1月11日，达摩院2023十大科技趋势发布，生成式AI、Chiplet模块化设计封装、全新云计算体系架构等技术入选。达摩院认为，全球科技日趋显现出交叉融合发展的新态势，尤其在信息与通信技术（ICT）领域酝酿的新裂变，将为科技产业革新注入动力。

颠覆性的科技突破也许百年才得一遇，持续性的迭代创新则以日进一寸的累积改变着日常生活。进入2023年，达摩院预测，基于技术迭代与产业应用的融合创新，将驱动AI、云计算、芯片等领域实现阶段性跃迁。

AI正在加速奔向通用人工智能。多模态预训练大模型将实现图像、文本、音频等的统一知识表示，成为人工智能基础设施；生成式AI将迎来应用大爆发，极大推动数字化内容的生产与创造。人工智能诞生数十年，人类对“通用AI”的想象从未如此具体。

云计算始终是数字时代的技术创新中心：基于云定义的可预期网络技术，将从数据中心的局域应用走向全网推广；因云而生的云原生安全技术，则将推动平台化、智能化的新型安全体系的成形；云也在重新定义计算体系架构，从以CPU为中心的传统架构，向以云基础设施处理器 （CIPU）为中心的全新体系架构演进。未来，由云定义的软硬一体化，将实现系统级的深度融合。

芯片领域在算力需求暴涨、摩尔定律放缓的夹击下寻求突围，达摩院预测，存算一体和Chiplet模块化设计封装将有长足进展：基于SRAM、NOR Flash等成熟存储器的存内计算有望在智能家居、可穿戴设备等场景实现规模化商用；Chiplet互联标准的逐渐统一将重构芯片研发流程。

基础技术的迭代演进必将催生新场景和新产业，今年最被达摩院看好的趋势有计算光学成像、数字孪生城市、双引擎智能决策等。

计算光学成像技术有望突破传统光学的物理极限，帮助人类触及“见所未见”的事物；智慧城市完成了精准映射、生成渲染、仿真推演等关键技术的全面突破，将从单一场景演进至大规模城市数字孪生，辅助人类更“全知”地认识和管理城市；智能决策系统实现了运筹优化和机器学习的联合驱动，将为人类在电网调度、港口吞吐管理、机场停机安排等实时变化的复杂难题上，提供更有价值的优化答案。

据悉，达摩院2023十大科技趋势采用“巴斯德象限”研究思路，基于论文和专利的大数据“定量发散”，对产、学、研、用领域近百位专家深度访谈进行“定性收敛”，再从学术创新、技术突破、产业落地、市场需求等维度综合评估，力求“致广大而尽精微”，最后遴选出十大趋势。

十大科技趋势是如何评估的

今年，达摩院本着回归本质(Back to Basic)的初心, 站在产业角度，审视2023年科技趋势，着重评估那些已经工程化落地、有望近期规模化商用的主流技术，那些具有前沿性的技术探索与实践验证相结合的科技创新产品，以及已经在产业链上下游形成强大生态的应用体系。

在科技趋势的具体研究过程中，达摩院坚持数据分析与广泛调研相结合，延续了“定量发散，定性收敛”的分析方法，聚焦ICT领域展开全面的分析。基于论文与专利数量的绝对值与增长率，达摩院通过定量分析筛选出学术界与产业界重点关注的细分技术领域；通过与近百位专家的调研访谈，达摩院深入挖掘技术概念、面临挑战、突破方向和产业价值，形成了底层技术突破引起的“范式重置”、科技融合触发的“产业革新”、创新应用带来的“场景变换”三大趋势池。最后，组委会基于理论关注度、技术可行性、产业化程度、社会价值等因素的综合衡量，遴选出2023最可能的十大科技发展方向。

交叉融合将成为2023科技趋势关键词：多元技术的协同并进驱动计算与通信的融合、硬件和软件的融合，应用需求的爆发驱动AI技术与行业的融合，数字技术与产业生态的融合，企业、个人与政府在安全技术与管理上的融合，科技进步与产业应用双轮驱动的融合创新已成为不可逆转的宏大趋势。今年的趋势从范式重置、产业革新、场景变化三大领域出发，对多模态预训练大模型、Chiplet模块化设计封装、软硬融合云计算体系架构、计算光学成像、生成式AI等不同科技领域作出了预测。

