2022编程语言趋势 2020编程语言发展趋势

2022年以及未来几年编程语言将走向何方？

在任何时候，我都希望摆脱对文本语言的依赖。这部分是由于 1950 年代后期和 1960 年代的语言研究，其中研究了形式语法技术，但基于文本。

2022编程语言趋势 2020编程语言发展趋势

2022编程语言趋势 2020编程语言发展趋势

2022编程语言趋势 2020编程语言发展趋势

程序员现在只考虑文本。一些语言取得了突破，例如 Smalltalk 和 Hypercard。Smalltalk 承担了文本的很多复杂性，并将程序的整体结构置于文件系统、浏览器和编辑器的环境中。

我们还开始了电子表格中的函数式编程系统，其中每个单元格代表一个基于立即值的函数或其他单元格中的函数。

因此，电子表格可以被视为一个完整的编程系统。

然而，电子表格只是一种方式，对于一般编程（自己编写电子表格程序），我们需要更通用的方式，比如 Smalltalk。

文本是线性和二维的，但程序是围绕更复杂的维度构建的。基于文本的编程的难点在于将映射到二维。

许多程序员考虑使用文本编辑器进行编程（vi 和 emacs 是糟糕的例子），但我们应该使用程序编辑器，以便在没有基于文本的滚动的情况下轻松访问系统中的“远程”定义。大多数 IDE 对此感到失望，因此我们也需要超越 IDE。

我们应该将超文本的鼻祖 Ted Nelson 的思想应用到编程中。

文本只能用于程序中执行某些作的部分（功能），而不应用于整个系统的结构或框架。

一句话提醒。当我说我们应该从 1960 年代基于文本的思维中解放出来时，我们应该只抛弃文本，我们应该将结构化思维保留在语法背后，尤其是指称和公理语义中基于语义的语言定义。这些先进技术的应用使编程变得足够简单，可供我们其他人使用。

这样做的一个重要影响是语言和风格之战可以成为过去。编程基于程序的语义（以前的中间分析树），可以以不同语言和风格的几种视图呈现给任何程序员的口味。

但首先，我们需要摆脱许多程序员的心理偏见，他们认为他们采用的语言在某种程度上是神奇的。这在很大程度上是几十年来糟糕的教学和认为编程必须是一种特殊方式的人的结果。我们需要改变整个行业的态度。

计算和编程是关于探索的。我们应该恢复这种探索的感觉和兴奋，抛弃过去奄奄一息的基于文本的语言。

2022年值得关注的5个AI趋势 – thenewstack

COVID-19 大流行加速了 2021 年人工智能或机器学习的采用。企业对自动化的需求以及人工智能硬件和软件的进步正在将应用人工智能变为现实。

以下是 2022 年的五种人工智能趋势：

趋势 1：大型语言模型 (LLM) 定义下一波对话式 AI

语言模型是基于自然语言处理技术和算法来确定给定单词序列在句子中出现的概率，这些模型可以预测句子中的下一个单词，总结文本信息，甚至可以从纯文本创建可视化图表。

大型语言模型 (LLM) 在包含大量数据的海量数据集上进行训练。Google 的BERT和 OpenAI 的GPT-2和GPT-3是 LLM 的一些例子。众所周知，GPT-3 在 570 GB 的文本上训练了 1750 亿个参数。这些模型可以生成从简单的论文到复杂的金融模型的任何东西。

包括OpenAI、Hugging Face、Cohere、AI21 Labs在内的AI 初创公司正在通过训练具有数十亿参数的模型来突破 LLM 的界限。

华为的PanGu-Alpha和百度的Ernie 3.0 Titan接受了包括电子书、百科全书和社交媒体在内的 TB 级中文数据集的训练。

2022 年，我们将看到大型语言模型成为下一代对话式 AI 工具的基础。

趋势二：多模态人工智能的兴起

深度学习算法传统上专注于从一种数据源训练模型。例如，

这种类型的机器学习与单模态 AI 相关联，其中结果被映射到数据类型的单一来源——图像、文本、语音。

多模态 AI 是计算机视觉和对话式 AI 模型的融合，可提供更接近人类感知的强大场景。它将视觉和语音模式结合起来，将人工智能推理提升到一个新的水平。

多模式 AI 的新示例是来自 OpenAI 的DALL-E，它可以从文本描述中生成图像。

谷歌的多任务统一模型 ( MUM ) 是多模式 AI 的另一个例子。它承诺通过基于从 75 种不同语言中挖掘的上下文信息对结果进行优先排序，从而增强用户的搜索体验。MUM 使用 T5 文本到文本框架，比 BERT（流行的基于转换器的自然语言处理模型）强大 1000 倍。

