Arm 憑借在技術(shù)生態(tài)系統(tǒng)中所處的獨特地位，對全球半導(dǎo)體供應(yīng)鏈有著全盤了解，并在數(shù)據(jù)中心、物聯(lián)網(wǎng)、汽車、智能終端等各類市場深入布局?；诖耍珹rm 對未來技術(shù)的發(fā)展方向及可能出現(xiàn)的趨勢有著廣泛而深刻的洞察。我們將分三期內(nèi)容為你詳細列舉從人工智能(AI)到芯片設(shè)計，再到不同技術(shù)市場的主要趨勢，帶你深入了解 2025 年的產(chǎn)業(yè)發(fā)展方向！

2025 及未來行業(yè)技術(shù)趨勢預(yù)測

人工智能

芯片設(shè)計

技術(shù)市場

本期我們將聚焦 AI 領(lǐng)域的 11 個未來趨勢，其中包含大規(guī)模投資高性能和高能效的 AI 技術(shù)；AI 推理持續(xù)發(fā)展；AI 時代中的異構(gòu)計算優(yōu)勢；邊緣側(cè) AI 嶄露頭角；小語言模型加速演進；多模態(tài) AI 模型涌現(xiàn)；智能體應(yīng)用不斷拓展；更強大、更直觀、更智能的應(yīng)用；醫(yī)療服務(wù)將成為關(guān)鍵 AI 用例；推動實現(xiàn)“綠色 AI”，以及可再生能源與 AI 融合發(fā)展，帶你深入洞察 AI 的發(fā)展方向，把握行業(yè)前沿脈動！

大規(guī)模投資高性能和高能效的 AI 技術(shù)

在 AI 時代如何有效管理日益增長的電力和計算需求，已成為政府、行業(yè)及整個社會優(yōu)先關(guān)注的重要議題。在不影響性能的前提下，限制大型數(shù)據(jù)中心的能耗至關(guān)重要。全球數(shù)據(jù)中心每年消耗約 460 太瓦時 (TWh) 的電力，相當于德國全國的用電量，因此找到解決這一問題的方法勢在必行。

實現(xiàn)高性能和高能效的 AI 需要整個系統(tǒng)層面的協(xié)同設(shè)計以及對軟硬件的投資。從硬件方面來看，底層處理器技術(shù)和 CPU 架構(gòu)的進一步發(fā)展將確保 AI 得到盡可能高效的處理。專用硬件將利用這些技術(shù)進步來有效應(yīng)對數(shù)據(jù)中心支持密集型 AI 工作負載的各個維度，包括網(wǎng)絡(luò)、存儲、安全和數(shù)據(jù)管理。同時，創(chuàng)新的軟件將優(yōu)化 AI 工作負載，使其在更少的資源下正常運行，同時保持或提升性能表現(xiàn)。

AI 推理持續(xù)發(fā)展

在未來一年里，AI 推理工作負載將繼續(xù)增加，這將有助于確保 AI 的廣泛和持久普及。這一趨勢的發(fā)展得益于具備 AI 功能的設(shè)備和服務(wù)數(shù)量的增加。事實上，大部分日常 AI 推理，如文本生成和摘要，都能在智能手機和筆記本電腦上完成，為用戶提供了更快速、更安全的 AI 體驗。為了支持這一增長，此類設(shè)備需要搭載能夠?qū)崿F(xiàn)更快的處理速度、更低的延遲和高效電源管理的技術(shù)。而 Armv9 架構(gòu)的SVE2和SME2兩大關(guān)鍵特性，共同作用于 Arm CPU，使其能夠快速高效地執(zhí)行 AI 工作負載。

AI 時代中的異構(gòu)計算優(yōu)勢

顯然，沒有單一的硬件或計算組件可以解決所有工作負載的問題。尤其是當 AI 推理日益滲透到從智能恒溫器到數(shù)據(jù)中心等各種設(shè)備的計算領(lǐng)域，這點尤為突出。我們觀察到，AI 加速器在 2024 年顯著增長，包括來自領(lǐng)先的云服務(wù)提供商的加速器。然而，要有效利用這些加速器進行 AI 工作負載的處理，需要一個 CPU 平臺。Arm Neoverse 提供高度靈活的計算能力，使 Arm CPU 能夠與加速器無縫結(jié)合，實現(xiàn)新的工程創(chuàng)造力和開發(fā)。例如，NVIDIA Grace Blackwell 超級芯片將 NVIDIA 的 Blackwell GPU 架構(gòu)與基于 Arm Neoverse 的 Grace CPU 相結(jié)合。Arm CPU 作為全球應(yīng)用最為廣泛的計算平臺，我們預(yù)計在 2025 年將會看到更多此類異構(gòu)計算的協(xié)作。

