2023年人工智能20條預測：虛實融合、生成式AI、自動駕駛訓練

在全球不確定環境下，企業在2023年的首要任務仍與過去一樣，是引領、創新和解決問題。

AI正逐步被廣泛應用來實現這些目標。根據Gartner最近對美國、英國和德國近700家企業的調查，平均有54%的企業AI項目從試點邁入生產階段。多達80%的受訪高管表示，自動化可以應用于任何商業決策，他們正在將AI從戰術上升到戰略。

2023年有什么制勝之道？更高效也許是一個方向。本文整理、編譯NVIDIA的AI專家關于2023年的預測，具體如下：

數字孿生步入實際應用：

大規模數字孿生將會出現，并且這些應用將會是復雜、多尺度（multi-scale）的，比如天氣和氣候模型、地震現象、材料特性等。這將推動當前的科學模擬實現百萬倍加速，帶來新的科學洞察與發現。

通用AI“助手”：

AI“助手”將通過自然語言指令和大規模強化學習來解決更多開放式的任務。此外，借助大模型，特別是在大量無標簽數據上大規模訓練的大型AI模型，AI“助手”將能夠理解和分析任何類型的請求，并隨著時間的推移，掌握更多新類型的問題。

軟件領域的進步將終結AI孤島：

長期以來，為進行AI研究和開發，企業只能在云計算和混合架構中進行選擇，而這會影響開發者的生產力和創新。企業將在2023年通過軟件統一所有基礎設施類型中的AI工作流，并為AI從業者提供一致性、互聯的體驗。無論項目規模或復雜性如何，這都將助力企業平衡成本與戰略目標，并獲得接近無限的、靈活的開發能力。

生成式AI變革企業應用：

關于生成式AI的各種“炒作”將在2023年成為現實。這是因為終于擁有了構建真正意義上生成式AI的基礎，軟件可以將大語言模型和推薦系統轉換成生產型應用，除生成圖片的應用之外，還包括能智能地回答問題、創造內容、甚至能夠帶來新發現的應用。這個全新的創意時代將推動個性化客戶服務的巨大進步，加快新商業模式的落地，并為醫療領域的突破奠定基礎。

AI通過節能計算變得更經濟高效：

2023年，低效率、基于x86的傳統計算架構將因不支持并行處理，被加速計算解決方案所取代。加速計算可提供構建語言模型、推薦系統等所需的計算性能、規模和效率。

面對經濟放緩，企業將尋求能夠在實現目標的同時，降低IT成本并提高效率的AI解決方案。使用軟件來整合整體基礎設施工作流的新平臺將帶來計算性能上的突破，包括降低總擁有成本、減少碳足跡，并加快具有變革意義的AI項目的投資回報，它們將取代資源浪費水平更高的老舊架構。

LLM應用的增長：

大語言模型的新研究將帶來一系列全新的應用，它們可以將語言、文本甚至圖像轉化為各類機構中任何人都能使用的洞察，無論是企業高管還是藝術家，各行業的專業人士都將受益。此外，對模型定制能力的需求也將快速增長，從而使LLM的專長能夠應用于英語以外的多種語言和方言，以及從目錄描述生成到醫學報告總結等多個業務領域。

無標簽數據也有用武之地：

大語言模型和結構化數據還將被應用至大量照片、錄音、社交媒體推文等領域。開發人員可以通過這種方式，探索未被開發的模式和線索、推動醫療領域的突破、科學的進步，探索客戶互動的優化手段，甚至推動自動駕駛交通領域的重大進展。在2023年，加上非結構化數據的應用，將有助于神經網絡的開發，例如可以生成仿真病例，來模擬和研究可供其學習的病例。這種無監督的機器學習將變得和有監督的機器學習一樣重要。

新型呼叫中心：

2023年的呼叫中心將更廣泛地采用語音AI工作流，這將為客戶互動流程中的所有環節提升業務的靈活性，不管是調整模型架構，還是在專有數據上微調模型和自定義流程。此外，隨著語音AI工作流在企業中的日漸普及，將進一步縮短解決問題的時間，從而大幅度提高呼叫中心的工作效率。AI“助手”將在恰當的時間內，從龐大的知識庫中提取正確的信息，最大程度地減少客戶的等待時間。

生物學成為信息科學：

憑借大語言模型領域的突破和以序列詮釋生物學的能力，研究人員將能夠訓練出用于化學和生物學的新一類AI模型。借助這些新AI模型的能力，藥物研發團隊能夠通過計算機來生成、表示和預測分子與蛋白質的屬性和相互作用，所有的這些都將通過硅量子計算實現。而這些進展將助力推進潛在療法的開發。

手術4.0時代已經到來：

航空業在使用飛行仿真器來訓練飛行員和研究新的飛機控制系統，現在外科醫生和機器人手術設備制造商也能夠做到這一點。從手術室環境，到醫療機器人和病人解剖學，數字孿生能夠進行各種規模的模擬，為個性化手術演練和AI人機互動設計開辟全新的空間。漫長的住院醫師培訓將不再是培養資深外科醫生的唯一途徑。借助機器人輔助手術，第一次進行此類操作的醫生也能展現專家級的水平。