NVIDIA 的Gau2模型将根据简单的文本输入生成照片般逼真的图像。

趋势 3：简化和流线型 MLOps

机器学习作 (MLOps) 或将机器学习应用于工业生产的实践非常复杂！

MLOps 是已纳入基于云的 ML 平台的概念之一，例如Amazon Web Servs的Amazon SageMaker、Azure ML和Google Vertex AI。但是，这些功能不能用于混合和边缘计算环境。因此，边缘的模型被证明是企业面临的重大挑战。在处理计算机视觉系统和对话式 AI 系统时，边缘模型变得更具挑战性。

由于Kubeflow和MLflow等开源项目的成熟，MLOps 变得相当容易获得。未来几年，将出现一种流线型和简化的 MLOps 方法，涵盖云和边缘计算环境。

趋势 4：AI 驱动的低代码开发

人工智能将影响 IT 的编程和开发。

大型语言模型 (LLM) 的兴起和更广泛的开源代码可用性使 IDE 供应商能够构建智能代码生成和分析。

望未来，期待看到可以从内联注释生成高质量和紧凑代码的工具。他们甚至能够将用一种语言编写的代码翻译成另一种语言，通过将遗留代码转换为现代语言来实现应用程序现代化。

趋势五：新型垂直化人工智能解决方案

Amazon Connect和Google Contact Center AI是垂直整合的经典例子。两者都利用机器学习功能来执行智能路由、由机器人驱动的对话以及对联络中心的自动协助。

这些服务是为零售和制造垂直行业高度定制的。

2022年学ja还有前途吗？还是其他编程语言好一点？

目前的行情对ja程序员的需求量还是比较多的，因此学习ja并不会过时。虽然市面上有很多款编程语言，但每一款都有它的优点以及使用方向，c家族的编程语言运行效率高，其中c语言为贴近底层，很多系统驱动程序等都是用c来做的。ja的特点是其安全性，目前所有的编程语言里面，ja的安全性是的，因此普遍用于安卓应用，程序等等，而且ja的代码还非常的人性化，比较易学。python则在人工智能方面有着其他编程语言无法比拟的优势。

综上所述，选择哪一款编程首先要看你自己学来是做什么用的，优先按用途来选择编程语言。

当然，并不是说什么什么软件就只能用c来做或者ja来做，编程的核心在于编程思维和逻辑能力，将一个大问题拆分成多个小问题来解决。编程都是相通的，掌握了一门，其他的也就很容易上手了。

编程本来就是相通的，通过学习一个语言就会了解编程方法，其他的c，c++，python都迎刃而解。比如开发安卓系统需要ja，苹果系统就是c了。一个好的程序员不可能只会一种的。

望采纳，谢谢

目前Ja在各行业的应用领域非常广，发展前景当然是毋庸置疑。同时，因着个人掌握的技能不同，待遇自然也会有所不同。就市场整体大致的就业情况来看，Ja开发方向很多，薪资也是从8K到20K不等。

如果想入行Ja开发行业，却苦于自己没有基础，担心自己学不会，可以选择专业的学习，一般学习费用在2W左右，也有线上的相关学习。Ja学习可以从基础开始，零基础学习并不可怕，一般4-6个左右的时间，只要你肯努力，一切都不是事。

学编程的话还是非常不错的，JAVA比较难一点，编程的话有很多的语言分类的

目前IT程序员普遍市场需求量大、行业前景广阔、薪资水平相对较高

在众多技术开发方向中，Ja开发一直颇受技术爱好者欢迎,可谓是IT行业常青树。

短时间，哪里会有其他大改变

Ja工程师岗位缺口大，目前，我国对软件人才的需求已达20万，并且以每年20%左右的速度增长。在所有软件开发类人才的需求中，对Ja工程师的需求达到全部需求量的60~70%。在未来5年内，合格的Ja人才需求将远大于供给。

