在过去的五年中，生成式人工智能（AI）的出现（其中最著名的例子是 OpenAI 的 DALL-E 2 图像生成器和 ChatGPT）是如火如荼的人工智能热潮的一个重要里程碑。
特别是 ChatGPT 强大的预测能力，让人们得以一窥人工智能跨众多垂直行业（industry verticals）的变革力量，这里，各公司将面临两难的困境，就是随着人工智能模型广度和深度的增长，如何有效利用人工智能工具来实现最大的商业影响力。
虽然总的来说，最近软件比硬件受到了更多的媒体关注-鉴于最终用户和那些分析此类技术影响的人最终关心的是一个工具能做什么，而不是它怎样做，所以这种情况并非不正常-如果设计和制造不能够以具有成本效益的方式运行这些模型的硬件，人工智能模型的承诺仍将无法实现。随着软件复杂性的增加（最先进的人工智能模型比过去的模型计算量更大），需要采用先进的硬件来促进增长。
根据IDTechEx最近发布的一份关于人工智能芯片的报告实现自然语言处理、物体检测和分类以及语音识别等人工智能功能的半导体电路(the semiconductor circuitry that enables such AI functionalities as natural language processing, object detection and classification, and speech recognition)-到2033年，全球人工智能芯片市场规模将增长到2500亿美元以上，IT和电信、银行、金融服务和保险（BFSI）以及消费电子行业将是新兴人工智能技术的主要受益者。
边缘设备中的人工智能应用越来越多
在前述的《人工智能芯片：2023-2033》报告中，IDTechEx细致考究了在供应链的设计和制造阶段人工智能硬件投资的最新趋势。除了新产品发布和主要市场参与者的财务数据外，还通过几个粒度对未来十年人工智能芯片的收入增长进行了建模。该报告的一个关键发现与预测期内用于推理目的的芯片与用于训练的芯片之间的收入分配有关。训练和推理是机器学习过程的两个阶段，其中，计算机程序利用数据根据模型进行预测，然后通过调整所使用的权重来优化模型，使之与所提供的数据更好地匹配。实施人工智能算法的第一阶段是训练阶段，数据被馈入模型，模型调整其权重，直到它与所提供的数据适当地配合为止。
第二阶段是推理阶段，在该阶段中执行训练好的人工智能算法，并以与获得的数据一致的方式对新数据（在训练阶段未提供的数据）进行分类。在这两个阶段中，训练阶段的计算量更大，因为这个阶段需要进行数百万次相同的计算。
一些领先的人工智能算法的训练可能需要几天时间才能完成，ChatGPT使用了大约10,000个Nvidia A100 GPU来训练它所基于的GPT-3.5大型语言模型（LLM）。然而，尽管这些数字已经令人惊叹，但是，IDTechEx预测，到2033年，用于推理目的的芯片将增长，占到人工智能芯片市场总收入的三分之二以上。
由于所有的人工智能训练都是在云计算环境中的数据中心内进行的，这不仅说明推理芯片在云环境中将继续使用，而且也说明，在未来十年里，相比于云环境，边缘设备中使用的人
工智能芯片的增长率更高（考虑到边缘设备内的人工智能芯片是用于推理目的的）。
在边缘设备中采用具有人工智能功能的芯片对于某些应用（如全自动驾驶汽车）是势在必行的，而在其他应用（如手机）中也是越来越普遍。无论人工智能对某一特定应用多么至关紧要，有效的部署人工智能都有可能在各行各业创造“新常态”。
人工智能的变革力量
虽然ChatGPT在2022年的诞生提供了迄今为止最引人注目的例子，展现了生成式人工智能的能力，但在这之前，它和其他工具已经发展了很多年。谷歌DeepMind的AlphaGo在2016年战胜了围棋世界冠军李世石，这可以说是人工智能的里程碑，开启了其当前的发展热潮，因为在此之前，人们普遍认为围棋对于人工智能来说是一项难度过高的博弈项目，它无法在锦标赛的规定时间内战胜人类选手。
IDTechEx认为，人工智能的最新时代开始得稍早一些，苹果手机在2011年就引入了Siri虚拟助手。作为一款虚拟助手，Siri使用语音识别来回答用户的询问或遵循用户的指示。通过用话语“Hey Siri”触发虚拟助手，用户对着手机说话，语音识别软件将说话的内容翻译成计算机代码，并输出文字和/或来自Siri的语音回应。多年来，Siri的功能得到了扩展，从简单的电话指令，如“阅读我的新消息”，到通过苹果支付（Apple Pay）处理付款。
虽然这是虚拟助手的第一个实例，但它并不是唯一的一个，微软的Cortana和亚马逊的Alexa现在也是广为人知。语音助手有效地展示了人工智能应用于消费电子设备的早期潜力，它们过去（现在也是）能够为用户提供免提控制和更广泛的辅助功能选项（accessibility options）。
△图1：据预测，到2033年，在人工智能芯片销售收入方面居领先地位的将是BFSI、消费电子、IT和电信等垂直行业。来源：IDTechEx。
图2：边缘处的人工智能与云端中的人工智能之间的不同特征。边缘计算环境是在某台设备上执行计算的环境（通常是创建数据的同一设备），该设备位于网络的边缘（因此，靠近用户）。这与位于网络中心的云计算或数据中心计算形成鲜明对比。来源：IDTechEx。
图3：人工智能芯片应用。来源：IDTechEx
自那时起，人工智能已被部署在消费类电子设备的几个不同领域，以改善用户体验。通过对消费者行为的分析，经由智能电视和音乐平台提供个性化的推荐，既让终端用户获得符合自己口味的体验，同时也增加了广告商的收入。
近年来，在主要智能手机品牌的领先产品中，支持人工智能功能的智能手机芯片组已经变得相当普遍。这些芯片组的图像和物体检测能力为手机上的摄影和视频提供了更强大的方法，其中相机设置会根据画面中的物体自动调整，而且物体能够在后期被删除/调整。
在银行、金融服务和保险行业，人工智能已经在高频交易中得到了有效的应用；GPU目前占据了云人工智能市场的大部分，在云人工智能中，并行处理的能力允许在有效的延迟屏以处理初始查询，并实现日常工作的自动化，从而提高使用这些工具的公司的运营效率。
后几个例子表明，人工智能对企业和消费者的好处并不是相互排斥的；个性化的推荐改善了用户体验，同时还通过更有效的市场营销增加了公司收入。从另一个角度看，使用人工智能通过自动化来简化流程（以及根据用户反馈和潜在的非结构化数据分析来协助产品设计），对于那些能够确定其业务领域可以从自动化中受益的公司来说，代表了长期的成本节约，并藉此将员工解放出来，承担更多的高价值任务。接下来，成本的节省会对产品价格点产生下游效应。
IDTechEx设想，鉴于软件和硬件发展的快节奏属性，以及大多数公司在运营层面有效使用人工智能工具尚未释放的潜力，未来十年将看到人工智能的广泛应用。
硬件功能使高频交易中的欺诈检测成为可能，在高频交易中，对大量金融交易进行分析，以发现可能表明存在欺诈活动的模式。此外，聊天机器人和虚拟助手正在各行各业（不仅仅是BFSI）的客户端使用，它们可以处理初始查询，并实现日常工作的自动化。
