【新米行业研究报告-数策全行业调研报告】

下文为报告部分内容，完整报告关注并私信添加客服下载

趋势一：多模态预训练大模型

基于多模态的预训练大模型将实现图文音统一知识表示，成为人工智能基础设施。

基于深度学习的多模态预训练是认知智能快速发展的重要推动力。构建多场景、多任务的预训练大模型将加速模型标准化进程，为人工智能模型成为基础设施创造条件。

深度学习模型的不断完善、互联网海量真实数据的积累和生成式预训练的广泛应用，使得人工智能模型在自然语言理解、语音处理、计算机视觉等领域地交叉应用取得显著进展。

2022 年，技术上的突出进展来自于 BEi-3 多模态基础模型，该模型在视觉-语言任务处理上具备出色表现，包括视觉向答、图片描述生成和跨模态检索等。

BEiT-3 通过统一的模型框架和骨干网络( backbone)建模，能够更加轻松地完成多模态编码和处理不同的下游任务。

另一方面，CLIP ( Contrastiveanguage-lmage Pre training ) 应用也促进了多模态模型的技术发展。

CILIP 作为基于对比学习的预训练模型，负责从文本特征映射到图像特征能够指导 GAN 或扩散模型( DiffsionModel)生成图像。

在文生图领域，Stable Diffision 也使用了 CLIP，它能够通过文本提示调整模型，并借助打散模型改善图像质量。

与此同时，开源极大的促进了多模态的融合和预训练模型的发展。通过开源来降低模型使用门槛.将大模型从一种新兴的AI技术转变为稳健的基础设施，已成为许多大模型开发者的共识。

趋势二：Chiplet

Chiplet 的互联标准将逐渐统一，重构芯片研发流程。

1965 年摩尔定律首次被提出以自来，集成电路产业一直遵循着摩尔定律向前发展。

直到近几年，随着品体管尺寸逼近材料的物理极限，工艺节点进步的花费已难以承受，芯片性能的提升也不再显著，摩尔定律接近极致。

在此背景下，Chiplet( 芯粒)技术逐渐露头角有望成为产业界解决高性能、低成本芯片需求的重要技术路线。

Chiplet 创新了芯片封装理念。它把原本一体的 SoC(System on Chip，系统级芯片)分解为多个芯粒，分开制备出这些芯粒后，再将它们互联封装在一起，形成完整的复杂功能芯片。

这其中，芯粒可以采用不同的工艺进行分离制造。例如对于 CPU、GPU 等工艺提升敏感的模块，采用品贵的先进制程生产，而对于工艺提升不敏感的模块，采用成熟制程制造。

同时，芯粒相比于 SoC 面积更小，可以大幅提高芯片的良率、提升晶圆面积利用率进一步降 *** 造成本。

此外，模块化的芯粒可以减少重复设计和验证环节，降低芯片的设计复杂度和研发成本，加快产品的迭代速度。Chiplet 被验证可以有效降 *** 造成本，已成为头部广商和投资界关注的热点。

趋势三：存算一体

资本和产业双轮驱动，存算一体芯片将在垂直细分领域迎来规模化商用。

着ALI在各领域的应用逐渐广泛随以深度学习为代表的神经网络算法需要系统高效处理海量的非结构化数据，倒如文本、视频、图像、语音等。

面传统冯·诺依曼体系下运行的计算机证常包括存储单元和计算单元两部分，数据需要在处理器与存储器之间进行频费迁移，如果内存的传输速度跟不上 CPU的性能，就会导致计算能力受到限制，出现“内存墙”“功耗晴”。这就对芯片的并行运算、低延迟、带宽提出了更高的要求。

近年来，产业界领军企业在存算体的前沿技术研究上持续发力。三星在顶级学术期刊 Nabre 上发表了全球首个集于 MRAM( 酸性随机存储器)的存内计算研究:台积电在ISSOC上合作发表了六篇美于存内计算存储器I的论文大力推进基于ReRAM 的存内计算方案:K 海力士则发表了基于 GDDR 接口的DRAM 存内计算研究。

学术界和产业界普追认为存算一体有望成为突破算力性能和功耗瓶颈的技术方向之一。

特别是在大规模并行计算场量中，例如 VRAR、无人驾驶、天文数据计算、遥感影像数据分析等，存算一体芯片具备高推宽、低功耗的显著优势。微观上，算力是一个县体的技术指标。

算的快( 高香吐低延迟)、算的准(高精准度》、算的省( 低成本、低功耗)是对算力的基本要求。存算一体是从微观层面进行架性的优化，面临存储器设计和生产工艺的挑战，需要整个产业链的参与支持。

趋势四：云原生安全

安全技术与云紧密结合，打造平台化、智能化的新型安全体系。

随着云计算与各领域深度融合，云上快速迭代、弹性伸缩、海量数据处理等特征要求安全防护体系相应升缓，为动态变化、复杂多元的运行环境提供有效的安全防护。

云原生安全是依托云原生理念和技术特性对安全体系进行的优化和重构，通过逐步实现安全技术服务的轻量化、敏捷化、精细化和智能化，来保凉云基础设施的原生安全，并形成更强的安全能力。

其基本特征包括全链路的DevSecOps 安全管理，一体化精细化的身份与权限管控、平台化的纵深防御体系，以及实时化、综合化的可视、可管可控体系。

云原生安全经历了一系列变证:从安全保障云原生到云原生赋能安全，内酒不断扩展，逐步形成了一套涌盖基础设施、应用、数据、研发测试、安全运营等在内的防护体系。

云原生应用保护平台、面向云原生的攻击面管理平台,云原生威胁检测与响应、云原生事件取证与潮源等，这一系列新型的防护措施也应运而生、快速发展,得到了业界共识。

趋势五：软硬融合云计算体系架构

云计算向以 CIPU 为中心的全新云计算体系架构深度演进，通过软件定义，硬件加速， 在保持云上应用开发的高弹性和敏捷性同时，带来云上应用的全面加速。

随着后摩尔时代的带来，CPU 的性能提升趋近于天花板，数据量的爆发式增长带来极高的数据处理需求。企业在大数据、AI 等数据密集型计算的应用场景越来越多。

这两方面的因素导致以 CPU 中心的云计算体系架构碰上了技术瓶颈，无法应对云上时延和带宽的进一步扩展。传统的 CPU 体系架构需要向着软硬一体化的方向迭代升级。

云计算的体系架构发展经历了三个阶段，已经解决了超高并发和大算力的经济性问题。第一阶段在 2010 年左右以 X86 服务器、互联网中间件为代表的分布式架构技术为主。

第二阶段在 2015年左右，云厂商通过软件定义的方式，构建了虚拟私有云(VPC)和计算存储分离的池化架构。在新的池化架构之下，计算存储网络资源可以分别实现按需扩容。

END

如果您觉得这些资料对您有帮助，希望获取完整的电子版内容参考学习

您可以关注+评论+转发

然后私信我“报告”

免责声明：以上报告均系本报告通过公开、合法渠道获得，报告版权归原撰写/发布机构所有，如有侵权，请联系作者删除，本报告为推荐阅读，仅供参考学习，不构成投资建议，如对报告内容存疑，请与撰写/发布机构联系。