随着数字化时代的到来，传统数据计算已经无法满足人类对更高水平智能的需求，智能计算应运而生。智能计算极大地拓宽了计算的范畴，从传统的数据计算扩展到感知智能、认知智能、自主智能、人机融合智能等日益多样化的计算范式，并以新的计算理论、架构、方法、系统和应用推动大数据、人工智能和物联网时代的数字革命。目前，智能计算仍处于起步阶段，预计不久将在智能计算的理论、系统和应用方面出现大量创新。本文系统分析智能计算的理论基础、智能与计算的技术融合、重要应用、挑战和未来展望，以期为理解智能计算提供有价值的见解。
一、智能计算的定义
当前，智能计算还没有公认的定义。一些研究者认为智能计算是人工智能与计算技术的结合，但这种观点将智能计算的定义局限在人工智能领域，而忽视了人工智能固有的局限性以及人、机、物三元交互的重要作用。另一派观点认为智能计算就是计算智能，但没有考虑到计算架构和物联网（IoT）在智能计算中的重要作用。考虑到人类社会空间、物理空间和信息空间这三个基本空间日益紧密融合，本文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。
智能计算是指在支持全球互联的数字文明时代，新的计算理论方法、架构系统和技术能力的总称。智能计算的目标是根据实际的具体需求，以最小的成本完成计算任务，匹配足够的计算能力，调用最精细的算法，获得最优的结果，其基本要素包括人类智能、机器能力和由万物组成的物理世界。智能计算在许多经典和前沿研究领域探索创新，以解决复杂的科学和社会问题。
二、智能计算理论基础
（一）智能能力
在理论框架中，人是智能计算的核心和智慧的源泉，代表着被称为“元智能”的原始固有智能。元智能包括理解、表达、抽象、推理、创造和反思等人类高级能力。所有智能系统都是由人类设计和建造的。因此，在智能计算的理论体系中，人类的智慧是智能的源泉，而计算机则由人类智能赋能。我们把计算机的智能称为“通用智能”。通用智能代表了计算机解决复杂问题的能力，具有广泛的外延，包括自然语言处理、图像识别、语音识别、目标检测与跟踪等，以硅基设施为载体，由个体和群体计算设备产生。生物智能可以在以下四个层次上移植到计算机上，包括数据智能、感知智能、认知智能和自主智能。
（二）计算能力
随着算法模型变得越来越复杂，模型的训练也对计算能力提出更高的要求。目前，有限的计算资源已成为提高计算机智能研究水平的障碍。随着智能算法的发展，计算资源丰富的机构可能会形成系统性的技术垄断，经典的超级计算机不适合人工智能对计算能力的需求。虽然算法优化可以在一定程度上减少对计算能力的需求，但并不能从根本上解决这个问题，需要从体系结构、加速模块、集成模式、软件栈等多个维度进行全面优化。
（三）智能计算特点
智能计算具有以下特点：（1）理论技术上的自学习性和可演进性；（2）体系架构上的高计算能力和高能效；（3）系统方法上的安全性和可靠性；（4）运行机制上的自动化和精确性；（5）可维护性的协作性和泛在性。
智能计算包括智能和计算两个本质方面，两者相辅相成。智能促进了计算技术的发展，计算是智能的基础。提高计算系统性能和效率的高级智能技术范式是“智能驱动的计算”。支持计算机智能发展的高效、强大的计算技术范式是“面向智能的计算”。两种基本范式从五个方面进行创新：（1）提升计算能力、能源效率；（2）数据使用；（3）知识表达和算法能力；（4）实现泛在、透明、可靠、实时；（5）自动化的服务。
三、智能驱动的计算
智能计算有两大关键，分别是提高计算的通用性以及提高计算的智能化水平。智能计算理论包括但不限于人工神经网络、模糊系统和进化计算等经典智能计算，帮助实现计算的高度泛在性和智能化。
智能系统在开始工作之前，首先要进行智能感知。感知智能在所有智能系统中都起着至关重要的作用。感知智能专注于多模态感知、数据融合、智能信号提取和处理，典型的例子包括智慧城市管理、自动潜水系统、智能防御系统、自主机器人等。感知智能研究中最热门的领域是模拟人类的五种感觉能力，视觉、听觉、嗅觉、味觉和触觉。此外，智能传感还包括温度、压力、湿度、高度、速度、重力等，需要大量的计算或数据训练来提高其性能。近年来，随着模式识别和深度学习技术的全面应用，机器的感知智能已接近甚至超过人类，在语音、视觉和触觉识别方面取得了重大进展。由于其日益增长的重要性和日益拓宽的应用领域，智能传感器受到了广泛