AI人工智慧投資不減反增

※來源:理財周刊

文.高適

台積電營收與法人持股比率
台積電營收與法人持股比率

去年肺炎疫情爆發不僅沒有阻礙企業對人工智慧 (AI) 及機器學習 (ML) 的投資,反而加快採用的進度,全球電信商也在疫後開始積極佈建 5G 基礎設施,有助各應用場景商機陸續實現,相對應的 AI 裝置及 AI 晶片需求將進入快速成長期。

企業數位轉型擴大 AI 需求

根據麻省理工學院技術評論洞察 (MIT Technology Review) 與全球矽智財 (IP) 大廠安謀 (ARM) 聯合製作的報告「全新的視野:擴展人工智慧領域」中,對三○一位企業與科技領袖進行的調查發現,有 38%的受訪者表示 AI 投資計畫仍維持不變,沒有受到疫情影響,32%表示這次危機加速了他們的計畫,尤其在已經實施 AI 策略的企業組織中,對於 AI 計畫維持不變與加速的比例更高。

另根據演算法平台 Algorithmia 的調查報告 (針對四○三位於營收超過一億美元且參與機器學習計畫的公司領袖進行調查) 顯示,鑑於遠距上班正在加速數位轉型的進程,企業 IT 部門仍在增加與 ML 相關的預算及人力資源。這顯示出企業已將 AI 及 ML 技術及人才是為提高生產力及彈性的策略投資。

富蘭克林華美投信表示,以 AI 為物聯網核心,5G 讓物聯網展開全面應用,並驅動 AI 商機無限,企業資金源源不絕投入後,AI 升級將引領人類生活改變。預估自駕車、衛星、AR&VR、體感及智慧醫療等 AI 應用的新興產業商機規模,未來數年的年複合成長率分別達到 44%、21%、63%、33%及 19%,成為推升 AI 軟硬體需求成長的多具馬力強引擎。

AI 走出雲端

ARM 以運算範圍將 AI 定義出雲端、邊緣及終端三個類別。其中,雲端 AI 是指在雲端數據中心進行的 AI 處理,過去以來雲端 AI 是處理龐大數據的首選運算平台。基於雲端運算的可靠性、成本效益及運算的集中性,大多數較為繁重的 AI 運算會放在雲端執行,尤其是無須立即回應的歷史數據進行 ML 演算法訓練時。

不過,隨著 ML 使用情境逐漸延伸至即時應用的關鍵任務,例如自駕車、醫療顯影等攸關安全的應用,都需要在毫秒內作出近乎即時的數據回應,其系統成敗的關鍵完全取決於完成決策的速度。雲端處理這些數據量所帶來的延遲,可能會使數據的價值大幅降低,邊緣運算就成了克服此問題的解決方案。

邊緣 AI 是指把 AI 與 ML 處理,從雲端移至網路邊緣的伺服器,例如辦公室、5G 基地台及其它非常接近連網終端裝置的實體地點。這些邊緣伺服器將數據中心等級的硬體添加至終端與雲端間的閘道器 (gateway) 中。

邊緣 AI 兼具與感應器融合的任務,結合來自數個感應器的數據,創造與流程、環境或情況相關的複雜圖像,必須學習每個感應器之間的相互作用,一個感應器如何影響其他感應器,並即時應用學習到的成果。

有 AI 的地方就有 AI 晶片

終端 AI 則是指連接到網路橋接器的終端裝置有更多自行思考及處理所搜集數據的能力,不用再把搜集到的數據移到他處,就能最大化從數據獲得的洞察。智慧型手機的相機是最好的例子,目前已進化到能即時為自拍照增加虛擬背景。

無論雲端、邊緣或終端,有 AI 的地方就需要 AI 晶片,隨著 AI 演算逐漸從雲端下放到邊緣端及終端,不僅演算法多樣性日益增強,晶片更零碎化,且在保證低功耗的同時還要求高性能。在某些 AI 技術及處理複雜計算任務的應用場景中,就不得不使用高效能運算 (HPC) 晶片。

HPC 是指高速處理數據或執行指令的運算能力,特別是指每秒浮點運算次數超過一兆次 (teraflops) 的作業系統,ML 是 HPC 的一種運用方式。根據 HPC 研究機構 Interest360Research 預估,HPC 市場規模在 2020~2024 年的年複合成長率將達 7.1%。

※全文未完,完整內容請見《理財周刊》第 1074 期 2021.3.26 出刊

 

來源:《理財周刊》1074 期
更多精彩內容請至 《理財周刊


coinpionex