8月21日，由中国互联网协会、中国通信标准化协会指导，互联网域名系统国家地方联合工程研究中心（ZDNS）主办的第五届互联网基础资源高质量发展会议（原“下一代DNS发展论坛”）在北京举行。本次会议以“筑基AI 智联未来”为主题。会上，原国家信息化专家咨询委员会常务副主任周宏仁围绕《影响未来的四大颠覆性技术》作主题分享。

周宏仁表示，颠覆性技术是一种对主流技术途径产生整体或根本性替代的技术，是能够带来突发或意料不到的创新的技术。颠覆性技术带有通用技术的特征，可用于各个领域作为技术基础，对人类社会方方面面的技术进步影响深远。当前值得重点关注的四大颠覆性技术，是人工智能、量子计算、新一代芯片和星网。

人工智能：社会正在从信息时代走向智能时代

经过过去数十年的发展，信息化已经经历了数字化和网络化两个阶段，现在正在进入智能化阶段，整个社会的属性也开始从信息时代走向智能时代。

在这一智能化进程中，有四个重要的科学技术基础：计算科学、专用人工智能、通用人工智能、人脑模拟与类脑计算。其中，计算科学（高端计算）与计算机科学内涵完全不同，是21世纪迅速发展起来的现代科学新兴领域；专用人工智能涉及知识表示、自动推理和搜索、机器学习和知识处理、自然语言处理、计算机视觉、智能机器等；通用人工智能是构造“世界大模型”，将人类社会的一切活动映射入“多模态、大模型”之中；人脑模拟和类脑计算则与脑机接口相关，有可能解码和实现脑神经信息的数字化，解析人类神经网络结构。

智能技术也分为两条重要的科学途径。第一条是基于计算科学。以现有学科理论或实验成果构造理论模型，再通过算法、软件和仿真模拟不断修正完善，最终结果还要接受现有理论或实验结果检验。这种方法科学性强，但在超巨型复杂系统情况下，理论建模非常困难。

第二条是基于人工智能（统计建模）。其途径是统计建模以科学家的认识和判断为基础，充分利用网络空间和科学实验中丰富的大数据，构造关于研究对象的统计模型，利用大数据和深度学习算法不断逼近，通过试错和调整不断完善结果。数据质量越高，模型的有效性和准确度越高；充分利用现有超算功能，有可能以更短时间、更高效率揭示很多超巨系统复杂的内在规律。

从计算的发展来看，硬计算与软计算一直在交叉发展。软计算容忍不精确性、不确定性，接受部分真实性和近似值，只要算力足够，软计算可以反复迭代进行，逼近“精准”。通用人工智能的技术基础就是软计算。软计算构成了大量机器学习和AIG的理论基础。

当前，通用人工智能成为关注焦点。ChatGPT带来的一个重要突破是“标记化（Tokenization）”，即把文本转换为数字。用“标记”对单词或短语进行编码，是极为聪明而重要的一步，也是一个重要创造，并为模型的“多模态”准备了条件。

与此同时，GPT和大模型也带来数据危机和能源危机。围绕通用人工智能的发展，目前有三个研究方向：一是使大型语言模型能够做类似人类思考的事情，通过“自力更生”方式提升模型智能程度；二是建立新的、可以生成自然语言的指令模型，并根据这些指令对模型进行微调；三是从训练数据存储的信息中自动“生成”新的数据，以避免全球文本训练数据很快用完带来的数据危机。

量子计算：围绕“绝对量子优势”的竞争正在展开

量子力学是目前描述超微观世界中最小元素单元的主要模型。我们对量子力学的了解，建立在实验科学和数学推导的基础上，量子物理学本身也仍在发展之中，很多物理现象还需要观察、需要证明。

基于量子的技术具有二重性、随机性、叠加性、不确定性、测度性、纠缠性、去相干性等特征。其中，叠加性是量子力学的基石；在量子层面，粒子可能同时处在多种状态；纠缠则是理解量子计算、加密和通信的重要基础。

