电子企业借助人工智能进行产品研发面临诸多挑战。首先,从数据方面来看,企业持有的大部分数据尚未准备好用于任何生成的 AI 应用,数据往往有不同的格式,许多数据必须从遗留存储中提取。AI 通常需要实时数据或至少是及时的数据流,不同的数据集可能有完全不同的时间安排,使得交付单一现实变得困难。最棘手的问题是合规性、治理和隐私问题,保持系统封闭是满足所有这些要求的最佳方式,但这限制了可以用来告知 AI 的数据量,隐私问题目前还没有明确的答案。
在电子产品制造中,人工智能技术也面临挑战。电子产品制造业面临着日益激烈的国际竞争,产品更新换代速度加快,市场竞争加剧。同时,电子产品在生产、使用和报废过程中会产生大量污染物,对环境造成了一定的影响,需要采取措施减少污染,保护环境。此外,在硬件性能、安全性、能效等方面也存在问题。
在边缘设备的 AI 开发中,摆在开发者面前有许多现实问题,比如硬件性能、安全性、能效等,软件方面也存在挑战。例如在车规传感器领域,虽然与 HPE 集团合作利用边缘 AI 优化电动汽车的电机运维,但也面临着各种挑战。在 PC 领域和家电领域同样如此。
英伟达新一代 Blackwell 人工智能芯片出现交付延迟风险,可能影响多家科技巨头的研发进程。Blackwell 芯片在高容量服务器机架中的过热问题亟待解决,这使得客户深感不安,推迟其数据中心的部署。面对这一技术瓶颈,英伟达虽积极寻找解决方案,但交付延迟不仅影响了硬件准备工作,更对其产品研发计划与市场推出时间表造成负面影响。
综上所述,电子企业借助人工智能进行产品研发面临着数据问题、市场竞争、环境压力、硬件性能、安全性、能效以及芯片交付延迟等多方面的挑战。
电子企业数据格式多样难用于 AI 应用
电子企业在借助人工智能进行产品研发时,面临着数据格式多样带来的巨大挑战。电子企业的数据往往来源复杂,包括生产过程中的传感器数据、销售数据、客户反馈数据等。这些数据格式各异,有的可能是结构化数据,有的则是半结构化或非结构化数据。这使得数据的整合和处理变得极为困难。例如,在电子产品制造过程中,传感器数据可能由于设备故障或环境干扰而不准确,这不仅影响了数据的质量,也给 AI 模型的训练带来了极大的困扰。而且不同部门之间的数据往往相互独立,难以整合。销售部门的数据与生产部门的数据可能存储在不同的系统中,这使得企业难以全面了解业务情况,限制了 AI 应用的范围。数据质量参差不齐也进一步加剧了问题的严重性。在金融领域的电子企业,客户数据可能由于人为输入错误而存在偏差。这些低质量的数据会严重影响 AI 模型的性能,从而影响产品研发的效果和效率。
AI 所需实时数据获取难
对于电子企业来说,获取 AI 所需的实时数据是一项艰巨的挑战。随着电子产品的智能化发展,实时数据对于产品研发至关重要。然而,获取高质量的实时数据并非易事。一方面,传统数据库架构逐渐无法满足现代数据需求和新兴技术的发展,使得生成式 AI 应用在获取实时数据时面临巨大障碍。开发人员在创建新的电子产品应用时,依赖于高质量数据,但这些数据往往难以访问、缺乏足够的细节或质量较差。另一方面,电子企业在很多应用场景中,智能终端上的端侧算力还无法满足推理的实时性和准确性要求。比如在电子产品的巡检应用中,要求搭载在无人机和机器人上的算力满足实时巡检要求,但由于视频分析的模型复杂度较高,端侧往往无法实现精准高效的实时推理。这就导致电子企业在借助人工智能进行产品研发时,难以充分利用实时数据来优化产品性能和功能。
电子企业 AI 应用面临隐私问题
