摘要：计算机和互联网领域的研究现状与趋势可以从多个方面进行总结，包括技术发展、应用领域、研究热点和未来趋势。计算机与互联网领域的研究正处于快速变化之中，技术进步带来了新机遇与挑战。未来，技术的发展不仅需要关注创新和效率，还需考虑社会影响和伦理问题，以确保技术在各个领

本期导读

计算机和互联网领域的研究现状与趋势可以从多个方面进行总结，包括技术发展、应用领域、研究热点和未来趋势。计算机与互联网领域的研究正处于快速变化之中，技术进步带来了新机遇与挑战。未来，技术的发展不仅需要关注创新和效率，还需考虑社会影响和伦理问题，以确保技术在各个领域的健康发展。

随着计算的普及，计算机及其相关技术成为科技发展的重要引擎。国际上对此给予了高度的重视。在软硬件系统方面，随着新型和颠覆性技术的出现、异构硬件的普及、数据规模的增长、软件复杂程度的增加，以及基于人工智能和机器学习新方法的发展，从整个生态系统的角度来看，计算机领域正在经历多维度快速变化。一方面，计算密集型的应用、数据驱动的方法要求计算能力持续提升；另一方面，以云计算、边缘计算为代表的分布式应用要求不断提高稳健性、敏捷性和可用性。人 — 机 — 物三元融合的计算成为关注的核心，美国网络与信息技术研究与发展计划（ Networking and Information Technology Research and Development， NITRD）在其发展领域中列入了计算使能的网络物理系统（ Computing-Enabled Networked Physical Systems， CNPS），以及软件生产率、持续发展和质量（ Software Productivity,Sustainability, and Quality， SPSQ）。CNPS 包括信息物理系统（ Cyber-Physical System, CPS）、 高 可 信 软 件 和 系 统（ High Confidence Software and Systems,HCSS）两个工作组。CPS 的目标是集成信息、物理和人类三元世界， HCSS面向自主和智能技术下的稳定可靠， SPSQ 则关注未来软件开发的效率、成本、质量与维护，特别是安全攸关的软件的可信和韧性以及软件漏洞等问题。

由于先进计算系统的异构性等特点，需要从生态系统的角度关注未来计算软硬件系统。为此 NITRD 还设立了一个战略计算快速通道行动委员会（ Fast Track Action Committee， FTAC）负责应对新兴计算领域的挑战，并在2019 年发布的《国家战略性计算计划（更新版）：引领未来计算》（ National Strategic Computing Initiative Update : Pioneering the Future of Computing）报告中充分强调了整个生态系统的重要性。该生态系统包括异构计算系统（涵盖从极大规模到以边缘为中心的系统）及其相关的网络、软件、数据和专业知识，被认为是保障美国国防以及其科学和经济领导地位的利器。

未来高级计算生态系统将由一组架构上异构（甚至包括经典和量子系统）的系统资源［这里的资源包括高性能计算（ High Performance Computing，HPC）、云、加速器、嵌入式和实时以及边缘计算单元等］和服务组成，目标是实现彻底的无缝对接，因此关注的重点包括可重构性、可编程性、可靠性以及能效比，此外也需要解决关键的安全和隐私问题。其目的是将未来的先进计算生态系统构建为跨越政府、学术界、非营利性组织和行业的战略性国家资产，支持神经形态、仿生、量子、模拟、混合和概率计算。为此 DoD、DOE、 NIH 和 NSF 都将支持构建集成涵盖 HPC、云和其他新兴架构的高级计算系统和服务，以及相应的新型计算范式，并支持在数据分析、人工智能、决策等方面的应用。

计算机的发展面临着登纳德缩放定律（ Dennard Scaling）的终结和摩尔定律的放缓问题，这直接导致从单一传统的、基于冯· 诺依曼的计算模型向多种计算模型如神经形态、仿生学、量子、模拟、混合和概率计算等并存的阶段转移。此外，在新型计算模型和硬件实现方面，神经计算模型、存内计算、图计算等受到广泛的关注。受全球气候问题和联合国可持续发展目标的驱动，智能化、低功耗成为未来几年的重点，特别是物端系统。同时，计算系统从集中的 HPC 向包括端边云以及人 —机 —物的阶段过渡。随着时间的推移，系统变得更加专业化、异构化和复杂化。未来用于计算和存储的新型材料可能来自一系列新的技术（如 DNA 存储和量子技术）。计算元件以及系统内存、存储和通信功能都需要这些材料与设备的创新。美国计划在未来几十年充分利用异构处理器和加速器、异构存储器和模型、新互连技术以及专用和节能架构，以保持其领先地位。三元计算覆盖从边缘到 HPC 和云：先进计算正在从地理集中的资源转向全球大规模分布的数据和计算资源。

