伴隨全球數(shù)字化進(jìn)程的加快，人工智能成為引領(lǐng)未來(lái)世界發(fā)展的關(guān)鍵技術(shù)。近年來(lái)，各國(guó)政府、科研教育機(jī)構(gòu)、科技企業(yè)及專(zhuān)家學(xué)者紛紛加入到推動(dòng)人工智能產(chǎn)業(yè)發(fā)展的過(guò)程中，人工智能技術(shù)與產(chǎn)業(yè)融合程度不斷加深。
本期的智能內(nèi)參，我們推薦尚普咨詢的報(bào)告《2022年全球人工智能產(chǎn)業(yè)研究報(bào)告》，揭秘人工智能的發(fā)展前沿。
來(lái)源 尚普咨詢
原標(biāo)題：
《2022年全球人工智能產(chǎn)業(yè)研究報(bào)告》
作者：孫碩 宿碩 劉宇 張�t 周文青
一、人工智能產(chǎn)業(yè)概況
近年來(lái)，人工智能技術(shù)得到快速發(fā)展，其對(duì)經(jīng)濟(jì)社會(huì)發(fā)展以及生產(chǎn)生活方式變革將產(chǎn)生重大影響。全球范圍內(nèi)美國(guó)、歐盟、英國(guó)、日本、中國(guó)等國(guó)家和地區(qū)均大力支持人工智能產(chǎn)業(yè)發(fā)展，相關(guān)新興應(yīng)用不斷落地。根據(jù)Deloitte報(bào)告預(yù)測(cè)，全球人工智能產(chǎn)業(yè)規(guī)模從2017年的6，900億美元增長(zhǎng)至2025年的64，000億美元，2017-2025年復(fù)合增長(zhǎng)率32.10%，呈現(xiàn)較快增長(zhǎng)走勢(shì)。
▲2017-2025年全球人工智能產(chǎn)業(yè)規(guī)模
投融資方面，全球人工智能投資市場(chǎng)近年來(lái)快速發(fā)展，整體融資規(guī)模從2015年的63億美元增長(zhǎng)至2021年的668億美元。2021年全球醫(yī)療AI融資規(guī)模較高達(dá)到122億美元，金融科技AI融資規(guī)模為39億美元，零售AI融資規(guī)模為37億美元。
▲2015-2021年全球AI融資規(guī)模和融資數(shù)量
▲2015-2021年全球醫(yī)療AI融資規(guī)模和融資數(shù)量
▲2015-2021年全球金融AI融資規(guī)模和融資數(shù)量
▲2015-2021年全球零售AI融資規(guī)模和融資數(shù)量
尚普研究院根據(jù)CB Insights數(shù)據(jù)統(tǒng)計(jì)，全球現(xiàn)有人工智能企業(yè)超過(guò)11，000家，累計(jì)融資總額超過(guò)2，500億美元。其中，美國(guó)擁有AI相關(guān)企業(yè)達(dá)到4，171家，累計(jì)融資金額達(dá)到1，601.9億美元，在公司數(shù)量和融資規(guī)模上均位居世界首位；中國(guó)擁有1，275家AI公司，融資總金額為470.7億美元，位居世界第二位。英國(guó)、印度、加拿大等國(guó)家也各自擁有百余家AI公司，AI企業(yè)數(shù)量排名前10位的國(guó)家占全球總數(shù)的78.3%，累計(jì)融資金額則達(dá)到全球總額的95%，AI企業(yè)和融資活動(dòng)集中在美、中、英等國(guó)家。
▲全球主要國(guó)家AI企業(yè)數(shù)量與累計(jì)融資規(guī)模
尚普研究院將處于全球人工智能產(chǎn)業(yè)鏈中的典型上市公司進(jìn)行整理，名單中以具備綜合實(shí)力的科技巨頭為主，國(guó)外如Google、Amazon、Microsoft等，國(guó)內(nèi)如百度、阿里巴巴、騰訊等。此外，國(guó)內(nèi)的商湯、科大訊飛等具有強(qiáng)技術(shù)屬性的AI公司受關(guān)注度較高。
▲全球人工智能產(chǎn)業(yè)鏈主要上市企業(yè)名單
二、AI芯片，廣泛應(yīng)用于云、邊、端各類(lèi)場(chǎng)景
