據IHS Markit估計，到2025年，涵蓋硬件和軟件的AI系統的全球收入將達到近1萬億美元，復合年增長率達28%。

具體來看，人工智能在汽車、制造、醫療和國防行業的應用將最為廣泛;數據中心和云計算基礎設施將成為人工智能訓練的主要領域。

人工智能系統的全球營收

『美國與中國的“較量”』

根據IHS Markit的定義，人工智能是指一個研究如何使機器能夠獨立解決問題，從而實現學習并且基于輸入不斷做出邏輯決策的科學體系。機器通過自己的方式累積知識，其快速反應能力非常類似于人腦在現實情況中所做的復雜計算。

機器學習作為人工智能的一部分，使機器能夠通過輸入給它們的數據自動查找和學習模式。機器學習技術包括神經網絡和深度學習，它們都是試圖模擬人腦的結構和工作方式(包括訓練和推理等過程階段)的計算模型。

目前，人工智能領域最具競爭力的兩個國家當屬中國和美國。

不過中國較之美國還是略落后一點。由于人工智能的關鍵驅動力“芯片”技術，中國與美國差距較大，因此在半導體需求上非常依賴西方。

然而，中國的優勢在于，政府的大力支持以及資金投入。相比之下，另一個重要的人工智能市場——歐洲，其相關發展計劃要遠遠落后于美國和中國。

『水平行業領域的AI』

在半導體、人機界面、數據中心和自動機器四個水平行業領域，人工智能的影響將最為明顯。

半導體

當今半導體市場的一個主要趨勢是異構計算。

所謂異構計算即，使用一種以上的處理器或核心或不同的協處理器。異構計算不僅部署在高性能計算中，同時還部署在可以利用基本機器學習算法的嵌入式應用程序中。它也是一種支持跨應用程序和行業領域的人工智能和機器學習的解決方案。

因此，新的芯片解決方案正在出現，其中包含不同的核心和加速器，其組件具有優化的機器學習功能，以實現高效、低能耗和降低構建成本的目的。人工智能芯片體系結構的變化意味著，一個統一的“一刀切”的方法將不再適合目前正在開發的人工智能解決方案。取而代之的是一系列不同的人工智能芯片解決方案，以滿足不同應用的需要。

為此，人工智能市場中有一些面向專用和優化的設備開放的部分，例如專用集成電路(ASIC)和沒有集成到異構集成電路中的協處理器。然而，這些專用集成電路和協處理器位于同一塊印刷電路板上的系統芯片(SoC)附近，執行專門為AI功能保留的類似功能。

ASIC市場的蓬勃發展得益于如雨后春筍般涌現的初創公司。區別于當今用于中央處理器(CPU)、圖形處理單元(GPU)、現場可編程門陣列(FPGA)和數字信號處理器(DSP)中的傳統芯片架構，這些初創公司提供在處理能力和存儲器接口方面的全新體系結構。

由于創新步伐的加快，現如今針對特定算法優化的硬件體系結構可能很快就會過時，從而危及投資。因此，硬件(即使是芯片級的)必須是靈活且可以“即時”編程的。同時，軟件將在AI系統中驅動硬件。

另外可編程性需要解決的一個關鍵問題是，有效使用工作內存。由于先進的人工智能技術，尤其是涉及深度學習的算法，需要大量的易失性內存才能正常運行。為此，芯片行業正在尋找各種創新方法，包括新的處理器架構，以減輕數據移動的負擔，支持高處理并行和每個處理核心專用的內存單元。

內存創新的嘗試說明了人工智能將如何成為新服務和商業模式的推動者和創造者，變革當前的生態系統和供應鏈。

但IHS Markit認為，在充分利用人工智能的潛力之前，必須先對供應鏈進行一段時間的清算和整合——簡化價值鏈。只有在人工智能中進行篩選和穩固之后，這項技術才能被最大限度地用于改善生活和工業。此外，針對人工智能的集成電路市場也將出現整合，這意味著，在未來10年里，只有少數幾個國家能夠生存下來。

數據中心

數據中心是當今工業革命和數字轉型的關鍵部分。在數據中心內，考慮到實時交付和低延遲等基本性能參數在應用程序中的重要性，新的高性能服務器在開發時考慮了AI和機器學習算法。

IHS Markit的研究顯示，到2022年，帶有專門的人工智能和機器學習聯合處理器的服務器將占全球服務器出貨量的10%以上。企業還將加大對包含協同處理器的服務器的投資，將優先選擇包含通用圖形處理單元和現場可編程門陣列的服務器。

總體而言，無論是在基于云的數據中心還是在邊緣服務器中，未來設備的處理能力和數據分析能力都將有望大幅增長。目前，在不同的行業和領域中，計算越來越多的向邊緣網絡遷移。對低延遲性能的需求將推動往返時間(RTT)低于標準20毫秒(ms)的本地化服務器的增長。

人機界面

人機界面(HMI)是一種基本但功能非常強大的應用程序，可以部署在多個應用程序中，并跨多個行業和領域，從消費和移動電子產品到汽車，從智能家居、智能設備到工業空間。

盡管Siri、Alexa和谷歌Assistant都是為消費電子應用開發的產品，但負責這些助手的公司——蘋果、亞馬遜和谷歌——也在嘗試將其使用和界面擴展到包括汽車工業在內的其他領域。