电子企业在运用人工智能进行产品研发过程中,隐私问题日益凸显。随着 AI 大模型的兴起,电子企业对数据进行深度挖掘和拆解,以提升产品研发的效率和质量。然而,这也使得个人隐私和企业机密暴露于前所未有的风险之中。早期的云端数据存储模式,虽便于管理和访问数据,但处理方式相对原始,风险相对可控。如今,AI 大模型凭借其强大的学习和解析能力,对数据进行深度挖掘和拆解,从而提升了数据分析的精准度和应用场景的广泛性,却也使得个人隐私和企业机密暴露于前所未有的风险之中。例如,在电商行业的电子企业中,随着 GDPR 和其他隐私法规的出台,获取和处理用户数据面临更严格的限制,增加了技术和法律合规的复杂性。电子企业在收集和分析用户数据以改进产品时,必须确保用户数据的安全和隐私,否则可能面临严重的法律后果和声誉损失。
电子产品制造中 AI 面临市场竞争挑战
电子企业在将人工智能应用于产品制造时,面临着激烈的市场竞争挑战。随着人工智能技术的迅速发展,全球各大电子企业正竞相布局,推出以 AI 技术为主导的产品和服务。例如,微软和苹果等公司近期推出了以人工智能技术为核心的电子产品,如 Surface Pro 10 和 Surface Laptop 6 等,这些新品将 AI 技术融入到了电脑产品中,提供了更智能、更个性化的用户体验。2024 年被行业定义为 AI 手机元年,海外厂商如三星纷纷推出新款 AI 手机,中国厂商也在加速拥抱 AI 技术。在这样的竞争环境下,电子企业必须不断创新,提升产品的竞争力,否则很容易被市场淘汰。而且电子产品市场的竞争日益激烈,人工智能技术的不断创新将为消费者带来更多智能化、个性化的产品和服务,同时也为电子企业带来了新的挑战和机遇。电子企业需要在技术创新、产品设计、市场营销等方面不断努力,以应对激烈的市场竞争。
电子产品制造中 AI 面临环境压力
电子企业在利用人工智能进行电子产品制造时,面临着不可忽视的环境压力。电子产品制造业在生产、使用和报废过程中会产生大量污染物,对环境造成了一定的影响。例如,新一代的 GPU 和专用芯片的生产需要大量资源,稀土元素的开采造成了土地和水资源的污染,导致生态环境恶化。而且训练一个大型生成式 AI 模型的碳排放量可能与五辆汽油车的排放相当,这使得电子企业在借助人工智能进行产品研发和制造时,需要考虑环境成本。此外,电子产品制造业的产品更新换代速度加快,市场竞争加剧,这也导致了更多的电子废弃物产生。根据 2024 年《全球电子垃圾监测报告》,仅有约 22% 的电子垃圾得到了有效回收,这意味着大部分电子垃圾以非正式的方式处理,导致了巨大的环境风险。电子企业需要采取措施减少污染,保护环境,同时推动电子产品的可持续发展。
电子企业 AI 面临硬件性能挑战
电子企业在运用人工智能进行产品研发时,面临着硬件性能方面的严峻挑战。一方面,硬件已经成为人工智能发展的瓶颈。在过去大约 30 年里,人工智能和数据科学应用所需的神经网络的规模每 3.5 个月就会翻一番,而处理它们所需的硬件能力每 3.5 年才会翻一番。这使得电子企业在利用人工智能进行产品研发时,硬件性能难以满足需求。例如,一些电子企业在进行电子产品制造时,需要处理大量的数据和复杂的算法,但现有的硬件性能可能无法支持高效的运算。另一方面,电子企业在电子产品制造中面临着数据获取与整合的挑战。不同制造企业的数据格式、标准和质量差异较大,给 AI 算法的应用带来了巨大的适应性难题。为了克服这一挑战,电子企业需要在数据收集和管理方面进行深度调整,确保 AI 系统能够有效地处理各种数据格式。然而,这也对硬件性能提出了更高的要求。电子企业需要不断提升硬件性能,以满足人工智能在电子产品制造中的应用需求。
电子企业 AI 面临安全性挑战
