2023年人工智能20条预测：虚实融合、生成式AI、自动驾驶训练

在全球不确定环境下，企业在2023年的首要任务仍与过去一样，是引领、创新和解决问题。

AI正逐步被广泛应用来实现这些目标。根据Gartner最近对美国、英国和德国近700家企业的调查，平均有54%的企业AI项目从试点迈入生产阶段。多达80%的受访高管表示，自动化可以应用于任何商业决策，他们正在将AI从战术上升到战略。

2023年有什么制胜之道？更高效也许是一个方向。本文整理、编译NVIDIA的AI专家关于2023年的预测，具体如下：

数字孪生步入实际应用：

大规模数字孪生将会出现，并且这些应用将会是复杂、多尺度（multi-scale）的，比如天气和气候模型、地震现象、材料特性等。这将推动当前的科学模拟实现百万倍加速，带来新的科学洞察与发现。

通用AI“助手”：

AI“助手”将通过自然语言指令和大规模强化学习来解决更多开放式的任务。此外，借助大模型，特别是在大量无标签数据上大规模训练的大型AI模型，AI“助手”将能够理解和分析任何类型的请求，并随着时间的推移，掌握更多新类型的问题。

软件领域的进步将终结AI孤岛：

长期以来，为进行AI研究和开发，企业只能在云计算和混合架构中进行选择，而这会影响开发者的生产力和创新。企业将在2023年通过软件统一所有基础设施类型中的AI工作流，并为AI从业者提供一致性、互联的体验。无论项目规模或复杂性如何，这都将助力企业平衡成本与战略目标，并获得接近无限的、灵活的开发能力。

生成式AI变革企业应用：

关于生成式AI的各种“炒作”将在2023年成为现实。这是因为终于拥有了构建真正意义上生成式AI的基础，软件可以将大语言模型和推荐系统转换成生产型应用，除生成图片的应用之外，还包括能智能地回答问题、创造内容、甚至能够带来新发现的应用。这个全新的创意时代将推动个性化客户服务的巨大进步，加快新商业模式的落地，并为医疗领域的突破奠定基础。

AI通过节能计算变得更经济高效：

2023年，低效率、基于x86的传统计算架构将因不支持并行处理，被加速计算解决方案所取代。加速计算可提供构建语言模型、推荐系统等所需的计算性能、规模和效率。

面对经济放缓，企业将寻求能够在实现目标的同时，降低IT成本并提高效率的AI解决方案。使用软件来整合整体基础设施工作流的新平台将带来计算性能上的突破，包括降低总拥有成本、减少碳足迹，并加快具有变革意义的AI项目的投资回报，它们将取代资源浪费水平更高的老旧架构。

LLM应用的增长：

大语言模型的新研究将带来一系列全新的应用，它们可以将语言、文本甚至图像转化为各类机构中任何人都能使用的洞察，无论是企业高管还是艺术家，各行业的专业人士都将受益。此外，对模型定制能力的需求也将快速增长，从而使LLM的专长能够应用于英语以外的多种语言和方言，以及从目录描述生成到医学报告总结等多个业务领域。

无标签数据也有用武之地：

大语言模型和结构化数据还将被应用至大量照片、录音、社交媒体推文等领域。开发人员可以通过这种方式，探索未被开发的模式和线索、推动医疗领域的突破、科学的进步，探索客户互动的优化手段，甚至推动自动驾驶交通领域的重大进展。在2023年，加上非结构化数据的应用，将有助于神经网络的开发，例如可以生成仿真病例，来模拟和研究可供其学习的病例。这种无监督的机器学习将变得和有监督的机器学习一样重要。

新型呼叫中心：

2023年的呼叫中心将更广泛地采用语音AI工作流，这将为客户互动流程中的所有环节提升业务的灵活性，不管是调整模型架构，还是在专有数据上微调模型和自定义流程。此外，随着语音AI工作流在企业中的日渐普及，将进一步缩短解决问题的时间，从而大幅度提高呼叫中心的工作效率。AI“助手”将在恰当的时间内，从庞大的知识库中提取正确的信息，最大程度地减少客户的等待时间。

生物学成为信息科学：

凭借大语言模型领域的突破和以序列诠释生物学的能力，研究人员将能够训练出用于化学和生物学的新一类AI模型。借助这些新AI模型的能力，****物研发团队能够通过计算机来生成、表示和预测分子与蛋白质的属性和相互作用，所有的这些都将通过硅量子计算实现。而这些进展将助力推进潜在疗法的开发。

手术4.0时代已经到来：

航空业在使用飞行仿真器来训练飞行员和研究新的飞机控制系统，现在外科医生和机器人手术设备制造商也能够做到这一点。从手术室环境，到医疗机器人和病人解剖学，数字孪生能够进行各种规模的模拟，为个性化手术演练和AI人机互动设计开辟全新的空间。漫长的住院医师培训将不再是培养资深外科医生的唯一途径。借助机器人辅助手术，第一次进行此类操作的医生也能展现专家级的水平。

