驾驶的渗透率不断提升，生成式AI发展势头正盛

　　驾驶的渗透率不断提升，生成式AI发展势头正盛。2022年人工智能面临挑战，也衍生出新的机会，那么接下来的2023年，人工智能将会呈现哪些新的趋势？

　　生成式AI是指利用现有文本、音频文件或图像等创建新内容的技术。生成式AI的关键技术是生成式对抗网络，其本质是一种深度学习模型。

　　在原理上，生成式对抗网络使用两个神经网络相互对立，一个生成器和一个判别器。生成器或生成网络，负责生成类似于源数据的新数据或内容，判别器或判别网络则负责区分源数据和生成数据。经过交替周期训练，生成器不断学习生成更逼真的数据，判别器则更善于区分假数据和真实数据。渐渐地，双方在对抗中不断完善。

　　2022年大火的AI作画是生成式AI的典型应用案例，市面上涌现出多款AI绘画工具，比如由谷歌推出的Disco Diffusion，这是一款最早流行起来的AI绘图工具，使用这个AI绘画工具，仅仅通过文字输入，就能输出相应的图片。 还有Midjourney，创始人是David Holz，以及由OpenAI开发DALL·E2人工智能的就业情况。之前国内也上线了一个微信小程序——盗梦师，这是一个能根据输入文本生成图片的AI平台，由蓝振忠博士带领的西湖大学深度学习实验室和西湖心辰科技有限公司共同推出。

　　如今AI作画已经在商业上实现应用。而且相比于之前标小智logo官网，AI在生成音视频上也取得进展。不久前，由OpenAI训练的大规模语言模型ChatGPT的上线，更是让生成式AI的应用有了更多可能性。可想而知，在新的一年里，生成式AI将会延续2022年火热的发展势头。

　　相对于云端AI来说，边缘AI允许设备在本地进行AI计算和决策，而不一定需要连接到互联网才能实现数据处理，这使得边缘AI具备实时性好、带宽资源要求低、隐私性好等诸多优点。因此在很多场景中，边缘AI比云端AI更能解决实际的问题。

　　比如自动驾驶汽车突然识别到前方道路有一名儿童人工智能平台入口，汽车必须在几毫秒内做出反应才能避免灾难，如果将数据上传到云端就会产生很大的延时，因此边缘AI更能解决这一问题。再比如森林火灾监测，公路、铁路或者是大坝塌方监测，这些地方普遍比较偏僻，通常没有很好的通信网络，但快速决策和预警非常关键，因此边缘AI更能快速做出判断。

　　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端完成，海量数据的接入，使AI处理的重心正向边缘迁移。从电子发烧友此前进行的调研数据显示，AI在边缘侧的应用越来越被看好标小智logo官网。

　　当然，因为边缘端应用场景的碎片化特点，过去几年边缘AI在落地应用上也遇到了诸多难题，比如算力、算法、数据割裂，缺乏整体的解决方案等。然而从电子发烧友近段时间对多家企业的采访可以发现，边缘AI落地难的问题正在被逐步解决，预计新的一年里，将会有更多更加整体、完善的解决方案，助力各行业边缘应用的落地。

　　自动驾驶是指不需要驾驶员执行物理驾驶操作，车辆能够对行驶任务进行指导与决策，代替驾驶员操控使车辆完成安全行驶的功能。如今乘用车基本处于L2级别，包括部分企业说的L2+自动驾驶等级别，也就是智能辅助驾驶阶段。 自2020年开始，智能辅助驾驶普及程度不断提升。根据IDC此前发布的《中国自动驾驶汽车市场数据追踪报告》，2021年Q1的时候，国内L2级自动驾驶乘用车渗透率仅为7.5%，到2022年Q1，L2级自动驾驶乘用车渗透率已经达到23.2%。

　　同时2022年以来，行泊一体功能开始在多款车型上实现量产，城市全场景辅助驾驶系统也开始上车。相较于过往行车和泊车系立运行，行泊一体系统针对多项功能及应用场景实现复用，在成本、整体性能及开发效率上均有较大优势。

　　城市场景相较于高速场景更为复杂，此前更多车型都专注于高速域驾驶辅助系统，如今更多整车企业和自动驾驶技术公司，把目标锁定在对更高阶的城市域场景应用。可以预见，在新的一年里，无论是行泊一体、还是城市场景智能辅助驾驶在落地应用上将会更进一步。同时，智能辅助驾驶的普及程度将会持续提升。