AI芯片(AI Chip)：專(zhuān)門(mén)用于處理人工智能相關(guān)的計(jì)算任務(wù)，其架構(gòu)針對(duì)人工智能算法和應(yīng)用進(jìn)行專(zhuān)門(mén)優(yōu)化，具有高效處理大量結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)的特征，可高效支持視覺(jué)、語(yǔ)音、自然語(yǔ)言處理等智能處理任務(wù)。當(dāng)前AI芯片類(lèi)型主要涉及GPU、FPGA、TPU、IPU、DPU、NPU等類(lèi)別。從應(yīng)用場(chǎng)景來(lái)看，AI芯片廣泛應(yīng)用于云端、邊緣端、終端等各類(lèi)場(chǎng)景，其中云端AI芯片具備高性能特征，終端AI芯片具有低功耗和高能效特性，而邊緣端AI芯片性能介于云端和終端之間。
目前，評(píng)價(jià)AI芯片性能的指標(biāo)主要包括：TOPS、TOPS/W、時(shí)延、成本、功耗、可擴(kuò)展性、精度、適用性、吞吐量、熱管理等。其中，TOPS/W是用于度量在1W功耗的情況下，芯片能進(jìn)行多少萬(wàn)億次操作的關(guān)鍵指標(biāo)。近年來(lái)，MIT、Nvidia等研發(fā)人員開(kāi)發(fā)專(zhuān)門(mén)的芯片軟件評(píng)價(jià)工具對(duì)于AI芯片的性能做出了系統(tǒng)、全面評(píng)價(jià)，如Accelergy（評(píng)估芯片架構(gòu)級(jí)能耗）、Timeloop（評(píng)估芯片運(yùn)算執(zhí)行情況）等。MLPerf是由來(lái)自學(xué)術(shù)界、研究實(shí)驗(yàn)室和相關(guān)行業(yè)的AI領(lǐng)導(dǎo)者組成的聯(lián)盟，旨在“構(gòu)建公平和有用的基準(zhǔn)測(cè)試”，可用于衡量深度學(xué)習(xí)軟件框架、AI芯片和云平臺(tái)性能。
CPU作為通用處理器，包含控制單元（指令讀取及指令譯碼）、存儲(chǔ)單元（CPU片內(nèi)緩存和寄存器）及運(yùn)算單元（ALU約占20%CPU空間）三個(gè)主要模塊，但受制于成本/功耗/技術(shù)難度/算力瓶頸等問(wèn)題，目前仍未出現(xiàn)適配AI高算力要求的主流CPU產(chǎn)品。GPU是一種由大量核心組成的大規(guī)模并行計(jì)算架構(gòu)，擁有較多運(yùn)算單元（ALU）和較少緩存（cache），是一款專(zhuān)為同時(shí)處理多重任務(wù)而設(shè)計(jì)的芯片，具備良 好的矩陣計(jì)算能力和并行計(jì)算優(yōu)勢(shì)，能滿足深度學(xué)習(xí)等AI算法的處理需求，成為主流云端AI芯片。
英偉達(dá)A100芯片為多個(gè)SM單元(Streaming Multiprocessors，流式多處理器)構(gòu)成的并發(fā)多核處理器，不同SM單元共享L2 Cache存儲(chǔ)資源進(jìn)行數(shù)據(jù)訪存，A100的安培架構(gòu)中有128個(gè)SM核，SM結(jié)構(gòu)是芯片架構(gòu)升級(jí)的核心。Tensor Core是英偉達(dá)GPU架構(gòu)中專(zhuān)為深度學(xué)習(xí)矩陣運(yùn)算設(shè)置的張量計(jì)算單元，是英偉達(dá)GPU系列深度學(xué)習(xí)運(yùn)算加速的核心。Tensor Core處理的是大型矩陣運(yùn)算，其執(zhí)行一種專(zhuān)門(mén)的矩陣數(shù)學(xué)運(yùn)算，適用于深度學(xué)習(xí)和某些類(lèi)型的高性能計(jì)算。Tensor Core功能是執(zhí)行融合乘法和加法的運(yùn)算，其中兩個(gè)4*4 FP16矩陣相乘，然后將結(jié)果添加到4*4 FP32或FP64矩陣中，最終輸出新的4*4 FP32或FP64矩陣。
