1，AI芯片产业推动变革

    芯片进行产业发展正在因为AI发生洗牌，传统的芯片产业经济格局将会导致发生具有巨大影响变化，这种学习情况我们将在2019年更加需要突出。以AWS、微软、谷歌、Facebook、阿里云为首的技术创新驱动型公司将加大AI芯片的投入，会给芯片市场环境带来更多变数。

     越来越多的公司开始投资于AI芯片开发的原因是，AI模型培训需要专门的硬件来执行复杂的数学计算，以加快目标检测和人脸识别等任务的执行。 可以针对与计算机视觉，自然语言处理和语音识别相关的特定用例和场景优化AI芯片。

     2019年，英特尔、英伟达、 amd 和高通等传统芯片制造商将推出专用人工智能芯片。 亚马逊(aws)、 facebook 和阿里巴巴云计算(alibaba cloud)等超高科技公司将大举投资于基于人工智能和高性能计算的芯片，这些芯片将对现代工作负载进行大量优化，其中一些芯片还将帮助下一代数据库加速查询处理和预测分析。

    可以说，以技术为驱动的公司，AI芯片无疑是整个堆栈AI能力，不会轻易放弃的重要组成部分。

2、边缘进行计算可以推动AI与IoT融合

    边缘计算的好处是能够更快速地响应需求的网络和其它应用可谓非常合适。 2019年开始，越来越多的公共云模型将开始边计算，特别是对设备异常检测，根本原因分析和预测性维护工业物联网是AI的最佳使用案例。基于神经网络的深度先进的机器学习模型将进行优化，以对未来的边缘运行将有能力处理视频，语音等非结构化数据。事情会成为商业人工智能的最大驱动力。

3、 ONNX将打破传统神经系统网络互操作性以及阻碍

    如今，大量的机器学习框架，加上大量的人工智能硬件平台，框架与平台之间缺乏良好的支持，给机器学习和人工智能应用带来了严重的障碍。 这将在2019年得到改善。 ONNX组织将大大提高神经网络工具包和硬件平台之间的互操作性。 以前的模型只能在特定的框架中进行调试和评估，这将大大改进。

     微软(microsoft)和 facebook 等公司推出了开放式神经网络交换(onnx) ，这是一种标准格式，可以将校准后的神经网络模型迁移到其它框架。 随着阿里巴巴云计算，百度云计算和英伟达等公司的加入 onnx 将在2019年变得更加重要，所有核心参与者，从研究人员到制造商，都依赖 onnx 作为标准操作框架进行推理。

4，自动化的机器学习将成为主流

    自动化机器进行学习（AutoML）已成为我们一个企业发展变化趋势，它将从根本上改变学生基于机器通过学习的解决中国方案，可使其不经过我国传统文化调试程序即可改进机器语言学习数学模型，进而分析处理技术复杂的场景。AutoML非常适用于认知以及应用系统编程接口（API）和自定义机器学习信息平台。与被视为“黑盒子”的认知API不同，自动化机器学习方法既能提供同等的灵活性，同时又具备自定义数据和可移植性。

5，AIOps实施的DevOps自动化

    DevOps是一套完整的IT运维工作流，以IT自动化和持续发展集成、持续进行部署为基础，来优化管理程序设计开发、测试、系统运维等所有重要环节。DevOps强调软件技术开发工作人员和运维人员的沟通交流合作，通过使用自动化控制流程来使软件的构建、测试、发布信息更加方便快捷、频繁和可靠。

      AIOps是用于IT运营的AI，将人工智能应用于IT运维领域。 基于现有运维数据，采用机器学习，进一步解决自动化运维难题。 现代应用程序和基础设施可以生成用于索引、搜索和分析的日志数据。 从硬件、操作系统、服务器软件和应用软件中获得的大量数据集可以被聚合和关联，然后形成方案和模式。

下一篇：人工智能的利弊

上一篇：区块链的起源