Ja相关工程师就业薪资普遍较高，一线城市，初级Ja工程师一般月薪范围在8K-12K左右，远远超过了应届毕业生5K的平均水平。通常来说，有1~2年工作经验的Ja工程师的薪酬大致在年薪15万-20万左右。与其他IT开发方向相比，也是略胜一筹。

现在就ja跟python比较好了，如果你想要有前途的话，那就学习学习c语言以及c++吧。

2022年学ja，还有前途吗，还是其他编程语言好一点，我感觉这两个都是很有前途的，这就看你喜欢哪一种，如果喜欢种，你可以继续寻找，如果你喜欢第二种编程语言，这也是很好的，就看你的的喜欢去选择

学习IT相关技术是不错的选择，一方面感兴趣会更有学习动力，另一方面初中生年龄尚小，专业前景很重要，IT行业正处于高速发展时期，未来发展潜力巨大。面对初中生，0基础教学从头学起，还有UI设计、视频剪辑、视频等等课程选择，可以根据孩子的兴趣爱好进行了解学习。

其实很多语言是相通的。相对于ja我觉得学习matlad更有前途

人工智能未来发展的趋势是怎么样的？

各行各业都在开始做智能化建设，

智能化就是让生产效率进一步提高，每个人劳动时间进一步缩短

人工智能就是智能化的技术路线，通过数据来分析

人工智能这个技术和就业方向会越来越火爆，

各行各业都在开始做智能化建设，

智能化就是让生产效率进一步提高，每个人劳动时间进一步缩短

人工智能就是智能化的技术路线，通过数据来分析

人工智能这个技术和就业方向会越来越火爆，

目前，人工智能是一个快速发展的领域，对人才的需求很大。和其他技术岗位相比，竞争低，工资相对高。所以现在是进入人工智能领域的好时机。研究还表明，三项技能以上的人才对企业更有吸引力，而且趋势越来越明显。所以IT技术人员需要在掌握一门技术的同时掌握更多的技能！人工智能人才目前处于明显短缺状态，这种状况还存在扩大的趋势。当前技术环境下，需要兼顾扎实的专业技术和复合型背景的人才。在互联网企业中，人工智能的薪酬排在第三位，其中薪酬的是声音识别方向的从业者。

有一定的事实证明，Python语言更适合初学者，Python语言并不会让初学者感到晦涩，它突破了传统程序语言入门困难的语法屏障，初学者在学习Python的同时，还能够锻炼自己的逻辑思维，同时Python也是入门人工智能的语言。

学习编程并非那么容易，有的人可能看完了Python语法觉得特别简单，但再往后看就懵了，因为到后期发现并不能学以致用，理论结合项目才是学好一门编程语言的关键。可以选择报班入门，一般在2W左右，根据自己的实际需要实地了解，可以先在试听之后，再选择适合自己的。

各行各业都在开始做智能化建设，

智能化就是让生产效率进一步提高，每个人劳动时间进一步缩短

人工智能就是智能化的技术路线，通过数据来分析

人工智能这个技术和就业方向会越来越火爆，

tiobe编程语言排行榜2022

tiobe编程语言排行榜2022如下：

TIOBE编程社区指数是编程语言“流行度”的一个指标，据新榜单显示，与上个月比，编程语言Top5没有太多变化，Python依旧稳坐榜首。值得一提的是，本月Python的市场占比上升了3.76%，目前占比为16.66%。不得不说，近年来Python一直处于快速发展状态，使用人数多、应用面广、功能强大，被大家称为编程语言中的“网红”，堪称！

连续霸占榜首python为什么会这么火？在众多编程语言中，似乎已经没有什么能够阻挡Python的步伐。作为IT就业市场上、热门的技术之一，学会Python可以大幅提高IT人的职场竞争力，帮助你拿到更理想的offer。

简洁高效：简洁大方、开发效率高，Python语言一直受到越来越多公司喜欢，很多公司都开始使用Python做网站、搜索引擎、云计算、大数据、人工智能方向。可移植性：Python开源特性，可以移植在许多平台上进行使用。巨大标准库：Python支持面向过程的函数编程和面向对象的编程。与C++和Ja等其他主要语言相比Pyt，hon以非常强大和简单的方式实现了编程。

