|
人工智能 (AI) 在各行各业势不可挡的崛起，背后是多重共生因素的驱动。在技术层面，数字化和互联流程产生的可用数据爆炸式增长，为 AI 的训练和推理奠定了坚实的基础。同时，处理器和加速器硬件的进步，加上 AI 就绪型软件平台和工具的普及，提供了处理数据密集型工作负载所需的性能。AI 的蓬勃发展本身就营造了私营企业和政府机构都渴望参与的环境。因此，它激发了投资的涌入，进一步加速了增长。
这种增长不仅仅关乎更多数据和更多计算，更关乎成本、速度和可持续性之间的权衡。2025 年人工智能基础设施峰会强调全栈优化推理速度、提升各层级的能效，以及平衡创新与可持续性。这些都是成功人工智能未来发展的基本要素。
人工智能的空前发展也对实施支持人工智能的计算解决方案的需求产生了同样的影响。据 Omdia 称，2025 年全球人工智能处理器市场价值将达到 2614 亿美元，预计到 2030 年将以 8.1% 的复合年增长率 (CAGR) 增长至 3854 亿美元。
至关重要的是，虽然硬件约占整个市场收入的 70%，但软件部分正在快速增长，凸显了部署就绪堆栈和强大生态系统的战略重要性。
现代人工智能涵盖了各种各样的工作负载，从电池供电的传感器算法和边缘智能视觉，到数据中心规模的推理和太空自主系统。其中许多工作负载（尤其是大规模人工智能模型的训练）正在将传统架构推向极限。
传统的封闭式架构可能在通用计算方面表现出色，但其固定指令集架构 (ISA) 和许可模式限制了任何针对特定工作负载的深度定制。尽管通用处理器已经成熟，但它们通常缺乏针对推理延迟、能效、实时处理或模型专业化进行优化所需的特定 AI 工作负载能力。实现这些能力通常需要添加神经处理单元 (NPU) 和其他类似的并行计算硬件进行改造。
如今，随着人工智能基础设施支出每年飙升至 4000 亿美元，对专为全栈优化和各层级能效而设计的人工智能原生硬件的需求也日益迫切。我们所说的“人工智能原生”是指可定制、高效且可扩展的系统，这些系统从零开始设计，旨在将人工智能作为基础组件（而非事后诸葛亮）。
| 