电子企业在借助人工智能进行产品研发时,安全性挑战不容忽视。人工智能新时代,网络安全面临着全方位挑战,电子企业也不例外。首先,AI “饱和式” 攻击打垮网络安全运营体系。攻击者可以利用 AI 工具对网络攻击进行改造和升级,短时间内发动大范围连续进攻,让目标处于无法应付的饱和状态,然后趁虚而入。电子企业如果缺少安全专家,就会陷入 “攻强守弱” 的境地。其次,AI 深度伪造引发社会混乱。人工智能可以快速编写恶意软件与代码,AI 欺诈事件频繁发生。一些不法分子利用人工智能技术进行 “深度伪造”,冒用身份混淆视听,进行网络欺诈,这对电子企业的信息安全构成了严重威胁。最后,AI 投毒污染数据冲击安全防线。人工智能时代,黑客组织利用 AI 升级攻击手段,通过对抗样本、数据投毒、模型窃取等多种方式对 AI 算法进行攻击,使其产生错误的判断,同时由于算法黑箱和算法漏洞的存在,这些攻击往往难以检测和防范。电子企业必须采取有效的安全措施,以应对人工智能带来的安全挑战。
电子企业 AI 面临能效挑战
电子企业在运用人工智能进行产品研发和制造时,面临着巨大的能效挑战。AI 的快速发展正在带来巨额能源消耗的担忧,“AI 尽头是能源” 的说法引发热议。生成式人工智能技术的基础就是以数据和算力堆叠为标志的大模型,其训练和应用需要大量的算力支持,算力背后则是算力基础设施耗电所带来的巨大电能需求。例如,全国政协委员、中国科学院计算技术研究所研究员张云泉指出,大模型的参数和数据规模越大,其智能效果就越好。在大模型中,“Scaling Laws” 意味着当参数和数据规模大到一定程度时,大模型的智能表现将出现跃升,也就是 “智能涌现”。以 OpenAI 为代表的人工智能公司在 “Scaling Laws” 的驱使下,还在持续增加大模型的参数和数据规模,以求实现通用人工智能的目标,造成短期内算力需求和电能需求的巨大提升。这对于电子企业来说,不仅增加了成本,也对环境造成了巨大压力。而且爱尔兰和荷兰等国家已在试图限制新数据中心的开发,理由是超大规模数据中心消耗的能源 “不成比例”。电子企业需要通过技术创新来优化 AI 性能,减少 AI 的能耗,以应对能效挑战。
英伟达芯片交付延迟影响电子企业研发
英伟达作为电子企业重要的芯片供应商,其芯片交付延迟对电子企业的研发产生了重大影响。英伟达新一代 Blackwell 人工智能芯片出现了交付延迟的风险,主要是由于该芯片在高容量服务器机架中出现了严重的过热现象。这一问题不仅影响了芯片本身的性能,还可能对多个大型科技公司的运营产生连锁反应。Blackwell GPU 是专为人工智能和高性能计算设计的,但在最大可容纳 72 个芯片的服务器架构中,所产生的高达 120 千瓦的功耗导致了散热不良,严重影响了芯片的正常运作。诸如谷歌和微软等主要客户对这一状况感到忧虑,因为它可能会延长他们新数据中心的部署时间,影响正常研发和产品上市的计划。对于依赖英伟达 GPU 进行 AI 模型训练的电子企业来说,交付延迟不仅影响了硬件准备工作,更对其产品研发计划与市场推出时间表造成负面影响。分析师指出,这一局面对电子企业的多个项目都将产生波及效应,造成后续研发进展的不可预见性。
电子企业借助人工智能进行产品研发面临着诸多挑战,包括数据格式多样、实时数据获取难、隐私问题、市场竞争、环境压力、硬件性能、安全性和能效挑战,以及英伟达芯片交付延迟等问题。这些挑战相互交织,给电子企业带来了巨大的压力。然而,电子企业也不能因噎废食,应该积极应对这些挑战,通过技术创新、加强合作、完善安全措施等方式,推动人工智能在产品研发中的应用,实现可持续发展。
文章内容来自网络,如有侵权,联系删除、联系电话:023-85238885
参与评论
请回复有价值的信息,无意义的评论将很快被删除,账号将被禁止发言。
评论区