AI人工智慧投资不减反增
AI人工智慧投资不减反增。(示意图/shutterstock提供)
AI人工智慧投资不减反增。(图/理财周刊提供)
去年肺炎疫情爆发不仅没有阻碍企业对人工智慧(AI)及机器学习(ML)的投资，反而加快采用的进度，全球电信商也在疫后开始积极布建5G基础设施，有助各应用场景商机陆续实现，相对应的AI装置及AI晶片需求将进入快速成长期。
根据麻省理工学院技术评论洞察(MIT Technology Review)与全球矽智财(IP)大厂安谋(ARM)联合制作的报告「全新的视野：扩展人工智慧领域」中，对三○一位企业与科技领袖进行的调查发现，有38％的受访者表示AI投资计划仍维持不变，没有受到疫情影响，32％表示这次危机加速了他们的计划，尤其在已经实施AI策略的企业组织中，对于AI计划维持不变与加速的比例更高。
另根据演算法平台Algorithmia的调查报告(针对四○三位于营收超过一亿美元且参与机器学习计划的公司领袖进行调查)显示，鉴于远距上班正在加速数位转型的进程，企业IT部门仍在增加与ML相关的预算及人力资源。这显示出企业已将AI及ML技术及人才是为提高生产力及弹性的策略投资。
富兰克林华美投信表示，以AI为物联网核心，5G让物联网展开全面应用，并驱动AI商机无限，企业资金源源不绝投入后，AI升级将引领人类生活改变。预估自驾车、卫星、AR＆VR、体感及智慧医疗等AI应用的新兴产业商机规模，未来数年的年复合成长率分别达到44％、21％、63％、33％及19％，成为推升AI软硬体需求成长的多具马力强引擎。
AI走出云端
ARM以运算范围将AI定义出云端、边缘及终端三个类别。其中，云端AI是指在云端数据中心进行的AI处理，过去以来云端AI是处理庞大数据的首选运算平台。基于云端运算的可靠性、成本效益及运算的集中性，大多数较为繁重的AI运算会放在云端执行，尤其是无须立即回应的历史数据进行ML演算法训练时。
不过，随着ML使用情境逐渐延伸至即时应用的关键任务，例如自驾车、医疗显影等攸关安全的应用，都需要在毫秒内作出近乎即时的数据回应，其系统成败的关键完全取决于完成决策的速度。云端处理这些数据量所带来的延迟，可能会使数据的价值大幅降低，边缘运算就成了克服此问题的解决方案。
边缘AI是指把AI与ML处理，从云端移至网路边缘的伺服器，例如办公室、5G 基地台及其它非常接近连网终端装置的实体地点。这些边缘伺服器将数据中心等级的硬体添加至终端与云端间的闸道器(gateway)中。
边缘AI兼具与感应器融合的任务，结合来自数个感应器的数据，创造与流程、环境或情况相关的复杂图像，必须学习每个感应器之间的相互作用，一个感应器如何影响其他感应器，并即时应用学习到的成果。
有AI的地方就有AI晶片
终端AI则是指连接到网路桥接器的终端装置有更多自行思考及处理所搜集数据的能力，不用再把搜集到的数据移到他处，就能最大化从数据获得的洞察。智慧型手机的相机是最好的例子，目前已进化到能即时为自拍照增加虚拟背景。
无论云端、边缘或终端，有AI的地方就需要AI晶片，随着AI演算逐渐从云端下放到边缘端及终端，不仅演算法多样性日益增强，晶片更零碎化，且在保证低功耗的同时还要求高性能。在某些AI技术及处理复杂计算任务的应用场景中，就不得不使用高效能运算(HPC)晶片。
HPC是指高速处理数据或执行指令的运算能力，特别是指每秒浮点运算次数超过一兆次(teraflops)的作业系统，ML是HPC的一种运用方式。根据HPC研究机构Interest360Research预估，HPC市场规模在2020~2024年的年复合成长率将达7.1％。
本文作者:高适
(本文摘自《理财周刊1074期》)
《理财周刊1074期》