电子爱好者网报道（文/李弯弯）人工智能近年来发展迅速，无论是技术还是应用都呈现出新的发展趋势。 例如，人工智能的应用逐渐走向边缘，存储与计算一体化技术的商业落地已经在加速，智能驾驶的渗透率不断提高，生成式人工智能的发展势头蓬勃发展。 2022年，人工智能面临挑战，也衍生新机遇。 那么接下来的2023年，人工智能将会呈现哪些新趋势呢？

1、生成式AI发展势头持续火爆

生成式人工智能是指使用现有文本、音频文件或图像来创建新内容的技术。 生成式人工智能的关键技术是生成对抗网络，它本质上是一种深度学习模型。

原则上，GAN 使两个神经网络（一个生成器和一个判别器）相互竞争。 生成器或生成网络负责生成与源数据相似的新数据或内容，判别器或判别网络负责区分源数据和生成的数据。 经过交替的训练周期后，生成器不断学习生成更真实的数据，并且鉴别器能够更好地区分假数据和真实数据。 渐渐地，双方的对抗不断向好。

2022年即将流行的AI绘画，就是生成式AI的典型应用案例。 市场上已经出现了很多AI绘画工具，比如Google推出的Disco Diffusion，就是最早流行的AI绘画工具。 使用这个AI绘画工具。 ，只需通过文字输入，即可输出相应的图片。

还有David Holz创立的Midjourney，以及OpenAI开发的DALL·E2。 此前，国内推出了一款微信小程序——盗梦者。 这是一个可以根据输入文本生成图片的AI平台。 由兰振中博士领衔的西湖大学深度学习实验室与西湖新辰科技有限公司联合发起。 。

如今，AI绘画已经商业化应用。 而且与之前相比，AI在生成音频和视频方面也取得了进步。 不久前，OpenAI训练的大规模语言模型ChatGPT的推出，让生成式AI的应用变得更加可能。 可以想象，新的一年，生成式AI将延续2022年的火热发展势头。

2、边缘AI落地难问题逐步解决

与云端AI相比，边缘AI允许设备在本地进行AI计算和决策，而无需连接到互联网进行数据处理。 这使得边缘AI具有良好的实时性、较低的带宽资源需求以及良好的隐私性。 优势。 因此，在很多场景下，边缘AI比云端AI更能解决实际问题。

例如，如果自动驾驶汽车突然意识到前方道路上有一个孩子，汽车必须在几毫秒内做出反应以避免灾难。 如果数据上传到云端，会有较大的延迟，因此边缘AI可以更好地解决这个问题。 。 另一个例子是森林火灾监测、高速公路、铁路或大坝垮塌监测。 这些地方一般都比较偏远，通常没有良好的通讯网络。 但快速决策和预警非常关键，因此边缘AI可以更快地做出判断。

数据显示，未来几年64%的数据将在传统数据中心之外产生，这意味着更多的数据处理将在终端和边缘完成。 海量数据的获取将把人工智能处理的重点转移到边缘。 。 根据此前电子爱好者的调查数据，AI在边缘侧的应用越来越乐观。

当然，由于边缘应用场景的碎片化，边缘AI在过去几年的落地过程中遇到了算力、算法、数据碎片化、缺乏整体解决方案等诸多困难。 不过，近期电子爱好者对多家企业的采访显示，边缘AI落地难的问题正在逐步得到解决。 预计新的一年将会有更全面、更完善的解决方案助力各行业。 边缘应用的实施。

3、智能辅助驾驶普及度持续提升

自动驾驶是指驾驶员不需要进行物理驾驶操作。 车辆可以对驾驶任务进行引导和决策，取代驾驶员的控制，使车辆完成安全驾驶。 现在乘用车基本处于L2级别，包括一些企业提到的L2+自动驾驶级别，也就是智能辅助驾驶阶段。

2020年以来，智能辅助驾驶的普及度持续提升。 IDC此前发布的《中国自动驾驶汽车市场数据追踪报告》显示，2021年Q1，国内L2级自动驾驶乘用车渗透率仅为7.5%。 到2022年第一季度，L2级自动驾驶乘用车的渗透率将达到23.2%。

同时，从2022年开始，行车停车一体化功能开始在多款车型上量产，城市全场景辅助驾驶系统也开始搭载在汽车上。 与以往独立运行的驾驶停车系统相比，驾驶停车一体化系统实现了多种功能和应用场景的传感器硬件复用，在成本、整体性能和开发效率上具有很大优势。