达摩院发布 2022 十大科技趋势：AI for Science 催生科研新范式

据介绍，《达摩院 2022 十大 科技 趋势》采用了“定量发散，定性收敛”的分析方法，整个分析流程分为两部分：

达摩院分析了 159 个领域近三年 770 万篇公开论文、8.5 万份专利，挖掘其中热点领域及重点技术突破，深度访谈近 100 位科学家，提出了 2022 年可能照进现实的十大 科技 趋势，覆盖人工智能、芯片、计算和通信等领域。

具体而言，这十大 科技 趋势分别是：AI for Science、大小模型协同进化、硅光芯片、绿色能源 AI、柔性感知机器人、高精度医疗导航、全域隐私计算、星地计算、云网端融合、XR 互联网。

达摩院认为，计算机科学改变科研的路径是从下游逐渐走向上游。起初计算机主要用来做实验数据的分析与归纳。后来科学计算改变了科学实验的方式，人工智能结合高性能计算，在实验成本与难度较高的领域开始用计算机进行实验的模拟，验证科学家的设，加速科研成果的产出，如核能实验的数字反应堆，能够降低实验成本、提高安全性、减少核废料产生。

近年，人工智能被证明能做科学规律发现，不仅在应用科学领域，也能在基础科学领域发挥作用，如 DeepMind 使用人工智能来帮助证明或提出新的数学定理，辅助数学家形成对复杂数学的直觉。

达摩院预测， 在未来的三年内，人工智能技术在应用科学中将得到普遍应用，在部分基础科学中开始成为研究工具。

阿里达摩院城市大脑实验室负责人华先胜在接受 InfoQ 采访时表示，用 AI 去助力科研主要基于数据和计算这两点，在数据和算力的基础上形成 AI 能力。

“从本质上来讲，AI for Science 和 AI for Industry 别不大，AI 也是作为推动领域发展的一个工具。只是这个领域有点不一样，它的门槛比较高，因为是科学家要做的事情，不是一个普通人、一般的技术可以做的事情。但是从本质上来讲，也是这个领域因为有了数据，可以设计算法去挖掘数据中的’玄机’，去解决这个领域的问题。”

对于从业者而言，AI for Science 需要 AI 专家要去了解科学问题，需要科学家要去了解 AI 的原理。“AI for Industry 的时候，其实是从单点的技术逐渐地走向了平台化，AI for Science 的未来，我想也会逐步地走向平台化。这个时候就是 AI 专家结合某个领域、某个学科，甚至是某个学科的某一类问题和科学家们一起去建造一个科研的平台。这个时候科学家们可能有更大的自由度、更强大的工具，能够更批量地去做科学研究，实现更加丰富、更加重要的科学突破。”华先胜说道。

谷歌的 BERT、Open AI 的 GPT-3、智源的悟道、 达摩院的 M6 等大规模预训练模型取得了重要进展，大模型的性能有了飞跃性提升，为下游的 AI 模型提供了发展的基础。然而大模型训练对资源消耗过大，参数数量增加所带来的性能提升与消耗提升不成比例，让大模型的效率受到挑战。

阿里达摩院智能计算实验室科学家杨红霞在接受 InfoQ 采访时表示，预训练大模型还有亟待突破的几个课题：

达摩院认为，大模型的参数规模发展将进入冷静期，大模型与相关联的小模型协同将是未来的发展方向。大模型沉淀的知识与认知推理能力向小模型输出，小模型基于大模型的基础叠加垂直场景的感知、认知、决策、执行能力，再将执行与学习的结果反馈给大模型，让大模型的知识与能力持续进化，形成一套有机循环的智能系统，参与者越多，受惠者越多，模型进化的速度也越快。

“大小模型的协同进化也可以更好的服务于更加复杂的新场景，例如虚拟现实、数字人，需要云边端的同时部署与交互，同时该体系对于保护用户数据隐私也更加的灵活，用户可以在不同的端上维护自己的小模型。”杨红霞向 InfoQ 说道。

清华大学计算机系，智源人工智能研究院学术副唐杰表示，大模型的发展，在认知智能方面，模型参数不排除进一步增加的可能，但参数竞赛本身不是目的，而是要探究进一步性能提升的可能性。大模型研究同时注重架构原始创新，通过模型持续学习、增加记忆机制、突破三元组知识表示方法等方法进一步提升万亿级模型的认知智能能力。在模型本身方面，多模态、多语言、面向编程的新型模型也将成为研究的重点。