软件系统的开发周期、开发难度、稳定性、安全性等是制约计算机的关键。在未来先进计算生态系统（ Future Advanced Computing Ecosystem，FACE）分委员会的规划中 ，致力于构建稳健、可持续的软件和数据生态系统。FACE 分委员会认为支持未来高级计算生态系统的软件必须兼顾开发、调试、验证和确认的效率；同时考虑可用性、可复用性、可管理性、可扩展性和可持续性等；满足安全、隐私和信任的要求等。新兴的计算技术、硬件平台给软件系统带来了颠覆性创新的机会，同时加剧了软件挑战。2016年欧盟委员会发布《 2016—2020 年数字化战略》（ Digit Strategic Plan 2016-2020），旨在推动数字化技术的创新和应用，并提高欧盟在数字领域的国际竞争力。

从基础性的角度， NSF 更加集中于软件基础、形式化方法、自动程序设计和安全可信软件系统等方向， DARPA 则更关注大规模程序理解和挖掘、构建资源适应的软件系统、可信自主系统、意图定义的适应性系统、自动快速软件认证等问题。

软件工程是开发大型软件的基础， 2021 年卡内基· 梅隆大学软件工程研究所发布了《构架软件工程的未来：软件工程研究与开发的国家议程》（ Architecting the Future of Software Engineering: A National Agenda for Software Engineering Research & Development）。大型软件向新系统的迁移开发，仍然是一个重大挑战。DARPA、 DoD、 DOE、 NIST、 NSF 等都已经并且还将长期支持软件系统向 E 级甚至更大规模系统迁移。这些大型软件凝聚了多年的开发成果，但却需要越来越大的维护成本，甚至一些系统的开发语言几乎都不再有人使用，这种迁移能够有效地利用既有的系统和新兴的处理能力。这将需要平衡稳定性和维护的新方法（如应用程序使用的库和其他工具，以及创新和软件进化）。人—机 —物融合复杂场景下，软件工程面临着系统快速演进、平台异质耦合、规模快速增长的挑战。面向人 —机 —物融合场景计算，结合人工智能的软件技术、软件成长和演化、组合化软件构件等成为核心技术的重要方向，而大规模社会化软件、人工智能赋能软件系统将逐渐形成新的重要软件开发范式。

机器学习的应用中，基础算法构件被广泛采用，与传统软件建立在形式化系统的基础上不同，特别是近年来很多机器学习构件往往采用神经元结构如 TensorFlow、 PyTorch 等，这与传统软件建立在形式化系统的基础上不同，其行为具有不确定性，这使得传统的程序理论和方法也对其难以适用。因此，传统的分治、复用等基本设计原理在神经网络等机器学习构件的实现和二次应用上难以有效发挥作用，需要研究异质构件的交互协议等。软件形态的变化要求对软件的基础理论做深入的思考，甚至重塑。为此很多研究机构如英国阿兰· 图灵研究所、美国 IBM、微软等实验室开展了相应的基础研究。2020 年美国计算社区联盟（ Computing Community Consortium， CCC）发布了《确保自治：通向我们可以信任的自治系统之路》（ Assured Autonomy: Path Toward Living With Autonomous Systems We Can Trust）报告，将基于构件的软件系统安全与可信等提到重要的位置加以考虑。

开源逐渐成为软、硬件的新增长点，今天的开源已经不单纯限于软件，也为数据、硬件的开源提供了环境。开源系统，包括软件和硬件方面，吸引了越来越多的研究人员、企业和政府的关注。这不仅确保了有越来越多的硬件、软件、库、编程环境和工具可以用于研究，而且提供了一种更加公平、较少依赖、可持续、稳健和值得信赖的环境与开源社区。

网络成为信息社会的重要基础设施，成为发达国家竞相争夺的制高点，美国、欧盟等对网络从新型网络设备、未来体系结构、新型网络协议、网络基础设施和大规模实验环境等方面进行布局，强化其影响，以满足未来应用场景的需求。2017 年国际电信联盟启动面向 2030 年及未来的网络技术发展，包括新的网络体系结构及其演进。NSF 先后支持了一系列与网络体系结构相关的研究 ，从内容中心网络、移动网络、云网络到网络安全可信机制、经济模型等，如 NewArch、命名数据网络（ Named Data Networking，NDN）、ChoiceNet 等。欧盟在第七框架计划（ 7th Framework Programme，FP7）下资助了FIRE（ Future Internet Research and Experimentation）、4WARD（ Architecture and Design for the Future Internet）等未来网络研究的项目。