城市场景比高速场景更复杂。 此前，更多车型专注于高速驾驶辅助系统。 现在越来越多的整车企业和自动驾驶技术公司瞄准了更高层次的城市场景应用。 可以预见，新的一年，无论是驾驶停车一体化，还是城市场景的智能辅助驾驶，应用都会更进一步。 与此同时，智能辅助驾驶的普及度将不断提升。

4、元界应用前景持续看好

虚拟宇宙是人类利用数字技术构建的虚拟世界。 它是一个镜像或超越现实世界并能与现实世界互动的虚拟世界。 这是一个具有新社交系统的数字生活空间。

目前元界的应用主要集中在游戏、娱乐等领域，但随着元界的技术和产业成熟度的不断提高，其应用范围将逐渐扩大和深化。 例如，元宇宙可能应用于社会治理、公共事务、服务等领域，有很大的应用前景。

因此，政府和企业都在加强元界领域的布局。 为抢抓元石产业发展机遇，推动数字经济与实体经济深度融合发展，更好支持智慧成都、制造强市、国际消费中心城市建设，成都市新经济发展领导小组办公室近日印发《成都市元氏产业发展行动计划（2022-2025年）》。

《行动计划》指出，在核心技术方面，通过攻克区块链、人工智能、感知交互、数字孪生等元界基础核心技术，建设一批元界技术研究创新平台，一批技术标准和规范将形成。 建立元界技术创新体系，抢占元界发展的产业源泉。

2022年，三大运营商也将逐步披露各自的元界策略。 不久前，中国联通表示将牢固树立网络、算力、AI、数据、数字身份、3D、XR七大引擎基地，打造从基础到应用的一体化平台，全面实现网络能力云化、平台化X应用能力的深度耦合带动了行业的整体发展。

可以想象，虽然目前元宇宙的实际应用不多，但仍将是各地政府和企业布局的重要领域之一，人工智能、传感交互等基础核心技术也必然随之而来。 发展。

5、开源开放促进人工智能大规模应用

生成式人工智能快速发展的重要原因之一就是模型的开源。 2022年8月，文本图像生成模型Stable Diffusion正式开源。 通过此次开源，Stable Diffusion 开放了其已经训练好的模型，让后继者能够更好地利用这一开源工具，挖掘丰富的内容生态，并在向更广泛的 C 端用户普及方面发挥重要作用。

2022年11月3日，阿里巴巴达摩院率先上线Magic Community ModelScope。 社区首发超过300个模型，其中100多个中国模型，涵盖视觉、语音、自然语言处理、多模态等主要AI领域。 Fields覆盖60多个主流任务，完全开源、开放使用。

阿里巴巴集团高级副总裁、阿里巴巴达摩院副院长周敬仁表示，Moda社区向所有开发者开放，旨在推动人工智能的大规模应用。 此次开源的目的是降低人工智能的应用门槛，释放人工智能的潜力。

几乎与此同时，谷歌也首次开启了自家文本图像模型Imagen的测试。 谷歌宣布将把 Imagen 添加到其 AI Test Kitchen 应用程序中。 AI Test Kitchen是谷歌今年推出的一款用于测试各种AI系统的应用程序。 最初，用户只能与上面的AI聊天机器人LaMDA 2进行交互。 Exchange，本次更新将添加两种与 Imagen 交互的新方式：City Dreamer 和 Wobble。 用户可以使用《城市梦想家》中的文本命令来建造主城，也可以使用“摇摆”来创建可以扭曲的卡通人物。

今年以来，DALLE2、Stable Diffusion等大型模型的开源，让AI绘画火爆起来。 预计未来将会有越来越多的模型开源，正如周敬仁所说，这将有助于降低人工智能的应用门槛，释放人工智能的潜力。

6、大型模型算力需求持续扩大

数据显示，未来超过80%的组织会优先购买预训练的人工智能模型。 大模型发展的背后是巨大算力的支撑，而算力的底层支撑就是人工智能芯片。

过去几年，计算能力的需求不断增加，人工智能芯片的市场规模也相应扩大。 预计这种增长趋势将在未来几年持续下去。 研究数据显示，2021年全球人工智能芯片市场规模约为260亿美元（1899.742亿元人民币），预计到2025年将增长至726亿美元（5304.6642亿元人民币），复合年增长率为29.27% 。

中国是重要的人工智能芯片市场，在全球人工智能芯片市场中占据较大比例。 数据显示，2021年中国人工智能芯片市场规模约为360亿元，预计到2023年将突破千亿元，达到1338亿元。

七、人工智能在制造业的渗透率持续提升

近年来，人工智能在制造业的应用越来越广泛。 目前制造企业应用的人工智能技术主要集中在智能语音交互产品、人脸识别、图像识别、图像搜索、声纹识别、文本识别、机器翻译、机器学习、大数据计算、数据可视化等。

