擎集成更成熟的AI能力，将进一步提升数字孪生构建的效率与智能化水平，如自动驾驶的仿真测试等，从而提高研发生产效率、降低产业创新风险。
趋势六：
沉浸式媒体催生3D在场
在信息爆炸的时代，新媒体已成为我们生活的重要组成部分，其中视频作为主要的互联网信息载体，占比极高。据报告，2022年视频服务占互联网流量65.93%，我国网络视频（含短视频）用户规模达10.31亿，占网民整体的96.5%。因此，如何有效传递信息，提供优质用户体验是新媒体领域的重要课题。
多媒体技术经历了电视、PC流媒体、移动互联等阶段，其标准、设备、交互方式均有所变化。技术也在不断发展，未来多媒体技术将聚焦于四个方面：一是提高qoe和qos，降低时延、提高压缩比。二是实现更高效的内容生成和呈现，如AIGC、HDR技术。三是提供更多样的内容、互动内容、新媒体，以及沉浸式交互和体验。四是更深入产业，助力产业互联网。
一、沉浸式体验与交互：从平面到沉浸式体验的升级
随着VR、AR、MR等技术的发展，新媒体正朝沉浸式体验和交互发展。3DoF视频已在各大平台实现商用，裸眼3D产品也逐渐普及。这些新技术为用户提供了更真实的感官体验。未来，随着硬件的成熟和6DoF技术的演进，UGC的3D沉浸式内容将会增多。模型文件将成为多媒体的重要载体，如3D模型在游戏、电影、广告等多个领域中的应用，将带来更丰富的视觉体验。此外，5G等新一代通信技术的普及将显著提升沉浸式体验的传输速度和质量。
二、高效内容生成与呈现：AI技术的加持
随着人工智能技术的进步，AIGC技术已实现商用，未来将聚焦于生成更稳定的视频和3D内容。AI技术在数字人、超分、老片修复等领域将强化多媒体能力，提供更高质量的内容。深度学习技术将提升视频编解码的压缩效率，为图像/视频编码领域带来新的研究思路和方向。
三、从消费互联网到产业互联网：根据场景进行优化
互联网技术的发展推动了产业互联网的崛起，为各行各业带来新的机遇。其中，多媒体技术在产业互联网中的应用将根据不同场景进行优化，以满足产业互联网的需求。传统的直播传输-播放模型存在诸多问题，如缓存固定、传输可靠性过高、无法区分视频帧优先级等。针对这些问题，在消费互联网中的WebRTC通信模型基础上，进行优化，以提高传输效率和匹配场景需求。
在消费互联网中，优化后的模型大幅减少信令耗时、提升信令交互成功，降低首帧耗时和提升开播成功率。同时，支持AAC，H.265，附加前向纠错，抗50%以上丢包。引入了B帧，增强了画质，同时大幅减少了码率。采样柔性分级丢帧的传输策略来渐进式降低码率，以适应弱网情况。支持P2P分发网络，能够将看同一视频流的用户群就近地组织成网络，相互分享传输。实现延时可降低到800ms以内，综合QoS远超传统直播。
在2B场景中，通过提升信令链路对网络异常抵抗能力，减少网络异常恢复时间，提升视频应用稳定性。优化相机采集、视频渲染和视频编解码耗时，减少端到端画面延迟。以减少视频传输延迟为目标，适当平衡抗丢包和抗网络波动能力，并引入多网传输策略，减少单一网络依赖，提升传输稳定性。实现了画面延时可降低到100ms以内，兼顾抗弱网能力，在工业远程作业、医疗等领域应用前景广泛。
趋势七：
脑机接口从医疗突破迈向交互革命
脑机接口（BCI）是一种直接连接大脑与外部设备的通路，实现大脑与外部设备的交互。主要分为非侵入式和侵入式两类。经过百年的技术发展，脑机接口已经形成一系列基本的技术研究和应用范式，但整体仍处于发展早期。近年来，随着数字技术尤其是AI的突破，加上生物相容性电极、小型化设计与集成、微创植入、多模式传感器等关键技术进展，脑机接口呈现出加速发展的趋势。预计到2030年，全球商用市场将以17%的年平均增长率突破60亿美元。脑机接口对于应对人工智能威胁、减弱老龄化社会冲击、探索人类本质等问题具有重要意义，是构建人机和谐社会的重要路径之一。
