在全球不確定環(huán)境下，企業(yè)在2023年的首要任務(wù)仍與過去一樣，是引領(lǐng)、創(chuàng)新和解決問題。

AI正逐步被廣泛應(yīng)用來實(shí)現(xiàn)這些目標(biāo)。根據(jù)Gartner最近對美國、英國和德國近700家企業(yè)的調(diào)查，平均有54%的企業(yè)AI項(xiàng)目從試點(diǎn)邁入生產(chǎn)階段。多達(dá)80%的受訪高管表示，自動(dòng)化可以應(yīng)用于任何商業(yè)決策，他們正在將AI從戰(zhàn)術(shù)上升到戰(zhàn)略。

2023年有什么制勝之道？更高效也許是一個(gè)方向。本文整理、編譯NVIDIA的AI專家關(guān)于2023年的預(yù)測，具體如下：

數(shù)字孿生步入實(shí)際應(yīng)用：

大規(guī)模數(shù)字孿生將會出現(xiàn)，并且這些應(yīng)用將會是復(fù)雜、多尺度（multi-scale）的，比如天氣和氣候模型、地震現(xiàn)象、材料特性等。這將推動(dòng)當(dāng)前的科學(xué)模擬實(shí)現(xiàn)百萬倍加速，帶來新的科學(xué)洞察與發(fā)現(xiàn)。

通用AI“助手”：

AI“助手”將通過自然語言指令和大規(guī)模強(qiáng)化學(xué)習(xí)來解決更多開放式的任務(wù)。此外，借助大模型，特別是在大量無標(biāo)簽數(shù)據(jù)上大規(guī)模訓(xùn)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(shí)間的推移，掌握更多新類型的問題。

軟件領(lǐng)域的進(jìn)步將終結(jié)AI孤島：

長期以來，為進(jìn)行AI研究和開發(fā)，企業(yè)只能在云計(jì)算和混合架構(gòu)中進(jìn)行選擇，而這會影響開發(fā)者的生產(chǎn)力和創(chuàng)新。企業(yè)將在2023年通過軟件統(tǒng)一所有基礎(chǔ)設(shè)施類型中的AI工作流，并為AI從業(yè)者提供一致性、互聯(lián)的體驗(yàn)。無論項(xiàng)目規(guī)?；驈?fù)雜性如何，這都將助力企業(yè)平衡成本與戰(zhàn)略目標(biāo)，并獲得接近無限的、靈活的開發(fā)能力。

生成式AI變革企業(yè)應(yīng)用：

關(guān)于生成式AI的各種“炒作”將在2023年成為現(xiàn)實(shí)。這是因?yàn)榻K于擁有了構(gòu)建真正意義上生成式AI的基礎(chǔ)，軟件可以將大語言模型和推薦系統(tǒng)轉(zhuǎn)換成生產(chǎn)型應(yīng)用，除生成圖片的應(yīng)用之外，還包括能智能地回答問題、創(chuàng)造內(nèi)容、甚至能夠帶來新發(fā)現(xiàn)的應(yīng)用。這個(gè)全新的創(chuàng)意時(shí)代將推動(dòng)個(gè)性化客戶服務(wù)的巨大進(jìn)步，加快新商業(yè)模式的落地，并為醫(yī)療領(lǐng)域的突破奠定基礎(chǔ)。

AI通過節(jié)能計(jì)算變得更經(jīng)濟(jì)高效：

2023年，低效率、基于x86的傳統(tǒng)計(jì)算架構(gòu)將因不支持并行處理，被加速計(jì)算解決方案所取代。加速計(jì)算可提供構(gòu)建語言模型、推薦系統(tǒng)等所需的計(jì)算性能、規(guī)模和效率。

面對經(jīng)濟(jì)放緩，企業(yè)將尋求能夠在實(shí)現(xiàn)目標(biāo)的同時(shí)，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(chǔ)設(shè)施工作流的新平臺將帶來計(jì)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(xiàng)目的投資回報(bào)，它們將取代資源浪費(fèi)水平更高的老舊架構(gòu)。

LLM應(yīng)用的增長：

大語言模型的新研究將帶來一系列全新的應(yīng)用，它們可以將語言、文本甚至圖像轉(zhuǎn)化為各類機(jī)構(gòu)中任何人都能使用的洞察，無論是企業(yè)高管還是藝術(shù)家，各行業(yè)的專業(yè)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(yīng)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(yī)學(xué)報(bào)告總結(jié)等多個(gè)業(yè)務(wù)領(lǐng)域。