AIoT通過(guò)融合AI和IoT技術(shù)實(shí)現(xiàn)萬(wàn)物智聯(lián)，其主要涉及到安防、移動(dòng)互聯(lián)網(wǎng)等多樣化場(chǎng)景。在智慧安防方面，由于終端攝像頭每天產(chǎn)生大量的視頻數(shù)據(jù)，若全部回傳到云數(shù)據(jù)中心將會(huì)對(duì)網(wǎng)絡(luò)帶寬和數(shù)據(jù)中心資源造成極大占用。通過(guò)在終端加裝AI芯片，可實(shí)現(xiàn)數(shù)據(jù)本地化實(shí)時(shí)處理，即僅將經(jīng)過(guò)結(jié)構(gòu)化處理、關(guān)鍵信息提取后帶有關(guān)鍵信息的數(shù)據(jù)回傳云端，大大降低網(wǎng)絡(luò)傳輸帶寬壓力。當(dāng)前主流解決方案為前端攝像頭設(shè)備內(nèi)集成AI芯片，在邊緣端采用智能
服務(wù)器級(jí)產(chǎn)品，后端在邊緣服務(wù)器中集成智能推理芯片。目前國(guó)內(nèi)外企業(yè)正在加大對(duì)邊緣端AI視覺(jué)處理芯片的研發(fā)和投入，相關(guān)芯片產(chǎn)品如英偉達(dá)Jetson AGX Xavier、地平線旭日3、華為海思Hi3559A V100等。
隨著智能駕駛等級(jí)的提高，技術(shù)不斷迭代促使車(chē)用AI芯片性能逐步增強(qiáng)。SAE（國(guó)際自動(dòng)機(jī)工程師學(xué)會(huì)）將自動(dòng)駕駛劃分為六個(gè)級(jí)別：L0（非自動(dòng)化）、L1（駕駛員輔助）、L2（部分自動(dòng)化，如交通擁堵輔助和高級(jí)緊急制動(dòng)+轉(zhuǎn)向）、L3（有條件自動(dòng)化，如高速道路自動(dòng)駕駛）、L4（高度自動(dòng)化，如城市自動(dòng)駕駛）和L5（完全自動(dòng)化，如全場(chǎng)景自動(dòng)駕駛）。從L3開(kāi)始每一級(jí)別均需要強(qiáng)大的算力進(jìn)行實(shí)時(shí)分析，處理大量數(shù)據(jù)，執(zhí)行復(fù)雜的邏輯運(yùn)算，對(duì)計(jì)算能力有著極高要求。每一級(jí)別自動(dòng)駕駛汽車(chē)所需的芯片計(jì)算能力一般認(rèn)為是：L3約為250TOPS，L4超過(guò)500TOPS，L5超過(guò)1，000TOPS。隨著芯片設(shè)計(jì)和制造工藝的提高，車(chē)用AI芯片正朝著高算力、低功耗的方向發(fā)展。
▲全球主要車(chē)用AI芯片概覽
預(yù)計(jì)到2025年，全球車(chē)用AI芯片市場(chǎng)規(guī)模將突破17億美元。隨著汽車(chē)控制方式逐漸由機(jī)械式轉(zhuǎn)向電子式，每輛汽車(chē)對(duì)車(chē)用AI芯片需求提升，帶動(dòng)車(chē)用AI芯片長(zhǎng)期發(fā)展。根據(jù)Yole預(yù)測(cè)，2025年全球車(chē)用AI芯片產(chǎn)量將達(dá)到67.19億顆，市場(chǎng)規(guī)模將達(dá)到17.76億美元，年復(fù)合增速分別達(dá)到99.28%和59.27%。此外，車(chē)用AI芯片逐漸往高能效方向發(fā)展，如英特爾2022年推出的EyeQ Ultra自動(dòng)駕駛汽車(chē)芯片，基于經(jīng)過(guò)驗(yàn)證的Mobileye EyeQ架構(gòu)而打造，其含有8個(gè)PMA、16個(gè)VMP、24個(gè)MPC、2個(gè)CNN Accelerator視覺(jué)處理單元（VPU），通過(guò)優(yōu)化算力和效能以達(dá)到176TOPS，可滿足L4自動(dòng)駕駛場(chǎng)景，該產(chǎn)品將于2023年底供貨，預(yù)計(jì)在2025年全面實(shí)現(xiàn)車(chē)規(guī)級(jí)量產(chǎn)。
▲2021-2025年全球車(chē)用AI芯片產(chǎn)量
▲2021-2025年全球車(chē)用AI芯片市場(chǎng)規(guī)模
AI芯片在圖像識(shí)別、語(yǔ)音識(shí)別和快速建立用戶畫(huà)像等方面具有重要作用。根據(jù)Yole預(yù)測(cè)，2026年全球消費(fèi)電子AI芯片市場(chǎng)規(guī)模將達(dá)到55.8億美元，其中筆記本電腦、平板電腦和智能手機(jī)AI芯片滲透率將分別達(dá)到100%、100%和91%，未來(lái)全球消費(fèi)電子AI芯片市場(chǎng)規(guī)模和滲透率呈現(xiàn)逐步增長(zhǎng)態(tài)勢(shì)。