达摩院十大科技趋势项目特邀专家、中国工程院院士邬贺铨认为：“当下，我们需要通过自主研究提出可引导与支撑我国科技和产业发展的技术趋势。只有对前沿技术、颠覆性技术、以重大科技问题为导向的技术趋势及各领域的交叉融合建立深刻理解，才能实现我国整体科技水平从跟跑到领跑的战略性转变。每年的达摩院十大科技趋势报告是站在科技和产业发展全局的角度，对未来科技的发展方向进行探索，并做出科学、客观、中立的预判。”

达摩院十大科技趋势项目特邀专家、中国信息化百人会执委徐愈指出：“达摩院每年发布的十大科技趋势，也已经成为政府、产业、学界以及企业家非常关注的话题。在今年达摩院发布的十大科技趋势中，我们看到一些投资界和产业界已经高度关注的科技趋势，也发现了一些有潜在重大应用价值的产业趋势，既能引发人们对现在与未来的思考，也能带动人们对科技与产业的投入，其研究是很有价值的。”

达摩院十大科技趋势项目特邀专家、《电脑报》创始人、《环球科学》杂志创始人陈宗周：“对于未来科技发展趋势研究这项具有挑战性的高难度工作，阿里巴巴达摩院充分汇集企业内外、国际国内的研究成果和思想资源。尤其是，在中国开创性建立了未来科技发展趋势研究的一套方法论。这一方法论，也会成为其他机构的重要借鉴。”

十大科技趋势具体包括哪些

今年，达摩院对于科技十大科技趋势的研判如下：

• 趋势一，多模态预训练大模型：基于多模态的预训练大模型将实现图文音统一知识表示，成为人工智能基础设施。

摘要：人工智能正在从文本、语音、视觉等单模态智能，向着多种模态融合的通用人工智能方向发展。多模态统一建模，目的是增强模型的跨模态语义对齐能力，打通各个模态之间的关系，使得模型逐步标准化。目前，技术上的突出进展来自于CLIP(匹配图像和文本)和 BEiT-3 (通用多模态基础模型)。基于多领域知识，构建统一的、跨场景、多任务的多模态基础模型已成为人工智能的重点发展方向。未来大模型作为基础设施，将实现图像、文本、音频统一知识表示，并朝着能推理、能回答问题、能总结、做创作的认知智能方向演进。

点评：以GPT系列模型为代表的大模型(大规模预训练模型或者基础模型)展现出了超出预期的“理解”和“创造”能力，提示模型尺度与智能之间的正相关关系仍在生效。同时我们对大模型内在机理了解还很不够，大模型的可解释性和可控性仍很弱，但这正是激励我们继续前行的动力。 ——中国人民大学信息学院院长、高瓴人工智能学院执行院长文继荣

• 趋势二，Chiplet模块化设计封装：Chiplet的互联标准将逐渐统一，重构芯片研发流程。

摘要：Chiplet是硅片级别的“解构-重构-复用”，它把传统的SoC分解为多个芯粒模块，将这些芯粒分开制备后再通过互联封装形成一个完整芯片。芯粒可以采用不同工艺进行分离制造，可以显著降低成本，并实现一种新形式的IP复用。随着摩尔定律的放缓，Chiplet 成为持续提高SoC集成度和算力的重要途径，特别是随着2022年3月份UCle联盟的成立，Chiplet互联标准将逐渐统一，产业化进程将进一步加速。基于先进封装技术的Chiplet可能将重构芯片研发流程，从制造到封测，从EDA到设计，全方位影响芯片的区域与产业格局。

点评:Chiplet技术是提高芯片集成度、节约芯片成本、实现晶粒(die)级可重用的最重要的方法。未来，Chiplet技术将在高性能计算、高密度计算等领域发挥重要作用。先进的 Chiplet 技术将继续由代工厂主导，混合使用 2D、2.5D、3D 等先进封装技术将进一步提高产品性价比与竞争力。——象帝先计算技术有限公司副总裁王海洋

• 趋势三，存算一体：资本和产业双轮驱动，存算一体芯片将在垂直细分领域迎来规模化商用。

摘要：存算一体旨在将计算单元与存储单元融合，在实现数据存储的同时直接进行计算，以消除数据搬移带来的开销，极大提升运算效率，以实现计算存储的高效节能。存算一体非常符合高访存、 高并行的人工智能场景计算需求。在产业和投资的驱动下，基于SRAM，DRAM，Flash存储介质的产品进入验证期，将优先在低功耗、小算力的端侧如智能家居、可穿戴设备、泛机器人、智能安防等计算场景落地。未来，随着存算一体芯片在云端推理大算力场景落地，或将带来计算架构的变革。它将推动传统的以计算为中心的架构向以数据为中心的架构演进，并对云计算、人工智能、物联网等产业发展带来积极影响。