　　元宇宙是人类运用数字技术构建的，由现实世界映射或超越现实世界，可与现实世界交互的虚拟世界，具备新型社会体系的数字生活空间。

　　当前元宇宙的应用主要还只是表现于游戏、娱乐等领域，然而伴随元宇宙技术和产业成熟度的持续提高，其应用范围将逐步扩大，并不断深入，如元宇宙或将在社会治理、公共服务等领域具有巨大的应用前景。

　　因此政府和企业都在加强元宇宙领域的布局。为把握元宇宙产业发展机遇，促进数字经济和实体经济深度融合发展，更好助力智慧蓉城、制造强市、国际消费中心城市建设，近日成都市新经济发展工作领导小组办公室印发《成都市元宇宙产业发展行动方案（2022—2025年）》。

　　《行动方案》指出，在核心技术方面，通过攻关区块链、人工智能、感知交互、数字孪生等元宇宙基础核心技术，建成一批元宇宙技术研究和创新平台，形成一批技术标准规范，建立起元宇宙技术创新体系，为元宇宙发展抢占产业源点。

　　2022年三大运营商也都陆续公开自己的元宇宙战略。前不久中国联通表示，将扎牢驻好网络、算力、AI、数据、数字身份、3D、XR七大引擎底座，打造从底座到应用的一体化平台，全面实现云网能力、平台能力、X应用能力的深度耦合，驱动产业全面发展。

　　可想而知，虽然当前元宇宙的实际应用还不多标小智logo官网，不过接下来，它仍然是各地方政府和企业发力布局的重要领域之一，而人工智能、感知交互等基础核心技术必然随之发展。

　　生成式AI得以快速发展，其中一个重要的原因便是模型的开源开放。2022年8月，文本-图像生成模型Stable Diffusion正式开源。此次开源，Stable Diffusion开放了其已经训练好的模型，使得后继者能够更好地借助这一开源工具，挖掘丰富的内容生态，为更广泛的C端用户普及起到重要作用。

　　2022年11月3日，阿里达摩院牵头推出魔搭社区ModelScope，该社区首批上架超300个模型，其中中文模型超过100个，覆盖视觉、语音、自然语言处理、多模态等AI主要领域，覆盖主流任务超过60个，均全面开源并开放使用。

　　阿里巴巴集团资深副总裁、阿里达摩院副院长周靖人表示，魔搭社区面向所有开发者开放，旨在推动AI大规模应用。此次开源，目的是降低AI的应用门槛，释放AI潜能。

　　而几乎是同时，谷歌也首次开放了自家文本图像模型Imagen的测试。谷歌宣布将把Imagen添加到其AITest Kitchen应用中，AI Test Kitchen是今年谷歌推出的一款用于对各种AI系统进行测试的应用程序，最初用户仅可以在上面与AI聊天机器人LaMDA 2进行交流，此次更新将添加两种与Imagen互动的新方式：城市梦想家（City Dreamer） 和Wobble。用户可以在“城市梦想家”用文字命令建造主体城市，或者“Wobble”来创造会扭动的形象等。

　　今年以来DALLE2、Stable Diffusion等大模型的开源开放，让AI作画大火。预计未来将会有越来越多的模型走向开源开放，而这将如周靖人所言，将有利于降低AI的应用门槛，释放AI潜能。

　　数据显示，未来超过80%的组织会优先考虑购买预先训练好的人工智能模型。而大模型发展的背后是庞大的算力支撑人工智能的就业情况，算力最底层的支撑便是人工智能芯片。

　　过去几年，算力的需求不断提升，人工智能芯片的市场规模也随之扩大。预计未来几年将会延续这样的增长态势。调研数据显示，2021年全球人工智能芯片市场规模大约为260亿美元（1899.742亿元人民币），预计到2025年将会增长至726亿美元（5304.6642亿元人民币），复合年增长率达到29.27%。

　　而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规模中占比较大。数据显示，2021年，中国人工智能芯片市场规模大约为360亿元，预计到2023年将会超过千亿元人民币，达到1338亿元。

　　近几年，人工智能在制造行业中的应用越来越广泛，目前制造企业中应用的人工智能技术，主要围绕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、文字识别、机器翻译、机器学习、大数据计算、数据可视化等方面。

　　比如，在制造业中被广泛应用的各种智能机器人：分拣/拣选机器人，能够自动识别并抓取不规则的物体；协作机器人能够理解并对周围环境做出反应；自动跟随物料小车能够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自身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之间的相对位置和里程计的读数估计机器人和特征标志的全局坐标。

