來源：《半導體芯科技》雜志

作者：Leo Charlton, IDTechEx公司技術分析師（研究興趣為量子技術和納米光子學）

在過去的五年中，生成式人工智能（AI）的出現（其中最著名的例子是 OpenAI 的 DALL-E 2 圖像生成器和 ChatGPT）是如火如荼的人工智能熱潮的一個重要里程碑。

特別是 ChatGPT 強大的預測能力，讓人們得以一窺人工智能跨眾多垂直行業（industry verticals）的變革力量，這里，各公司將面臨兩難的困境，就是隨著人工智能模型廣度和深度的增長，如何有效利用人工智能工具來實現最大的商業影響力。

雖然總的來說，最近軟件比硬件受到了更多的媒體關注-鑒于最終用戶和那些分析此類技術影響的人最終關心的是一個工具能做什么，而不是它怎樣做，所以這種情況并非不正常-如果設計和制造不能夠以具有成本效益的方式運行這些模型的硬件，人工智能模型的承諾仍將無法實現。隨著軟件復雜性的增加（最先進的人工智能模型比過去的模型計算量更大），需要采用先進的硬件來促進增長。

根據IDTechEx最近發布的一份關于人工智能芯片的報告實現自然語言處理、物體檢測和分類以及語音識別等人工智能功能的半導體電路(the semiconductor circuitry that enables such AI functionalities as natural language processing, object detection and classification, and speech recognition)-到2033年，全球人工智能芯片市場規模將增長到2500億美元以上，IT和電信、銀行、金融服務和保險（BFSI）以及消費電子行業將是新興人工智能技術的主要受益者。

邊緣設備中的人工智能應用越來越多

在前述的《人工智能芯片：2023-2033》報告中，IDTechEx細致考究了在供應鏈的設計和制造階段人工智能硬件投資的最新趨勢。除了新產品發布和主要市場參與者的財務數據外，還通過幾個粒度對未來十年人工智能芯片的收入增長進行了建模。該報告的一個關鍵發現與預測期內用于推理目的的芯片與用于訓練的芯片之間的收入分配有關。訓練和推理是機器學習過程的兩個階段，其中，計算機程序利用數據根據模型進行預測，然后通過調整所使用的權重來優化模型，使之與所提供的數據更好地匹配。實施人工智能算法的第一階段是訓練階段，數據被饋入模型，模型調整其權重，直到它與所提供的數據適當地配合為止。

第二階段是推理階段，在該階段中執行訓練好的人工智能算法，并以與獲得的數據一致的方式對新數據（在訓練階段未提供的數據）進行分類。在這兩個階段中，訓練階段的計算量更大，因為這個階段需要進行數百萬次相同的計算。

一些領先的人工智能算法的訓練可能需要幾天時間才能完成，ChatGPT使用了大約10,000個Nvidia A100 GPU來訓練它所基于的GPT-3.5大型語言模型（LLM）。然而，盡管這些數字已經令人驚嘆，但是，IDTechEx預測，到2033年，用于推理目的的芯片將增長，占到人工智能芯片市場總收入的三分之二以上。

由于所有的人工智能訓練都是在云計算環境中的數據中心內進行的，這不僅說明推理芯片在云環境中將繼續使用，而且也說明，在未來十年里，相比于云環境，邊緣設備中使用的人

工智能芯片的增長率更高（考慮到邊緣設備內的人工智能芯片是用于推理目的的）。

在邊緣設備中采用具有人工智能功能的芯片對于某些應用（如全自動駕駛汽車）是勢在必行的，而在其他應用（如手機）中也是越來越普遍。無論人工智能對某一特定應用多么至關緊要，有效的部署人工智能都有可能在各行各業創造“新常態”。

