近幾年人工智能快速發展，無論是技術還是應用都呈現出新的發展趨勢，比如AI的應用逐漸向邊緣端下沉，存算一體技術的商業落地在加速，智能駕駛的滲透率不斷提升，生成式AI發展勢頭正盛。2022年人工智能面臨挑戰，也衍生出新的機會，那么接下來的2023年，人工智能將會呈現哪些新的趨勢？

1、生成式AI發展勢頭持續火熱

生成式AI是指利用現有文本、音頻文件或圖像等創建新內容的技術。生成式AI的關鍵技術是生成式對抗網絡，其本質是一種深度學習模型。

在原理上，生成式對抗網絡使用兩個神經網絡相互對立，一個生成器和一個判別器。生成器或生成網絡，負責生成類似于源數據的新數據或內容，判別器或判別網絡則負責區分源數據和生成數據。經過交替周期訓練，生成器不斷學習生成更逼真的數據，判別器則更善于區分假數據和真實數據。漸漸地，雙方在對抗中不斷完善。

2022年大火的AI作畫是生成式AI的典型應用案例，市面上涌現出多款AI繪畫工具，比如由谷歌推出的Disco Diffusion，這是一款最早流行起來的AI繪圖工具，使用這個AI繪畫工具，僅僅通過文字輸入，就能輸出相應的圖片。 還有Midjourney，創始人是David Holz，以及由OpenAI開發DALL·E2。之前國內也上線了一個微信小程序——盜夢師，這是一個能根據輸入文本生成圖片的AI平臺，由藍振忠博士帶領的西湖大學深度學習實驗室和西湖心辰科技有限公司共同推出。

如今AI作畫已經在商業上實現應用。而且相比于之前，AI在生成音視頻上也取得進展。不久前，由OpenAI訓練的大規模語言模型ChatGPT的上線，更是讓生成式AI的應用有了更多可能性。可想而知，在新的一年里，生成式AI將會延續2022年火熱的發展勢頭。

2、邊緣AI落地難的問題逐步得以解決

相對于云端AI來說，邊緣AI允許設備在本地進行AI計算和決策，而不一定需要連接到互聯網才能實現數據處理，這使得邊緣AI具備實時性好、帶寬資源要求低、隱私性好等諸多優點。因此在很多場景中，邊緣AI比云端AI更能解決實際的問題。

比如自動駕駛汽車突然識別到前方道路有一名兒童，汽車必須在幾毫秒內做出反應才能避免災難，如果將數據上傳到云端就會產生很大的延時，因此邊緣AI更能解決這一問題。再比如森林火災監測，公路、鐵路或者是大壩塌方監測，這些地方普遍比較偏僻，通常沒有很好的通信網絡，但快速決策和預警非常關鍵，因此邊緣AI更能快速做出判斷。

數據顯示，未來幾年64%的數據將在傳統數據中心之外產生，這意味著更多的數據處理將在終端和邊緣端完成，海量數據的接入，使AI處理的重心正向邊緣遷移。從電子發燒友此前進行的調研數據顯示，AI在邊緣側的應用越來越被看好。

當然，因為邊緣端應用場景的碎片化特點，過去幾年邊緣AI在落地應用上也遇到了諸多難題，比如算力、算法、數據割裂，缺乏整體的解決方案等。然而從電子發燒友近段時間對多家企業的采訪可以發現，邊緣AI落地難的問題正在被逐步解決，預計新的一年里，將會有更多更加整體、完善的解決方案，助力各行業邊緣應用的落地。

3、智能輔助駕駛普及程度不斷提升

自動駕駛是指不需要駕駛員執行物理駕駛操作，車輛能夠對行駛任務進行指導與決策，代替駕駛員操控使車輛完成安全行駛的功能。如今乘用車基本處于L2級別，包括部分企業說的L2+自動駕駛等級別，也就是智能輔助駕駛階段。 自2020年開始，智能輔助駕駛普及程度不斷提升。根據IDC此前發布的《中國自動駕駛汽車市場數據追蹤報告》，2021年Q1的時候，國內L2級自動駕駛乘用車滲透率僅為7.5%，到2022年Q1，L2級自動駕駛乘用車滲透率已經達到23.2%。

同時2022年以來，行泊一體功能開始在多款車型上實現量產，城市全場景輔助駕駛系統也開始上車。相較于過往行車和泊車系統獨立運行，行泊一體系統針對多項功能及應用場景實現傳感器硬件復用，在成本、整體性能及開發效率上均有較大優勢。