例如，各种智能机器人广泛应用于制造业：分拣/拣选机器人可以自动识别并抓取不规则物体； 协作机器人能够理解周围环境并做出反应； 自动跟随物料车可通过人脸识别实现自动跟随； 借助SLAM技术，自主移动机器人可以利用其携带的传感器识别未知环境中的特征标志，然后根据机器人与特征标志和里程表的相对位置来估计机器人与特征标志之间的距离读数。 全局坐标。

IDC与浪潮信息联合发布的《2022-2023年中国人工智能算力发展评估报告》显示，2022年中国人工智能行业应用渗透率排名前五的行业分别是互联网、金融、政府、电信和制造业。 其中，人工智能在制造业的渗透率从40%提升到45%。预计到2023年底，中国制造业供应链环节50%将采用人工智能。

8、人工智能芯片种类多样

从人工智能芯片来看，人工智能产业技术不断完善，工业AI加速发展，带动全球人工智能芯片市场快速增长。 IDC预测，到2025年，人工智能芯片市场规模将达到726亿美元。 异构计算将成为主流趋势。

广义上讲，凡是能够运行AI算法的芯片都可以称为人工智能芯片。 根据技术架构的不同，人工智能芯片可以分为多种类型，包括CPU、GPU、FPGA等通用芯片，也有专门针对特定AI算法或应用场景设计的ASIC芯片，以及一些新型架构的芯片。芯片，例如集成存储和计算。 、类脑芯片等

电子爱好者此前对人工智能芯片类型的使用进行了调查，发现工程师在解决方案开发中使用CPU、GPU、FPGA占很大比例。 另外，近年来受到较多关注的新架构也比较擅长整合存储和计算。 与此同时，越来越多的类脑芯片正在落地。

九、车路协同迎来发展热潮

近年来，在政策推动下，车路协同进入快速发展期。 2018年以来，国家陆续出台多项政策协调车路协同产业发展。 2020年新基建政策出台后，车路协同将与智慧城市绑定，成为智慧交通的必备要素。 2021年“双智慧城市”试点政策将进一步推动车路协同发展。 因此，从2022年开始，车路协同将迎来发展热潮，更多城市和区域大型项目将陆续上马。

但目前产业发展主要依靠政策推动。 真正实现行业闭环还需要克服很多困难，尤其是To C商业模式的开放，一直是行业积极探索的方向。

在政府、行业参与企业和科研机构的不断努力和尝试下，园区无人驾驶观光车、城市道路RoboTaxi、园区物流、高速干线物流等一些有价值的实施场景逐渐涌现。 此外，车路协同理念随着行业发展不断演变，其广泛应用将进一步赋能智慧交通和城市管理。

10、加速存储与计算融合技术的商业落地

存储计算融合的核心是将存储和计算完全融合，有效克服冯诺依曼架构的瓶颈，并与后摩尔时代的先进封装、新型存储器件等技术相结合，实现数量级的提升在计算能源效率方面。

根据存储与计算的距离，存储与计算一体化的技术方案广义上可分为三大类，即近存计算、内存处理和内存计算。 内存计算狭义上是指存储与计算的融合。 在芯片设计过程中，不再区分存储单元和计算单元，真正实现了存储与计算的一体化。

与传统解决方案相比，存储与计算融合在深度学习等领域具有独特的优势。 它可以提供比传统设备高数十倍的计算效率。 此外，内存计算芯片可以通过架构创新为芯片和板卡提供综合性能。 该卡预计将广泛应用于边缘侧推理场景，为广泛的边缘AI业务提供服务。

电子爱好者此前在采访企业时发现，存储与计算一体化还处于市场开发阶段。 许多企业还没有充分认识到存储与计算一体化的优势和价值。 不过，根据存储与计算一体化行业人士的反馈，正在逐步取得突破。 。

商业应用方面，部分存储计算一体化芯片已量产，应用主要在端侧可穿戴设备、泛安全等领域。 2023年，产品将逐步落地云计算领域。

总结

经过近十年的快速发展，人工智能已逐渐渗透到各行各业，包括金融、医疗、电力、交通、制造等，人工智能技术在各领域的应用日益成熟。 同时，人工智能作为新兴技术领域，在发展过程中仍面临诸多挑战，如需要加强生态建设等。 展望新的一年，在政策的支持和企业的努力下，人工智能无论是技术创新还是应用都能实现新的突破。

免责声明：本文由电子爱好者原创，转载请注明以上出处。 如需加入群交流，请添加微信elecfans999，如需提交报告及采访，请发送邮件至 huangjingjing@elecfans.com。