▲2021-2026年全球消費(fèi)電子AI芯片市場(chǎng)規(guī)模及滲透率
三、人工智能趨勢(shì)展望
1、前沿技術(shù)
Transformer模型：由Google的Ashish Vaswani等人和多倫多大學(xué)的Aidan N.Gomez于2017年首次提出，是一種基于自注意力機(jī)制（在Transformer模型中起基礎(chǔ)作用，可減少對(duì)外部信息的依賴，更擅長(zhǎng)捕捉數(shù)據(jù)或特征的內(nèi)部關(guān)系，優(yōu)化模型訓(xùn)練結(jié)果）的深度學(xué)習(xí)模型，該模型主要由
編碼器和
解碼器構(gòu)成，模型本身并行度較高，在精度和性能上均要優(yōu)于傳統(tǒng)的循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）和卷積神經(jīng)網(wǎng)絡(luò)（CNN）。Transformer模型在簡(jiǎn)單語(yǔ)言問(wèn)答和語(yǔ)言建模任務(wù)上有著較好表現(xiàn)。Transformer模型仍存在一些不足，如對(duì)局部信息的獲取能力弱于RNN和CNN、不能很好表征單詞的位置信息、頂層梯度消失等問(wèn)題。
▲Transformer模型
BERT模型：由Google于2018年提出，是基于Transformer Encoder構(gòu)建的一種模型。模型基本思想：給定上下文來(lái)預(yù)測(cè)下一個(gè)詞。BERT模型架構(gòu)是由多接口組成的Transformer編碼器層，即全連接神經(jīng)網(wǎng)絡(luò)增加自注意力機(jī)制。對(duì)于序列中的每個(gè)輸入標(biāo)記，每個(gè)接口計(jì)算鍵、值和查詢向量，相關(guān)向量用于創(chuàng)建加權(quán)表示，合并同一層中所有接口輸出并通過(guò)全連接層運(yùn)行。每個(gè)層使用跳躍連接進(jìn)行包裝，之后將層歸一化處理。BERT模型傳統(tǒng)工作流主要包含預(yù)訓(xùn)練和模型微調(diào)兩部分，其中預(yù)訓(xùn)練環(huán)節(jié)涉及MLM和NSP兩個(gè)半監(jiān)督任務(wù)；模型微調(diào)環(huán)節(jié)包含一個(gè)或更多全連接層，通常增加到最終編碼器層的頂部。BERT模型已集成在谷歌搜索中，并提升10%的查詢準(zhǔn)確率。
▲B(niǎo)ERT模型(Bidirectional Encoder Representation from Transformer)
ViT模型(Vision Transformer)：由Google公司Alexey Dosovitskiy等人在2021年提出，其原理是將原本用于NLP領(lǐng)域的基于自注意力機(jī)制的Transformer模型應(yīng)用于計(jì)算機(jī)視覺(jué)領(lǐng)域。相比于傳統(tǒng)CNN算法，ViT模型在大數(shù)據(jù)集上識(shí)別率更高、成本更低。ViT模型的基本原理：1）將圖片切分為相同大小的塊，每個(gè)塊可以看做一個(gè)“單詞”；2）每個(gè)塊經(jīng)過(guò)線性投射層（全連接層）的操作得到位置編碼（圖像分類(lèi)問(wèn)題轉(zhuǎn)化為NLP問(wèn)題）；3）將線性投射后的圖像塊輸入由L層Transformer模型構(gòu)成的編碼器；4）輸出結(jié)果經(jīng)過(guò)多層感知機(jī)（MLP）得到最終分類(lèi)結(jié)果。目前，ViT已發(fā)展出多種改進(jìn)模型，在計(jì)算機(jī)視覺(jué)物體檢測(cè)等方面具有很大應(yīng)用潛力。
▲ViT模型(Vision Transformer)
