2020年人工智能发展趋势：GPU将继续主导AI加速

人工智能（AI）已成为技术行业每个领域不可或缺的一部分。它对应用程序、开发工具、计算平台、数据库管理系统、中间件、管理和监视工具（几乎所有IT领域）都有着巨大的影响。人工智能甚至被用来改善人工智能。

那么，AI的核心用途、技术、平台、工具和标准将会出现哪些变化？以下，是笔者整理总结的2020年人工智能领域可能会发生的一些变化。

GPU将继续主导AI加速
众所周知，AI硬件加速器已成为高科技领域的主要竞争战场。即使最具竞争力的AI硬件芯片技术（例如FPGA和神经网络处理单元）在边缘设备中抢占份额，GPU仍将在游戏中生存，这主要归功于它们在自动驾驶汽车等云到边缘应用环境中的关键作用和工业供应链。

Nvidia的市场领先的基于GPU的产品似乎准备在2020年及以后进一步增长和采用。但是，在未来十年中，各种非GPU技术（包括CPU，ASIC，FPGA和神经网络处理单元）将为各种边缘应用提高其性能，成本和功率效率优势。随着时间的流逝，Nvidia将吸引更多竞争。

AI基准测试—行业标准制订将成为竞争战场
随着AI市场的成熟，计算平台的性能、可用性、可扩展性和使用成本之间将面临着激烈的竞争，制订行业标准将变得越来越重要。在过去的一年中，MLPerf基准具备更大的竞争优势，因为从Nvidia到Google，用户都在夸耀它们在AI方面的卓越性能。到2020年，人工智能基准测试将成为该细分市场中至关重要市场战略，随着时间的推移，该细分市场只会变得越来越商业化。未来十年，只要AI仍然需要高性能，那么MLPerf基准测试结果就可以纳入解决方案提供商的定位策略。

AI建模框架将融合两匹马
AI建模框架是数据科学家在构建和训练的核心。在2020年，大部分数据科学家可能会在大多数项目中可能混合使用TensorFlow和PyTorch，这两个框架将是大多数商业数据科学家工作中使用的主要工具。

随着发展，这些框架之间的差异将逐渐缩小。同时，更多的AI工具供应商将提供与框架无关的建模平台。预计未来，建模框架将不再与您用来构建和训练机器学习模型的前端建模工具无关。无论您在哪里构建AI，端到端的数据科学通道都将自动格式化、编译、容器化以及以其他方式提供服务，以实现从云到边缘的任何位置的最佳执行。

基于SaaS的AI将减少企业对数据科学家的依赖
在过去的一年中，AWS、Microsoft、Google、IBM等公司将机器学习即服务产品逐渐成熟。随着这一趋势的加剧，更多的业务用户将依赖诸如此类的云提供商来提供更多的AI需求，而无需维护内部数据科学团队。

预计到2020年底，SaaS提供商将成为自然语言处理的主要提供商，预测分析和其他AI应用程序，以及平台服务和devops工具。那些拥有内部AI计划的企业将在更大程度上自动化数据科学家的工作，从而减少雇用新的机器学习建模者、数据工程师和附属职位的需要。在过去的十年中，大多数数据科学家将主要在SaaS和其他云提供商那里找到有酬的工作。

企业AI将持续朝着真实世界实验转变
每个数字业务转型计划都依赖于利用最适合的机器学习模型。这需要进行真实世界的实验，其中基于AI的流程会测试替代的机器学习模型，并自动推广可达到预期结果的模型。到2020年底，大多数企业将在每个面向客户和后端业务流程中实施实际实验。

随着业务用户涌向云提供商以使用AI工具，诸如AWS最近推出的功能模型迭代工作室，多模型实验跟踪工具和模型监视排行榜将成为每个基于24x7 AI的商业应用环境的标准配置。在过去的十年中，基于AI的自动化和devops功能将催生出通用的基于AI的业务流程优化的最佳实践。

AI将使AI开发人员的核心建模功能自动化
神经网络是现代AI的心脏。2020年，一种称为神经体系结构搜索的AI驱动方法将进入企业数据科学家的工作平台，以实现针对其预期目的构建和优化神经网络的自动化操作。随着神经体系结构搜索的采用和改进，它将通过指导他们有关是否在既定的机器学习算法（例如线性回归和随机森林算法）上或在任何更新的，更高级的 算法上构建模型的决策来提高数据科学家的生产力。神经网络算法。

随后十年，这种方法和相关方法将通过端到端的管道自动化实现持续的AI开发。

人工智能驱动的对话用户界面将消除大多数应用程序中的动手操作
基于AI的自然语言理解已变得惊人地准确。人们正在快速使用手机和其他设备进行免提操作。随着会话用户界面的采用，用户将通过语音输入生成更多文本。到2020年底，将通过各种设备中嵌入的AI驱动语音助手来呈现更多的用户文本，推文和其他口头输入 。在过去的十年中，语音助手和对话式UI将成为全球经济各部分产品的标准功能，键盘，小键盘，甚至屏幕上的触摸式界面的使用都将减少。

最后，我们可以放心地假设，在未来几年中，要求对所有产品（尤其是那些使用个人身份信息的产品）中基于AI的功能进行监管的要求将会增加。除了越来越强调AI开发透明性之外，现在还无法断言这些未来的授权将对基础平台，工具和技术的发展产生何种影响。