人工智能 （AI） 的首要發(fā)展途徑將逐漸轉(zhuǎn)向（回到）人工智能增強(qiáng)硬件——并且不會(huì)只有處理器受到影響。

這就好比剛誕生的互聯(lián)網(wǎng)和以前的鐵路熱潮一樣——最開始，人們歡欣鼓舞，許多小公司都在謀求成功的解決方案；但市場(chǎng)終將回歸價(jià)值，從而鎖定最好的解決方案。當(dāng)人工智能開始進(jìn)入主流意識(shí)時(shí)，我們能看到同樣的情況：每一個(gè)從事新型AI或者神經(jīng)處理芯片業(yè)務(wù)的企業(yè)，都在宣稱人工智能將成為所有業(yè)務(wù)的核心。

這種激進(jìn)的做法大多數(shù)不會(huì)有市場(chǎng)，而且企業(yè)只是將大量常用任務(wù)，或者以圖形處理為主的計(jì)算，交給人工智能。這在一段時(shí)間內(nèi)是可行的，但很難擴(kuò)展，而且效益也不高。

現(xiàn)在，隨著各行各業(yè)對(duì)AI的理解進(jìn)一步加深，市場(chǎng)上出現(xiàn)了一種更加務(wù)實(shí)的認(rèn)知——羅馬不是一天建成的。要想讓人工智能進(jìn)一步普及，它的任務(wù)處理能力必須變得更有效率，這意味著我們應(yīng)注重于發(fā)展人工智能增強(qiáng)硬件——這并不意味著要回到使用分立式人工智能或者神經(jīng)芯片的路數(shù)。相反，在2022年及以后，人工智能解決方案將更加趨向平衡與融合——正如我們看到，幾乎在所有類型的應(yīng)用中，都有人工智能的參與，例如計(jì)算機(jī)輔助設(shè)計(jì)和服務(wù)客戶，以及零售和通信。

對(duì)于5G網(wǎng)絡(luò)，大多數(shù)的服務(wù)商希望通過使用數(shù)據(jù)流和人工智能算法來訓(xùn)練網(wǎng)絡(luò)，從而可以在多天線的情況下，更好地進(jìn)行波束控制，以提高運(yùn)行效率。

考慮到5G基帶、天線基礎(chǔ)設(shè)施，以及頻譜的成本，提高5G實(shí)施的效率是非常重要的！這些5G相關(guān)工作大多都是在開放平臺(tái)上通過開放標(biāo)準(zhǔn)進(jìn)行的。這是一種改進(jìn)，但還不完美，因?yàn)檫@些新型開放系統(tǒng)需要權(quán)衡人工智能和網(wǎng)絡(luò)處理這兩個(gè)角色，所以偶爾會(huì)遇到瓶頸和資源競(jìng)爭(zhēng)。

美光目前正在努力解決這一領(lǐng)域的困難，并爭(zhēng)取提高人工智能和數(shù)字基帶算法的效率，以幫助業(yè)界加速向開放型5G的過渡。

業(yè)界已經(jīng)在考慮下一個(gè)“G”了——6G。由此，我們會(huì)發(fā)現(xiàn)人們將加倍關(guān)注以內(nèi)存為中心、基于人工智能的數(shù)字算法，這將推動(dòng)新型無線技術(shù)中內(nèi)存和存儲(chǔ)的增長。

我們正開展業(yè)界協(xié)作，界定6G網(wǎng)絡(luò)的需求和功能，以確保內(nèi)存和存儲(chǔ)技術(shù)能夠滿足網(wǎng)絡(luò)、設(shè)備和用戶體驗(yàn)所需的吞吐量、容量和低延遲性能。但我們現(xiàn)在還是暫緩對(duì)6G的預(yù)測(cè)，重點(diǎn)關(guān)注5G！

隨著人工智能解決方案的發(fā)展，我們將從人類大腦這一神奇的計(jì)算設(shè)備中得到啟發(fā)。電路消耗的能量要比生物系統(tǒng)多五到六個(gè)數(shù)量級(jí)。人類大腦能在大約35瓦的功率下完成驚人的工作量！

目前的ADAS等大型復(fù)雜系統(tǒng)與大腦的系統(tǒng)相比，其能力完全不值一提。

大腦是一臺(tái)巨大的內(nèi)存設(shè)備，它能出色地完成計(jì)算工作，其中一個(gè)重要原因是因?yàn)榇竽X劃分了固定的功能區(qū)。大腦中處理視覺的區(qū)域，與處理聽覺或者其他認(rèn)知任務(wù)的區(qū)域大不相同。大腦是一個(gè)大型異構(gòu)系統(tǒng)，擁有不同的固定功能應(yīng)用程序，并通過高性能連接被集中在一起。

人工智能也需要同樣的理念——發(fā)展針對(duì)具體任務(wù)的子系統(tǒng)，來取代大規(guī)模的通用計(jì)算。這將改善至關(guān)重要的能耗問題，因?yàn)槿斯ぶ悄芤恢痹谡加梅浅｝嫶蟮哪芎摹＠?，OpenAI發(fā)現(xiàn)訓(xùn)練一個(gè)語言模型所產(chǎn)生的功耗幾乎相當(dāng)于三個(gè)家庭一年所使用的能源消耗！顯然，要想普及人工智能，必須極大地提高能效。