12月14日消息，由量子位主辦MEET2024智能未來大會今日在北京舉行。作爲國內最具影響力的智能商業峯會，MEET大會繼續對智能科技的最新進展進行總結和展望，《2023年度十大前沿科技趨勢報告》同時正式對外發布。
該報告由量子位智庫發起，結合對科技領域的長期跟蹤，以及對近百家初創公司、產業研究院、投資機構的深度交流，提名了2023年度十大前沿科技趨勢。
2023年
十大趨勢
涉及六大領域：AI技術、自動駕駛、空間計算、生物科技、太空探索、能源創新。
具體包括：
智能體熱潮：人機交互新範式已被大模型打開
3D生成進入涌現期：新算法新模型爆發，質量效率可控性日新月異
分割模型大一統：計算機視覺即將迎來「GPT時刻」
具身智能帶來新想象：AGI終極場景下的全新終端
端到端自動駕駛成共識：BEV+Transformer重構技術路線
空間計算定義明確：消費級產品問世，XR全棧鏈路打通
mRNA打開新象限：提供精準醫療新解法，開啓生物醫藥新篇章
腦機接口試驗新階段：產品可靠性突破，AI提升數據解碼能力
可回收火箭進入「中國軌道」：工程化難題被突破，商業航天迎來模式閉環
可控核聚變里程碑：點火成功，打開商用想象
一、AI技術
01、智能體熱潮：人機交互新範式已被大模型打開
今年的大模型研發熱潮同樣帶動了AI智能體的發展，成爲其強大的「動力引擎」。
目前學術界許多研究已經將大模型作爲AI智能體的認知核心，大模型擁有的推理技術和強大的自然語言理解能力，讓智能體具備了強大的學習和遷移能力，爲智能體的研究提供了突破性的技術方案。
今年在智能體的架構方面有所突破，以更靈活的思維算法技術替代了原有的思維鏈和思維樹的推理方式。
在智能體交互方面，斯坦福提出的AI小鎮也讓公衆看到了多智能體協同的效益，實現更高效、更智能的決策與行動。
量子位智庫預測未來智能體的發展將有兩個方向：
自主智能體和智能體模擬，將分別對應B端、C端需求，能夠實現複雜流程的效率提升和提供情感情緒價值。在不久的將來，嵌入自主智能體的軟件極有可能改變現有的使用方式，從「用戶適應軟件」變成「軟件適應用戶習慣」，真正成爲「個人助理」。
02、3D生成進入涌現期：新算法新模型爆發，質量效率可控性日新月異
在AGI爆火的今年，基於遊戲、影視、XR等產業對3D數據的需求不斷增長，3D生成領域出現了不少突破性的**新算法新模型**，在質量、效率、可控性多項關鍵性能上的學術研究突破日新月異。
今年在SIGGRAPH2023上被評爲最佳論文的《3D Gaussian Splatting for Real-Time Radiance Field Rendering》介紹了一種新的可以實現快速高幀率實時渲染的方法——**3D Gaussian Splatting**。
這一新表達和算法的出現是3D生成領域的一大突破性進展，在部分數據集上多項性能（如速度、質量、可控性）均優於NeRF。
在今年10月，字節跳動的研究團隊推出了一種全新的多視圖擴散模型——MVDream，能夠根據給定的文本提示生成幾何上一致的多視圖圖像。這一新模型可以應用爲3D生成的多視圖先驗，通過分數蒸餾抽樣極大地提高了現有的2D提升方法的穩定性，大幅改善了3D一致性問題。
同時，今年還有多個3D生成優化模型陸續出現。
03、分割模型大一統：計算機視覺即將迎來「ChatGPT時刻」
分割一切模型（SAM）是Meta在今年推出的AI模型，10月份相關論文獲得ICCV 23的Best Paper Honorable Menthion。受SAM影響，CV領域和相關研究在2023年「再度火熱」。
在SAM出現之前，我們所能看到的其他圖像分割模型，都是專有模型，良好性能在其他領域無法體現。SAM的最大貢獻即可以快速分割沒見過的圖像，將之前零散的圖像分割模型統一。有CV從業者認爲SAM的出現是計算機視覺領域進入「GPT時代」的原因。
04、具身智能帶來新想象：AGI終極場景下的全新終端
今年是人形機器人和大模型同步迸發的一年，具身智能（Embodied AI）已成爲AI研究新熱點。
2023年，具身智能領域的幾項關鍵性技術都取得了突破性進展。6月，李飛飛團隊發佈了具身智能新成果VoxPoser，能從3D空間分析出目標和環境障礙，讓真實世界中的機器人在未經培訓的情況下直接執行任務。
DeepMind在今年發佈了新的視覺語言模型Robotic Transformer 2(RT-2)，可以自動從互聯網及機器人數據中學習，學習成功可轉化爲機器人控制的通用指令。
全世界範圍內涌現出各種突破性的仿生機器人產品，大模型影響之下，具身智能將邁入新階段。
二、自動駕駛
05、端到端自動駕駛成共識：BEV+Transformer重構技術路線
今年的CVPR最佳論文頒給了端到端自動駕駛，這幾乎代表着一種共識：端到端自動駕駛是行業的未來。
隨着生成式AI的發展，以ChatGPT爲代表的大語言模型的泛化能力有了極大提升，端到端自動駕駛技術也因此受到廣泛關注。
