CCF发布2020-2021中国计算机科学技术发展报告

本年度《发展报告》的组织和策划工作得到了CCF各专业委员会和广大会员的大力支持与积极响应，共收到23份反映不同方向进展的报告申请。CCF学术工作委员会组织评审，遴选出具有代表性的高水平报告共14篇。本《发展报告》包含体系结构、计算机视觉、理论计算机科学、信息系统、网络与数据通信等方向的报告，从碳中和体系结构、视觉－语言交互技术、生物信息学组合优化、新一代知识图谱信息系统、Sketch驱动的网络测量等多角度阐述了不断创新的主题，详细介绍了相应研究方向的现状、国内研究进展、国内外研究进展对比、发展趋势以及各自的创新见解等。以下是《发展报告》中各篇文章的摘要内容：

“碳中和”战略是影响我国未来40年经济发展的重要战略。如何有效地降低信息产业中的碳排量，并利用计算任务的敏捷性，达成计算方法赋能其他产业碳中和的目标，是亟待解决的计算关键技术。为解决这个问题，本文对面向碳中和的体系结构关键技术与系统研究进行分析与综述。通过对碳足迹量化方法、低碳体系结构设计与实现，以及面向碳中和的基础系统软件与装备等方向的调研，凸显了过去十年，特别是近三年碳中和计算领域中的突出工作和主要攻关方向。在众多科研成果中，着重描述、分析和研究了相关方向内的典型案例，并提出该方向的愿景、挑战与趋势。经调研发现，中国在碳中和计算的整体基础软件及器件研究方面方兴未艾，亟须进一步扩大在碳中和计算上的相关研究支待，向碳中和的产业目标加速迈进。

近年来，人工智能逐渐从一场技术革命走向产业落地，而边缘智能一直是实现人工智能落地应用的关键。当前边缘计算芯片研究的三个主要问题是：感算共融架构的一体化处理问题、深度神经网络的简化优化问题与深度神经网络加速器架构低能效问题。本文将从这三个问题入手进行阐述，总结近年来国内外相关研究进展，并对国内外研究现状进行分析与比较，针对目前业内可行性方向给出发展趋势的总结与展望。

众测是一种基于众包模式进行信息产品测试的新型服务模式，其依托互联网，采用分布、协作的方式开展测试，可协同测试需求和测试资源，聚合形成规模效益，具有典型的共享经济特征，其变革了传统的测试服务模式，得到了学术界和工业界广泛的关注。本文系统地讲述了近年来软件众测领域国内外研究的学术文献以及工业界实践进展：①从学术研究主题演变、众测的基本工作流程与服务模式，给出众测的基本概念；②围绕众测理论与方法，从众测的激励机制、协同机制、信任机制、质量评估技术和测试技术五个方面分析并总结了学术界国内外研究现状；③从测试领域、测试类型、测试对象、交付时间、众测人员的招募方式、报酬计算机制、能力提升机制等方面分析对比了当前应用最广泛的10个众测服务平台；④探讨了众测的未来发展趋势、机遇和挑战。

本文从安全攸关软件系统的领域建模方法和形式化验证两个方面出发，对领域建模语言设计，安全攸关软件系统的需求、架构设计和详细设计建模的研究和应用进展进行了分析，对形式化验证方法在操作系统、CPU、编译器和软件模型四个层面上的研究进展和发展趋势进行了分析，并提出了未来可能的研究方向。同时，本文也对领域建模和形式化验证方法在我国航空、航天、航海三个领域的应用现状进行了调研分析，整理了这些领域未来的需求，并提出了发展建议。

视觉－语言交互技术研究是近年来蓬勃发展的新兴交叉研究方向，主要关注在对视觉领域的目标、行为、关系等基础内容识别理解的基础上，将其与语言模态数据进行跨模态的语义对齐、转换、检索等交互行为的研究，属于人工智能领域的前沿方向，在智能安防、智能家居、自动驾驶、娱乐和教育等诸多领域均具有广阔的应用前景，吸引了学术界和工业界的广泛关注。本文旨在针对视觉－语言交互技术的发展进行研究综述及未来趋势分析。首先，介绍视觉－语言交互研究中近年来值得关注的若干关键技术方向，主要包括注意机制方法、特征融合方法、图方法、模块化方法、迁移学习方法、生成式方法、因果分析方法等，重点论述其方法特点和适用场景。其次，对该领域中代表性的研究任务进行介绍，主要包括跨模态检索、指称表达、视觉推理、视觉问答与对话、视觉－语言导航、视觉－语言跨模态生成、大规模视觉－语言预训练任务等，对其任务定义及特点、数据集、评测指标、国内外研究进展等进行论述及概括总结。最后，对视觉－语言交互技术的国内外研究进展进行深入比较分析，并对该方向未来发展的趋势进行讨论和展望。

