（报告出品方：腾讯）
云原生加速IT体系迈进全云时代
云原生是一种IT技术方式，使组织能够在云计算环境中构建和运行可扩展的应用程序。在多云、混合云等多元化部署的主流环境下，随着容器、无服务器等关键技术及工具不断创新与兼容，以及分布式云服务的兴起，云原生能更有效应对业务和数据动态多变的环境，促进新一轮的软硬件相互定义乃至融合发展，推动IT体系向全面云化的新阶段演进。当然，云原生涉及整个IT体系的变革，其发展也面临可视化、复杂性、安全性等诸多挑战，需要跳出传统IT思维，用云原生的技术和管理模式进行系统应对。未来，伴随着云原生操作系统的持续发展和完善，在多元场景下提供一致的云计算产品服务和体验将成为业界共同努力的方向。
云原生是一种IT技术方式，使组织能够在云计算环境中构建和运行可扩展的应用。随着数字化的普及和深入，海量数据实时、灵活处理的情况日益普遍，传统IT架构越来越难以适应。云原生通过容器、服务网格、微服务、不可变基础设施和声明式API等关键技术，使松散耦合的系统具有弹性、可管理性和可观察性，能够更低成本、高效地调用各类云计算资源向业务交付应用，推动IT体系向全面云化的新阶段演进。
首先，无服务器计算（Serverless）兴起，正在成为云原生加速发展的新路径。当前容器（Container）、微服务（Microservices）等技术已成为实践云原生的主要路径，但由于其技术实践的复杂性并不低，对很多传统企业而言应用门槛仍然较高。无服务器计算则在基础设施之上建立新的抽象层，屏蔽部署、运维等带来的复杂性，实现功能即服务（FaaS），使开发人员只用专注开发代码本身，而无需像容器那样还要进行较复杂的底层基础设施配置，从而大大提高应用开发和运营效率，比如通过云服务和小程序开发工具的深度集成，研发效率可以提升50%。此外容器、微服务等技术也在不断地探索无服务器的理念，为用户在云上便捷、高效地实现业务闭环提供了不同路径。当然，无服务器计算也有厂商标准尚不统一、适用任务单一等局限性，因此并非是容器的替代，两者更多呈现兼容互补的发展趋势。
其次，分布式云将有效拓展云原生业务构建的物理边界，大幅减轻用户多云管理负担。分布式云凭借其对公有云服务向不同位置延伸和云资源全局统一管理的能力，正成为云服务演进的重要方向。一方面分布式云能将公有云的全栈PaaS能力延伸到本地、边缘等不同物理位置，任何物理位置均可提供大数据、AI、开发工具等和公有云同样的PaaS服务，让用户在所需的位置都能基于丰富的工具使用构建云原生应用；另一方面分布式云对云资源的统一管理能力，可以有效融合公有云、私有云、混合云、边缘云等全场景，由公有云厂商对全类型云计算资源进行高效、统一地管理、调度、更新、迭代，让用户能从复杂的多云管理中解放出来，将更多精力聚焦业务本身。
最后，异构计算促进软硬件相互定义和融合发展，推动云原生基础设施性能持续突破瓶颈。随着AI计算、科学计算等应用需求的普遍增加，云计算承载的业务场景持续细化和专业化，计算速度、成本、能耗等都面临更高的要求。传统以CPU为主的IT通用计算架构和软硬件分离的方式，越来越难以满足专业应用的高性能处理需要，促进可使用CPU、GPU等多种计算单元的异构计算（HC），以及集成存储设备及虚拟运算的超融合基础架构（HCI）蓬勃发展。由此，软硬件进入相互定义、相互开源和开放的新阶段，为提升云原生基础设施算力能力和能源效率、降低损耗和成本等带来了新的发展红利。整体而言，随着云原生技术的发展成熟，未来企业上云用云将更加低成本和高效便捷，一个“全云”的新时代正在成型。（报告来源：未来智库）
虽然云原生已经成为主流探索方向，但涉及IT体系的整体变革仍面临不少挑战。主要有：一是云原生资源的多变性影响IT体系全链条的可观测性。云原生理念的实现借助了微服务、容器、无服务架构等诸多技术，帮助租户屏蔽了基础设施的复杂性，但同时也降低了IT系统在云上全流程的可观测性，例如微服务状态监测与管理较难、无服务器架构使用过程中调试工具不完善等，导致初期的使用门槛和成本较高。二是云原生实践过程中迁移和管理复杂度较高。为有效提升基础平台资源利用率、业务应用弹性伸缩效率和灵活性，云原生技术实践往往涉及多云间的业务部署、迁移和管理等复杂场景，需要成熟的技术工具和人员能力才能有效应对，有待整个行业持续建设培养。三是数据隐私和安全风险也是影响云原生发展的关键问题。云原生的开源开放性，有利于集成各种三方工具，但也造成安全威胁的多样化，安全策略难以集中一致地实施。例如云原生体系下微服务的API数量将不断递增，进而扩大了攻击面、增大了数据泄露的风险。这些问题和挑战，都需要跳出传统IT的思维，用云原生的技术和管理模式进行系统解决。
未来，伴随着云原生操作系统的持续发展和完善，在多云、混合云场景下提供一致的产品服务和体验将成为业界共同努力的方向。传统的公有云边界有望突破，公有云的产品将“延伸”到任何用户需要的环境中，不同的物理位置均可提供云原生服务，加速数字业务云上的闭环。
量子计算NISQ时期仍将持续
