人工智能（AI）的应用正在各个行业中快速增长。如今，AI正致力于释放敏捷性、创新和战略优势。AI将成为企业在当今快速发展的数字时代中取得成功的助推器。根据Statista市场洞察，中国的AI产业将在未来十年内显著增长，市场规模将达到1548亿美元，到2030年市场年均增长率为28.61%。

AI使企业能够在快速变化的市场中简化运营并创造新机会。以下是正在革新中国企业使用人工智能的三大新兴趋势。

混合云和多云环境将支持生成式AI

云计算正在对中国企业的运营方式产生重大影响。2024年，中国公有云行业的收入预计将达到690.1亿美元。2023年最后一个季度，阿里云排名世界第四大云计算服务提供商，占全球市场的4%。

主要云计算公司构成了云计算收入和运营的大部分。根据市场分析公司Canalys的数据，阿里巴巴、华为和腾讯这三家中国最大的公司占据了73%的市场份额。云计算需求的增长还受到最近全球人工智能（AI）和机器学习（ML）趋势的推动。

鉴于AI和ML应用的高计算需求，组织正在转向混合云部署，以在性能、安全性和实用性之间取得最佳平衡。混合云提供了更高的敏捷性，同时还提高了性能和可靠性。“在执行AI策略时，企业需要考虑其当前的计算能力，数据所在的位置——云端、本地、边缘——如何访问数据，必要的安全控制，以及如何有效利用现有的技术投资，”IBM总经理Rohit Badlaney和IBM高级合伙人Sanjiy Roy写道。

混合云在平衡性能和隐私方面的作用

AI开发，尤其是生成式AI，需要执行计算密集型任务并处理敏感数据。混合云环境允许组织将敏感数据安全地保存在其场所，同时利用公共云的巨大计算资源进行AI训练和数据处理等任务。

实现混合云基础设施的一个挑战是AI优化的云服务的成本和可访问性，特别是对于科技初创公司。这可以通过利用众包计算基础设施网络来解决，这些网络利用全球、地区或本地的智能手机、笔记本电脑和台式电脑的备用处理能力。

一个去中心化网络的例子是Koii。它由超过80,500个节点组成，计算参与者遍布全球，包括中国。该网络可以从每个节点众包计算能力，从而使组织和开发者能够访问一个可扩展且易于使用的处理基础设施，用于AI任务，而无需被长期的云服务合同所束缚，或等待AI优化服务的可用性。这种解决方案使得Web3初创公司Adot能够增强其AI驱动的搜索索引能力，这得益于Koii的每个节点提供的增强数据。

模块化开发方法提高上市时间

从金融到医疗保健再到制造业，AI正在增强各行业的决策过程。例如，富士康等智能工厂，作为苹果的主要供应商，利用AI驱动的机器人进行精密装配和制造。这提高了生产效率并减少了过程中的缺陷。

大多数中国公司都认同AI的好处。根据德勤的一项研究，93%的中国公司认为AI将是推动其所在行业增长和创新的“关键技术”，制造业到2025年将增长到20亿美元，2019年的年复合增长率（CAGR）为40%。

虽然AI的潜力巨大，但企业面临的一个挑战是技能和资源差距，这可能阻碍AI解决方案的有效开发。为了解决这个问题，像Koii这样的公司推出了自己的去中心化开发平台。例如，Koii的开发平台EZSandbox引导开发者在全球节点网络上构建、测试和部署自己的社区托管的AI应用程序，从而确保更快的上市时间。

EZSandbox还允许开发者在本地节点上初步部署应用程序，以便更快速地进行迭代，然后再将应用程序部署到Docker进行进一步测试。当应用程序准备好进行更广泛的部署时，可以将其发布到社区云上。这样的模块化开发方法将复杂的AI任务分解为更小且更易管理的项目，减少了所需的计算资源，从而使初创公司和小型企业更具成本效益地利用AI并启动微服务。

这种去中心化AI开发方法的另一个好处是能够利用网络生成的宝贵数据。开发者可以利用AI在网络上执行的微服务生成的宝贵数据。此数据可以用于改进现有的AI模型、渲染AI任务，甚至在市场中进行货币化。这可能比利用大规模数据训练模型更具成本效益，因为开发者可以专注于从非常具体和模块化的用例中改进他们的模型，而不是依赖更大的数据集。

边缘AI将智能带到前线

尽管云计算在AI开发和应用程序部署中做出了重大贡献，但并非所有应用程序都理想地利用网络连接进行数据处理和决策，尤其是那些依赖物联网（IoT）的设备。边缘AI解决了这一问题，将AI处理带到数据源附近，减少了对持续云连接的依赖。

一种方法是将AI功能芯片直接集成到蜂窝物联网设备中，形成能够进行本地化决策的智能和自主物联网系统。这将在智能城市和制造设施等用例中产生重大影响。优势包括实时数据处理、减少延迟以及由于其较小的外形尺寸而显著提高的效率。

这还需要不仅关注强大的AI GPU和去中心化节点，还需要关注专用的系统级芯片设计。“向边缘AI的转变将要求CPU供应商不仅开发高性能的多核CPU，还要在其SoC设计中集成专用的NPU，”物联网分析公司首席分析师Satyajit Sinha说。

一个显著的例子是中国公司Fibocom，它在其机器人割草机上使用了基于高通的智能模块进行设备内计算。它可以绘制环境地图、避开障碍物，并进行高效的边界识别。由于处理是在边缘AI上完成的，因此无需依赖云，这展示了AI功能芯片在物联网中的价值。

边缘AI技术，通常称为“微型AI/ML”，在各个行业，包括消费应用中取得了显著进展。该技术支持面部识别和设备访问等功能，直接在设备上进行处理，而无需云连接。例如，英国公司MyVoice AI将语音识别与密码验证结合，通过低功耗边缘AI解决方案实现。类似地，SensiML使用边缘AI识别小物体如螺钉，这在建筑和维护中特别有用，能够在不依赖云数据处理的情况下进行操作。

AI的未来是一段变革性的旅程

随着各行业、企业和初创公司继续投资于AI开发，我们可以期待一个AI驱动的解决方案整合到生活各个方面的未来，推动经济增长，改善智能产品中的生活质量功能，并带来更多经济价值。

混合和多云环境、模块化AI开发和边缘AI等趋势将大大促进这些目标的实现。

免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。

责任编辑：kj005