2023年1月3日，海内外9位院士及12位专家在Science《科学》合作期刊Intelligent Computing发表长篇综述论文《智能计算的最新进展、挑战和未来》。

文章摘要部分

第一句：计算是人类文明发展中至关重要的驱动力。

对于传统计算和新型智能计算，文章主要提到了三个领域、四个计算范式、五个方面的变革。

三个领域：大数据、人工智能、物联网。

四个计算范式：感知智能、认知智能、自主智能和人机融合智能。

五个方面：计算理论、架构、系统、方法、应用。

同时提出了一个重要的观点：智能和计算，两者存在不同的发展路径，最近十年两者融合发展。智能计算不仅是面向智能，同时也是智能驱动。

引言部分

主要回顾了智能和计算三十年的发展和目前的趋势，分析了智能计算的关键元素和内在挑战。

人类社会正在从一个信息社会进入一个智能社会，在这个社会中，计算已经成为制定和促进社会发展的一个关键因素。在万物互联的数字文明新时代，传统的数据计算远远不能满足人类对更高智能水平的不断努力。 人们对智能计算越来越感兴趣，加上计算科学的发展，对物理世界的智能感知，以及对人类意识认知机制的理解，共同提升了计算的智能水平，加速了知识的发现和创造。
近年来，计算和信息技术迅速发展，由于深度学习的空前普及和成功，人工智能（AI）已被确立为人类探索机器智能的前沿领域。 在此基础上，产生了一系列突破性的研究成果：
（1）Yann LeCun提出的卷积神经网络（CNN）.
（2）Yoshua Bengio在深度学习的因果推理领域的贡献。
（3）Geoffrey Hinton，在2006年提出了深度信念网络模型和反向传播优化算法。
（4）Jurgen Schmidhuber，提出了最广泛使用的循环神经网络（RNN），长短期记忆（LSTM0。 它已被成功应用于许多领域，用于处理整个数据序列，如语音、视频和时间序列数据。
2016年3月，DeepMind推出的人工智能围棋程序AlphaGo与世界顶级人类围棋大师李世石展开对战，引起了全世界前所未有的关注。 这场划时代的人机大战以人工智能的压倒性胜利而告终，并成为将人工智能的浪潮推向一个全新高度的催化剂。
人工智能的另一个重要推动力是大型预训练模型的出现，这些模型已经开始广泛用于自然语言和图像处理，在迁移学习的帮助下处理各种各样的应用。 例如，GPT-3已经证明，一个具有高度结构复杂性和大量参数的大型模型可以提高深度学习的性能。 在GPT-3的启发下，出现了大量的大规模深度学习模型。
计算能力是支撑智能计算的重要因素之一。鉴于信息社会中海量数据、异构硬件和不断变化的计算需求，智能计算主要通过纵向和横向架构来满足智能任务的计算能力要求。 纵向架构的特点是同质化的计算基础设施，主要通过应用智能方法提高资源利用效率来提升计算能力。 相比之下，横向架构则协调和调度异构和广域计算资源，以最大限度地提高协同计算的有效性。 例如，2020年4月，为了应对全球COVID-19研究的计算需求，Folding@home在三周内联合40万台志愿计算机实现了2.5Exaflops的计算量，超过了世界上任何一台超级计算机 。 实现如此巨大的计算能力，是横向计算协作的成功。

内在挑战：

智能的挑战在于四个方面：可解释性、通用性/泛化性、可演化性和自主性。

目前的大多数人工智能技术与人类智能相比，只能发挥微弱的作用，而且只在特定的领域或任务中发挥作用。实现强大而普遍的人工智能仍有很长的路要走。 最后，从基于数据的智能升级到更多样化的智能形式，包括感知智能、认知智能、自主智能和人机融合智能等，在理论和技术上也存在重大挑战。

计算的挑战主要来源于计算资源/硬件的限制。

数字化的浪潮带来了前所未有的应用、连接、终端和用户的增长，以及产生的数据量，所有这些都需要巨大的计算能力。 例如，人工智能所需的计算能力每100天翻一番，预计在未来5年内将增加100多万倍。随着摩尔定律的放缓，要跟上如此快速增长的计算能力要求变得很有挑战性。 此外，智能社会中的巨大任务依赖于各种特定计算资源的有效组合。 此外，传统的硬件模式不能很好地适应智能算法，这限制了软件的发展。

需要有一个清晰和准确的定义对于智能计算而言。

到目前为止，智能计算还没有一个普遍接受的定义。 一些研究人员将智能计算视为人工智能和计算技术的结合。 根据人工智能的发展，它标志着智能计算系统的三个不同里程碑。这种观点将智能计算的定义限制在人工智能领域内，同时忽略了人工智能固有的局限性以及人类、机器和事物之间三元互动的重要作用。 另一个学派将智能计算视为计算智能。该领域模仿人类或生物智能，以实现解决特定问题的最优算法，并将智能计算主要视为一种算法创新。 然而，它没有考虑到计算架构和物联网(IoT)在智能计算中发挥的重要作用。
我们从解决复杂的科学和社会问题的角度提出了智能计算的新定义，考虑到世界的三个基本空间，即人类社会空间、物理空间和信息空间之间日益紧密的融合。

本人觉得这个定义并不是很能解释智能计算，光追求大而全的定义我觉得是对学术圈的一种限制。

智能计算是指在支持世界互联的数字文明时代，包含了新的计算理论、统架构和技术能力的领域。 智能计算根据具体的实际需要，以最小的成本完成计算任务，匹配足够的计算能力，调用最好的算法，并获得最佳的结果。

智能计算的新定义是针对人类社会、物理世界和信息空间三者融合中快速增长的计算需求而提出的。智能计算以人为本，追求高计算能力、高能效、高智能、高安全。 它的目标是提供普遍、高效、安全、自主、可靠和透明的计算服务，以支持大规模和复杂的计算任务。 图1显示了智能计算的总体理论框架，它体现了支持人类-物理-信息整合的各种计算范例。

此处，作者在讲智能计算不是对流行概念的简单整合，而是任务驱动、计算优化、硬件协同，这和云边端协同的概念比较相似。

首先，智能计算既不是替代，也不是对现有的计算机、云计算、边缘计算以及其他计算技术（如神经形态计算、光电计算和量子计算）的简单整合。 相反，它是一种计算形式，通过根据任务要求系统地、全面地优化现有的计算方法和资源来解决实际问题。 相比之下，现有的主要计算学科，如超级计算、云计算和边缘计算，属于不同的领域。 超级计算旨在实现高计算能力[13]，云计算强调跨平台/设备的便利[14]，而边缘计算则追求服务质量和传输效率。智能计算动态地协调边缘计算、云计算和超级计算领域之间的数据存储、通信和计算。它构建了各种跨领域的智能计算系统，支持端到端的云协作、云间协作和超级计算互联。 智能计算应充分利用现有的计算技术，更重要的是，促进新的智能计算理论、架构、算法和系统的形成。

智能计算的三要素：人类、物理、信息。人机物互联互动可能是未来发展的趋势。

第二，提出智能计算，解决未来人类-物理-信息空间融合发展中的问题。 随着大数据时代信息技术应用的发展，物理空间、数字空间和人类社会之间的界限变得越来越模糊。 人类世界已经演变成一个新的空间，其特点是人类、机器和事物的紧密融合。 我们的社会系统、信息系统和物理环境构成了一个动态耦合的大系统，在这个系统中，人、机器和事物以高度复杂的方式整合和互动，这促进了未来新计算技术和应用场景的发展和创新。

Intelligent Computing: The Latest Advances, Challenges and Future