大规模网络实验床是未来网络体系结构研究的重要支撑，各国及跨国组织纷纷加以支持，如美国的 PlanetLab 和全球网络创新环境（ Global Environment for Network Innovations， GENI）、欧盟 FIRE 项目下的 OneLab、日本的 JGN2plus、韩国的 FIRST 等。这些平台为未来网络体系结构研究提供接近真实的、大规模的网络实验环境。目前已有相当多的国家和地区正在部署未来网络实验平台，核心是希望解决资源共享和统一控制框架的问题。

网络技术在给社会和人们生产生活带来极大便利的同时，使得网络空间的安全逐渐成为社会稳定发展的重要前提。因此，网络空间在技术创新与演进的过程中需要安全性的保障。由于网络空间中安全边界日益模糊、攻击行为蔓延，新的安全威胁和挑战不断出现，国际安全领域的整体发展呈现持续性的安全增强和加固的态势。同时，利用新兴的计算模式和技术，如区块链、量子计算等，探索网络空间安全技术上的突破，也成为当前领域发展的主要方向。

网络安全和隐私保护受到各国的高度重视，按照 NITRD 公布的材料 ，网络安全和信息保障（ Cyber Security and Information Assurance， CSIA）机构间工作组的参与单位就包括陆军未来司令部（ Army Futures Command，AFC）、 DARPA、美国国土安全部（ Department of Homeland Security，DHS）、美国能源部（ Department of Energy， DOE）、美国运输部（ Department of Transportation， DOT）、 情 报 高 级 研 究 计 划 局（Intelligence Advanced Research Projects Activity， IARPA）、 NIH、国家司法研究院（ National Institute of Justice，NIJ）、 NIST、国家科学研究委员会（ National Research Council， NRC）、国家安全局（National Security Agency， NSA）、 NSF、国防部部长办公室（ Office of the Secretary of Defense， OSD）、财政部、空军科学研究局（ Air Force Office of Scientific Research， AFOSR）等。设置的战略优先领域包括：威胁评估，评估对手的威胁，有效和及时地对恶意网络活动进行归因并支持归因信息共享；系统保护，从设计、构建和验证等角度限制系统漏洞，并通过身份验证、访问控制和密码学等技术加强安全性；恶意行为的检测，增强系统拥有者和用户对安全态势的感知与对网络行为的理解，并可靠地检测恶意网络活动；系统响应，发展对系统异常的实时评估技术，提供对干扰中断的自适应响应和对关键功能的支持并保证自动恢复；人工智能的应用与保护，发展能够实现自动网络防御的方法，最小化人工智能系统对攻击的敏感性，并确保人工智能系统是可解释的；量子信息科技，发展用于保护量子软件和硬件以及针对基于量子攻击的应对策略；构建可信的分布式数字基础设施，开发技术以提供安全且有弹性的通信和计算基础设施，包含先进的无线、云计算、物联网等；隐私保护，发展保护隐私的数据处理和分析技术，并提供从隐私入侵中恢复的能力；安全的软硬件系统，发展以确保 IT 硬件和软件的设计与操作可验证可信且不会被恶意破坏的技术；关注教育和劳动力，制定并实施有效的教育计划，为国家在各级教育与社会各部门中应对可能的网络安全问题和安全可靠地使用网络空间做好准备。

计算技术极大地改进了人类交互和人 — 机交互，增强了用户与 IT 系统、其他人和物理世界交互的能力；这包括对社交计算、人 — 机交互与协同以及 IT 对人类和社会的影响等方面的研究。这类研究引起了政府机构和企业的极大重视，美国政府多个部门如医疗保健研究与质量局（ Agency for Healthcare Research and Quality， AHRQ）、疾病控制与预防中心（ Centers for Disease Control and Prevention， CDC）、 医 疗 保 险 和 医 疗 补 助 服 务 中心（ Centers for Medicare & Medicaid Services， CMS）、 DoD、NASA、 NIH、NIJ、 国 家 职 业 安 全 卫 生 研 究 所（ National Institute for Occupational Safety and Health， NIOSH）、 NIST、 国 家 海 洋 和 大 气 管 理 局（ National Oceanic and Atmospheric Administration，NOAA）、 NSF、国家卫生信息技术协调办公室（ Office of the National Coordinator for Health Information Technology， ONC）、农业部等均列在资助重点范围之内， Apple、微软、谷歌、 Meta 等企业也将此方面的成果作为重要的竞争优势。重点关注的研究领域如下。

