Dunkle Pferde am Abgrund: KI-Konzentrationslager führen in die Zukunft

In der neuen Technologiewelle wird Edge Intelligence immer wichtiger

Es stellt ein neues Computerparadigma dar, das künstliche Intelligenz oder groß angelegte Modelle auf Edge-Geräte und Sensoren in der Nähe der Datenquelle anwendet, anstatt sich auf traditionelles Cloud Computing zu verlassen.

Derzeit werden Edge-Chips für künstliche Intelligenz (KI) hauptsächlich in Geräten der Unterhaltungselektronik eingesetzt. Unter ihnen dominieren Hochleistungsmobiltelefone den Markt für Edge-KI-Chips für Endverbraucher. Edge AI ist in den Hauptprozessor (AP) von Mobiltelefonen eingebettet, aber nur wenige große Unternehmen (wie Mobiltelefonhersteller wie Apple, Samsung und Huawei sowie Mobiltelefon-AP-Anbieter wie Qualcomm, MediaTek und Unisoc) Die Fähigkeit, KI-Funktionen in APs zu integrieren, ist für die meisten Edge-KI-Chip-Startups unerreichbar

Allerdings werden immer mehr Edge-KI-Chips in Nicht-Consumer-Geräten und -Anlässen eingesetzt, wie z. B. intelligente Sicherheit, ADAS/autonomes Fahren, Smart Homes, tragbare Smart-Geräte sowie KI-Anwendungen in öffentlichen, kommerziellen und industriellen Szenarien. Wie intelligente Transportmittel, intelligente Städte, industrielle Bildverarbeitung, Roboter und AGV usw. Diese aufkommenden AIoT- und industriellen IoT-Anwendungsszenarien haben vielen führenden KI-Chipdesign-Unternehmen mehr Möglichkeiten eröffnet, und auch Risikokapitalinvestoren haben die enormen Geschäftsmöglichkeiten erkannt, die sich daraus ergeben. Unabhängig davon, ob es sich um den globalen oder den inländischen Markt handelt, haben immer mehr KI-Chip-Startups erfolgreich eine Finanzierung erhalten

Allerdings gibt es nicht viele Chipunternehmen für künstliche Intelligenz, die in den letzten Jahren ein enormes Wachstum erzielt und erfolgreich an die Börse gegangen sind, geschweige denn in reifen Märkten wie den Vereinigten Staaten in der Chipindustrie Anerkennung gefunden haben. Als seltene und typische Ausnahme kann die Congchain Group (ICG) gelten, die in diesem Jahr erfolgreich am Nasdaq-Markt in den USA gelandet ist. Es ist erfreulich, dass ICG begonnen hat, den Bereich der Chips für künstliche Intelligenz ins Visier zu nehmen, der ein Bereich mit großen Chancen ist und sich noch in einem frühen Entwicklungsstadium befindet. Gleichzeitig ist sich ICG auch der Möglichkeiten im Bereich der künstlichen Edge-Intelligenz bewusst, die sowohl realisierbar sind als auch langfristige kommerzielle Anwendungsszenarien haben

Daten von STL Partners zufolge wird der adressierbare Markt für Edge Computing im nächsten Jahrzehnt mit einer durchschnittlichen jährlichen Wachstumsrate von 48 % wachsen, von 9 Milliarden US-Dollar im Jahr 2020 auf 445 Milliarden US-Dollar im Jahr 2030. Unter ihnen wächst die Edge-Infrastruktur am schnellsten. Wie wir alle wissen, bilden Edge-KI-Chips den Kern dieses Bereichs und haben eine wichtige strategische Bedeutung

Laut Daten des Yiou Think Tank hat Chinas Edge-Computing-Markt im Jahr 2021 eine Größe von 42,79 Milliarden Yuan erreicht. Unter ihnen beträgt die Marktgröße für Edge-Hardware 28,17 Milliarden Yuan, während die Marktgröße für Edge-Software und -Dienste 14,62 Milliarden Yuan beträgt. Es wird erwartet, dass der Umfang der chinesischen Edge-Computing-Industrie von 2021 bis 2025 mit einer durchschnittlichen jährlichen Wachstumsrate von 46,81 % wachsen wird. Bis 2025 wird die Gesamtgröße des Edge-Computing-Marktes voraussichtlich 198,768 Milliarden Yuan erreichen. Darüber hinaus müssen aufgrund der großen Durchbrüche bei künstlicher Intelligenz und Großmodellen in diesem Jahr fast alle bisherigen Prognosen neu geschätzt werden. Mit anderen Worten: Unter konservativen Annahmen wird erwartet, dass sich der Umfang der gesamten Edge-Computing-Industrie Chinas mindestens nahezu verdoppelt und bald den prognostizierten Bereich von 300 bis 400 Milliarden Yuan erreichen wird. Dies hängt hauptsächlich vom explosionsartigen Wachstum von Anwendungen der künstlichen Intelligenz im Jahr 2024 ab