点评：存算一体一直是高能效计算的重要技术之一。近年来，万物互联和人工智能的发展加速了存算一体的技术产品化进程，产业界对于存算一体最终的产品形态也在持续探索。未来存内计算产品将以单芯片和Chiplet两种形式共存。应用场景的多样性也将从物联网边缘端设备向大算力通用计算领域不断拓展，有望成为AI 时代主流的计算架构。——华夏芯(北京)通用处理器技术有限公司董事长李科奕

• 趋势四，云原生安全：安全技术与云紧密结合，打造平台化、智能化的新型安全体系。

摘要：云原生安全是安全理念从边界防御向纵深防御、从外挂模式向内生安全的转变，实现云基础设施的原生安全，并基于云原生技术提升安全的服务能力。安全技术与云计算由相对松散走向紧密结合，经过“容器化部署”、“微服务化转型”走向“无服务器化”的技术路线，实现安全服务的原生化、精细化、平台化和智能化。

点评：对于未来技术趋势的准确预测，是一件非常难的事情，但作为“随动技术”(reactive tech)的网络安全技术，却不见得特别难。达摩院十大趋势对于网络安全技术的研判经历了反复讨论和调整，从后量子时代密码技术变化，到可信隐私计算的下一步发展;从网络攻防技术的变化，最后落脚到了云原生安全，就是体现了网络安全技术的“后发先至”特点， 就像密码技术需要提前应对“后量子时代”，去回应现在看起来产业化还似乎遥遥无期的量子计算技术一样，对云原生安全的关注，也势必成为新的一年网络安全圈内的热点。——中国科学院信息安全国家重点实验室教授翟起滨

• 趋势五，软硬融合云计算体系架构：云计算向以CIPU为中心的全新云计算体系架构深度演进，通过软件定义，硬件加速，在保持云上应用开发的高弹性和敏捷性的同时，带来云上应用的全面加速。

摘要：云计算从以CPU为中心的计算体系架构向以云基础设施处理器(CIPU)为中心的全新体系架构深度演进。通过软件定义，硬件加速，在保持云上应用开发的高弹性和敏捷性同时，带来云上应用的全面加速。新的体系架构下，软硬一体化带来硬件结构的融合，接入物理的计算、存储、网络资源，通过硬件资源的快速云化实现硬件加速。此外，新架构也带来软件系统的融合。这意味着以 CIPU云化加速后的算力资源，可通过CIPU上的控制器接入分布式平台，实现云资源的灵活管理、调度和编排。在此基础上，CIPU将定义下一代云计算的服务标准，给核心软件研发和专用芯片行业带来新的发展机遇。

点评：软硬件一体化设计是当前计算架构的重要演进方向。尤其在复杂的云计算场景中，软硬件的协同优化与迭代升级更是决定其性能提升的关键。CIPU是阿里云结合其飞天操作系统，实现对数据中心计算、存储、网络等多维资源进行高效管理和软硬件协同加速的代表性技术。CIPU在阿里云的成功实践也预示着软硬件一体化的虚拟化架构将引领云计算的技术升级。 ——清华大学计算机系副教授任炬

• 趋势六，端网融合的可预期网络：基于云定义的可预期网络技术，即将从数据中心的局域应用走向全网推广。

摘要：可预期网络(Predictable Fabric)是由云计算定义，服务器端侧和网络协同的高性能网络互联系统。计算体系和网络体系正在相互融合，高性能网络互联使能算力集群的规模扩展，从而形成了大算力资源池，加速了算力普惠化，让算力走向大规模产业应用。可预期网络不仅支持新兴的大算力和高性能计算场景，也适用于通用计算场景，是融合了传统网络和未来网络的产业趋势。通过云定义的协议、软件、芯片、硬件、架构、平台的全栈创新，可预期高算力网络有望颠覆目前基于传统互联网 TCP 协议的技术体系，成为下一代数据中心网络的基本特征，并从数据中心的局域应用走向全网推广。

点评：过去十年，网络行业发生最大的变革是互联网公司在超大规模需求驱动下，重新定义了网络系统:以软件为中心的设备白盒替代了传统协议为中心的经典网络。未来十年，在大规模算力需求驱动下，云计算将重新定义下一代高性能网络系统，端网融合架构已经开始触发网络的生态变革，集计算和网络于一体的DPU芯片更是雨后春笋般出现，势将推动整个网络向可预期方向演进。 ——阿里云智能副总裁兼首席网络科学家蔡德忠