（ 1）支持群体协同

发展支持协作和创新的有凝聚力的社会技术系统，包括帮助人们在线管理、验证和传播信息的系统；帮助不同规模、不同合作紧密程度的团队和组织高效协同的系统；能够包容不同目的倾向和知识体系的协同系统。典型的协同系统有：临床决策支持；以人为中心的计算，通过计算系统和多学科交叉帮助扩展人类的体能、认知和社会能力；发展具有开放系统架构的人 —机协作系统，以连接多域的协作对象。

（ 2）改进人与智能系统之间的接口，以完成复杂的任务

这里的智能系统包括机器人、智能代理、自动驾驶汽车和机器学习系统等。典型的领域有：研究与人类无缝协作或在生活中为人们提供各种帮助的机器人交互技术与系统；关注可用性研究，如改善临床数字医疗系统流程；通过交互改善人工智能系统的可解释性和消除偏见，促进公平；发展与健康、可用性以及与安全使用相关的技术。

（ 3）支持人 —机 —物融合、虚实相融的交互

随着人与环境、人与数据、环境与数据之间交互方式的不断改进，发展人与融合真实及虚拟环境的交互技术，研究对用户意图与物理环境的多模态感知，以及虚拟环境的逼真呈现与交互建模技术，增强沉浸感。

从感知、响应、交互等不同角度对人 —机交互的研究极大地改善了人 —机共生的环境，对复杂场景的自动理解、自然语言理解等的研究促进了机器对用户和环境的感知。新型建模、实时绘制和呈现系统极大地改善了 VR 系统，元宇宙的出现在很大程度上是多用户与复杂环境交互的重要成果。在交互的感知方面，对限定领域下用户意图、环境情景的理解取得了重要的进展，如物体检测与识别、用户的语音和人脸识别等，为了应对更加复杂的开放域情景，感知正从单一传感器向多模态、多维度过渡，利用包括各种相机、雷达、超声等多种传感器的组合。同时发展多模态信息的协同分析与理解技术，这些都将有助于将人—机交互式的主动感知推向智慧医疗、自动驾驶、城域级虚实交互等应用场景。除此之外，穿戴式体感、自然动作交互、脑机接口等方面的研究处于方兴未艾的阶段。

本文摘编自《中国信息科学2035发展战略》，编写组组长为中国科学院院士刘明，标题和内容有调整。

科学人文在线，与您共同关注科技史、科技哲学、科技前沿与科学传播，关注人类社会的可持续发展，创造有价值的阅读！欢迎点赞、转发、留言讨论。

转载说明：申请转载请在文末留言或邮件联系，转载时请完整保留文章出处说明，未经同意不允许修改、删减文章，不允许添加与文章内容无关的信息及广告。

随着人类社会从信息时代向智能信息时代发展，以及第四次工业革命的临近，在新的全球格局和大国竞争的国际环境下，信息科学的战略性地位更加突出，迫切需要加强信息科学的前瞻性和颠覆性技术研究，持续推动信息科学的关键核心技术实现突破，为新时代我国深度参与全球竞争提供强有力的科技保障和核心竞争力，确保我国在未来全球竞争中的战略优势。《中国信息科学 2035 发展战略》面向 2035 年探讨了信息科学前沿发展趋势和可持续发展策略，深入阐述了信息科学及其各分支学科的科学意义与战略价值、发展规律与研究特点，系统分析了信息科学的发展现状与态势，凝练了信息科学的发展思路与发展方向，并提出了我国相应的优先发展领域和政策建议。

本书为相关领域战略与管理专家、科技工作者、企业研发人员及高校师生提供了研究指引，为科研管理部门提供了决策参考，也是社会公众了解信息科学发展现状及趋势的重要读本。

编写组组长简介

刘明，女，1964年4月出生于江西丰城，微电子科学与技术专家，中国科学院院士、发展中国家科学院院士，中国科学院微电子研究所研究员、博士生导师，微电子器件与集成技术重点实验室主任，中国科学技术大学国家示范性微电子学院院长。

来源：科学人文在线