本文分综述、计算机类专业教育、计算机学科建设与研究生教育、社会团体及教学研究与交流4篇，分析了当前我国计算机教育的发展现状与趋势。具体讨论了本科专业的内涵、设置、专业点布局和人才培养国家标准，以及校企协同、卓越工程师培养、拔尖创新人才培养、新工科建设、一流专业建设、工程教育专业认证对专业建设的推动作用、本科生解决复杂工程问题能力、系统能力的培养、优秀教材与一流课程建设、教学方法改革；研究生培养基本目标、学科划分、学科授权点布局和建设成效，博士研究生、工学硕士研究生和工程硕士研究生的社会需求、培养模式、培养规模和新形势下的新要求；以及计算机教育相关的组织和社会活动；强调了本科生和研究生培养走内涵式发展之路的基本趋势，展现了我国计算机相关的教育组织和社会团体对推动我国计算机教育发展的作用。

网络被动测量重点关注探测网络流量不同粒度的信息，进而支待如网络管理、网络运维、网络安全等上层决策和应用。因为网络流量存在规模大、传输快以及难预测等特点，被动测量节点广泛采用Sketch数据摘要方法来近似记录需观测流量的基数等特征。具体而言，各个被动测量节点独立维护由多个计数器数组构成的Sketch数据结构，通过哈希函数实现每条数据流到计数器数组的映射，进而更新对应计数器的值。管理节点会周期性从各个测量节点汇聚Sketch结果，从全局层面获得数据流的统计信息。近年来，国内外大量研究工作关注重新设计和优化Sketch数据结构来优化网络被动测量的整体性能，在很多方面取得了重要进展，但国内外文献缺乏基于Sketch网络测量的系统性分析和总结。本文介绍了Sketch驱动的网络被动测量基本原理，以及面向网络测量的Sketch设计和优化策略等。在总结分析现有工作的基础上，对相关发展趋势进行了展望。

近年来，国内外在基于知识图谱的信息系统技术理论方面取得了一定进展，以信息系统为载体的知识图谱典型应用（包括智能问答、推荐系统、个人助手等），也逐渐走进各个行业领域。然而，在大数据环境和新基建背景下，数据对象和交互方式的日益丰富和变化，对新一代知识图谱信息系统在基础理论、体系架构、关键技术以及服务应用方面提出了新的需求，带来了新的挑战。本文将综述国内外知识图谱新一代信息系统的研究发展现状，对国内外研究的最新进展进行归纳、比较和分析，并结合国家发展战略和重大应用需求，选取与我国国计民生密切相关的多个领域，从微服务到典型应用分析总结新一代知识图谱信息系统的行业进展。最后，就未来的技术挑战和研究方向进行展望。

虚拟形象合成技术旨在对特定人物合成拟人化、真实感、多模态的音视频。因其广泛的应用前景，虚拟形象合成技术近年来得到了学术界与工业界的广泛关注。本文将从工业应用与学术研究两个视角，介绍虚拟形象合成的技术路线，调研国内外研究进展，分析虚拟形象合成所蕴含的科学问题，对目前研究的难点与瓶颈做出总结，并对该项技术的未来方向做出展望。虚拟形象合成技术作为计算机视觉、计算机图形学、语音信号处理等多个方向的交叉学科，技术路线庞杂，合成方法多样。整体而言，我们将虚拟形象合成的技术路线拆解为4个不同的科学问题：①人脸与人体动作的低维表征；②虚拟形象的真实感渲染；③语音驱动的面部动作合成；④拟人化的跨模态肢体动作合成。本文将系统性地总结这4个科学问题的研究现状，剖析已有方法的特点，分析这些问题目前所面临的挑战。以此为基础，从不同的应用场景，对虚拟形象合成技术做出展望。虚拟形象合成技术在人机交互、影视娱乐、远程办公等领域有着强大的应用前景，希望本文所提出的展望和建议，能够对未来虚拟形象合成技术提供一些指导和参考。

卫星互联网是指利用大量中低轨道卫星构成的卫星星座、用户接入终端及其配套地面网络基础设施等构成的一种新的网络形态，主要用于为陆海空天各类用户提供全球全时全域的网络接入服务，被广泛认为是未来6G网络的重要组成部分。近年来，卫星互联网技术与产业蓬勃发展，美国SpaceX星链、欧洲OneWeb等新一代卫星互联网星座已进入部署试用阶段，我国也首次将卫星互联网建设纳入新基建，卫星互联网已成为国际网络领域竞争的焦点。本文将对卫星互联网的星座路由、传输优化、编址寻址、移动性管理、网络安全等核心关键技术进行梳理总结，并对未来发展进行展望。