自監(jiān)督學(xué)習(xí)(Self-supervised Learning)：旨在對(duì)于無(wú)標(biāo)簽數(shù)據(jù)，通過(guò)設(shè)計(jì)輔助任務(wù)來(lái)挖掘數(shù)據(jù)自身的表征特性作為監(jiān)督信息，來(lái)提升模型的特征提取能力，將無(wú)監(jiān)督問(wèn)題轉(zhuǎn)化為有監(jiān)督問(wèn)題的方法。輔助任務(wù)是自監(jiān)督學(xué)習(xí)最關(guān)鍵內(nèi)容，目前主要包括自然語(yǔ)言處理NLP和計(jì)算機(jī)視覺(jué)CV兩大類(lèi)任務(wù)。其中，自然語(yǔ)言處理包括單詞預(yù)測(cè)、句子序列預(yù)測(cè)、詞序列預(yù)測(cè)；計(jì)算機(jī)視覺(jué)包括圖像任務(wù)、視頻任務(wù)等。著名AI科學(xué)家Yann Lecun曾經(jīng)提出，如果將人工智能比作一塊蛋糕，蛋糕的大部分是自監(jiān)督學(xué)習(xí)，蛋糕上的糖衣是監(jiān)督學(xué)習(xí)，蛋糕上的櫻桃是強(qiáng)化學(xué)習(xí)，自監(jiān)督學(xué)習(xí)在人工智能領(lǐng)域占據(jù)重要地位。
▲自監(jiān)督學(xué)習(xí)(Self-supervised Learning)
類(lèi)腦計(jì)算(Brain-Inspired Computing)：又稱神經(jīng)形態(tài)計(jì)算，是借鑒生物神經(jīng)系統(tǒng)信息處理模式和結(jié)構(gòu)的計(jì)算理論、體系結(jié)構(gòu)、芯片設(shè)計(jì)以及應(yīng)用模型與算法的總稱。類(lèi)腦計(jì)算可模擬人類(lèi)大腦信息處理方式，以極低的功耗對(duì)信息進(jìn)行異步、并行、高速和分布式處理，并具備自主感知、識(shí)別和學(xué)習(xí)等多種能力，是實(shí)現(xiàn)通用人工智能的途徑之一。2020年10月，清華大學(xué)張悠慧等人在Nature雜志發(fā)表論文，首次提出“類(lèi)腦計(jì)算完備性”，填補(bǔ)類(lèi)腦研究完備性理論與相應(yīng)系統(tǒng)層次結(jié)構(gòu)方面的空白。類(lèi)腦計(jì)算技術(shù)的發(fā)展將推動(dòng)圖像識(shí)別、語(yǔ)音識(shí)別、自然語(yǔ)言處理等前沿技術(shù)的突破，有望推動(dòng)新一輪技術(shù)革命。
▲類(lèi)腦計(jì)算(Brain-Inspired Computing)
AI大模型(Foundation Models)：是指經(jīng)過(guò)大規(guī)模數(shù)據(jù)訓(xùn)練且在經(jīng)微調(diào)后即可適應(yīng)廣泛下游任務(wù)的模型。隨著參數(shù)規(guī)模不斷擴(kuò)大，AI大模型在語(yǔ)言、視覺(jué)、推理、人機(jī)交互等領(lǐng)域涌現(xiàn)出新能力。由于各類(lèi)AI大模型可有效應(yīng)用于多種任務(wù)，各類(lèi)AI大模型同質(zhì)化特征愈發(fā)明顯。伴隨2017年Transformer模型的提出，深度學(xué)習(xí)模型參數(shù)數(shù)量突破1億個(gè)。此后，模型參數(shù)數(shù)量迅速增長(zhǎng)，其中BAGUALU模型于2021年7月發(fā)布，參數(shù)規(guī)模已達(dá)到174萬(wàn)億個(gè)。模型參數(shù)規(guī)模的增大，有助于進(jìn)一步提高模型的運(yùn)算精度。AI大模型的應(yīng)用向多個(gè)應(yīng)用場(chǎng)景提供預(yù)訓(xùn)練方案，其使用的自監(jiān)督學(xué)習(xí)方法也可減少標(biāo)注數(shù)據(jù)的使用，降低訓(xùn)練研發(fā)成本。具體而言，AI大模型在醫(yī)療和生物醫(yī)藥、法律和教育等領(lǐng)域擁有廣闊應(yīng)用前景。
▲AI大模型(Foundation Models)
2、產(chǎn)業(yè)融合