邊緣側(cè) AI 嶄露頭角

2024 年，許多 AI 工作負載已經(jīng)轉(zhuǎn)向在邊緣側(cè)運行，而不是在大型數(shù)據(jù)中心進行處理。這種轉(zhuǎn)變不僅能為企業(yè)節(jié)省電力和成本，還能為消費者帶來隱私和安全方面的保障。

到了 2025 年，我們很可能會看到先進的混合 AI 架構(gòu)，這些架構(gòu)能夠?qū)?AI 任務(wù)在邊緣設(shè)備和云端之間進行有效分配。在這些系統(tǒng)中，邊緣設(shè)備上的 AI 算法會先識別出重要的事件，然后云端模型會介入，提供額外的信息支持。決定在本地還是云端執(zhí)行 AI 工作負載，將取決于可用能源、延遲需求、隱私顧慮以及計算復(fù)雜性等考慮因素。邊緣側(cè) AI 工作負載代表著 AI 去中心化的趨勢，使設(shè)備能在數(shù)據(jù)源附近實現(xiàn)更智能、更快速且更安全的處理，這對于需要更高性能和本地化決策的市場，如工業(yè)物聯(lián)網(wǎng)和智慧城市，尤為關(guān)鍵。

小語言模型加速演進

隨著技術(shù)的進步，規(guī)模更小、構(gòu)造更緊湊、壓縮率更高、量化程度更高、參數(shù)更少的模型正在快速演進。典型的例子包括 Llama、Gemma 和 Phi-3，這些模型不僅具備更高的成本效益和效率，也更容易在算力資源有限的設(shè)備上部署。Arm 預(yù)計，2025 年這類模型的數(shù)量將繼續(xù)增加。這類模型能夠直接在邊緣側(cè)設(shè)備上運行，不僅提升了性能，還增強了隱私保護。

Arm 預(yù)計，越來越多的小語言模型將用于端側(cè)的語言和設(shè)備交互任務(wù)，以及基于視覺的任務(wù)，如事件解讀和掃描。未來，小語言模型將從大模型中提煉出更多經(jīng)驗和知識，以便開發(fā)本地專家系統(tǒng)。

多模態(tài) AI 模型涌現(xiàn)

當前，GPT-4 這樣的大語言模型 (LLM) 是基于人類文本進行訓(xùn)練的。當這些模型被要求描述某個場景時，它們只會以文字形式回應(yīng)。但現(xiàn)在，包含文本、圖像、音頻、傳感器數(shù)據(jù)等多種信息的多模態(tài) AI 模型開始出現(xiàn)。這些多模態(tài)模型將通過能夠聽到聲音的音頻模型、能夠看到的視覺模型、以及能夠理解人與人之間、人與物體之間關(guān)系的交互模型，來執(zhí)行更復(fù)雜的 AI 任務(wù)。這將賦予 AI 感知世界的能力，就像人類一樣，能聽、能看、能體驗。

智能體應(yīng)用不斷拓展

如今，當用戶與 AI 交互時，通常是在與一個單一的 AI 進行交互，這個 AI 會盡力獨立完成用戶要求的任務(wù)。然后，通過智能體，在用戶指定需要完成的任務(wù)時，這個智能體會將任務(wù)委托給由眾多智能體或 AI 機器人組成的網(wǎng)絡(luò)，類似 AI 的零工經(jīng)濟。目前，客服支持和編程輔助等行業(yè)已開始使用智能體。隨著 AI 的互聯(lián)性和智能程度不斷提高，Arm 預(yù)計在未來一年，智能體將在更多行業(yè)取得顯著發(fā)展。這將為下一個階段的 AI 革新奠定基礎(chǔ)，使我們的生活和工作變得更加高效。