在元宇宙中訓練自動駕駛汽車：

自動駕駛無疑是當今最為復雜的一個AI應用場景。全球超過250家汽車制造商、卡車制造商、初創企業，以及運輸和出行即服務提供商正在努力攻克這個挑戰，開發自動駕駛汽車。如果只在道路上進行測試，很難遇到并且有能力應對所有的場景，因此汽車行業的大部分企業將在2023年轉向虛擬世界尋求幫助。

除了實際上路進行數據采集之外，虛擬車隊能夠在汽車上路前，生成用于訓練和測試新功能的數據。高保真模擬將為自動駕駛汽車提供接近無限的運行場景和環境。此外，數字孿生還將被應用于車輛的生產過程中，以提高制造效率、簡化操作，并提升工人的效率和安全。

遷移到云端：

交通運輸業將在2023年迎來更多的軟件即服務（SaaS）和基礎設施即服務（IaaS）產品。開發者將能夠訪問全套云服務，在任何地方設計、部署和體驗元宇宙應用。團隊將設計并聯合開發3D工作流，比如自動駕駛汽車仿真、車內體驗、云游戲，以及在線或者線下展廳的形式查看汽車的3D配置器。

車內管家的誕生：

隨著對話式AI、自然語言處理、手勢檢測和虛擬數字人領域的進展，數字助手將被應用于新一代的自動駕駛汽車中。借助相關平臺，數字助手可以通過自然語言理解進行預約服務，控制車輛，發出提醒等。通過車內攝像頭、深度神經網絡和多模態交互等技術，自動駕駛汽車能夠確保駕駛員將注意力集中在路上，并確保在旅程結束時沒有貴重物品或寵物被遺落在車里。

元宇宙通用語言：

正如HTML是2D網絡的標準語言一樣，USD（通用場景描述）將成為3D網絡最強大、可擴展的開放式語言。作為元宇宙虛擬世界的3D標準，USD將助力企業以及消費者使用各種工具、閱讀器和瀏覽器，以無縫體驗的方式，在不同的3D世界之間移動。

虛實融合的數字孿生：

基于現實商品、服務和地點、虛實結合的數字孿生，將能創造高于現實世界原本存在的利潤收入。比如在將運動鞋的圖案發送給工廠之前，與游戲公司合作銷售尚處在設計測試階段的虛擬運動鞋。除了開源和更多營銷玩法以外，企業還將在多方面受益，如減少浪費，提高運營效率和精準度。

加速計算的需求在增長：

CPU的設計已達到物理極限，摩爾定律正在失效，越來越多企業將轉向采用加速計算。它們將在可擴展的數據中心中自由地組合CPU、GPU、DPU等，從而加速創新，加速向云遷移，同時做到節能減排。

網絡成為新的計算平臺：

正如個人電腦將軟件、硬件和存儲組合，變成每個人的生產工具，云正在迅速成為新的AI計算工具，而網絡是實現云的途徑。企業將使用第三方軟件或自帶軟件，開發可在本地和云端運行的AI應用和服務。它們將通過云服務運營商按需購買容量，為所有CPU、GPU、DPU和智能交換機上運行的不同計算任務優化計算、存儲和網絡。更重要的是，隨著云服務運營商迅速采用零信任安全框架和架構應用，云將能夠提供與本地解決方案同等安全的計算。

數據科學家將成為新的網絡資產：

傳統的網絡專業人員無法再有效地防御更復雜的威脅，因為攻擊和防御的速度和復雜性已經遠遠地超過了人類的能力。數據科學家和其他人類分析師將使用AI客觀地看待所有數據并發現威脅。數據泄露是不可避免的，因此使用AI和人類的數據科學技術將有助于在大海撈針，并迅速做出反應。

AI網絡安全定制化：

就像推薦系統服務于每一個消費者一樣，AI網絡安全系統將適用于每一個企業。隨著基于身份的攻擊不斷增加，量身定制的解決方案將成為企業安全運營中心的頭號需求。網絡安全是每個企業的問題，因此，將能夠看到各種類型的網絡安全架構更加透明和共享，生態系統的集體防御將以更快的速度應對威脅。

重新思考企業IT架構：

正如許多企業爭相調整其文化和技術以應對混合工作的挑戰一樣，新的一年，許多公司將重新架構整個IT基礎架構。公司將尋求強大的客戶端設備，能夠解決日益增長的應用程序和復雜數據集的需求。他們將更加重視靈活性，轉向云計算以實現指數級擴展。采用分布式計算軟件平臺將使全球分散的勞動力能夠在完全不同的工作環境下進行協作并保持生產力。

同樣，復雜的AI模型開發和培訓將需要在數據中心和桌面上建立強大的計算基礎設施。企業將針對不同工業用例設計不同的AI軟件堆棧，使他們能夠輕松地將AI引入工作流程，并更快地為客戶提供更高質量的產品和服務。

來源：NVIDIA