IDC对人工智能边缘处理器的首个预测显示,2019年全球面向边缘系统的AI优化处理器出货量将达到3.401亿个,比2018年增长170.0%,到2023年出货量将达到15个,实现64.9%的五年复合年增长率(CAGR)。
人工智能的出现正在颠覆微处理器市场。虽然通用处理器和图形处理器单元(GPU)的开发,给体积更小、移动性更高、由电池供电的设备带来了巨大的计算能力,但这些处理器并不是神经网络推理解决方案的理想平台。与通用架构相比,AI优化的处理器带有独立的加速器和主机处理器,在处理器中集成了神经网络加速器,使得运行AI解决方案的性能要高通用架构。如今主要的提供商都在顺应这一趋势,开发能够解决满足这一新计算模式的解决方案,一些新兴处理器提供商也进入这个市场,其中包括一系列风投支持的半导体初创公司发布了新的IP和加速器。
随着人工智能解决方案在网络边缘不断扩展,以及人工智能工作负载不再局限于基本的系统优化任务,对于这种AI优化的处理器来说,市场机会越来越多。2018年运行AI的边缘系统中只有5.1%采用了优化的处理器。到2023年,这一比例预计将达到40.5%。到2023年,AI优化的处理器收入预计将达到404亿美元,复合年增长率为86.4%。
该预测中提到的边缘系统包括主要客户端,例如PC、手机、平板电脑;边缘基础设施网关和服务器;部署在企业、政府和家庭网络边缘的端点和物联网设备。边缘AI处理器的一些关键应用领域包括汽车高级驾驶员辅助系统(ADAS)、游戏系统、智能家居和视频监控,其他主要市场包括工业自动化、医疗设备、AR/VR设备、机器人和无人机等。
IDC赋能技术和半导体研究团队研究主管Michael J. Palma表示:“人工智能的成功在于部署到边缘的系统,在边缘位置,神经网络做出的即时决策是可以创造价值的,不受延迟和连接问题的限制,而这正是云解决方案所面对的一大挑战。边缘AI能否取得成功要取决于高效计算处理元件的开发,这些元件针对AI工作负载进行了优化,支持大多数边缘系统功率受限的特性。目前,离散加速器提供了最佳性能,但也增加了BOM成本,最终能否取得成功可能要取决于在主机处理器中AI优化处理元件的集成。”
好文章,需要你的鼓励
Meta 正研发一项通过姓名识别人脸并追踪用户日常活动的“超级感知”技术,计划应用于新款智能眼镜和 AI 耳机,同时重新评估隐私策略,助推 AI 技术在穿戴产品中的应用。
Google 在 Gemini API 中推出自动缓存功能,通过复用重复数据为开发者节省最多 75% 的调用成本,有望缓解高额 API 费用问题。
Korl 利用 OpenAI、Gemini 及 Anthropic 等模型,从 Salesforce、Jira、Google Docs 等多个平台整合数据,自动生成定制化客户沟通材料,如幻灯片、演讲稿及季度业务回顾,同时保证数据安全性,并提升运营效率。
文章探讨了代理型 AI 的崛起,重点介绍微软 Azure AI Foundry 与 NVIDIA 技术如何通过强大语言模型和智能代理,实现企业级应用创新,提升运营效率与服务质量。