更強大、更直觀、更智能的應(yīng)用

在 AI 的推動下，設(shè)備上將涌現(xiàn)更加強大和個性化的應(yīng)用。例如更智能、更直觀的個人助理，甚至私人醫(yī)生。應(yīng)用的功能將從簡單地響應(yīng)用戶請求轉(zhuǎn)變?yōu)楦鶕?jù)用戶及其所處環(huán)境主動提供建議，實現(xiàn) AI 的超個性化。這將導(dǎo)致數(shù)據(jù)的使用、處理和存儲數(shù)量呈指數(shù)級增長，因此業(yè)界和政府需要采取更嚴格的安全措施并提供監(jiān)管指導(dǎo)。

醫(yī)療服務(wù)將成為關(guān)鍵 AI 用例

醫(yī)療服務(wù)似乎已成為 AI 的主要用例之一，而這一趨勢將在 2025 年加速發(fā)展。AI 在醫(yī)療領(lǐng)域的用例包括：預(yù)測性醫(yī)療、數(shù)字記錄存儲、數(shù)字病理學(xué)、疫苗開發(fā)和基因療法等，以幫助治療疾病。2024 年，DeepMind 的創(chuàng)始人因與科學(xué)家合作，利用 AI 預(yù)測復(fù)雜的蛋白質(zhì)結(jié)構(gòu)，且準確率高達 90%，被授予諾貝爾化學(xué)獎。同時，研究證明，使用 AI 可以將藥物研發(fā)周期縮短 50%。這些 AI 創(chuàng)新為社會帶來了顯著好處，加速了救命藥物的研發(fā)和生產(chǎn)。此外，通過將移動設(shè)備、傳感器和 AI 相結(jié)合，用戶將能夠獲得更優(yōu)質(zhì)的健康數(shù)據(jù)，從而對個人健康做出更明智的決策。

推動實現(xiàn)“綠色 AI”

AI 將加速融入可持續(xù)實踐。除了使用高能效技術(shù)，“綠色 AI”策略也將受到越來越多的關(guān)注。例如，為了應(yīng)對日益增長的能源需求，AI 模型訓(xùn)練可能會來越多地選擇在碳排放較低的地區(qū)和電網(wǎng)負荷較低的時間段進行，這可能會成為未來的標準操作。通過平衡電網(wǎng)上的能源負載，這種方法將幫助緩解峰值需求壓力，減少總體碳排放量。因此，Arm 預(yù)計會有更多云服務(wù)提供商推出針對能效優(yōu)化的模型訓(xùn)練調(diào)度服務(wù)。其他方法還包括：優(yōu)化現(xiàn)有 AI 模型以提高能效，重復(fù)使用或重新定位預(yù)訓(xùn)練的 AI 模型，以及采用“綠色編碼”以盡可能減少能源消耗。在“綠色 AI”浪潮中，我們可能還會看到自發(fā)性標準的引入，隨后逐步形成正式標準，以促進 AI 的可持續(xù)發(fā)展。

可再生能源與 AI 融合發(fā)展

可再生能源與 AI 的結(jié)合有望推動整個能源行業(yè)的創(chuàng)新。目前，可再生能源在可靠性和靈活性方面存在不足，難以平衡峰值負載，這限制了電網(wǎng)脫碳進程。Arm 預(yù)計，AI 將能夠更準確地預(yù)測能源需求，實時優(yōu)化電網(wǎng)運行，并提高可再生能源的效率，從而幫助解決這些問題。電能儲存解決方案也將受益于 AI，AI 能夠優(yōu)化電池性能和壽命，這對于平衡可再生能源的間歇性特性至關(guān)重要。

引入 AI 不僅有助于解決預(yù)測和平衡峰值需求的難題，還能預(yù)見性地識別維護需求，從而減少能源供應(yīng)中斷。智能電網(wǎng)則可利用 AI 進行實時電能流動的實時管理，有效降低能源損耗。AI 與可再生能源的深度融合，預(yù)計將極大地提高能源系統(tǒng)的效率和可持續(xù)性。

在下一篇文章中，我們將聚焦芯片設(shè)計，深入探討該領(lǐng)域的技術(shù)發(fā)展趨勢。持續(xù)關(guān)注 Arm 社區(qū)，了解更多前沿技術(shù)發(fā)展動向！