元宇宙（Metaverse）：本質(zhì)上是對(duì)現(xiàn)實(shí)世界的虛擬化、數(shù)字化過(guò)程，其主要包括基礎(chǔ)設(shè)施、人機(jī)交互、空間計(jì)算等七層架構(gòu)，其中計(jì)算機(jī)視覺(jué)、AI芯片和嵌入式AI等人工智能技術(shù)及基礎(chǔ)設(shè)施共同助力元宇宙加速落地。元宇宙涵蓋芯片、云計(jì)算、技術(shù)平臺(tái)、通信、智能設(shè)備、內(nèi)容服務(wù)等龐大生態(tài)系統(tǒng)。當(dāng)前全球科技企業(yè)紛紛投入到元宇宙建設(shè)熱潮中，如Nvidia、Meta、Microsoft等科技巨頭及國(guó)內(nèi)企業(yè)推出元宇宙解決方案，應(yīng)用于辦公、娛樂(lè)、設(shè)計(jì)等領(lǐng)域。
▲元宇宙七層經(jīng)典架構(gòu)（The Seven Layers of the Metaverse）
人工智能與生命科學(xué)：AlphaFold是由谷歌旗下DeepMind團(tuán)隊(duì)基于深度學(xué)習(xí)算法的蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)的人工智能系統(tǒng)，其被視作人工智能深入到生物領(lǐng)域的一大突破。目前AlphaFold已對(duì)98.5%的人類(lèi)蛋白質(zhì)結(jié)構(gòu)做出預(yù)測(cè)，此外還對(duì)于大腸桿菌、果蠅、斑馬魚(yú)、小鼠等研究時(shí)常用生物的蛋白質(zhì)結(jié)構(gòu)進(jìn)行預(yù)測(cè)。DeepMind與歐洲生物信息研究所（EMBL-EBI）聯(lián)合發(fā)布由AlphaFold預(yù)測(cè)的蛋白質(zhì)結(jié)構(gòu)數(shù)據(jù)庫(kù)―AlphaFold Protein Structure Database，該數(shù)據(jù)庫(kù)已包含約35萬(wàn)個(gè)蛋白質(zhì)結(jié)構(gòu)。
人工智能與新冠疫情：Eva是用于檢測(cè)入境旅客新冠病毒的強(qiáng)化學(xué)習(xí)系統(tǒng)，其由美國(guó)南加州大學(xué)、美國(guó)賓夕法尼亞大學(xué)、AgentRisk以及希臘相關(guān)專(zhuān)家合作開(kāi)發(fā)。2020年，Eva系統(tǒng)被部署到希臘所有入境口岸（機(jī)場(chǎng)、港口、車(chē)站等），用于識(shí)別限制新冠無(wú)癥狀旅客入境。借助Eva系統(tǒng)，希臘每天對(duì)抵達(dá)或途經(jīng)該國(guó)大約41，000戶家庭中約17%人員進(jìn)行檢測(cè)。通過(guò)比較，Eva發(fā)現(xiàn)感染的旅行者比原先嚴(yán)格按照其國(guó)籍檢測(cè)的方式多1.25-1.45倍。與隨機(jī)檢測(cè)相比，Eva在旅游旺季發(fā)現(xiàn)感染的旅行者是前者的4倍，非旅游旺季的結(jié)果是隨機(jī)檢測(cè)的1.85倍，取得良好檢測(cè)效果。
人工智能與半導(dǎo)體：功耗、性能和面積（PPA）是芯片設(shè)計(jì)中的三個(gè)重要優(yōu)化指標(biāo)。為使PPA優(yōu)化結(jié)果更佳，同時(shí)為應(yīng)對(duì)芯片安全性需求提升、設(shè)計(jì)規(guī)模攀升及工藝節(jié)點(diǎn)微縮等趨勢(shì)，EDA廠商開(kāi)始利用AI技術(shù)解決半導(dǎo)體芯片設(shè)計(jì)問(wèn)題。在EDA中，數(shù)據(jù)快速提取模型、布局和布線、電路仿真模型、PPA優(yōu)化決策等環(huán)節(jié)均有AI技術(shù)參與。AI應(yīng)用于EDA主要有兩種形式：1）應(yīng)用于EDA工具以優(yōu)化單一芯片設(shè)計(jì)環(huán)節(jié)，如Google、西門(mén)子EDA；2）應(yīng)用于整體芯片設(shè)計(jì)流程優(yōu)化，如Cadence、Synopsys。此外，華大九天、臺(tái)積電等公司亦將AI納入芯片生產(chǎn)各個(gè)環(huán)節(jié)。將AI與芯片設(shè)計(jì)工作結(jié)合，不僅有助于釋放人力成本、提升工作效率，還將進(jìn)一步弱化人在其中的作用，甚至可能改變EDA產(chǎn)業(yè)格局。
