2020年是不寻常的一年，全球的健康、贸易、经济、文化、政治和科技领域，无不发生着深刻的变化。那么，未来AI技术将会如何发展呢？

一、 数据传输与储存

数据的获取无论是数量，还是质量，又或者是数据的种类，均增长显著，支撑着AI技术的发展。世界互联网用户的基数已达到十亿量级，随着物联网、5G技术的进一步发展，会带来更多数据源和传输层面的能力提升，因此可以预见的是，数据的总量将继续快速发展，且增速加快。其次，数据的存储位置，业界预测仍将以集中存储为主，数据利用共有云存储的比例将逐年提高。

二、 硬件对算力的支持

算力指的是实现AI系统所需要的硬件计算能力。半导体计算类芯片的发展是AI算力的根本源动力。虽然半导体行业发展有起有落，并一直伴随着是否可持续性的怀疑，但是半导体行业著名的“摩尔定律”已经经受住了120年考验，相信未来5年~10年依然能够平稳发展。

摩尔定律在计算芯片领域依然维持，很大原因是因为图形处理器（GPU）的迅速发展，弥补了通用处理器（CPU）发展的趋缓。GPU的晶体管数量增长已超过CPU，CPU晶体管开始落后于摩尔定律。当然，半导体晶体管数量反映整体趋势可以，但还不够准确地反映算力发展情况。对于AI系统来说，浮点运算和内存是更直接的算力指标， GPU无论是在计算能力还是在内存访问速度上，近10年发展远超CPU，很好的填补了CPU的性能发展瓶颈问题。

就2019年的AI芯片收入规模来看，GPU芯片拥有27%左右的份额，CPU芯片仅占17%的份额。可以看到，GPU已成为由深度学习技术为代表的人工智能领域的硬件计算标准配置，形成的原因也十分简单，现有的AI算法，尤其在模型训练阶段，对算力的需求持续增加，而GPU算力恰好比CPU要强很多，同时是一种与AI算法模型本身耦合度很低的一种通用计算设备。除了GPU与CPU，其他计算设备如ASIC、FGPA等新兴AI芯片也在发展。鉴于未来数据大概率仍在云端存储的情况下，这些芯片能否在提高性能效率的同时，保证通用性，且可以被云厂商规模性部署，获得软件生态的支持，值得进一步观察。

三、 算法的更新

过去10年AI的发展，数据和算力都起到了很好的辅助作用，但是不可否认的是，基于深度学习的算法结合其应用取得的性能突破，是AI技术在2020年取得里程碑式发展阶段的重要原因。

AI工程化正在形成从用户端到云端的，以Python为编程语言的一整套工具链，其三个重要的特点为：远程编程与调试，深度学习与机器学习的GPU加速支持，以及模型训练与推理工具链的解耦。与此同时，产业链上游厂商对开源社区的大量投入，将为中下游企业和个人带来工具链的技术红利，降低其研发门槛和成本。

总之，未来人工智能技术发展是大势所趋，而软件与硬件的完美结合是实现AI高度智能化的必要基础条件。在硬件方面，除了需求具备高速数据处理能力的芯片之外，与芯片存在共生关系的频率元器件晶振也需要同时具备高精度、高稳定性、低功耗等特性。作为具备二十余年晶振研发与生产厂家，晶诺威科技愿与你携手共创AI未来。

点击本网站以下链接了解更多：

• 展望人工智能AI技术及产业未来发展趋势
• 关于AI人工智能引发的思考
• 人工智能AI技术会给养老生活带来哪些变化
• 人工智能的发展必将势不可挡
• 什么是“智慧生活”？
• 晶振在汽车无人自动驾驶系统中的重要作用
• 加快VR与5G、超清视频、AI等技术融合发展
• AI 芯片和传统芯片的区别
• 如何区分AR、VR、MR？
• 无人机用哪些晶振？