人工智能的變革力量

雖然ChatGPT在2022年的誕生提供了迄今為止最引人注目的例子，展現了生成式人工智能的能力，但在這之前，它和其他工具已經發展了很多年。谷歌DeepMind的AlphaGo在2016年戰勝了圍棋世界冠軍李世石，這可以說是人工智能的里程碑，開啟了其當前的發展熱潮，因為在此之前，人們普遍認為圍棋對于人工智能來說是一項難度過高的博弈項目，它無法在錦標賽的規定時間內戰勝人類選手。

IDTechEx認為，人工智能的最新時代開始得稍早一些，蘋果手機在2011年就引入了Siri虛擬助手。作為一款虛擬助手，Siri使用語音識別來回答用戶的詢問或遵循用戶的指示。通過用話語“Hey Siri”觸發虛擬助手，用戶對著手機說話，語音識別軟件將說話的內容翻譯成計算機代碼，并輸出文字和/或來自Siri的語音回應。多年來，Siri的功能得到了擴展，從簡單的電話指令，如“閱讀我的新消息”，到通過蘋果支付（Apple Pay）處理付款。

雖然這是虛擬助手的第一個實例，但它并不是唯一的一個，微軟的Cortana和亞馬遜的Alexa現在也是廣為人知。語音助手有效地展示了人工智能應用于消費電子設備的早期潛力，它們過去（現在也是）能夠為用戶提供免提控制和更廣泛的輔助功能選項（accessibility options）。

△圖1：據預測，到2033年，在人工智能芯片銷售收入方面居領先地位的將是BFSI、消費電子、IT和電信等垂直行業。來源：IDTechEx。

圖2：邊緣處的人工智能與云端中的人工智能之間的不同特征。邊緣計算環境是在某臺設備上執行計算的環境（通常是創建數據的同一設備），該設備位于網絡的邊緣（因此，靠近用戶）。這與位于網絡中心的云計算或數據中心計算形成鮮明對比。來源：IDTechEx。

圖3：人工智能芯片應用。來源：IDTechEx

自那時起，人工智能已被部署在消費類電子設備的幾個不同領域，以改善用戶體驗。通過對消費者行為的分析，經由智能電視和音樂平臺提供個性化的推薦，既讓終端用戶獲得符合自己口味的體驗，同時也增加了廣告商的收入。

近年來，在主要智能手機品牌的領先產品中，支持人工智能功能的智能手機芯片組已經變得相當普遍。這些芯片組的圖像和物體檢測能力為手機上的攝影和視頻提供了更強大的方法，其中相機設置會根據畫面中的物體自動調整，而且物體能夠在后期被刪除/調整。

在銀行、金融服務和保險行業，人工智能已經在高頻交易中得到了有效的應用；GPU目前占據了云人工智能市場的大部分，在云人工智能中，并行處理的能力允許在有效的延遲屏以處理初始查詢，并實現日常工作的自動化，從而提高使用這些工具的公司的運營效率。

后幾個例子表明，人工智能對企業和消費者的好處并不是相互排斥的；個性化的推薦改善了用戶體驗，同時還通過更有效的市場營銷增加了公司收入。從另一個角度看，使用人工智能通過自動化來簡化流程（以及根據用戶反饋和潛在的非結構化數據分析來協助產品設計），對于那些能夠確定其業務領域可以從自動化中受益的公司來說，代表了長期的成本節約，并藉此將員工解放出來，承擔更多的高價值任務。接下來，成本的節省會對產品價格點產生下游效應。

IDTechEx設想，鑒于軟件和硬件發展的快節奏屬性，以及大多數公司在運營層面有效使用人工智能工具尚未釋放的潛力，未來十年將看到人工智能的廣泛應用。

硬件功能使高頻交易中的欺詐檢測成為可能，在高頻交易中，對大量金融交易進行分析，以發現可能表明存在欺詐活動的模式。此外，聊天機器人和虛擬助手正在各行各業（不僅僅是BFSI）的客戶端使用，它們可以處理初始查詢，并實現日常工作的自動化。

審核編輯 黃宇