▲EDA企業(yè)AI技術(shù)應(yīng)用案例
人工智能與碳中和：自2015年第21屆聯(lián)合國(guó)氣候變化大會(huì)后，碳中和已成為全球共識(shí)。當(dāng)前，碳中和已獲得全球超過(guò)40個(gè)國(guó)家和地區(qū)承諾，其中大部分國(guó)家宣布將于2050年左右實(shí)現(xiàn)碳中和目標(biāo)。從整體來(lái)看，人工智能將從預(yù)測(cè)、監(jiān)測(cè)、優(yōu)化三大環(huán)節(jié)助力碳中和，如預(yù)測(cè)未來(lái)碳排放量、實(shí)時(shí)監(jiān)測(cè)碳足跡、優(yōu)化工作流程等。根據(jù)BCG數(shù)據(jù)，到2030年人工智能的應(yīng)用有望減少26-53億噸二氧化碳排放量，占全球減排總量5-10%。從行業(yè)來(lái)看，人工智能在不同領(lǐng)域及不同環(huán)節(jié)發(fā)揮重要作用，其主要在城市、制造、汽車(chē)、電力四大領(lǐng)域助力“碳中和”。
人工智能與冬奧會(huì)：2022年2月，第24屆冬季奧林匹克運(yùn)動(dòng)會(huì)成功在北京舉辦。人工智能技術(shù)在冬奧會(huì)開(kāi)幕式、比賽項(xiàng)目、運(yùn)動(dòng)員訓(xùn)練等多個(gè)場(chǎng)景實(shí)現(xiàn)應(yīng)用，助力科技冬奧目標(biāo)實(shí)現(xiàn)。Intel打造的3DAT技術(shù)，一方面可以幫助教練員提出科學(xué)訓(xùn)練計(jì)劃，有效提升運(yùn)動(dòng)員訓(xùn)練效率，同時(shí)還可以在開(kāi)幕式中實(shí)現(xiàn)與演員互動(dòng)效果；商湯科技為冬奧會(huì)冰壺比賽打造的“冰壺運(yùn)動(dòng)軌跡捕捉”技術(shù)，實(shí)現(xiàn)對(duì)冰壺檢測(cè)追蹤和軌跡捕捉。未來(lái)，人工智能與體育賽事、體育運(yùn)動(dòng)的融合程度將逐步加深。
3、熱點(diǎn)問(wèn)題
人工智能產(chǎn)業(yè)發(fā)展的路徑探究：結(jié)合人工智能產(chǎn)業(yè)特點(diǎn)，梳理出“創(chuàng)新投入―科研成果―商業(yè)化落地”的發(fā)展路徑。其中，創(chuàng)新投入主要涉及人才投入、資本投入和要素投入；科研成果涵蓋論文、開(kāi)源軟硬件和專(zhuān)利；商業(yè)化落地包含AI產(chǎn)品、AI解決方案和AI平臺(tái)。當(dāng)前人工智能產(chǎn)業(yè)從投入端到科研成果端發(fā)展較快，人工智能在學(xué)術(shù)研究領(lǐng)域不斷取得突破。但另一方面，人工智能從技術(shù)成果到商業(yè)化落地環(huán)節(jié)仍面臨諸多挑戰(zhàn)，如算法訓(xùn)練的通用性不強(qiáng)、泛化能力不強(qiáng)、商業(yè)化成本較高、相關(guān)產(chǎn)業(yè)及企業(yè)對(duì)于人工智能技術(shù)接受程度不高等問(wèn)題，需要不斷從政策機(jī)制、技術(shù)發(fā)展以及管理層觀念等方面不斷完善，才能最終推動(dòng)人工智能在商業(yè)化方面實(shí)現(xiàn)快速發(fā)展。