一、脑机接口加速脑科学研究，助力医疗领域神经系统疾病监测及诊疗突破
脑机接口在医疗领域的应用前景广阔。它可以帮助开发更好的诊疗和康复手段，并加速神经科学和临床神经医学研究。重点应用方向包括神经调节，如脑深部刺激技术的应用，可以加速癫痫和帕金森病治疗。运动恢复方面，脑机接口可以帮助肢体受损或瘫痪人员恢复部分自主运动能力。感官补偿方面，脑机接口还能针对感官缺陷或损伤患者，如锁定综合征和渐冻症导致失语的患者，借助脑机接口能控制光标、文字生成、语音合成等，与外界重建交流。未来，脑机接口可望向神经系统相关的疾病治疗、人体增强等多样化的场景深化应用，如阿尔茨海默症等。
二、脑机接口与混合现实深化融合，将推动新一代人机交互模式变革
新一代XR设备正推动脑机接口的融合，实现更丰富的交互方式。meta的肌电交互腕带可预定位手指运动，感知微小手势，用于隔空操控。苹果的头显Vision Pro融入眼动交互，通过监测瞳孔变化预测用户行为。OpenBCI与Varjo合作的Galea BCI设备结合多种传感器和非侵入式脑机接口，创造出能进行多重体验交互的新型软硬件平台。未来，脑机接口与XR的结合将在娱乐、社交、身份识别等领域有广泛应用，且由于其采用非植入式，更安全便捷，易被大众接受，有望形成消费级应用，加速脑机接口普及。
三、脑机接口与人工智能相辅相成，成为促进人机和谐共生的重要路径之一
生成式AI的崛起引发了新的挑战，这使得发展脑机接口变得更为重要。脑机接口有望建立人脑与数字体、机器的高速连接，增强人脑能力，避免被AI直接替代，同时推动AI的安全、高效发展。类脑智能是发展方向之一，主要通过提高大脑解读能力，促进类脑计算发展。例如，大阪大学的研究团队成功重建了人脑活动图像，IBM推出了类脑芯片原型NorthPole，大幅提升了能效。未来，脑机接口和AI的结合将可能带来赛博格（人机融合体）、脑联网等的发展，降低AI风险，促进人机和谐共生。
趋势八：星地直连通信推动泛在网络覆盖
太空探索技术公司于1月3日成功发射21颗星链卫星，其中6颗卫星具备直连手机功能。1月11日，荣耀Magic6系列新品手机实现了体积最小、信号最稳、且最省电的手机卫星通信体验。这两大标志性事件预示着2024年可能成为星地直连泛在网络全面普及的元年。目前，地面蜂窝网络已覆盖70%的人口，但实际覆盖的地表面积只有20%。星地直连通信技术在攻克紧急状态通信难关方面具有巨大潜力。2022年底，苹果公司和华为公司相继发布了支持短报文应急通信服务的新款手机，华为在2023年推出了实现星地直连语音通信的Mate 60Pro手机。据美国市场分析公司ABI Research预测，到2030年，全球将有1.7亿台NTN移动终端设备，产生的收入将达163亿美元，复合年均增长率将达76%。
星地直连通信的突破主要得益于火箭和卫星技术的创新，使得卫星发射成本降低。美国SpaceX公司的Starlink（星链系统）正在积极部署近地轨道，其2.0 Mini卫星的通信能力已提高了4倍。同时，美国卫星通信公司AST Mobile正在部署基于低轨道的超大阵列天线。这些技术进步都降低了地面设备天线大小和功率强度的需求。此外，民用手机逐步实现星地网络兼容，华为公司和苹果公司都已在手机中集成专用卫星通信芯片。尽管星地通信仍会以窄带为主，但已具备在各种场景下广泛应用的前景。同时，我国芯片厂商已推出星地一体化通信模组，预计随着设备加速普及，该模组的价格会快速下降。