在元宇宙中训练自动驾驶汽车：

自动驾驶无疑是当今最为复杂的一个AI应用场景。全球超过250家汽车制造商、卡车制造商、初创企业，以及运输和出行即服务提供商正在努力攻克这个挑战，开发自动驾驶汽车。如果只在道路上进行测试，很难遇到并且有能力应对所有的场景，因此汽车行业的大部分企业将在2023年转向虚拟世界寻求帮助。

除了实际上路进行数据采集之外，虚拟车队能够在汽车上路前，生成用于训练和测试新功能的数据。高保真模拟将为自动驾驶汽车提供接近无限的运行场景和环境。此外，数字孪生还将被应用于车辆的生产过程中，以提高制造效率、简化操作，并提升工人的效率和安全。

迁移到云端：

交通运输业将在2023年迎来更多的软件即服务（SaaS）和基础设施即服务（IaaS）产品。开发者将能够访问全套云服务，在任何地方设计、部署和体验元宇宙应用。团队将设计并联合开发3D工作流，比如自动驾驶汽车仿真、车内体验、云游戏，以及在线或者线下展厅的形式查看汽车的3D配置器。

车内管家的诞生：

随着对话式AI、自然语言处理、手势检测和虚拟数字人领域的进展，数字助手将被应用于新一代的自动驾驶汽车中。借助相关平台，数字助手可以通过自然语言理解进行预约服务，控制车辆，发出提醒等。通过车内摄像头、深度神经网络和多模态交互等技术，自动驾驶汽车能够确保驾驶员将注意力集中在路上，并确保在旅程结束时没有贵重物品或宠物被遗落在车里。

元宇宙通用语言：

正如HTML是2D网络的标准语言一样，USD（通用场景描述）将成为3D网络最强大、可扩展的开放式语言。作为元宇宙虚拟世界的3D标准，USD将助力企业以及消费者使用各种工具、阅读器和浏览器，以无缝体验的方式，在不同的3D世界之间移动。

虚实融合的数字孪生：

基于现实商品、服务和地点、虚实结合的数字孪生，将能创造高于现实世界原本存在的利润收入。比如在将运动鞋的图案发送给工厂之前，与游戏公司合作销售尚处在设计测试阶段的虚拟运动鞋。除了开源和更多营销玩法以外，企业还将在多方面受益，如减少浪费，提高运营效率和精准度。

加速计算的需求在增长：

CPU的设计已达到物理极限，摩尔定律正在失效，越来越多企业将转向采用加速计算。它们将在可扩展的数据中心中自由地组合CPU、GPU、DPU等，从而加速创新，加速向云迁移，同时做到节能减排。

网络成为新的计算平台：

正如个人电脑将软件、硬件和存储组合，变成每个人的生产工具，云正在迅速成为新的AI计算工具，而网络是实现云的途径。企业将使用第三方软件或自带软件，开发可在本地和云端运行的AI应用和服务。它们将通过云服务运营商按需购买容量，为所有CPU、GPU、DPU和智能交换机上运行的不同计算任务优化计算、存储和网络。更重要的是，随着云服务运营商迅速采用零信任安全框架和架构应用，云将能够提供与本地解决方案同等安全的计算。

数据科学家将成为新的网络资产：

传统的网络专业人员无法再有效地防御更复杂的威胁，因为攻击和防御的速度和复杂性已经远远地超过了人类的能力。数据科学家和其他人类分析师将使用AI客观地看待所有数据并发现威胁。数据泄露是不可避免的，因此使用AI和人类的数据科学技术将有助于在大海捞针，并迅速做出反应。

AI网络安全定制化：

就像推荐系统服务于每一个消费者一样，AI网络安全系统将适用于每一个企业。随着基于身份的攻击不断增加，量身定制的解决方案将成为企业安全运营中心的头号需求。网络安全是每个企业的问题，因此，将能够看到各种类型的网络安全架构更加透明和共享，生态系统的集体防御将以更快的速度应对威胁。

重新思考企业IT架构：

正如许多企业争相调整其文化和技术以应对混合工作的挑战一样，新的一年，许多公司将重新架构整个IT基础架构。公司将寻求强大的客户端设备，能够解决日益增长的应用程序和复杂数据集的需求。他们将更加重视灵活性，转向云计算以实现指数级扩展。采用分布式计算软件平台将使全球分散的劳动力能够在完全不同的工作环境下进行协作并保持生产力。

同样，复杂的AI模型开发和培训将需要在数据中心和桌面上建立强大的计算基础设施。企业将针对不同工业用例设计不同的AI软件堆栈，使他们能够轻松地将AI引入工作流程，并更快地为客户提供更高质量的产品和服务。

来源：NVIDIA