据IHSMarkit预计，到2025年，全球涵盖软硬件的人工智能系统收入将达到近1万亿美元，复合年增长率为28%。具体而言，人工智能将在汽车、制造、医疗和国防等行业得到最广泛的应用；数据中心和云计算基础设施将成为人工智能训练的主要领域。人工智能系统全球收入“美国与中国的“竞争””根据IHSMarkit的定义，人工智能是指研究如何让机器独立解决问题，从而实现学习和学习的科学系统。根据输入不断做出合乎逻辑的决策。机器以自己的方式积累知识，其快速反应能力与人脑在真实情境中进行的复杂计算非常相似。机器学习是人工智能的一部分，它使机器能够通过提供给它们的数据自动查找和学习模式。机器学习技术包括神经网络和深度学习，这两种计算模型都试图模仿人脑的结构和工作原理，包括训练和推理等过程阶段。目前，人工智能领域最具竞争力的两个国家是中国和美国。但是，中国仍然略微落后于美国。由于中美在人工智能的关键驱动力“芯片”技术上存在较大差距，中国在半导体需求上非常依赖西方。但是，中国的优势在于政府的大力支持和财政投入。相比之下，另一个重要的人工智能市场欧洲在相关发展计划上远远落后于美国和中国。《AIinHorizo??ntalIndustries》在半导体、人机界面、数据中心、自动化机器这四大横向行业中，人工智能的影响将最为明显。半导体当今半导体市场的一个主要趋势是异构计算。所谓异构计算是指使用多个处理器或内核或不同的协处理器。异构计算不仅部署在高性能计算中，还部署在可以利用基本机器学习算法的嵌入式应用程序中。它也是一种支持跨应用程序和行业领域的人工智能和机器学习的解决方案。因此，包含不同内核和加速器的新芯片解决方案不断涌现，其组件针对机器学习进行了优化，以实现高效率、低能耗和低构建成本。AI芯片架构的变化意味着统一的“一刀切”方法将不再适用于目前正在开发的AI解决方案。取而代之的是一系列不同的人工智能芯片解决方案，以满足不同应用的需求。为此，AI市场的某些部分对专用和优化的设备开放，例如专用集成电路(ASIC)和未集成到异构集成电路中的协处理器。然而，这些ASIC和协处理器与同一印刷电路板上的片上系统(SoC)相邻，执行专门为AI功能保留的类似功能。ASIC市场的蓬勃发展，得益于创业公司的如雨后春笋般涌现。与当今用于中央处理器(CPU)、图形处理单元(GPU)、现场可编程门阵列(FPGA)和数字信号处理器(DSP)的传统芯片架构不同，这些初创公司提供了处理能力和内存的完美结合接口方面的新架构。由于创新步伐加快，当今针对特定算法优化的硬件架构可能很快就会过时，从而危及投资。因此，硬件（即使在芯片级）必须是灵活的，并且可以“即时”编程。同时，软件会驱动AI系统中的硬件。可编程性需要解决的另一个关键问题是工作记忆的有效利用。由于先进的人工智能技术，尤其是涉及深度学习的算法，需要大量的易失性存储器才能正常运行。为此，芯片行业正在寻找各种创新方法，包括减轻数据移动负担的新处理器架构、支持高处理并行度以及为每个处理核心提供专用内存单元。内存创新的尝试说明了人工智能将如何成为新服务和商业模式的推动者和创造者，从而改变当前的生态系统和供应链。但IHSMarkit认为，在充分发挥人工智能的潜力之前，必须有一段供应链的清算和整合期——简化价值链。只有在人工智能中经过筛选和固化后，才能最大限度地利用这项技术来改善生活和工业。此外，人工智能的集成电路市场将出现整合，这意味着未来10年只有少数几个国家能够生存。数据中心数据中心是当今工业革命和数字化转型的重要组成部分。在数据中心内，考虑到实时交付和应用程序中的低延迟等基本性能参数的重要性，在开发新的高性能服务器时考虑了AI和机器学习算法。根据IHSMarkit的研究，到2022年，配备专用人工智能和机器学习协处理器的服务器将占全球服务器出货量的10%以上。公司还将加大对包含协处理器的服务器的投资，优先考虑包含通用图形处理单元和现场可编程门阵列的服务器。总体而言，未来设备的处理能力和数据分析能力有望显着提高，无论是在基于云的数据中心还是边缘服务器中。目前，在不同的行业和领域，计算越来越多地向边缘网络迁移。对低延迟性能的需求将推动往返时间(RTT)低于标准20毫秒(ms)的本地化服务器的增长。人机界面人机界面(HMI)是一种基本但功能非常强大的应用程序，可以部署在多个应用程序和多个行业和领域中，从消费和移动电子产品到汽车，从智能家居、智能设备到工业空间。虽然Siri、Alexa和GoogleAssistant都是为消费电子应用开发的产品，但负责这些助手的公司——苹果、亚马逊和谷歌——也在努力将它们的用途和界面扩展到其他领域，包括汽车行业。