1956年，在达特莫斯大学的那次学会上，AI这个概念第一次被提出，标志着人工智能的正式诞生。在历经近70年的发展之后，AI也终于迎来了属于它的高光时刻。随着算力和数据的爆发，人工智能在过去几年里产生了质变，并成为了第四次工业革命中的重要基石。特别是去年生成式AI的火热，让无数行业都看到了其在提升客户运营、销售与营销，以及软件工程方法等方面蕴含的无限可能。
除了广为人知的新闻、影视、创意等大量直接应用AIGC的媒体内容行业，生成式人工智能的颠覆效应正在全球加速扩散，互联网、金融、教育、医疗、制造业，这些产业正在率先迎来新一轮变局，既是对过往模式的挑战，也开启了未来增长的机遇。
AI PC重塑生产力体验
作为新一轮科技革命和产业变革的核心驱动力，同时也是发展新质生产力的主要阵地之一，AI自然也需要载体去呈现和普及，而AIPC毫无疑问就是推动这场技术风暴的重要一环。通过集成CPU、GPU、NPU等硬件并结合人工智能技术，AIPC在承担原有的生产力工具和内容消费载体职能外，在功能上由工具属性升级为助理属性，并可在图形视觉、语义理解、智能交互等场景中发挥重要作用，从而改变、重塑和重构PC体验，释放个人生产力和创造力。
对个人用户而言，AI PC带来的AIGC能力更偏娱乐性，即便是完全没接触过人工智能的新手，也能通过开源大模型在AI PC上生成图片、撰写文章。但与个人用户相比，商业用户的需求往往更加复杂且富有挑战性，除了基本的性能要求外，长续航低功耗、系统的安全性和可管理性，以及可持续性方面的节能减排都需要纳入考虑范围内，这些都对PC提出了更高的要求。
去年9月份，英特尔率先在PC行业提出了AI PC的概念，当然，并不是说只有搭载英特尔处理器的电脑才能叫做AI PC，所谓AI PC就是可以在本地执行生成式AI功能的电脑，而不仅仅是通过网络去运行一些AI聊天或者生成式应用。
目前我们在电脑和手机上，就已经可以通过类似ChatGPT、文心一言这样的程序来聊天或者生成文字，或是利用Midjourney来制作图片，不过这些都是通过云端让模型运算生成我们要的结果。而AIPC的目的就是不通过云计算和网络，可以直接在本地运行各种AI模型来计算并且得到结果。
市场研究数据显示，未来半数以上的个人电脑将拥有人工智能功能，这是个人电脑发展的趋势。AIPC的出现为个人电脑带来了无限的可能性，不仅满足了用户的需求，提高了工作效率，还推动了智能化和数字化社会的发展。AIPC将成为人工智能技术应用的重要载体，为用户创造更加智能化和便捷的生活体验。
生成式AI，网络安全的双刃剑
与其他新兴技术一样，生成式AI也没能逃过双刃剑的命运。
一方面，生成式AI具有巨大的潜力和价值，可以改变生活、工作和教育等多方面，诸多企业都在积极利用生成式AI为业务赋能，加速数智转型的进程。但另一方面，生成式AI也可能引发数据隐私和安全问题，或是被用于网络攻击。
当然，技术本身是中立的，它的使用和影响取决于使用它的人。对于更多企业来说，既要应对生成式AI带来的安全威胁，也要正确合理地确保生成式AI安全落地，保障生成式AI系统的安全。
从企业自身出发，在使用生成式AI时，要优先考虑以下几个层面的问题：
首先是数据来源，企业需要知道用数据训练模型的整个工作流程中，数据的来源是哪里，以及数据是如何被处理和保护的。
其次是对查询数据的保护。因为训练数据并不是企业需要关注的唯一敏感数据集，当企业和用户开始使用生成式AI和大模型后，会很快掌握如何让查询更有效，并在查询中添加更多细节和具体要求以获得更好的结果。但查询这个过程也可能涉及到敏感信息，企业需要清楚这些数据如何被生成式AI服务处理以及查询结果是如何产生的。
最后则是AI模型输出的准确性。从安全角度来看，生成式AI的使用场景定义了风险，由于不同的场景对输出的准确性各有不同，企业需要保证输出的结果是准确且符合最佳实践的。
FPGA满足多样边缘AI需求
上世纪70年代，如果想要在硬件上制作原型并测试其逻辑功能，基本上只有TTL芯片和ASIC芯片两种选择，但前者会受到电路板尺寸和功耗限制的限制，而后者则会产生大量的前期成本，因此，作为数字芯片的一个子门类，具备现场可编程性的FPGA也应运而生。FPGA的出现既解决了定制电路的不足，又克服了原有可编程器件门电路数有限的缺点，即便是在制造完成后，也可以根据用户需要，通过EDA软件配置特定电路，从而赋予其特定功能。
在随后的几十年里，FPGA在安防、通信、汽车电子、消费电子、工业等领域中得到了广泛应用。近年来，随着数据中心建设速度加快，人工智能和自动驾驶等新兴市场的快速发展，FPGA的需求也随之被带动，有数据显示，2020-2026年全球FPGA市场规模从55.85亿美元增至96.9亿美元，年均复合增长率为9.6%。毫无疑问的是，FPGA正在迎来属于它的全新机遇。
如今，数字转型的需求正在被打断带来全新的工作负载，而近两年的主角无疑是AI，凭借着生成式AI的普及，越来越多的企业都在积极应用人工智能为业务赋能，加速数智转型的进程。
从应用场景来看，云端的AI需求主要集中在矩阵运算、图像处理、机器学习、压缩、非对称加密、搜索引擎排序等计算密集型任务，与CPU和GPU相比，FPGA在延迟方面具备极大的优势，通过将这些任务卸载到FPGA上执行，可以在减少CPU负载的同时加速AI的部署。
作为FPGA下游应用最广泛的场景，FPGA在网络通信领域可以有效实现大量高速数字信号处理功能。FPGA能够实现基带处理单元、RF前端和基站管理的一体化设计。相比于其他解决方案，这不仅降低了部署复杂度，也使系统更加灵活，可以按需配置不同的无线接入技术。同时，英特尔FPGA还能提供恒定的无线电参数控制，确保信号品质。
在边缘侧，随着智能边缘时代的到来，边缘设备需要实时收集和处理各种传感器收集的信息和数据，实时处理现场遇到的紧急事件，及时反馈。实时的与周边的环境和物体进行M2M交互，多个小型处理器提供分布式的异构处理能力，实现数据采集、聚合、加密、处理和传输等功能，而FPGA则能进一步加强边缘设备的机器学习能力，提高并行处理能力。
生成式人工智能时代的无限想象和颠覆效应正在全球加速扩散，互联网、金融、教育、医疗、制造业，几大产业率先迎来新一轮变局，既是对过往模式的挑战，也开启了未来增长的机遇，可以想像的是，AI对数字社会的重塑正在发生，切实地改变我们的生活方式。
(8688809)
友情提示
本站部分转载文章，皆来自互联网，仅供参考及分享，并不用于任何商业用途；版权归原作者所有，如涉及作品内容、版权和其他问题，请与本网联系，我们将在第一时间删除内容！
联系邮箱：1042463605@qq.com