• 趋势七，双引擎智能决策：融合运筹优化和机器学习的双引擎智能决策，将推进全局动态资源配置优化。

摘要：企业需在纷繁复杂、动态变化的环境中快速精准地做出经营决策。经典决策优化基于运筹学，通过对现实问题进行准确描述来构建数学模型，同时结合运筹优化算法，在多重约束条件下求目标函数最优解。随着外部环境复杂程度和变化速度不断加剧，经典决策优化对不确定性问题处理不够好、大规模求解响应速度不够快的局限性日益突显。学术界和产业界开始探索引入机器学习，构建数学模型与数据模型双引擎新型智能决策体系，弥补彼此局限性、提升决策速度和质量。未来，双引擎智能决策将进一步拓展应用场景，在大规模实时电力调度、港口吞吐量优化、机场停机安排、制造工艺优化等特定领域推进全局实时动态资源配置优化。

点评：近年来，随着全球减碳活动的推广和新能源的发展，能源管理的系统复杂度迅速增加。光伏、风电、储能、微电网、充电桩、电动车在内的各种新能源设备增长迅猛，对发电侧、电网侧和用户侧的能源管理都提出了更高的挑战。传统电力管理需要面对如多能互补、削峰填谷、预测优化、柔性充放等各种新的运营需求。新的能源智能决策系统将会整合“源网荷储”端的各种信息，对海量的能源数据进行快速分析、自动优化和实时响应，实现全局和局部的能源资源配置优化，从传统粗放的管理逐渐向精细化和智能化转变。未来的智慧能源管理将引领一次新的技术革命，带来各种全新的应用和商业机会，连接每个人的生活。双引擎智能决策系统将不断推进能源效率提升和优化，为实现国家的双碳目标奠定坚实的基础。 ——普华永道可持续战略与运营合伙人罗宇翔

• 趋势八，计算光学成像：计算光学成像突破传统光学成像极限，将带来更具创造力和想象力的应用。

摘要：计算光学成像是一个新兴多学科交叉领域。它以具体应用任务为准则，通过多维度获取或编码光场信息(如角度、偏振、相位等)，为传感器设计远超人眼的感知新范式;同时，结合数学和信号处理知识，深度挖掘光场信息，突破传统光学成像极限。目前，计算光学成像处于高速发展阶段，已取得许多令人振奋的研究成果，并在手机摄像、医疗、无人驾驶等领域开始规模化应用。未来，计算光学成像有望进一步颠覆传统成像体系，带来更具创造力和想象力的应用，如无透镜成像、非视域成像等。

点评：在过去的十多年来，信息技术的高速发展为光学成像注入了新的生命，计算成像应运而生，悄无声息中颠覆了人类与机器感知世界的方式。从“所见即所得”的一一映射到对高维光场的耦合编码与计算重构，计算成像将光作为信息载体的一部分，模糊了物理世界与数字世界的边界，从而突破了物理约束，见所未见。从此，我们能够捕捉光传播的轨迹，看到千里之外的声音，解析生命活动的奥秘，穿云透雾，洞察秋毫。从毫厘微末间的细胞病毒，到广袤宇宙中的第一缕光，计算成像将不断开拓人类的认知边界; 从无人系统手机摄影，到工业监测安防监控，计算成像将融入人们生活的方方面面，推动数字经济高速发展。——清华大学自动化系助理教授吴嘉敏

• 趋势九，大规模城市数字孪生：城市数字孪生在大规模趋势基础上，继续向立体化、无人化、全局化方向演进。

摘要：城市数字孪生自2017年首度被提出以来，受到广泛推广和认可，成为城市精细化治理的新方法。近年来，城市数字孪生关键技术实现了从量到质的突破，具体体现在大规模方面，实现了大规模动态感知映射(更低建模成本)、大规模在线实时渲染(更短响应时间)，以及大规模联合仿真推演(更高精确性)。目前，大规模城市数字孪生已在交通治理、灾害防控、双碳管理等应用场景取得较大进展。未来城市数字孪生将在大规模趋势的基础上，继续向立体化、无人化、全局化方向演进。

