AI 助力 行业新发展

生成式AI最近在科技行业掀起了一股热潮，ChatGPT和EinsteinGPT等标志性产品吸引了开发者、企业和消费者的目光。这些AI应用能够生成类似人类的文本、理解上下文，并以惊人的准确性执行翻译、总结等任务。其实早在1997年，IBM‘深蓝’计算机战胜国际象棋冠军加里·卡斯帕罗夫。2016年，Google旗下的DeepMind公司团队开发的AlphaGo以4:1的总比分战胜了围棋世界冠军李世石，就在全球范围引起巨大关注，各大科技巨头就纷纷入局AI。

AI是计算机科学的分支领域，专注在创建拥有人类智能行为的系统或机器，其目标为模拟人类的各种认知功能，包含学习、推理、解决问题、感知、语言理解等。AI涵盖了各种技术领域，如机器学习、自然语言处理、计算机视觉等。AI的历史可追溯到1956年，John McCarthy联合神经网络计算机发明者Marvin Minsky、信息论创始人Claude Shannon等人，在达特茅斯大学举行了一个研讨会，会议提案中首次提出了“AI”的概念。按照技术的维度可将AI产业划分为基础层、技术层、应用层。基础层主要包括算法、算力、数据等，是AI的软硬件基础。算法有大家熟知的机器学习和强化学习等算法；算力有英伟达的GPU、谷歌的TPU以及国内寒武纪研发的AI芯片。技术层主要包括语音/视频识别、文本识别等，其中语音识别已延展到语义识别层面，图像/视频识别包括人脸、手势和指纹识别等，目前各类大模型就属于该层级。应用层主要包括垂直应用和行业应用。垂直应用包括智能机器人、无人驾驶等能够进入到大众消费的市场。行业应用包括智能金融、智能医疗、智能安防、智能搜索、智能教育、智能制造系统及智能人居等。

AI的支撑技术是半导体，固然在基础层面的AI芯片及相应的高端存储都是硅基的，不过在电源技术、通信技术及应用层面还是离不开 的，他们之间是相互依赖，相互成就的关系。

一、 助力AI算力能耗降低

大模型训练成本60%是电费，机器学习就意味着高功率能量的付出，AI就意味着高品质能量的堆叠。据说ChatGPT训练一次，相当于6万辆特斯拉都跑1万英里；训练GPT-3消耗的能量，相当于一个普通美国家庭数百年能耗；GPT-3是目前大模型第一大“电老虎”，耗电量高达1287兆瓦时，那GPT-4或5就成为了“电恐龙”了。随着AI广泛应用于各领域，电力消耗量激增，全球数据中心2030年电力消耗量将达6700亿千瓦时。服务器消耗电量较大，如何节能成为产业发展的关键。 、氮化镓等宽禁带半导体高功率、高频率和高效率电源技术就量身定做般的切合了这一需求，使得AI算力成本大幅降低，助力AI应用的低成本化。

二、 助力AI应用中高速通信需求

传统的计算机芯片属于冯·诺依曼架构，AI芯片则仿造大脑的结构设计，试图突破通过总线交换信息的瓶颈，故属于信息处理领域，而在信息通信领域的技术是延续不变的。很多AI算法或大模型平台都在云端服务器上，用户使用必须通过网络访问平台来实现；另外很多AI应用都涉及到高速的实时数据通信，如智能交通、智能家居和智能港口等，基于砷化镓/磷化铟体系的光通信及微波通信，以及基于氮化镓的毫米波通信和可见光通信都将会大有用武之地，是很好的增量市场。

三、AI助力 研究高效开展

“AI for science”是指以机器学习、深度学习等AI技术分析处理多维度、多模态、多场景下的模拟和真实数据，解决复杂推演计算问题，加快基础科学和应用科学的发现、验证、应用，打造下一代科学范式。目前英伟达开发的cuLitho计算光刻库已经获国际半导体设备、半导体制造厂等应用，加速2纳米制程的芯片设计和生产开发；上海集成电路材料研究院在抛光材料计算、光刻胶底层配套材料设计以及滤波器掺杂材料选择等方面已经使用AI加快工艺设计，提升研发效率。因此AI在数据分析、机器学习等方面的强大能力，能够加速 新材料的筛选和设计过程，从而显著降低研发周期和成本，也将助力已有 材料制备工艺研发创新。

四、AI助力 产业智能化升级

“AI for industry”包括AI流水线和AI大模型两个范式，即将行业发展积累下来的海量数据进行直接的模型训练，然后用于解决实际问题。对于传统 企业而言，生产的智能化是时代改变赋予 制造企业升级产业的机遇与任务，适时地选择智能化转型升级将有助于提升 企业的长远竞争力。通过大数据分析，提高生产作业环节中的流程安排与能源利用率。AI也可以应用于目前 生产活动中对人的健康与安全不利的工作（如湿法化学制程、特气更换等）改由机器人从事。另外也可以使用AI来增强 企业内部的运营与管理、客户服务、办公流程优化等。