端到端自動駕駛技術以全部模塊神經網絡化爲特徵，對規則的依賴度低，具備智能涌現能力和跨場景應用潛力。
2023年，城市NOA成爲自動駕駛廠商角逐的新方向，基於Transformer模型的BEV技術則成爲當下不二的選擇。
BEV+Transformer能夠直接生成高質量3D數據，且包含更多有用信息，能夠生成更加合理的駕駛指令，有望逐步成爲自動駕駛感知的主流範式。
此外，基於BEV的物體可以通過自上而下的視圖，完成軌跡預測和路線規劃，且能避免圖像視角下的尺度和遮擋等問題，也是實現端到端自動駕駛的關鍵。
三、空間計算
06、空間計算定義明確：消費級產品問世，XR全棧鏈路打通
6月蘋果在WWDC2023開發者大會上正式推出了第一款空間計算設備**Apple Vision Pro**，這一代表性消費級空間計算產品的問世，真正將「空間計算」這一概念推向大衆並迅速普及。
空間計算使得計算升維，內容變得更加立體，幾乎可以將信息100%復原。
空間計算將成爲下一代計算方式，
徹底變革傳統信息呈現和交互範式
，已成爲大家的共識。
今年AIGC的爆發和快速發展也開始解決數字內容快速生產創作的問題，實現了空間計算領域的閉環，XR全棧鏈路被打通。
同時，空間計算的兩大技術路線VST/OST齊頭並。代表性空間計算產品商業化落地後，將帶動XR開發者生態、內容生態以及供應鏈逐漸完善。XR設備也向「空間計算平臺」定義轉變，將進一步推動**XR**、**數字孿生**和**元宇宙**等領域加速增長。
四、生物科技
07、mRNA打開新象限：提供精準醫療新解法，開啓生物醫藥新篇章
今年，mRNA領域獲得令人矚目的成就，相關技術獲得諾貝爾生理學或醫學獎。
過去，由於mRNA技術的不穩定性及人體免疫等多原因，無法應用於新葯研發。直到脂質納米顆粒遞送技術、鹼基修飾技術的突破，解決了mRNA疫苗應用的難題，實現了快速量產。
由於mRNA具有安全性優勢、靶點數量優勢、療效優勢、製造工藝優勢和研發週期優勢，可應用於預防疫苗、治療疫苗、治療藥物等領域。
在分子設計層面，新提出了線性設計方法以解決在衆多mRNA編碼序列中的搜索問題，通過**動態規劃算法**降低搜索範圍，實現快速定位mRNA編碼。
在遞送技術層面，6月，賓夕法尼亞大學Drew Weissman 教授和Michael J. Mitchell 教授團隊新合成了一種**佐劑類脂質**，增強了mRNA的遞送效率。
08、腦機接口試驗新階段：產品可靠性突破，AI提升數據解碼能力
自腦機接口（BCI）概念提出至今，已經有50年曆史。當前腦機接口技術已經進入多個醫療場景，並且進入人體臨牀試驗階段。
今年，我們看到腦機接口領域的進展集中在神經解碼速度的提升上，更接近正常人的文字或語音輸出速度。
《Nature》連續發佈兩篇論文報告新的腦機接口裝置。Neuralink在5月下旬宣佈，該公司已獲得FDA批准，將啓動其首個**人體臨牀研究**；全球首例非人靈長類動物介入式腦機接口試驗在北京獲得成功，標誌着我國腦機接口技術的突破。
五、太空探索
09、可回收火箭進入「中國軌道」：工程化難題被突破，商業航天迎來模式閉環
當前階段，運載火箭的回收複用已是世界航天的發展趨勢，中國衆多商業航天企業也正在研製各自可回收複用型號。
航天技術的發展和規模一直受到發射成本的制約。可重複使用的火箭相比於單次發射的火箭在產能有限的條件下可以實現規模更大週期更短的發射。
今年7月，國際上公認的新一代可重複使用火箭發動機技術方向——液氧甲烷發動機實現了工程化突破，藍箭航天的“朱雀二號”成爲全球首款發射入軌的液氧甲烷運載火箭。
4月和11月，公認的「全球最先進的可回收火箭」——星艦進行了兩次試飛試驗，解決了推進器和火箭的分離等關鍵問題，具有重大意義。
六、能源創新
10、可控核聚變里程碑：點火成功，打開商用想象空間
今年以來，核聚變領域的突破不斷：
4月，我國EAST裝置實現了高功率溫度下穩態長脈衝高約束模式等離子體運行403秒，創造了**託卡馬克裝置穩態高約束模運行**新的世界紀錄。
8月，我國新一代人造太陽「中國環流三號」取得重大科研進展，首次實現100萬安培等離子體電流下的高約束模式運行。
近年來，核聚變的底層技術不斷突破，尤其是高溫超導材料的突破，有望加速實現清潔、低成本核聚變能源的商業落地。
核聚變作爲一種全新的能量來源，因其自身極高的能量密度、清潔等特性，已被產學界定義爲人類的「終極能源」。一旦核聚變能夠實現規模化發電，將顛覆人類社會的能源供給形式。
除此之外，還有這些提名技術領域值得關注：先進算力、衛星互聯網、合成生物學、量子計算等。
這也是量子位智庫連續第三年《年度十大前沿科技趨勢報告》，目前已經成爲前沿科技領域的年度參考之一。
完整報告下載地址：
https://jkhbjkhb.feishu.cn/wiki/W5D7wuDcbiPXDLkaRLQcAJpOn8f
如若转载，请注明出处：https://www.tuio.cc/1965.html