点评：经过几年的探索，数字孪生城市发展进入了深水区。党的二十大提出“打造宜居、韧性、智慧城市”等要求，数字孪生城市成为中国式现代化在城市落地的重要手段。今年以来，从工业制造、交通运输、水利流域、能源生产到城市治理，从车间、道路、水域、电厂到楼宇、园区、城市，从产品模型设计、设备远程控制、人机虚实交互到算法仿真推演，数字孪生技术应用在各行业不断渗透影响深远，大规模动态感知映射、在线实时渲染、以及联合仿真推演技术能力不断提升。然而深水区也暴露出一个关键的问题，就是任何传统引擎，都实现不了数字孪生，数字孪生城市必须打造一个新引擎。因此未来将以大规模“对象实体孪生+业务流程孪生”构建城市孪生体，实现“多源”数据融合重组，“多能”新引擎构建，“多跨”场景实现，城市数字孪生将在大规模孪生体构建基础上，真正实现从量到质的突破。——中国信息通信研究院规划所总工高艳丽

• 趋势十，生成式 AI：生成式 AI 进入应用爆发期，将极大推动数字化内容生产与创造。

摘要：生成式AI（Generative AI或AIGC）是利用现有文本、音频文件或图像创建新内容的技术。过去一年，其技术上的进展主要来自于三大领域：图像生成领域，以DALL·E-2、Stable Diffusion为代表的扩散模型（diffusion model）；自然语言处理（NLP）领域基于GPT-3.5的ChatGPT；代码生成领域基于Codex的Copilot。现阶段的生成式AI通常被用来生成产品原型或初稿，应用场景涵盖图文创作、代码生成、游戏、广告、艺术平面设计等。未来，生成式AI将成为一项大众化的基础技术，极大的提高数字化内容的丰富度、创造性与生产效率，其应用边界也将随着技术得进步与成本的降低扩展到更多领域。

点评：生成式AI在2022年迎来了突破。不管是图片生成，代码生成还是开放域文本生成，在生成内容的质量，逻辑性和安全性方面都有明显的提升。基于AI生成技术的应用场景在今后几年会更多涌现。但是，安全可控有伦理负责任的生成技术仍然需要重点研发，对于虚假生成内容造成的不良社会影响需要尤其关注。——达摩院语言技术实验室负责人黄非

达摩院正探索科技创新的新模式

阿里巴巴达摩院成立于2017年10月，达摩院的使命是探索科技未知，以人类愿景为驱动力，开展基础科学和颠覆式技术创新研究。目前，达摩院专注机器智能、数据计算、机器人、金融科技和X等研究方向，也即“4+X”研究领域，现设16个实验室。

达摩院在杭州、北京、新加坡、西雅图、硅谷等多个地区设立了研究中心，全职研究人员中90后占比34%，有知名高校教授30多人。

成立5年多以来，达摩院完成了一座一流研究院的建制，搭建了完整的「科学—技术—产品」研究体系；先后在国际顶级技术赛事上获得60多项世界第一，发表1000多篇国际顶会论文；成功孵化了两家高科技企业——平头哥半导体公司和小蛮驴智能科技有限公司。

过去几年，通过技术、工程力量联合攻关，达摩院及其孵化团队在芯片、人工智能、自动驾驶等领域研发出诸多成为业界标杆的应用产品，代表成果包括：

人工智能：达摩院研发的城市大脑已成为全球最大规模的人工智能公共系统，让中国城市更智能；达摩院求解器MindOpt是国内首个免费开放的商用求解器，多次获得国际权威榜单第一名；达摩院AI EARTH可对卫星影像、无人机影像、实时视频流、气象数据、IOT数据等多源数据融合分析，已应用于水利部、国家气象中心、生态环境部等机构。目前，阿里AI日调用超1万亿次，服务全球10亿人，以达摩院技术为基座，阿里已成长为世界一流人工智能公司。

自动驾驶：针对末端物流运力短缺的难题，达摩院推出L4级自动驾驶产品小蛮驴，用于最后三公里的快递、外卖、生鲜配送。此后，达摩院自动驾驶实验室不断推进算法优化、技术迭代，快速实现无人车的量产爬坡和规模化落地，截至2022年底，阿里小蛮驴车队规模已超过700辆，累计完成2000多万单物流订单的配送。此外，达摩院已启动L4级无人卡车“大蛮驴”的研发及路测。

除了在应用技术领域开花结果，达摩院同时也在前沿技术领域积极探索，深入科研无人区。其前沿研究周期长、投入大，覆盖量子计算、芯片、人工智能等领域基础理论及底层技术，，致力于储备具有颠覆性的下一代技术能力。代表成果包括：