　　根据IDC与浪潮信息联合发布《2022-2023 中国人工智能计算力发展评估报告》，2022年中国人工智能行业应用渗透度排名前五的行业依次为互联网、金融、政府、电信和制造。其中，制造行业的人工智能渗透度从40增长到45，预计到2023年年底，中国50%的制造业供应链环节将采用人工智能。

　　从人工智能芯片角度，人工智能产业技术不断提升，产业AI化加速落地，推动全球人工智能芯片市场高速增长。IDC预计，到2025年人工智能芯片市场规模将达726亿美元。异构计算将成为主流趋势。

　　广义上来说，能够运行AI算法的芯片，都可以叫做人工智能芯片。根据技术架构的不同，人工智能芯片可以分几种，包括CPUGPUFPGA等通用芯片，以及专门为特定AI算法或应用场景设计的ASIC芯片，还有一些新型架构的芯片，比如存算一体、类脑芯片等。

　　电子发烧友此前对人工智能芯片类型的使用情况进行调研发现，工程师在方案开发中，CPU、GPU人工智能的就业情况、FPGA的使用情况占比较大。另外近些年受关注比较多的新型架构，存算一体的使用情况也比较好。同时类脑芯片也越来越多的实现落地应用。

　　近年来，政策主导推动的车路协同进入高速发展期。从2018年开始国家相继出台多项政策以统筹规划车路协同产业发展。2020 年新基建政策出台后，车路协同便与智慧城市绑定成为智慧交通的必备要素。2021 年 “双智城市 ”的试点政策更是进一步推动了车路协同的发展。因此，从2022年开始，车路协同将会迎来发展热潮，更多城市及区域级大项目将纷纷落地。

　　但目前的产业发展主要还是依赖政策的推动，真正实现行业闭环还有很多困难需要克服，尤其是To C商业模式的打通，一直是产业积极探索的方向。

　　随着政府、行业参与企业以及科研机构的不断努力与尝试标小智logo官网，一些有价值的落地场景如公园的无人观光车，城市道路上的RoboTaxi，园区物流、高速干线物流等逐渐诞生。此外，车路协同概念也跟着产业的发展不断演进，其广泛的应用范畴将会进一步赋能智慧交通和城市管理。

　　存算一体的核心是将存储与计算完全融合，有效克服冯·诺依曼架构瓶颈，并结合后摩尔时代先进封装、新型存储器件等技术，实现计算能效的数量级提升。

　　根据存储与计算的距离远近，广义上存算一体的技术方案可分为三大类，分别是近存计算、存内处理和存内计算人工智能的就业情况。存内计算即狭义的存算一体，在芯片设计过程中，不再区分存储单元和计算单元，真正实现存算融合人工智能的就业情况。

　　与传统方案相比，存算一体在深度学习等领域有独特优势，可以提供比传统设备高几十倍的算效比，此外存内计算芯片通过架构创新可以提供综合性能全面兼顾的芯片及板卡，预计将在边侧推理场景中有着广泛的应用，为广泛的边缘AI业务提供服务。

　　电子发烧友此前在采访企业的时候发现，目前存算一体多还处于市场开拓阶段，很多企业还没有完全意识到存算一体的优势和价值，不过根据存算一体行业人士反馈，已经在逐步取得突破。

　　在商业应用上，目前已经有一些存算一体芯片实现量产，应用主要在端侧可穿戴设备人工智能平台入口、泛安防等领域。2023年逐渐会有产品在云计算领域实现落地应用。

　　经过过去近十年的快速发展，人工智能已经逐渐渗透进各行各业，包括金融、医疗、电力、交通、制造等，人工智能技术也在各领域的应用中越来越成熟。同时作为一个新兴技术领域，人工智能在发展的过程中，还面临诸多挑战，比如还需要加强生态建设等。期待新的一年，在政策的支持下，企业的努力下，人工智能无论是在技术创新还是应用上都能取得新的突破。

　　7月10日举行。本届大会将邀请行业顶尖的专家、学者、企业代表、投资机构共聚一堂，洞见和把握市场先机，共享AI赋能

　　行业可以说是两重天，一边是像云从科技、商汤科技这些持续获得融资的AI巨头，一边是AI创业公司的密集倒闭，根据

　　？   1 、生成式AI 发展势头持续火热   生成式AI是指利用现有文本、音频文件或图像等创建新内容的