Nach dem berühmten „Andy-Beer-Theorem“ besteht eine spiralförmige Entwicklungs- und Evolutionsbeziehung zwischen intelligenter Terminal-Hardware und -Software. Im Allgemeinen sollten Software-Updates und -Upgrades zu den Hardware-Ressourcen passen. Allerdings hat die rasante Entwicklung der generativen künstlichen Intelligenz in den letzten Jahren zu erheblichen Veränderungen und Verbesserungen bei Anwendungen der künstlichen Intelligenz auf Software- und Systemebene geführt. Dies führt auch zu einem dringenden Bedarf an „exponentiellen“ Verbesserungen der Gesamtleistung der Infrastruktur und der Endgeräte-Hardware. Da das Internet und das Internet der Dinge miteinander verbunden sind, werden sich auch andere Knoten entsprechend ändern, sobald wichtige Knoten große Änderungen erfahren. Diese Wahrheit ist sowohl einfach als auch tiefgreifend

Aus Sicht der Industriekette besteht der Kern der Edge-KI in der Einführung von Edge-KI-Funktionen, um die Edge-Rechenleistung und Verbindungsfunktionen weiter zu verbessern. Der Schwerpunkt umfasst KI-Chips, Rechenleistungsmodule, Edge-Gateways/Server/Controller und andere Hardware, KI-Algorithmen/Edge-Computing-Plattformen und andere Softwareverbindungen.

Im Kernbranchensegment der KI beziehen sich KI-Chips auf Module, die zur Verarbeitung einer großen Anzahl von Rechenaufgaben verwendet werden. Diese Aufgaben werden in Anwendungen der künstlichen Intelligenz ausgeführt, während nicht-rechnerische Aufgaben normalerweise von der CPU verarbeitet werden. Aus Sicht der technischen Architektur werden KI-Chips hauptsächlich in drei Kategorien unterteilt: GPU, FPGA und ASIC. Unter diesen ist die GPU ein relativ ausgereifter Allzweck-Chip für künstliche Intelligenz, während FPGA und ASIC halb- und vollständig angepasste Chips sind, die auf die Merkmale der Anforderungen der künstlichen Intelligenz zugeschnitten sind. Im Allgemeinen erfordern typische KI-Berechnungen CPU- oder ARM-Kerne für die Planung der Verarbeitung, während eine große Anzahl paralleler Berechnungen von GPUs, FPGAs oder ASICs durchgeführt werden. Für komplexe Rechenszenarien muss die erforderliche Rechenleistung hoch, der Stromverbrauch niedrig und die Kosteneffizienz bei Großanwendungen berücksichtigt werden. Derzeit ist die Wahl der ASIC-Chiparchitektur die am besten geeignete Wahl. Daher könnten ASIC-Chips im Kontext der großen Modellära die Technologie sein, die im Bereich der KI-Chips am meisten profitiert

Große Cloud-Unternehmen auf der ganzen Welt, wie Google, AWS, Meta und Microsoft, engagieren sich für die unabhängige Forschung und Entwicklung von Chips und übernehmen den Weg des ASIC-Chipdesigns. Gleichzeitig optimieren auch Unternehmen wie Qualcomm, Nvidia, ARM, AMD, Intel, MediaTek und Huawei ständig die Funktionen von Edge-Chips für künstliche Intelligenz. Darüber hinaus haben auch namhafte ausländische Hersteller wie NXP Semiconductors, Silicon Labs und ST damit begonnen, MCUs oder SoCs um modernste Funktionen der künstlichen Intelligenz zu erweitern

In China, darunter Huawei HiSilicon, Baidu, Hanshiji, Jingjiawei, Horizon, Muxi Technology, Suiyuan Technology, Biren Technology, Alibaba Pingtouge, Rockchip, Amlogic, Beijing Junzheng, Yuntian. Viele chinesische Unternehmen wie Lifei, Hengxuan Technology, Jiutian Ruixin, Hangzhou Guoxin, Espressif Technology und ICG (Conong Chain Group) entwickeln alle Bereiche im Zusammenhang mit KI-Chips

Aus Investitionssicht, egal ob man sich für traditionelle, bekannte Großhersteller oder Start-up- oder Wachstumsunternehmen entscheidet, glaube ich, dass ein grundlegendes Merkmal der Zukunftsbranche darin besteht, dass überall hundert Blumen blühen. Unabhängig von der Perspektive der Landungsszenarien oder der Terminalausrüstung wird es einen Trend zur Diversifizierung, Fragmentierung und zunehmenden Vertikalisierung geben. Daher wird der Trend zur Chip-Personalisierung immer offensichtlicher

Aus dieser Perspektive können die potenziellen Veränderungen bei kleinen und mittleren Unternehmen, die flexibel und elastisch sind und sich auf bestimmte Segmente konzentrieren, oder bei Unternehmen, die weiterhin branchen- und kategorienübergreifend expandieren und über bestimmte Fachkompetenzvorteile verfügen, größer sein höhere Bewertungserwartungen, wenn der neue Konjunkturzyklus kommt

Welches Anwendungsszenario sich in Zukunft als erstes abzeichnen wird, lässt sich im Voraus nur schwer vorhersagen. Der Schlüssel liegt darin, diejenigen Branchenakteure zu identifizieren, die bereits an der Startlinie an Stärke gewonnen haben. Ihr frühzeitiger Einsatz und ihr Layout müssen von besonderer Bedeutung sein

Kurz gesagt bedeutet dieser Satz, dass alles in der Zukunft unbekannt ist und wir alle möglicherweise zu dunklen Pferden werden. Durch Verfolgen und Vorhersagen können wir Hinweise auf das dunkle Pferd finden, aber wir können nicht ganz sicher sein

Das obige ist der detaillierte Inhalt vonDunkle Pferde am Abgrund: KI-Konzentrationslager führen in die Zukunft. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!