城市場景相較于高速場景更為復雜，此前更多車型都專注于高速域駕駛輔助系統，如今更多整車企業和自動駕駛技術公司，把目標鎖定在對更高階的城市域場景應用。可以預見，在新的一年里，無論是行泊一體、還是城市場景智能輔助駕駛在落地應用上將會更進一步。同時，智能輔助駕駛的普及程度將會持續提升。

4、元宇宙的應用前景持續被看好

元宇宙是人類運用數字技術構建的，由現實世界映射或超越現實世界，可與現實世界交互的虛擬世界，具備新型社會體系的數字生活空間。

當前元宇宙的應用主要還只是表現于游戲、娛樂等領域，然而伴隨元宇宙技術和產業成熟度的持續提高，其應用范圍將逐步擴大，并不斷深入，如元宇宙或將在社會治理、公共服務等領域具有巨大的應用前景。

因此政府和企業都在加強元宇宙領域的布局。為把握元宇宙產業發展機遇，促進數字經濟和實體經濟深度融合發展，更好助力智慧蓉城、制造強市、國際消費中心城市建設，近日成都市新經濟發展工作領導小組辦公室印發《成都市元宇宙產業發展行動方案（2022—2025年）》。

《行動方案》指出，在核心技術方面，通過攻關區塊鏈、人工智能、感知交互、數字孿生等元宇宙基礎核心技術，建成一批元宇宙技術研究和創新平臺，形成一批技術標準規范，建立起元宇宙技術創新體系，為元宇宙發展搶占產業源點。

2022年三大運營商也都陸續公開自己的元宇宙戰略。前不久中國聯通表示，將扎牢駐好網絡、算力、AI、數據、數字身份、3D、XR七大引擎底座，打造從底座到應用的一體化平臺，全面實現云網能力、平臺能力、X應用能力的深度耦合，驅動產業全面發展。

可想而知，雖然當前元宇宙的實際應用還不多，不過接下來，它仍然是各地方政府和企業發力布局的重要領域之一，而人工智能、感知交互等基礎核心技術必然隨之發展。

5、開源開放推動AI大規模應用

生成式AI得以快速發展，其中一個重要的原因便是模型的開源開放。2022年8月，文本-圖像生成模型Stable Diffusion正式開源。此次開源，Stable Diffusion開放了其已經訓練好的模型，使得后繼者能夠更好地借助這一開源工具，挖掘豐富的內容生態，為更廣泛的C端用戶普及起到重要作用。

2022年11月3日，阿里達摩院牽頭推出魔搭社區ModelScope，該社區首批上架超300個模型，其中中文模型超過100個，覆蓋視覺、語音、自然語言處理、多模態等AI主要領域，覆蓋主流任務超過60個，均全面開源并開放使用。

阿里巴巴集團資深副總裁、阿里達摩院副院長周靖人表示，魔搭社區面向所有開發者開放，旨在推動AI大規模應用。此次開源，目的是降低AI的應用門檻，釋放AI潛能。

而幾乎是同時，谷歌也首次開放了自家文本圖像模型Imagen的測試。谷歌宣布將把Imagen添加到其AI Test Kitchen應用中，AI Test Kitchen是今年谷歌推出的一款用于對各種AI系統進行測試的應用程序，最初用戶僅可以在上面與AI聊天機器人LaMDA 2進行交流，此次更新將添加兩種與Imagen互動的新方式：城市夢想家（City Dreamer） 和Wobble。用戶可以在“城市夢想家”用文字命令建造主體城市，或者“Wobble”來創造會扭動的卡通形象等。

今年以來DALLE2、Stable Diffusion等大模型的開源開放，讓AI作畫大火。預計未來將會有越來越多的模型走向開源開放，而這將如周靖人所言，將有利于降低AI的應用門檻，釋放AI潛能。

6、大模型對算力需求持續擴大

數據顯示，未來超過80%的組織會優先考慮購買預先訓練好的人工智能模型。而大模型發展的背后是龐大的算力支撐，算力最底層的支撐便是人工智能芯片。

過去幾年，算力的需求不斷提升，人工智能芯片的市場規模也隨之擴大。預計未來幾年將會延續這樣的增長態勢。調研數據顯示，2021年全球人工智能芯片市場規模大約為260億美元（1899.742億元人民幣），預計到2025年將會增長至726億美元（5304.6642億元人民幣），復合年增長率達到29.27%。

而中國是重要的人工智能芯片市場，在全球人工智能芯片市場規模中占比較大。數據顯示，2021年，中國人工智能芯片市場規模大約為360億元，預計到2023年將會超過千億元人民幣，達到1338億元。

7、AI在制造行業的滲透率持續提升

近幾年，人工智能在制造行業中的應用越來越廣泛，目前制造企業中應用的人工智能技術，主要圍繞在智能語音交互產品、人臉識別、圖像識別、圖像搜索、聲紋識別、文字識別、機器翻譯、機器學習、大數據計算、數據可視化等方面。