無標(biāo)簽數(shù)據(jù)也有用武之地：

大語言模型和結(jié)構(gòu)化數(shù)據(jù)還將被應(yīng)用至大量照片、錄音、社交媒體推文等領(lǐng)域。開發(fā)人員可以通過這種方式，探索未被開發(fā)的模式和線索、推動(dòng)醫(yī)療領(lǐng)域的突破、科學(xué)的進(jìn)步，探索客戶互動(dòng)的優(yōu)化手段，甚至推動(dòng)自動(dòng)駕駛交通領(lǐng)域的重大進(jìn)展。在2023年，加上非結(jié)構(gòu)化數(shù)據(jù)的應(yīng)用，將有助于神經(jīng)網(wǎng)絡(luò)的開發(fā)，例如可以生成仿真病例，來模擬和研究可供其學(xué)習(xí)的病例。這種無監(jiān)督的機(jī)器學(xué)習(xí)將變得和有監(jiān)督的機(jī)器學(xué)習(xí)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(dòng)流程中的所有環(huán)節(jié)提升業(yè)務(wù)的靈活性，不管是調(diào)整模型架構(gòu)，還是在專有數(shù)據(jù)上微調(diào)模型和自定義流程。此外，隨著語音AI工作流在企業(yè)中的日漸普及，將進(jìn)一步縮短解決問題的時(shí)間，從而大幅度提高呼叫中心的工作效率。AI“助手”將在恰當(dāng)?shù)臅r(shí)間內(nèi)，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(shí)間。

生物學(xué)成為信息科學(xué)：

憑借大語言模型領(lǐng)域的突破和以序列詮釋生物學(xué)的能力，研究人員將能夠訓(xùn)練出用于化學(xué)和生物學(xué)的新一類AI模型。借助這些新AI模型的能力，藥物研發(fā)團(tuán)隊(duì)能夠通過計(jì)算機(jī)來生成、表示和預(yù)測分子與蛋白質(zhì)的屬性和相互作用，所有的這些都將通過硅量子計(jì)算實(shí)現(xiàn)。而這些進(jìn)展將助力推進(jìn)潛在療法的開發(fā)。

手術(shù)4.0時(shí)代已經(jīng)到來：

航空業(yè)在使用飛行仿真器來訓(xùn)練飛行員和研究新的飛機(jī)控制系統(tǒng)，現(xiàn)在外科醫(yī)生和機(jī)器人手術(shù)設(shè)備制造商也能夠做到這一點(diǎn)。從手術(shù)室環(huán)境，到醫(yī)療機(jī)器人和病人解剖學(xué)，數(shù)字孿生能夠進(jìn)行各種規(guī)模的模擬，為個(gè)性化手術(shù)演練和AI人機(jī)互動(dòng)設(shè)計(jì)開辟全新的空間。漫長的住院醫(yī)師培訓(xùn)將不再是培養(yǎng)資深外科醫(yī)生的唯一途徑。借助機(jī)器人輔助手術(shù)，第一次進(jìn)行此類操作的醫(yī)生也能展現(xiàn)專家級的水平。

在元宇宙中訓(xùn)練自動(dòng)駕駛汽車：

自動(dòng)駕駛無疑是當(dāng)今最為復(fù)雜的一個(gè)AI應(yīng)用場景。全球超過250家汽車制造商、卡車制造商、初創(chuàng)企業(yè)，以及運(yùn)輸和出行即服務(wù)提供商正在努力攻克這個(gè)挑戰(zhàn)，開發(fā)自動(dòng)駕駛汽車。如果只在道路上進(jìn)行測試，很難遇到并且有能力應(yīng)對所有的場景，因此汽車行業(yè)的大部分企業(yè)將在2023年轉(zhuǎn)向虛擬世界尋求幫助。

除了實(shí)際上路進(jìn)行數(shù)據(jù)采集之外，虛擬車隊(duì)能夠在汽車上路前，生成用于訓(xùn)練和測試新功能的數(shù)據(jù)。高保真模擬將為自動(dòng)駕駛汽車提供接近無限的運(yùn)行場景和環(huán)境。此外，數(shù)字孿生還將被應(yīng)用于車輛的生產(chǎn)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(yùn)輸業(yè)將在2023年迎來更多的軟件即服務(wù)（SaaS）和基礎(chǔ)設(shè)施即服務(wù)（IaaS）產(chǎn)品。開發(fā)者將能夠訪問全套云服務(wù)，在任何地方設(shè)計(jì)、部署和體驗(yàn)元宇宙應(yīng)用。團(tuán)隊(duì)將設(shè)計(jì)并聯(lián)合開發(fā)3D工作流，比如自動(dòng)駕駛汽車仿真、車內(nèi)體驗(yàn)、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(nèi)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(shù)字人領(lǐng)域的進(jìn)展，數(shù)字助手將被應(yīng)用于新一代的自動(dòng)駕駛汽車中。借助相關(guān)平臺，數(shù)字助手可以通過自然語言理解進(jìn)行預(yù)約服務(wù)，控制車輛，發(fā)出提醒等。通過車內(nèi)攝像頭、深度神經(jīng)網(wǎng)絡(luò)和多模態(tài)交互等技術(shù)，自動(dòng)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(jié)束時(shí)沒有貴重物品或?qū)櫸锉贿z落在車?yán)铩?/p>