量子计算：达摩院量子实验室在量子计算的经典模拟方向长期处于国际领先，其自研的量子电路模拟器“太章”，提出分布式张量网络收缩算法框架，取得了世界上同等计算条件下最好的模拟效果，成果已发表在Nature子刊《Nature Computational Science》上。升级版“太章2.0”及一系列量子应用案例也已面向全球开源，支持业界共同挖掘量子计算潜能。

芯片技术：达摩院计算技术实验室布局了面向未来的芯片技术，如存算一体芯片、类脑计算等，目前已取得多项研究成果。在存算一体技术领域，达摩院成功研发全球首款基于DRAM的3D键合堆叠存算一体芯片，它解决了传统冯·诺依曼架构的性能瓶颈，可提供更高容量、高能效的算力，满足人工智能等场景对极致算力的需求。与传统芯片相比，该芯片可提供20倍以上的片上内存容量（4GByte高速内存），能效比高200倍以上，适用于人工智能等高性能计算场景。

大模型：达摩院智能计算实验室研发了超大规模多模态预训练模型M6，主打多模态、多任务能力，其目标是打造全球领先的具有通用性的人工智能大模型。目前，M6的参数已从万亿升级至10万亿，成为全球最大的AI预训练模型，规模超越此前谷歌发布的1.6万亿Switch Transformer模型，且M6做到了业内极致的低碳高效，相比2020年发布的海外大模型GPT-3，M6实现同等参数规模，能耗仅为其1%。

作为新型研发机构代表，达摩院积极参与国家科技创新体系建设。2020年7月浙江省人民政府正式批准建设“数据科学与应用浙江省实验室”（湖畔实验室），由达摩院牵头建设，承担浙江省重大科研任务，开展应用基础科学和前沿技术探索。

科研项目方面，达摩院承担了科技创新2030新一代人工智能重大项目、国家重点研发计划项目等一批国家级科研任务；在科研奖励方面，达摩院获得多项省部级科技创新奖励，如城市大脑获得浙江省科技进步一等奖；数据库获得浙江省科技进步一等奖和中国电子学会科技进步一等奖；自然语言和机器翻译获得浙江省科技进步二等奖、江苏省科技进步二等奖；

认知智能计算平台Graph-Learn（原AliGraph）获2019年世界人工智能创新大赛最高项SAIL奖·先锋奖；智能客服获得中国人工智能学会吴文俊科技进步奖一等奖等；达摩院城市大脑实验室获批国家新一代人工智能开放创新平台。

达摩院始终致力于推动基础科研，尤其是青年人才在基础科研领域的发展。达摩院发起了多项以基础科研为主题的社会活动，包括面向全球数学爱好者的公益性赛事“阿里巴巴全球数学竞赛”，四届赛事共吸引全球20多万人次参赛；设立针对35岁及以下中国青年科学家的公益性奖项“青橙奖”，四届青橙奖共选拔出数十位杰出的青年学者，达摩院向每位青年学者发出百万奖金，并对他们开放阿里的科研资源。

达摩院借助技术的力量服务社会。2019年，阿里巴巴和四川大学提出海外古籍“数字化回归”设想，达摩院技术团队与四川大学历史文化学院合作，将加州大学伯克利分校东亚图书馆的中文古籍善本逐步数字化。2021年5月，伯克利的首批中文古籍善本以数字化方式回归故土，落地汉典重光古籍平台。借助阿里达摩院的技术，首批20万页古籍完成数字化，并沉淀为覆盖3万多字的古籍字典，公众可通过汉典重光平台翻阅、检索古籍。达摩院AI对20万页古籍的识别准确率达到97.5%。达摩院将持续推动古籍数字化服务，用好技术的力量，助力中华文化的传承、弘扬和发展，“给岁月以文明”。

达摩院与全球顶级高校科研院所建立了多学科、多领域的学术合作，构建开放的全球产学研技术合作生态，通过向创新链中的合作单位开放真实的数据和业务场景，达摩院与高校院所共同定义科学课题、攻克技术难题、解决产业问题，合作产出顶尖科研成果。在此理念下，达摩院设立了AIR创新研究计划、ARF访问学者计划、ARI研究型实习生计划以及ATP联合人才培养计划。与全球超过100所知名高校开展学术合作，合作项目超过500项，并与清华大学、伯克利大学等国际顶级高校建立了多个联合实验室，每年吸引全球超过30位知名学者、超过300位优秀学子来到阿里开展科研工作。