比如，在制造業中被廣泛應用的各種智能機器人：分揀/揀選機器人，能夠自動識別并抓取不規則的物體；協作機器人能夠理解并對周圍環境做出反應；自動跟隨物料小車能夠通過人臉識別實現自動跟隨；借助SLAM技術，自主移動機器人可以利用自身攜帶的傳感器識別未知環境中的特征標志，然后根據機器人與特征標志之間的相對位置和里程計的讀數估計機器人和特征標志的全局坐標。

根據IDC與浪潮信息聯合發布《2022-2023 中國人工智能計算力發展評估報告》，2022年中國人工智能行業應用滲透度排名前五的行業依次為互聯網、金融、政府、電信和制造。其中，制造行業的人工智能滲透度從40增長到45，預計到2023年年底，中國50%的制造業供應鏈環節將采用人工智能。

8、人工智能芯片類型呈現多樣性

從人工智能芯片角度，人工智能產業技術不斷提升，產業AI化加速落地，推動全球人工智能芯片市場高速增長。IDC預計，到2025年人工智能芯片市場規模將達726億美元。異構計算將成為主流趨勢。

廣義上來說，能夠運行AI算法的芯片，都可以叫做人工智能芯片。根據技術架構的不同，人工智能芯片可以分幾種，包括CPU、GPU、FPGA等通用芯片，以及專門為特定AI算法或應用場景設計的ASIC芯片，還有一些新型架構的芯片，比如存算一體、類腦芯片等。

電子發燒友此前對人工智能芯片類型的使用情況進行調研發現，工程師在方案開發中，CPU、GPU、FPGA的使用情況占比較大。另外近些年受關注比較多的新型架構，存算一體的使用情況也比較好。同時類腦芯片也越來越多的實現落地應用。

9、車路協同迎來發展熱潮

近年來，政策主導推動的車路協同進入高速發展期。從2018年開始國家相繼出臺多項政策以統籌規劃車路協同產業發展。2020 年新基建政策出臺后，車路協同便與智慧城市綁定成為智慧交通的必備要素。2021 年 “雙智城市 ”的試點政策更是進一步推動了車路協同的發展。因此，從2022年開始，車路協同將會迎來發展熱潮，更多城市及區域級大項目將紛紛落地。

但目前的產業發展主要還是依賴政策的推動，真正實現行業閉環還有很多困難需要克服，尤其是To C商業模式的打通，一直是產業積極探索的方向。

隨著政府、行業參與企業以及科研機構的不斷努力與嘗試，一些有價值的落地場景如公園的無人觀光車，城市道路上的RoboTaxi，園區物流、高速干線物流等逐漸誕生。此外，車路協同概念也跟著產業的發展不斷演進，其廣泛的應用范疇將會進一步賦能智慧交通和城市管理。

10、存算一體技術商業落地加速

存算一體的核心是將存儲與計算完全融合，有效克服馮·諾依曼架構瓶頸，并結合后摩爾時代先進封裝、新型存儲器件等技術，實現計算能效的數量級提升。

根據存儲與計算的距離遠近，廣義上存算一體的技術方案可分為三大類，分別是近存計算、存內處理和存內計算。存內計算即狹義的存算一體，在芯片設計過程中，不再區分存儲單元和計算單元，真正實現存算融合。

與傳統方案相比，存算一體在深度學習等領域有獨特優勢，可以提供比傳統設備高幾十倍的算效比，此外存內計算芯片通過架構創新可以提供綜合性能全面兼顧的芯片及板卡，預計將在邊側推理場景中有著廣泛的應用，為廣泛的邊緣AI業務提供服務。

電子發燒友此前在采訪企業的時候發現，目前存算一體多還處于市場開拓階段，很多企業還沒有完全意識到存算一體的優勢和價值，不過根據存算一體行業人士反饋，已經在逐步取得突破。

在商業應用上，目前已經有一些存算一體芯片實現量產，應用主要在端側可穿戴設備、泛安防等領域。2023年逐漸會有產品在云計算領域實現落地應用。

總結

經過過去近十年的快速發展，人工智能已經逐漸滲透進各行各業，包括金融、醫療、電力、交通、制造等，人工智能技術也在各領域的應用中越來越成熟。同時作為一個新興技術領域，人工智能在發展的過程中，還面臨諸多挑戰，比如還需要加強生態建設等。期待新的一年，在政策的支持下，企業的努力下，人工智能無論是在技術創新還是應用上都能取得新的突破。

審核編輯 ：李倩