当前量子技术竞争的重要目标，是实现“绝对量子优势”，即让量子计算机完成传统超级计算机所不能完成的任务。与此同时，量子技术面临高开发成本、高风险投资、高技术不确定性以及专家缺乏等制约，“杀手级”应用仍然是关键。

量子计算有三个基本特点：第一，信息单元不是传统比特，而是量子比特；第二，处于叠加态的少量粒子可以携带大量信息；第三，在计算结束、测量粒子状态时，大量并行状态中只有一个随机状态被读取，需要通过对粒子的特殊处理，才能快速求解某些特定问题。这也意味着，量子计算机不能简单理解为性能更强的数字计算机。

从现实发展阶段看，量子技术仍存在明显短板，包括运算错误率偏高、运行稳定性不足，量子器件生产、量子算法开发以及量子比特远距离传输也都具有较大挑战。总体来看，量子计算距离规模化实用还有相当长的路要走，但作为下一代颠覆性的前沿技术，已经成为世界各国布局的重要方向。

新一代芯片：从通用计算走向专用加速计算

从1971年Intel 4004问世以来，处理器性能已经实现巨大提升，但通用处理器产业也正在面临新的技术瓶颈。随着微处理器走向5纳米、3纳米，成本增加、筹资困难以及未来收益不确定性，使技术发展面临新的挑战。GPU正在崛起，但CPU依然承担操作系统、软件、程序调度和控制流程等重要任务，这种作用不可替代。

GPU最初是为图形处理设计的，但其多内核、多通道架构，非常适合科学计算、大数据处理等计算密集型任务。AI时代，大模型需要海量矩阵乘法运算，这种重复、大规模计算恰好契合GPU架构优势，使GPU成为AI训练的核心算力底座。

由此，处理器技术正在进入新的变革阶段。当代的颠覆性创新呼唤新的芯片技术，目标是实现可持续计算、高能效计算、高性能计算、高成本效益计算。通用计算已经无法满足新的现实需求，专门的、特定领域的加速计算，目前还远没有看到终点。

目前已经形成CPU、GPU、NPU、TPU、LPU、DPU等六类计算引擎。CPU主要承担控制和调度，GPU成为AI训练的重要算力基础，NPU主要面向神经网络推理，TPU聚焦张量计算，LPU面向语言模型实时Token流处理，DPU则承担数据中心网络、存储、安全等数据处理任务。不同处理器开始面向不同应用和负载形成分工，计算正在从以通用CPU为中心，进一步走向多元化、专用化的加速计算。

星网：国家信息基础设施需要重新定义

以Starlink为代表的全球宽带互联网星座，一个突出特点是更快。与传统地球同步卫星相比，Starlink由大量低轨卫星组成星座，运行高度约为330至550公里，而传统地球同步卫星高度约为35000公里，因此数据往返于用户和卫星之间的耗时显著降低。

星网另一个重要特点是接入简单、全覆盖。与地面通信网络相比，星网关注的不只是带宽，更重要的是覆盖范围，希望把宽带互联网服务延伸到地球上更多区域。

同时，低轨小卫星正向更轻、更紧凑方向发展，每颗卫星通过相控阵天线和抛物面天线实现数据传送和接收，大规模卫星星座以及卫星间、星地之间的通信，使互联网进一步向陆海空天一体化方向发展。

而星网发展带来的更深层变化，是国家信息基础设施的重新定义。过去，国家信息基础设施主要基于领土、领海和领空定义。随着国家利益向全球延伸，对信息基础设施的需求也正在向全球延伸，国家信息基础设施开始向公海、公空、公天延伸。这种延伸既取决于国家的需求，更取决于国家的实力。国家信息基础设施的覆盖范围，对于国家信息能力和国家信息优势有重大影响，这种变化值得高度关注。（朱昱晗）