通过「定量发散」与「定性收敛」，达摩院分析了近三年来的770万篇公开论文、8.5万份专利，通过挖掘其中热点及重点技术突破，深度访谈近100位科学家，提出了2022年可能照进现实的十大科技趋势。

AI仍是最浓墨重彩的主角，但基本范式正在发生变革；芯片技术将更迭；下一代互联网即将到来……

科学研究是在星辰大海里探索未知，其中，实验科学和理论科学是数百年来科学界的两大基础范式。

而人工智能正在催生新的科研范式。

以蛋白质为例，通过研究其3D结构，生物学家不仅可以更加快速地研发出针对各类疾病的药物，甚至能够揭开生命之谜。而「蛋白质折叠问题」在过去的50年里一直是生物学的一个巨大挑战。

1969年，赛勒斯·莱文塔尔 (Cyrus Levinthal) 指出，通过蛮力计算列举出典型蛋白质的所有可能构型所需的时间比已知宇宙的年龄还要长：一个典型的蛋白质可能有10的300次方种折叠形式。

不过，随着人工智能的发展，2021年7月，DeepMind先是在Nature上开源了利用AI对蛋白质结构进行预测的AlphaFold 2，随后又发布了来自人类和20种其他生物共350000种蛋白质结构的预测结果。

经过训练的深度神经网络可以根据蛋白质的基因序列预测蛋白质的特性。主要判断依据是氨基酸对之间的距离和连接这些氨基酸的化学键之间的角度。通过已知信息，可以推断出蛋白质折叠之后的角度和距离信息，从而推断出整个蛋白质的结构。

2021年12月，DeepMind首次利用人工智能帮助数学家们提出了两个全新的数学猜想，登上Nature封面。

作者猜测低维拓扑中存在未知的非线性关系，产生了很多数据并用神经网络拟合了近似函数，发现其中三个量在拟合过程中起到了很重要的作用。通过反正做拟合实验，产生新的数据，得到新的观察模型，最终数学家利用智慧猜出了一个不等式结构，并进一步给了严格的证明。

由此可以看出，机器学习能够处理多维、多模态的海量数据，解决复杂场景下的科学难题，带领科学探索抵达过去无法触及的新领域。

而人工智能也将成为科学家继计算机之后的新生产工具：

1. 带来效率的显著提升，人工智能将伴随科研的全流程，从假设、实验到归纳总结，让科学家不需要像过去一样十年寒窗才能产出科学成果，而是能在一生中保持高产；

2. 让科学不再依赖少数天才，人工智能对科学研究产生猜想，让科学家就其中有意义有价值的部分进行实验与证明，让更多人能够参与到科学研究中。

阿里达摩院预测在未来的三年内，人工智能技术在应用科学中将得到普遍应用，在部分基础科学中开始成为研究工具。

AI能够取得这些成就的背后，少不了模型的支撑。

随着规模的不断扩大，预训练模型在文本、图像处理、视频、语音等多个AI领域实现了突破性进展，并逐渐成为人工智能的基础模型。

2018年，谷歌提出3亿参数BERT模型惊艳四座，大规模预训练模型也因此逐渐走进人们的视野，成为人工智能领域的焦点。