达摩院预测， 在未来的三年内，在个别领域将以大规模预训练模型为基础，对协同进化的智能系统进行试点 探索 。在未来的五年内，协同进化的智能系统将成为体系标准，让全 能够容易地获取并贡献智能系统的能力，往通用人工智能再迈进一大步。

电子芯片发展逼近摩尔定律极限，集成技术进步趋于饱和，高性能计算对数据吞吐要求不断增长，亟需技术突破。

光子芯片不同于电子芯片，技术上另辟蹊径，用光子代替电子进行信息传输，可以承载更多的信息和传输更远的距离。光子彼此间的干扰少、提供相较于电子芯片高两个数量级的计算密度与低两个数量级的能耗。相较于量子芯片，光子芯片不需要改变二进制的架构，能够延续当前的计算机体系。光子芯片需要与成熟的电子芯片技术融合，运用电子芯片先进的制造工艺及模块化技术，结合光子和电子优势的硅光技术将是未来的主流形态。

大学，上海光机所特聘首席研究员周治平表示，达摩院选择“硅光芯片”作为 2022 年 10 大 科技 趋势之一，印证了该技术在信息通信领域的巨大应用价值。硅光芯片的进一步扩展是硅基光电子芯片：利用集成电路的设计方法和制造工艺，将微纳米量级的光子、电子、及光电子器件异质集成在同一硅衬底上，形成一个完整的具有综合功能的新型大规模光电集成芯片。它更加显著地反映了人类 在纳米技术方面的持续努力以及对更小型器件和更紧凑系统的极大兴趣。

达摩院预测，光电融合是未来芯片的发展趋势，硅光子和硅电子芯片取长补短，充分发挥二者优势，促使算力的持续提升。 未来三年，硅光芯片将支撑大型数据中心的高速信息传输；未来五到十年，以硅光芯片为基础的光计算将逐步取代电子芯片的部分计算场景。

绿色能源的大规模开发和利用已经成为当今世界能源发展的主要方向。在高比例绿色能源并网的趋势下，传统电力系统难以应对绿色能源在大风、暴雨、雷电等天气下发电功率的不确定性，以及复杂故障及时响应的应对能力。

在运行监测过程中，参数核验和故障监测仍需要大量的人工参与，故障特征提取困难，识别难度大。针对大规模绿色能源并网在稳定、运行和规划上面临的各种挑战，以人工智能为主的新一代信息技术将对能源系统整体的高效稳定运行提供技术保障和有力支撑。

人工智能与能源电力的深度融合，将推动大规模新能源发电、并网、输送、消纳和安全运行，完成对能源系统的升级改造。

电科院首席系统架构师周二专认为，新型电力系统要实现智能调控、运行推演将离不开 AI 技术，在 AI 技术的支撑下构建多个物理电网和 IT 应用程序交互的数字孪生体，每个数字孪生体解决某一个场景或某一个方面的电网运行问题。这样，当有足够的孪生体构成电网调控数字孪生系统来解决电网运行问题的各个方面，即可实现智能调控。

达摩院预测， 在未来的三年内，人工智能技术将帮助电力系统实现大规模绿能消纳，能源供给在时间和空间维度上能够互联互济，网源协调发展，弹性调度，实现电力系统的安全、高效、稳定运行。

机器人是技术的集大成者，在过去硬件、网络、人工智能、云计算的融合发展下，技术成熟度有了飞跃式地进展，机器人朝向多任务、自适应、协同化的路线发展。

柔性机器人是重要的突破代表，具有柔软灵活、可编程、可伸缩等特征，结合柔性电子、力感知与控制等技术，可适应多种工作环境，并在不同任务中进行调节。近年柔性机器人结合人工智能技术，使得机器人具备感知能力，提升了通用性与自主性，降低对预编程的依赖。

柔性感知机器人增加了对环境的感知能力(包含力、视觉、声音等)，对任务的迁移能力增强，不再像传统机器人需要穷举可能性，并且可执行依赖感知的任务(如医疗手术)，拓展机器人的适用场景。另一个优势是在任务中的自适应能力，面向突发变化能够及时反应，准确地完成任务并避免问题发生。

达摩院预测， 未来五年内，柔性机器人将充分结合深度学习带来的智能感知能力，能面向广泛场景，逐步替代传统工业机器人，成为产线上的主力设备。同时在服务机器人领域实现商业化，在场景、体验、成本方面具备优势，开始规模化应用。