然而，盡管這三個產品在歐洲和美國具有很強的影響力，但在發展迅猛的中國市場上，它們的占比較為有限。相比之下，百度，阿里巴巴，騰訊，華為和小米等中國本土技術公司的數字助理比西方同行更具優勢。

在汽車領域，安全至關重要。如自動駕駛汽車所預期的那樣，如果機器要接管人類的角色，原始設備制造商將承擔更大的責任。不過即便如此，具有基于AI算法和用于語音和手勢識別的車載HMI還是在汽車制造商和車主中大受歡迎。

自動機器和機器人

機器學習技術，連同先進的機電和感覺科學，使不同的自主實體能夠迅速發展和部署，以完成具有不同復雜程度的多種任務。

基于IHS Markit進行的分類，自動機器涵蓋了多個行業領域的各種設備。包括輕型車輛、公共汽車和卡車;農業作物機械;工業和醫療領域的機器人;玩具、無人機和服務機器人;海洋和軍事工業;以及采礦業和建筑業。

在自動駕駛領域，汽車行業是AI的主要技術驅動力，并且要求最為復雜。然而，在消費市場，自動機器的貨量將繼續保持領先地位，到2025年，全球總出貨量預計將達到1330萬臺，高于2018年的450萬臺。

『垂直領域的AI』

目前，所有行業都在“擁抱”AI承諾的附加功能——更高的效率以及更好的性能。

在汽車領域，從半導體供應商到原始設備制造商，整個汽車供應鏈都在認真地投資“人工智能”。其中先進的技術為實現自動駕駛汽車鋪平了道路。機器學習已經可以用于各種信息娛樂的人機界面，包括語音識別技術。在高級駕駛員輔助系統中，深度學習適用于基于攝像頭的機器視覺系統，基于雷達的檢測單元，駕駛員困倦和傳感器融合電子控制單元(ECU)等領域。

然而，除了信息娛樂之外，當涉及到安全問題時，汽車AI將會涉及延遲、性能、功耗、數據獲取、處理以及存儲等額外要求。

在銀行業，2018年人工智能的商業價值約為411億美元，其中包括區塊鏈等新引入技術帶來的效率提高和成本節約。隨著AI成為主流，其在銀行業的商業價值將激增至1,650億美元。

具體來看，實時交付和低延遲將成為銀行市場交易，欺詐檢測，身份驗證和安全保證的關鍵性能參數。在這些領域，高性能邊緣計算是大勢所趨，其特點是內部數據中心的使用日漸增加，而周轉時間僅為幾毫秒。

在工業自動化和制造業中，人工智能將啟用新的用例，例如“生成式設計”或根據一組系統要求自主創建最佳設計。通過生成式設計，用戶將能夠交互地指定其設計的功能需求和目標，包括首選材料，工程約束條件和制造流程，并由此產生可用于制造的設計。

生成式設計將使設計更加親民，因為用戶只需要了解所設計零件的用途和目的，而不需要具有工程背景，或對結構，力學和材料擁有廣泛的了解。生成式設計還將優化多個目標的同時設計，并且提供幾種新穎的設計替代方案，使公司能夠大大縮短產品工程周期。

在醫療保健領域，大數據分析和人工智能將扮演越來越重要的角色。通過工具接收醫療保健系統產生的大量結構化和非結構化數據，分析水平將不斷優化，診斷的速度和準確性將得到提高同時能夠擴大診斷能力。

并且，新的業務模型將會出現，例如軟件即服務(SaaS)，其特點是基于站點估計案例數的年度訂閱模型。此外，人工智能技術的使用還將影響醫療保健的其他要素，例如定價，數據集驗證，設備使用和更換，診斷成像，虛擬健康助手以及投資回報率。

IHS Markit的數據顯示，到2022年，機器學習和人工智能將實現加拿大、中國、法國、德國、日本、英國和美國等國的100萬民患者的遠程監控，相較于2017年的3.1萬，將有大幅提升。

在視頻監控領域，人工智能也將掀起一場行業革命。視頻監控領域受到多種因素的影響，包括視頻監控產品和市場參與者之間的激烈競爭、中國的視頻監控的廣泛使用、安全城市的崛起，以及從標準定義到高清視頻的持續轉變。

雖然云端及其龐大的虛擬化處理能力正被用于運行視頻分析。但有些分析——例如人群監控、計數和對象檢測——將在攝像機上運行，以節省帶寬并減輕后端計算能力。這意味著可以使用更強大的集中式分析來運行處理器密集型的應用程序，比如人類或車輛的特征提取，以及對象搜索。中國對這一領域興趣盎然，因為中國市場的人工智能部署最為豐富，項目規模龐大，可以從分布式計算和分析中獲益最多。

視頻監控的主要區別在于視頻管理軟件(VMS)，視頻內容分析(VCA)，物理安全信息管理(PSIM)和中央監控站(CMS)使用的軟件。

在智能手機領域，人工智能已經占據了通訊收入的一大塊。據IHS Markit預計，到2025年，每三款智能手機中就有兩款預裝了人工智能硬件和功能。到2025年，搭載AI的智能手機的全球收入將達到3780億美元，高于2017年的290億美元，復合年增長率達39%。

領先的智能手機制造商競相推出專用的支持AI的解決方案，其中包括華為，蘋果和三星。