边缘计算利用网络边缘的算力设备承载各类服务，相较于传统云计算，在时延与带宽等方面均具有显著优势，因而可与云计算形成差异化优势互补。然而，由于边缘设备广分布、高异构、弱算力等特征，如何将其与云计算、终端设备有机构成“云－边－端＂融合系统，高效协同地提供算力支撑成为学术界和产业界广泛关注的热点。在此基础上，边缘应用的开发运维以及相应的资源分配与任务编排调度也是边缘计算发展面临的关键瓶颈。特别地，具有强计算、高带宽、低时延需求的大量智能应用将被部署于边缘计算基础设施上。然而，与之相对的是边缘计算设备相对有限的算力，因此，机器学习技术与边缘计算的适应性融合也是近年来国内外广泛关注的热点。与此同时，边缘设备的算力资源受限、所处网络环境复杂等特点也为边缘计算安全带来了全新挑战。为此，本文系统地从计算架构、资源调度、边缘智能、边缘安全等角度梳理了边缘计算发展所面临的主要挑战以及国内外的研究现状。在综合分析现有工作的基础上，对边缘计算的未来重要发展趋势进行了展望。

报告深入分析了跨媒体智能关联分析与语义理解理论与技术最新的研究进展，包括多模态数据的统一表达、知识引导的数据融合、跨媒体关联分析、基于知识图谱的跨媒体表征技术以及面向多模态的智能应用。多模态数据的统一表达和知识引导的数据融合是对跨媒体信息进行分析推理的先决条件，利用多模态信息间的语义一致性，剔除模态间的冗余信息，通过跨模态相互转换来实现跨媒体信息的统一表达，融合来自不同模态的信息，从而使多模态分析的方法能够优于原来的仅利用单个模态信息的方法，以学习更全面的特征表示。跨媒体关联分析立足于图像语言、视频语言以及音视频语言的跨模态关联分析与理解技术，旨在弥合视觉、听觉以及语言之间的语义鸿沟，充分建立不同模态间的语义关联。基于知识图谱的跨媒体表征技术，通过引入构建跨媒体的知识图谱，从跨媒体知识图谱构建、跨媒体知识图谱嵌入以及跨媒体知识推理三个方面展开研究，增强跨媒体数据表征的可靠性，并提升后续推理任务的分析效率和准确性。随着跨模态分析技术的快速发展，面向多模态的智能应用得到了更多技术支撑，报告依据智能应用所需要的领域知识，选取了多模态视觉问答、多模式视频摘要、多模式视觉模式挖掘、多模式推荐、跨模态智能推理和跨模态医学图像预测等跨模态应用实例，梳理了它们在多模态数据融合以及跨媒体分析推理方面的研究进展。依据现有理论和技术的现状，对未来跨媒体领域的发展趋势和研究方向进行了展望。

群体智能指的是群体聚集产生的各种智慧，其思想最初源于对自然界中社会性生物群体智能行为的模拟。群体生物通过分工合作、相互协调、协同演化等行为，可涌现出整体性的智能行为，完成复杂任务，具有高度的自组织、自适应、自学习能力。受此启发，国内外学者运用数学和计算机等工具对群体智能行为进行模拟，从不同角度发展出了一系列群体智能涌现与演化的机理和模型。近年来，随着互联网的发展，人类社会基于物联网的群智协同和演化现象进一步拓宽了群智演化计算的范畴，呈现出广阔的应用前景，也对群智演化的理论模型和应用提出了新挑战。2017年，我国《新一代人工智能发展规划》明确将群体智能列为需重点发展的人工智能理论与技术方向之一。本文将从简单生物个体以及人类社会群体等不同视角，从群智演化协作的模型和机理、群智演化协作的组织结构、群智演化协同决策及群智演化协同计算的应用等角度，总结群智演化计算的主要研究问题，对国内外的最新研究进展进行综述和对比分析，并对该方向未来的发展趋势和主要科学问题进行展望。

随着基因组测序技术、蛋白质鉴定技术等生物信息获取技术的进步，组学数据类型越来越多，规模也在急速增长。生物信息学研究面临越来越严峻的挑战。在生物信息学发生发展过程中，算法始终扮演着支撑该学科发展进步的角色。以组合问题模型表达生物信息学的计算需求，设计解答生物信息学组合问题的算法，论证生物信息学组合问题的计算复杂性，逐渐成为理论计算机科学的一个代表性分支。本文介绍生物信息学发生发展过程中出现的典型组合优化问题，解答它们的典型算法，以及这些问题的计算复杂性研究进展。组合优化问题求解，从组学数据中发现或辅助发现生命科学规律，对于提高人们的健康水平，改善生活质量，具有重要作用。生物信息学组合优化问题的算法和计算复杂性新进展，也推动了并会继续推动理论计算机科学研究的进步。