通信技术的变革，如星地直连和6G网络，将催生大量软硬件需求，特别是在宽窄带结合的即时通信和应急通信产品上。同时，泛在物联网的爆发，结合窄带卫星通信、边缘计算、可再生能源等技术，将为野外生态监测、自然灾害抗击、动植物保护、工程建设等领域带来全新可能性。然而，商业航天、卫星制造、通信设备等领域竞争激烈，资源有限，如太空轨道和通信频谱遵循“先到先得、先占永得”原则。我国虽已公布上万颗卫星的发射计划，但与美国同行相比，进度仍有待提高。因此，发挥国家统筹力量、依托市场容量、扶持龙头企业、建立产业生态和技术壁垒等，是取得通信革命领先地位的关键。
趋势九：
eVTOL加速空中出行奔赴新时代
随着城市化进程加速，交通拥堵和环境污染问题日益突出，开发低空空域、实现低空出行、发展低空经济已成为解决这些问题的重要选择之一。电动垂直起降飞行器（eVTOL）被视为推动低空经济发展的核心引擎，采用新能源电池作为动力的分布式电推进系统，能有效降低飞行噪音和提升操作系统的安全性。eVTOL应用场景广泛，包括替代直升机、在测绘、消防救援、电力巡线、警用巡查、医疗救护、搜救、海上石油钻井、农业植保、农业飞防等领域广泛应用。预计eVTOL将率先在载货物流、城市服务、消防救灾等场景开始商业化运营，随着技术发展和市场成熟，载客eVTOL将迈入大规模商业化时代。当前载人客运的展示和试点推广日趋火热，2024年奥运会和2025年世博会的试运营计划或开启“eVTOL元年”。未来十年，在政府、产业巨头和民间资本的助推下的eVTOL低空交通领域，产业发展与投资局面很可能发生剧变。面对多元化应用场景需求，eVTOL在关键核心技术，特别是飞行器构型设计方面，仍处于验证比较、市场选择到大规模应用的“前夜”，但数字技术加速和赋能已成共识，并在实践中落地。综合国内外情况来看，eVTOL在科技创新方面呈现“电动化、长续航、智能化”三大技术趋势。
第一，纯电推进的eVTOL成为主流，细分技术路线的优势需在场景中体现。
eVTOL是一种航空领域的新兴技术，它采用电推进系统作为动力装置，能够有效提升飞行器的气动效率、载运能力、环保性和鲁棒性。相比传统的直升机，eVTOL在噪音、污染和能效方面有着显著的优势。在eVTOL的商业化过程中，形成了多旋翼、矢量推进和复合翼等多种构型或技术路线。其中，多旋翼构型的技术实现相对简单，但有效载荷和航程有限；矢量推进和复合翼构型的eVTOL在航程、巡航速度和载重比方面有着明显优势，更适合在城际运输等空中交通商业场景中应用推广。全球的eVTOL设计研发项目统计数据显示，矢量推进构型和复合翼构型的选择比例相对较高，随着电池技术的不断发展，这两种构型的优势将会越来越明显。
第二，高能量密度锂电池的技术突破，进一步提升eVTOL续航里程。
电池技术突破正在推动电动垂直起降飞机（eVTOL）的中长距离城际飞行。锂电池因其高能量密度和安全性，成为eVTOL的首选动力来源，尤其在目标航程约200-300公里的范围内，其能源效率和成本优势明显。目前，业界领先的航空级别电池的能量密度有望达到500Wh/kg，这将极大提升eVTOL的续航里程。然而，氢能源飞机的商业化进程因成本高和技术成熟度低而缓慢。虽然氢燃料电池的能量密度最高可达锂电池的数百倍，但其应用空间在短期内仍受限制。德国创业公司H2FLY推出了一款液态氢飞机HY4，空中客车等公司计划在2035年前推出氢能飞机。
第三，“软件定义飞行器”和空中交通管理智能化共同加速无人驾驶愿景。