元宇宙通用語言：

正如HTML是2D網(wǎng)絡(luò)的標(biāo)準(zhǔn)語言一樣，USD（通用場景描述）將成為3D網(wǎng)絡(luò)最強(qiáng)大、可擴(kuò)展的開放式語言。作為元宇宙虛擬世界的3D標(biāo)準(zhǔn)，USD將助力企業(yè)以及消費(fèi)者使用各種工具、閱讀器和瀏覽器，以無縫體驗(yàn)的方式，在不同的3D世界之間移動(dòng)。

虛實(shí)融合的數(shù)字孿生：

基于現(xiàn)實(shí)商品、服務(wù)和地點(diǎn)、虛實(shí)結(jié)合的數(shù)字孿生，將能創(chuàng)造高于現(xiàn)實(shí)世界原本存在的利潤收入。比如在將運(yùn)動(dòng)鞋的圖案發(fā)送給工廠之前，與游戲公司合作銷售尚處在設(shè)計(jì)測試階段的虛擬運(yùn)動(dòng)鞋。除了開源和更多營銷玩法以外，企業(yè)還將在多方面受益，如減少浪費(fèi)，提高運(yùn)營效率和精準(zhǔn)度。

加速計(jì)算的需求在增長：

CPU的設(shè)計(jì)已達(dá)到物理極限，摩爾定律正在失效，越來越多企業(yè)將轉(zhuǎn)向采用加速計(jì)算。它們將在可擴(kuò)展的數(shù)據(jù)中心中自由地組合CPU、GPU、DPU等，從而加速創(chuàng)新，加速向云遷移，同時(shí)做到節(jié)能減排。

網(wǎng)絡(luò)成為新的計(jì)算平臺：

正如個(gè)人電腦將軟件、硬件和存儲組合，變成每個(gè)人的生產(chǎn)工具，云正在迅速成為新的AI計(jì)算工具，而網(wǎng)絡(luò)是實(shí)現(xiàn)云的途徑。企業(yè)將使用第三方軟件或自帶軟件，開發(fā)可在本地和云端運(yùn)行的AI應(yīng)用和服務(wù)。它們將通過云服務(wù)運(yùn)營商按需購買容量，為所有CPU、GPU、DPU和智能交換機(jī)上運(yùn)行的不同計(jì)算任務(wù)優(yōu)化計(jì)算、存儲和網(wǎng)絡(luò)。更重要的是，隨著云服務(wù)運(yùn)營商迅速采用零信任安全框架和架構(gòu)應(yīng)用，云將能夠提供與本地解決方案同等安全的計(jì)算。

數(shù)據(jù)科學(xué)家將成為新的網(wǎng)絡(luò)資產(chǎn)：

傳統(tǒng)的網(wǎng)絡(luò)專業(yè)人員無法再有效地防御更復(fù)雜的威脅，因?yàn)楣艉头烙乃俣群蛷?fù)雜性已經(jīng)遠(yuǎn)遠(yuǎn)地超過了人類的能力。數(shù)據(jù)科學(xué)家和其他人類分析師將使用AI客觀地看待所有數(shù)據(jù)并發(fā)現(xiàn)威脅。數(shù)據(jù)泄露是不可避免的，因此使用AI和人類的數(shù)據(jù)科學(xué)技術(shù)將有助于在大海撈針，并迅速做出反應(yīng)。

AI網(wǎng)絡(luò)安全定制化：

就像推薦系統(tǒng)服務(wù)于每一個(gè)消費(fèi)者一樣，AI網(wǎng)絡(luò)安全系統(tǒng)將適用于每一個(gè)企業(yè)。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(yè)安全運(yùn)營中心的頭號需求。網(wǎng)絡(luò)安全是每個(gè)企業(yè)的問題，因此，將能夠看到各種類型的網(wǎng)絡(luò)安全架構(gòu)更加透明和共享，生態(tài)系統(tǒng)的集體防御將以更快的速度應(yīng)對威脅。

重新思考企業(yè)IT架構(gòu)：

正如許多企業(yè)爭相調(diào)整其文化和技術(shù)以應(yīng)對混合工作的挑戰(zhàn)一樣，新的一年，許多公司將重新架構(gòu)整個(gè)IT基礎(chǔ)架構(gòu)。公司將尋求強(qiáng)大的客戶端設(shè)備，能夠解決日益增長的應(yīng)用程序和復(fù)雜數(shù)據(jù)集的需求。他們將更加重視靈活性，轉(zhuǎn)向云計(jì)算以實(shí)現(xiàn)指數(shù)級擴(kuò)展。采用分布式計(jì)算軟件平臺將使全球分散的勞動(dòng)力能夠在完全不同的工作環(huán)境下進(jìn)行協(xié)作并保持生產(chǎn)力。

同樣，復(fù)雜的AI模型開發(fā)和培訓(xùn)將需要在數(shù)據(jù)中心和桌面上建立強(qiáng)大的計(jì)算基礎(chǔ)設(shè)施。企業(yè)將針對不同工業(yè)用例設(shè)計(jì)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(zhì)量的產(chǎn)品和服務(wù)。

審核編輯 ：李倩