未來 AI 發展八大新趨勢
科技產業資訊室 - May 發表於 2017年10月6日
http://iknow.stpi.narl.org.tw/Post/Read.aspx?PostID=13837
人工智慧(AI)是物聯網及工業4.0發展的核心。尤其，當特斯拉(Tesla)推出電動車及蘋果(Apple)發表新機iPhone X推出FaceID之後，讓市場體驗到AI晶片的無限商機。
AI晶片包含三大類市場，分別是數據中心(雲端)、通信終端產品(手機)、特定應用產品(自駕車、頭戴式AR/VR、無人機、機器人...)。
當前機器學習多採用 GPU圖像處理，尤以Nvidia 是此一領域龍頭，但是，有些業者認為GPU處理效率不夠快。
為搶未來AI應用市場商機，科技巨鱷如Google、微軟、蘋果企圖建構AI平台生態模式吃下整個產業鏈。
目前來看，未來AI發展有八大新趨勢
趨勢一：AI 於各行業垂直領域應用具有巨大的潛力
趨勢二：AI導入醫療保健行業維持高速成長
人工智慧導入醫療保健行業從2016年到2022年維持很高成長，預計從2016年的6.671億美元達到2022年的79.888億美元年均複合增長率為52.68％。
趨勢三：AI取代螢幕成為新UI / UX介面
過去從PC到手機時代以來，使用者介面都是透過螢幕或鍵盤來互動。
隨著智慧喇叭(Smart Speaker)、虛擬/擴增實境(VR/AR)與自動駕駛車系統陸續進入人類生活環境，加速在不需要螢幕的情況下，人們也能夠很輕鬆自在與運算系統溝通。
趨勢四：未來手機晶片一定內建AI運算核心
蘋果將3D感測技術帶入iPhone之後，
Android陣營智慧型手機將在明年(2017)跟進導入3D感測相關應用。
趨勢五：AI晶片關鍵在於成功整合軟硬體
AI晶片的核心是半導體及演算法。
AI硬體主要是要求更快運算速度與低功耗，
包括GPU、DSP、ASIC、FPGA和神經元晶片，且須與深度學習演算法相結合，而成功相結合的關鍵在於先進的封裝技術。
總體來說GPU比FPGA快，而在功率效能方面FPGA比GPU好，所以AI硬體選擇就看產品供應商的需求考量而定。
趨勢六：AI自主學習是終極目標
AI"大腦"變聰明是分階段進行，從機器學習進化到深度學習，再進化至自主學習。
目前，NVIDIA推出自主機器處理器Xavier，就在為自主機器的商用和普及做準備工作。
趨勢七：最完美的架構是把CPU和GPU(或其他處理器)結合起來
CPU是通用於各種設備，什麼場景都可以適用。所以，最完美的架構是把CPU和GPU(或其他處理器)結合起來。
趨勢八：AR成為AI的眼睛，兩者是互補、不可或缺
可以將AR比喻成AI的眼睛。為了機器人學習而創造的在虛擬世界，本身就是虛擬現實
結語
新出現的處理器只是為了處理新發現或尚未解決的問題，而且未來傾向將CPU整合。同時，晶片市場期望能有更多競爭及選擇，不要英特爾、高通獨大。
迎物聯網時代來臨，以往大家認為摩爾定律最後會走到極限
Ps:
摩爾定律（英語：Moore's law）是由英特爾（Intel）創始人之一戈登·摩爾（Gordon Moore）提出來的。
其內容為：積體電路上可容納的電晶體（電晶體）數目，約每隔兩年便會增加一倍；經常被參照的「18個月」，是由英特爾執行長大衛·豪斯（David House）所說：預計18個月會將晶片的效能提高一倍（即更多的電晶體使其更快）
發表文章