智能驾驶技术和政策支持正在推动eVTOL飞行器从有人驾驶向无人驾驶模式转变，展现出“软件定义飞行器”的趋势。未来，飞行器设计和性能，以及以AI为核心的软件技术将是eVTOL在空中交通竞争中的关键。同时，高效的数字化空中交通管理系统也是必要的支持。在早期推广阶段，为了符合适航安全要求和乘客接受度，可能会配备飞行员或安全员，但长期来看，自主飞行、取消飞行员是降低运营成本、提高经济效益的必然选择。亿航、峰飞和Wisk等公司正在专注于研发无人驾驶飞行器，并计划在未来进行商业试运营。此外，低空基础设施建设也将助力空中交通管理智能化，加速低空空域开放和利用进程。数字技术可以通过提供实时航空器信息、精准气象服务、决策支持和数字化工具等多种方式来推动空中出行新时代的到来。
趋势十：
多能流实时协同重塑虚拟电厂
随着科技的进步，虚拟电厂在能源转型中扮演了关键角色。未来电网的构成正在经历变革，源端将见证大规模、高比例的清洁能源接入，负荷端用户转变为发电、储能及电网响应的参与者，而电化学储能技术的发展和氢储能技术的研究正在降低能量存储与运输的成本。虚拟电厂的应用正在扩展到城市和城市间的更广阔层面。城市运行中的三大核心调节性负荷—工业、算力和交通—随着工业创新、大规模模型算力以及新能源汽车等领域的发展，电力需求持续增长，这既是挑战，也是机遇。数字化集成的虚拟电厂能够通过承担多网耦合和协同工作，将主要用电部门转变为可调节资源，有效应对能源结构转型带来的电网压力。近期的新能源和电力电子化领域的重要事件包括：蔚来参与全国规模最大的V2G需求响应项目，山东电力交易出现“负电价”现象，以及中广核新能源深圳虚拟电厂的重大成就，这些事件标志着行业的重大进步，也展示了数字化控制在能源变革中的重要作用。
一、规模巨大、可调性强的工业可调节负荷可提供规模灵活性：
腾讯正试验在钢铁生产中使用虚拟电厂技术，通过调整电炉的生产节奏和功率来获得负荷灵活性。这种技术可以提供5-20MW的灵活性，同时保证生产不受影响，并平衡设备运行和人力资源的排产。电网需要向负荷方发出通知并进行控制。此外，还可以通过调整电炉的生产节奏和功率来降低整体用电费用，并通过降低负荷获得补助。策略制定也是关键，可以根据不同的优化目标调整当日的生产计划，例如最快生产时间、最快生产时间加上模铸、最低电价、最大化峰谷错开、以及在最低电价下的需求侧响应等。这些目标策略将指导未来的响应方式。
二、数字基础设施的能耗优化，数据中心任务移动可改变负荷：
数据中心主要分为独立数据中心和互联网数据中心（IDC）。IDC通过光纤网络实现数据负荷转移，这在电力管理中尤其重要，特别是在电力资源东西差异大的情况下。此外，数据中心还进行了应用场景需求响应特性测试，包括调节服务器功率而不影响任务性能，并关注响应速度、深度、时长和精度。同时，数据中心还探索了服务器负荷灵活性策略，如对实时性不敏感的计算任务进行扩缩容和“断点续算”，以快速改变负荷分布，这类任务包括科学计算、视频渲染等。
三、与C端互动平移伸缩电动车充电状态，聚合为“大电池”：
电动汽车（EV）将电力网络与交通网络紧密耦合，形成了以EV为核心的信息-物理-社群系统。这种耦合方式带来了新的问题和调控潜力。首先，时空协同在电力-交通网络耦合的定义中，可以通过改变电网的潮流分布，转移充电负荷。其次，通过电力控制中心，结合交通拥堵信息和各充电站的可用容量，制定即时策略，引导电动汽车到达最佳位置进行充电。最后，基于价格调控的电动营运车辆调度是接下来的一个重要尝试方向，包括利用出行价格和充电价格调控车流密度、供需关系和充电需求的时空分布，以解决供需不平衡的问题，通过各类价格对营运车辆进行适当引导。
附原文>> 腾讯发布：影响2024年的十大科技应用趋势
∷∷∷∷∷∷∷∷∷∷
本文地址：http://www.glev.cn/quote/7512.html 歌乐夫 http://www.glev.cn/ , 查看更多