倫理與安全：隨著人工智能技術(shù)的高速發(fā)展與普及應(yīng)用，由其產(chǎn)生的倫理與安全問(wèn)題日益受到關(guān)注。人工智能不但延續(xù)信息技術(shù)的倫理問(wèn)題，又因深度學(xué)習(xí)算法具有不透明、難解釋、自適應(yīng)、運(yùn)用廣泛等特征而在基本人權(quán)、社會(huì)秩序、國(guó)家安全等方面產(chǎn)生新問(wèn)題。人工智能典型倫理問(wèn)題包括：威脅公民生命安全、算法歧視、威脅隱私權(quán)、影響公民知情權(quán)和監(jiān)督權(quán)、虛假信息泛濫、破壞市場(chǎng)競(jìng)爭(zhēng)環(huán)境、引起權(quán)力結(jié)構(gòu)變化、影響勞動(dòng)者權(quán)益、AI武器威脅世界和平等問(wèn)題。目前，全球人工智能治理尚處于初期探索階段，各國(guó)正加大人工智能領(lǐng)域的治理力度，出臺(tái)人工智能倫理相關(guān)制度，以預(yù)防AI在應(yīng)用過(guò)程中產(chǎn)生的風(fēng)險(xiǎn)。未來(lái)，全球人工智能治理將由準(zhǔn)則向操作指南、行業(yè)標(biāo)準(zhǔn)等層面逐步深入，加快構(gòu)建人工智能?chē)?guó)際治理體系。
就業(yè)：人工智能將通過(guò)改變勞動(dòng)分工與人力資本價(jià)值結(jié)構(gòu)深刻影響就業(yè)市場(chǎng)。AI與勞動(dòng)力就業(yè)關(guān)系包含三個(gè)方面：1）當(dāng)AI成本低于勞動(dòng)力工資水平、且產(chǎn)品附加值又不足以彌補(bǔ)用工成本時(shí)，AI應(yīng)用將直接替代相應(yīng)勞動(dòng)崗位；2）AI應(yīng)用填補(bǔ)勞動(dòng)者無(wú)法勝任的崗位，既可降低錯(cuò)誤率，提高產(chǎn)品質(zhì)量，也可保護(hù)人身安全和健康；3）AI應(yīng)用催生新工作崗位，AI帶來(lái)生產(chǎn)生活方式的變革與社會(huì)效率的提高，全社會(huì)產(chǎn)能實(shí)現(xiàn)躍升，進(jìn)一步產(chǎn)生新工作崗位。世界經(jīng)濟(jì)論壇發(fā)布的《2020未來(lái)就業(yè)報(bào)告》預(yù)計(jì)，到2025年，機(jī)器可能會(huì)取代8，500萬(wàn)個(gè)工作崗位，在AI推動(dòng)下經(jīng)濟(jì)增長(zhǎng)會(huì)產(chǎn)生9，700萬(wàn)個(gè)新崗位。隨著AI技術(shù)發(fā)展，工作崗位、員工技能和任務(wù)類(lèi)型將重塑，就業(yè)替代呈現(xiàn)行業(yè)性特征，總體就業(yè)崗位數(shù)量仍將上升。
國(guó)家間技術(shù)限制：當(dāng)前，開(kāi)源深度學(xué)習(xí)框架、開(kāi)源工具集、開(kāi)源應(yīng)用軟件快速發(fā)展，國(guó)際間AI技術(shù)交流不斷深入，但部分國(guó)家和政府間組織為保持自身AI技術(shù)優(yōu)勢(shì)，限制AI技術(shù)交流。如美國(guó)在2021年6月發(fā)布《創(chuàng)新與競(jìng)爭(zhēng)法案》，在AI、無(wú)人機(jī)、芯片等多個(gè)領(lǐng)域限制與中國(guó)合作；美國(guó)商務(wù)部于2019年10月和2020年5月將商湯科技、科大訊飛等多家中國(guó)AI公司加入其實(shí)體清單，實(shí)施投資限制；2022年白宮修訂“關(guān)鍵和新興技術(shù)（CET）清單”，對(duì)AI技術(shù)具體分類(lèi)并實(shí)行技術(shù)封鎖。歐盟則于2021年9月通過(guò)最新出口管制法規(guī)，內(nèi)容涵蓋人臉識(shí)別等AI技術(shù)。上述相關(guān)政策與未來(lái)人工智能發(fā)展趨勢(shì)背道而馳，不利于各國(guó)開(kāi)展技術(shù)合作。
智東西認(rèn)為，人工智能在60多年的發(fā)展過(guò)程中經(jīng)歷了幾度起落。近年來(lái)，移動(dòng)互聯(lián)網(wǎng)高速發(fā)展帶來(lái)的海量數(shù)據(jù)、深度學(xué)習(xí)算法的持續(xù)發(fā)展等共同推動(dòng)人工智能技術(shù)在多個(gè)領(lǐng)域取得突破，與之前技術(shù)革命中的蒸汽機(jī)、電力等新技術(shù)相比，人工智能對(duì)經(jīng)濟(jì)社會(huì)的影響將更具顛覆性，成為新一輪科技革命和產(chǎn)業(yè)變革的重要驅(qū)動(dòng)力量。