传统医疗依赖医生经验，犹如人工寻路，效果参不齐。人工智能与精准医疗深度融合，专家经验和新的辅助诊断技术有机结合，将成为临床医学的高精度导航系统，为医生提供自动指引，帮助医疗决策更快更准，实现重大疾病的可量化、可计算、可预测、可防治。

预计未来三年，以人为中心的精准医疗将成为主要方向，人工智能将全面渗透在疾病预防和诊疗的各个环节，成为疾病预防和诊疗的高精度导航协同。而随着因果推理的进一步发展，可解释性有望实现突破，人工智能将为疾病的预防和早诊早治提供有力的技术支撑。

数据安全保护与数据流通是数字时代的两难问题，之道是隐私计算。过去受制于性能瓶颈、技术信任不足、标准不统一等问题，隐私计算尚只能在少量数据的场景下应用。随着专用芯片、加密算法、白盒化、数据信托等技术融合发展，隐私计算有望跨越到海量数据保护，数据源将扩展到全域，激发数字时代的新生产力。

浙江大学，浙江大学网络空间安全学院任奎表示，隐私计算不是某个单项技术，而是大一统的称呼，包括早 1982 年提出的安全多方计算，到后来的同态加密、可信计算、分隐私等等。但隐私计算早前并不具备太大的实用价值，像全同态加密理论上很好，但性能开销过大，实际使用很困难。现在随着硬件加速和软件创新，我们逐渐看到实用化的趋势，当然这还有个过程。

达摩院预测， 未来三年，全域隐私计算技术将在性能和可解释性上有新的突破，或将出现数据信托机构提供基于隐私计算的数据共享服务。

基于地面网络和计算的数字化服务局限在人口密集区域，深空、海洋、 沙漠等无人区尚是服务的空白地带。高低轨卫星通信和地面移动通信将无缝连接，形成空天地海一体化立体网络。由于算随网动，星地计算将集成卫星系统、空中网络、地面通信和云计算，成为一种新兴的计算架构，扩展数字化服务的空间。

阿里达摩院 XG 实验室负责人张铭认为，星地计算要真正能够实现成功商用和规模化发展，仍涉及到不少核心技术的突破。

以低轨卫星终端为例，一是要以场景需求和商用价值为导向，二是需要从技术突破和解决工程问题等角度出发，设计高性能、低成本、适应场景多的商用产品。例如在关键技术方面，如何设计新型毫米波相控阵天线，以及相应的波束赋形控制算法，以低成本方式满足性能指标要求；如何设计新型星地通信协议，满足卫星互联网多用户、移动性、复杂动态业务需求；此外，在终端集成和优化方面，还存在很多工程问题需要突破和解决，从而满足海陆空不同场景下多方位需求。

达摩院预测， 未来三年，低轨卫星数量会迎来爆发式增长，与高轨卫星共同组成卫星互联网。在未来五年，卫星互联网与地面网络将无缝结合形成天地一体的泛在互联网，卫星及其地面系统成为新型计算，在各类数字化场景中发挥作用。

新型网络技术发展将推动云计算走向云网端融合的新计算体系，并实现云网端的专业分工：云将作为脑，负责集中计算与全局数据处理；网络作为连接，将多种网络形态通过云融合，形成低延时、广覆盖的一张网；端作为交互界面，呈现多元形态，可提供轻薄、长效、沉浸式的体验。云网端融合将促进高精度工业仿真、实时工业质检、虚实融合空间等新型应用诞生。

达摩院预测， 在未来两年内，将有大量的应用场景在云网端融合的体系运行，伴随着更多依云而生的新型设备，带来更、更丰富地用户体验。

随着端云协同计算、网络通信、数字孪生等技术发展，以沉浸式体验为核心的 XR（未来虚实融合）互联网将迎爆发期。有望成为新的人机交互界面，推动形成有别于平面互联网的 XR 互联网，催生从元器件、设备、作系统到应用的新产业生态。XR 互联网将重塑数字应用形态，变革 娱乐 、社交、工作、购物、教育、医疗等场景交互方式。

达摩院预测， 未来三年内会产生新一代的 XR ， 融合 AR 与 VR 的技术，利用端云协同计算、光学、 等技术将使得外形与重量接近于普通，XR 成为互联网的关键入口，得到大范围普及。