年是量子计算备受瞩目的一年，国际国内均有较为明显的科研成就。量子比特数量实现较大规模增长，各量子计算硬件技术也皆有发展；越来越多的机构开始研发上层软件和算法，并有越来越多的算法在小规模实际问题上得到实验。未来几年，仍是量子计算积蓄力量的阶段，量子计算有望突破个量子比特，量子纠错的进展对实现可用逻辑量子比特至关重要，量子计算与经典计算相结合的混合计算体系或将成为更加有效的应用方案，而量子计算在组合优化、化学制药、机器学习等领域也有望产生实际的应用价值。
年是量子计算界备受瞩目的一年，中国连续两次实现了量子计算优越性，国际上量子计算企业获得风险投资首次突破10亿美元，量子比特数量实现较大规模增长，国内“祖冲之二号”量子比特数量已达66个，国际上推出了量子比特超导量子处理器以及基于中性原子的量子比特模拟器，软件开发和算法应用也在加紧实验探索中。
当前，量子计算处于NISQ(含噪声中等规模量子)时代。产业界均在努力增加量子比特数量，提升单个量子比特的质量。同时，因为多个量子比特相互作用会产生新的错误，学术界和产业界都在寻求纠错的突破。国内量子计算发展追赶很快，除学术界以外，国内越来越多的科技集团和初创公司也投身量子计算开发，并开放量子计算云平台。总体上，国内量子计算的最高水平在量子比特数量和质量方面与国际上差距不大，但是支持量子计算运行的关键设备的研制，例如稀释制冷机和测控系统，与国际水平相比还存在差距。此外，国内量子软件和算法开发相对落后，开展量子计算用例研究的企业偏少。
年，将是量子计算继续积蓄力量之年。随着+量子比特设备的推出，需要开发适用于更大规模量子计算机的软硬件相关技术，为未来通用量子计算机的实现打好基础。
硬件方面，主流量子计算硬件技术（如超导、离子阱、光量子等）将并行发展，按照一些国际大公司公布的路线图，两到三年内，量子计算有望突破量子比特。超导体系方面，中国技术团队已取得了量子计算优越性；离子阱体系提出了QCCD(量子电荷耦合器件)架构，比特串扰小，且可扩展性较好；光子技术除了达到量子计算优越性外，还成功实现了编程。上述技术均已经或有望在短期内超越量子比特，但由于量子纠错难题短期内难以突破，因此未来何时实现可用的量子逻辑比特，还不清晰。此外，从几十到一百、从几百到一千，跨过每个门槛都可能需要工艺上的重大调整。除此之外，还需要解决串扰、发热控制和测控自动化等方面的问题。其中，为了与处于低温下的量子芯片更好交互，量子计算机组件例如测控系统，需要部分在低温环境下集成。然而，量子计算机短期内主要目标是规模扩大和性能提升，预计各个方案的运行温度和体积不会有量级上的变化。量子计算与经典计算相结合的混合计算体系或将成为更加有效的应用方案。
量子计算机的具体形态以及是否通过芯片实现尚处研究过程中。一方面，量子计算机可能采用混合技术，将超导、离子阱等各技术体系的优势结合起来。分布式量子计算机可能是实现大规模通用量子计算机的路径之一；另一方面，在实际应用中，量子计算很可能会与经典计算机混合使用。量子计算解决部分擅长的问题，而经典计算作为辅助来协同解决整个问题。目前国内外研究人员已开始研究混合量子-经典算法。未来，量子计算机可能在高性能计算中心与经典计算进行集成。
软件算法方面，预计在年前后，量子计算有希望开始在若干领域(例如组合优化、量子化学、机器学习等)实现具有应用价值的专用量子模拟机。目前，很多世界五百强企业开始进行量子计算的“概念验证”。但是还没有哪个领域的应用有公认的落地应用表现，行业正在持续探索和寻找“杀手级应用”。根据技术成熟度判断，最先带来价值的应用可能会在化学、优化等领域相关的方向出现。优化包括车辆和飞行器(如无人机)的路径优化、投资组合优化。量子计算已经在小规模的优化问题上展示了一定的可行性，未来量子计算有望应用于更大规模的优化问题。三到五年内，量子计算有望用于小规模的分子模拟和蒙特卡罗模拟，分子模拟是新药物、新材料开发的基础，蒙特卡罗模拟在金融领域有广泛应用。另外，量子计算有望为更大规模的模拟提供加速，可能在学术领域产生价值，例如通过模拟物理系统带来新的科学发现。
此外，量子计算的应用价值，还需要业界持续共同探索。在解决某些经典计算复杂度高的问题上，量子计算有望有巨大的加速优势。量子计算的可理论证明加速的算法在持续研究，另外也有越来越多的变分量子算法在小规模实际问题上进行实验，但由于硬件限制，无法判断在问题规模逐渐增大时的运行效果。
量子计算产业链将随科研及应用发展逐步形成。目前全球多个国家和地区已经在积极构建量子计算产业链。从稀释制冷机、低温布线生产商，到量子芯片、量子测控系统生产商，到云平台、开发平台提供商，量子算法和软件开发商，再到下游的金融、制药、物流、航空行业等，业界有望构建更全的产业链条。在生态合作层面，量子计算各参与方增进交流，多学科相互协同、软硬件算法各方面研发相互促进，学术界和产业界共研、共创、共同进步，是促进量子计算的科研及产业生态健康发展的重要因素；在资本层面，因该领域专业门槛较高而又备受
