報告包括Hyperion研究發(fā)現(xiàn)、中國AI計劃及活動、歐洲AI計劃和活動、人工智能計劃需要研究的關(guān)鍵問題、AI未來預(yù)測四部分。
為什么人工智能（AI）對國家很重要，Hyperion Research認(rèn)為主要有以下幾方面原因：
1、AI具有巨大的競爭優(yōu)勢潛力
?它有潛力超越科學(xué)和其他領(lǐng)域
?經(jīng)濟(jì)價值非常高
?落后可能發(fā)生得非常快，而且很難迎頭趕上
?它可能決定誰擁有“云”
到2024年，云上市場將達(dá)90億美元，復(fù)合年增長率（CAGR）達(dá)17.6%。云上HPC服務(wù)器的增長是線下HPC增長的2倍。
用戶不采用線下（On-prem）HPC系統(tǒng)的主要原因有以下幾點，但預(yù)算、機房制冷、空間等成為主要原因。
2、AI正在創(chuàng)造新能力、新市場和快速解決困難問題的新方法
?精準(zhǔn)醫(yī)療可能是最大的經(jīng)濟(jì)領(lǐng)域
?國土安全、國防、欺詐檢測是早期的領(lǐng)域
?某些活動的自動化將重新定義許多事情，例如網(wǎng)絡(luò)安全、操縱實驗、結(jié)果分析，并可能創(chuàng)造新的理論
3、AI可以幫助解決科研用工短缺的問題
?歐洲和美國缺乏科學(xué)家和工程師，需要找到提高他們工作效率的方法
對科學(xué)研究，為什么人工智能很重要？Hyperion Research認(rèn)為主要有以下幾方面原因：
1、AI提供或增加了新的研究能力
?推理可能成為科學(xué)方法的第四個分支
?處理海量、異構(gòu)數(shù)據(jù)量
?幫助進(jìn)行建模和仿真
?繞過問題空間的非生產(chǎn)性區(qū)域
?提供獨特的見解
2、AI可能適用于每一個科學(xué)(和工程)領(lǐng)域
?生物、化學(xué)材料科學(xué)、物理、地球科學(xué)、空間科學(xué)、天文學(xué)，以及人文/社會科學(xué)
?不要忘記精準(zhǔn)醫(yī)療、自動駕駛、網(wǎng)絡(luò)安全、智慧城市、物聯(lián)網(wǎng)
3、AI可以幫助提高科學(xué)生產(chǎn)率
?處理繁重的工作，這樣研究人員就可以專注于創(chuàng)新
HPDA-AI 成為HPC新興場景高速增長領(lǐng)域。HPDA的增長速度快于整個HPC市場，而AI子領(lǐng)域的增長速度快于所有HPDA。
過去10+年，計算架構(gòu)、AI專用硬件和生態(tài)發(fā)生了一些變化。人工智能芯片將以協(xié)同設(shè)計為中心，處理特定的任務(wù)。例子:
在美國：許多AI HW初創(chuàng)公司的觀點是，每個公司都能在自己的專業(yè)領(lǐng)域找到自己的利基市場，并在該應(yīng)用中獲勝，無論是圖像處理、NLP還是其他一些人工智能應(yīng)用。
在中國：公司的趨勢是將會有少數(shù)“贏家”或成功的公司，其余的將會淡出市場。例如，百度預(yù)測未來，70%的服務(wù)器將擁有人工智能處理器。并在AI領(lǐng)域不斷布局：
?百度昆侖、XPU：通用、靈活、高效、高計算能力的人工智能處理器。
?三星制造，14nm, 512gb /s的芯片外內(nèi)存，260 TOPS。
?兩個芯片：昆侖818-300(訓(xùn)練)和昆侖818-100(推理)。
?許多應(yīng)用領(lǐng)域，包括語音、NLP、圖像識別、ADS等。
?全球Exascale（百億億級）競賽增加了對超級計算機細(xì)分市場的投資，并引發(fā)了對高性能計算的廣泛興趣。
?百億億級系統(tǒng)正在為高性能計算、人工智能、高性能掌上電腦等設(shè)計。
?這將推動新處理器類型、新內(nèi)存、新系統(tǒng)設(shè)計、新軟件等。
?在某些情況下，高性能計算的戰(zhàn)略意義太大，無法依賴外國資源
?這導(dǎo)致了自主技術(shù)倡議
存儲系統(tǒng)將變得越來越重要
?數(shù)據(jù)密集型高性能計算正在推動新的存儲需求
?迭代方法將擴大需要存儲的數(shù)據(jù)量的大小
?未來的架構(gòu)將允許計算和存儲在HPC基礎(chǔ)設(shè)施上更加普遍地發(fā)生
?元數(shù)據(jù)管理將處理存儲在多個地理位置和環(huán)境中的數(shù)據(jù)
?物理分布的、全球共享內(nèi)存將變得更加重要
?存儲軟件需要內(nèi)置更多的智能
人工智能將比其他IT行業(yè)增長更快
?人工智能市場還處于早期階段，但已經(jīng)非常有用(如視覺和語音識別)
?一旦更好地理解，就會有許多高價值的用例來驅(qū)動采用
?推理技術(shù)的進(jìn)步將減少當(dāng)今人工智能任務(wù)所需的訓(xùn)練量
?但培訓(xùn)需求將增長，以支持更具挑戰(zhàn)性的任務(wù)
?信任(透明度)問題是當(dāng)今嚴(yán)重影響人工智能的問題，遲早會得到解決
?學(xué)習(xí)模型(ML, DL)已經(jīng)獲得了大部分人工智能的關(guān)注，但圖形分析也將發(fā)揮關(guān)鍵作用，其處理時間和空間關(guān)系的獨特能力。