不过，这三款产品虽然在欧美具有很强的影响力，但在高速增长的中国市场所占份额却相对有限。相比之下，百度、阿里巴巴、腾讯、华为和小米等中国本土科技公司的数字助理比西方同行更具优势。在汽车世界中，安全是最重要的。如果机器要接管人类的角色，正如自动驾驶汽车所预期的那样，原始设备制造商将承担更大的责任。即便如此，具有基于人工智能的语音和手势识别算法的车载HMI在汽车制造商和车主中越来越受欢迎。自主机器和机器人机器学习技术，连同先进的机电一体化和传感科学，使不同自主实体的快速开发和部署成为可能，以完成具有不同复杂程度的各种任务。根据IHSMarkit进行的分类，自动化机器涵盖了多个行业领域的广泛设备。这些包括轻型车辆、公共汽车和卡车；农作物机械；工业和医疗机器人；玩具、无人机和服务机器人；海洋和军事工业；以及采矿和建筑业。在自动驾驶领域，汽车行业是AI的主要技术驱动，需求最为复杂。但在消费市场，自主机器出货量将继续领先，预计到2025年全球总出货量将达到1330万台，高于2018年的450万台。“垂直领域的AI”目前，各行各业都在“拥抱”AI承诺的附加功能——更高的效率和更好的性能。在汽车领域，从半导体供应商到原始设备制造商的整个汽车供应链都在认真投资“人工智能”。其中的先进技术为实现自动驾驶汽车铺平了道路。机器学习已经可以用于各种信息娱乐人机界面，包括语音识别技术。在高级驾驶辅助系统中，深度学习应用于基于摄像头的机器视觉系统、基于雷达的检测单元、驾驶员困倦和传感器融合电子控制单元（ECU）等领域。然而，除了信息娱乐之外，在安全方面，汽车AI还会涉及延迟、性能、功耗、数据采集、处理和存储等额外要求。在银行业，2018年人工智能的商业价值估计为411亿美元，其中包括区块链等新引入技术带来的效率提升和成本节约。随着人工智能成为主流，其在银行业的商业价值将激增至1650亿美元。具体而言，实时交付和低延迟将成为银行市场交易、欺诈检测、身份验证和安全保障的关键性能参数。在这些领域，高性能边缘计算是趋势，其特点是越来越多地使用内部数据中心，周转时间为毫秒。在工业自动化和制造领域，AI将支持新的用例，例如“生成式设计”，或根据一组系统要求自主创建最佳设计。通过衍生式设计，用户将能够以交互方式指定其设计的功能要求和目标，包括首选材料、工程约束和制造工艺，从而实现可制造的设计。衍生式设计将使设计更易于理解，因为用户只需要了解所设计零件的用途和目的，而无需具备工程背景或广泛的结构、力学和材料知识。衍生式设计还将优化多个目标的同步设计，并提供多种新颖的设计备选方案，使公司能够大幅缩短产品工程周期。在医疗保健领域，大数据分析和人工智能将发挥越来越重要的作用。通过吸收医疗保健系统生成的大量结构化和非结构化数据的工具，将优化分析水平，提高诊断速度和准确性，并扩展诊断能力。并且，新的商业模式将会出现，例如软件即服务(SaaS)，它的特点是基于站点估计的案例数量的年度订阅模式。此外，人工智能技术的使用还将影响医疗保健的其他要素，例如定价、数据集验证、设备使用和更换、诊断成像、虚拟健康助手和投资回报。根据IHSMarkit数据，到2022年，机器学习和人工智能将使加拿大、中国、法国、德国、日本、英国和美国的100万患者实现远程监控，而2017年这一数字为31,000。大幅增加。在视频监控领域，人工智能也将掀起一场行业革命。视频监控领域受到多种因素的影响，包括视频监控产品和市场参与者之间的激烈竞争、视频监控在中国的广泛使用、平安城市的兴起以及从标清视频到高清视频的持续转变。而云及其庞大的虚拟化处理能力正被用于运行视频分析。但一些分析——例如人群监控、计数和物体检测——将在摄像头上运行，以节省带宽和卸载后端计算能力。这意味着可以使用更强大的集中分析来运行处理器密集型应用程序，例如人或车辆特征提取以及对象搜索。中国对这一领域很感兴趣，因为中国市场拥有最丰富的AI部署以及可以从分布式计算和分析中获益最多的大型项目。视频监控的主要区别在于视频管理软件(VMS)、视频内容分析(VCA)、物理安全信息管理(PSIM)和中央监控站(CMS)使用的软件。在智能手机领域，人工智能已经占据了通信收入的很大一部分。据IHSMarkit预测，到2025年，每三部智能手机中就有两部将预装人工智能硬件和功能。到2025年，人工智能智能手机的全球收入将从2017年的290亿美元增长到3780亿美元，复合年增长率为39%。领先的智能手机制造商竞相推出专用的人工智能解决方案，包括华为、苹果和三星。
