1、2020科技、传媒和电信 行业预测 科技、传媒和电信行业小组集结了全球最广泛的行业专家。这些专家致力协助不同类型和规模 的企业有效应对数字化挑战，并因此建立了良好声誉。科技、传媒和电信行业专家能够为企业 提供丰富的定制化服务，帮助他们顺应变革趋势，抢占行业先机，所服务的客户遍布全球不同地 区，覆盖整个价值链。敬请联系作者或访问，了解更多信息。 目录 前言 2 人工智能与设备加速融合：边缘人工智能芯片大放异彩 4 机器人迈向广阔未来：专业服务机器人有望呈现两位数增长 18 私有5G网络：企业不再受限 30 低轨卫星高速飞行：宽带革命还是太空垃圾？ 46 智能手机增值服务：开拓万亿级市场 58 天

2、线电视逆风前行：地面电视持久不衰 72 走进内容传送网络：迎来视频、游戏以及更多精彩内容 86 广告赞助类视频：美国是否效仿亚洲模式？ 94 “听”时代来临：有声读物与播客迎来新风口 106 自行车的技术变革：让自行车更快、更简单、更安全 118 2 2020科技、传媒和电信行业预测 前言 2020科技、传媒和电信行业预测：冠层效应 德 勤2020科技、传媒和电信行业预测 报告三大主题贯穿全文。首先，各项技术之间不再相互孤 立，彼此之间变得愈加互联和共生，技术的影响和价值亦因此日益高涨。其次，科技、传媒和电 信行业的大部分收入均源自智能手机、电脑、电视、企业数据中心和软件，以及物联网（我们统

3、称为“五大生态”）。第三，许多在近年备受期待的服务及产品将在2020年成为现实。 我们可以想象一片森林 往年的科技、传媒和电信行业预测报告中，我们仅数次交叉引用了各期不同章节。而今年的交叉引用 频次远较往期更为频繁。想象一下这种现实：边缘人工智能芯片、私有5G网络以及机器人均实现互联，而 广告支持的视频和有线电视同时受彼此及低轨道卫星的影响。 为何这种交联趋势会在2020年爆发增长？ 我们可以想象一片森林。生长初期，幼树彼此相距数米，独立成长。微生物、真菌、昆虫和动物在一棵树 上共同生存，但在邻近另一棵树上却可能不会具有相同的生物组织结构。每棵幼树在某种程度上便像一个 具有独立生态系统的岛屿。

4、随着森林生长成熟，地面的树干仍旧相隔数米之远，但在30米以上的空中，树 木枝叶已然交相接触，形成可能厚达六米的茂密冠层。一个冠层之下可能覆盖数百万棵树，变成一个绵延 数千公里的统一生态系统。 相同的现象亦正发生在科技、传媒和电信行业。例如，仅在十年前，每一项人工智能技术便像一棵棵“幼 树”：如自然语言处理技术的创新并未推动视觉识别技术的提升。然后，新的深度机器学习硬件开始同时 推动所有人工智能创新的加速发展，形成“冠层效应”一个领域的发展几乎总会推动其他人工智能独 立领域的发展。这种现象并不止步于此。直至最近，深度学习依然采用成本高达数千美元的芯片运行，耗 电量达数千瓦特，因此用途基本限于数据

5、中心。而仅在最近两年，新型边缘人工智能芯片问世，成本不过 数美元，耗电仅数瓦，使深度学习在任何地点运行成为可能这进一步扩大了“冠层”的覆盖范围。得 益于这一发展趋势，更多的数据、算法、信息及解决方案正不断涌入生态系统的各个部分，为消费者及企 业提供速度更快、用途更广的人工智能技术。 五大生态创造巨大市场 科技、传媒和电信行业的收入大部分来自五大生态系统。仅智能手机生态系统每年的价值便超过一万亿美 元。电视生态系统价值高于6,000亿美元；电脑销售及配件（消费级和企业级）每年产生约4,000亿美元的 收入，企业数据中心和软件（合并）将在2020年创造约6,600亿美元的价值，同时在5G应用的推动

6、下，至 2021年物联网的整体价值将达到5,000亿美元。 3 前言 若将其他新近发展的设备智能手表、消费无人机、电子阅读器、家用3D打印机、增强现实眼镜、虚拟 现实眼镜及智能音箱相加，其生态系统总体规模仅达到五大生态最低水平的极小部分。 本期报告的十个章节内容主要讲述了五大生态系统的联通，以及围绕这五大生态系统的广告营销、周边销 售及内容提供。当然，至2020年底，虽然部分有声书及播客内容亦会在智能音箱播放，超过半数的有声书 将通过智能手机收听。在可预见的未来，大部分资金均将流向五大生态系统，其他所有领域将变成相对小 众的利基市场。 行动，为时未晚 正如科技行业的老笑话所说： “X是技术的未

7、来， 永远都是！ ” 但这并不完全正确。 2020年， 我们预测此前长 期延迟问世的各项技术将最终登台亮相， 投入使用。 在发展较晚的技术中， 科技、 传媒和电信行业预测 报 告所关注的代表技术是针对低延迟宽带互联网的低轨卫星系统。 首个大型低轨星座卫星系统构想于1998年； 22年后， 首个 （有限） 商业服务可能将在2020年底前启动。 其 他技术延迟问世的时间较短， 包括专业服务机器人， 2020年单位销售额可能将超过机械臂； 自行车， 尤其 是电动自行车， 将迅速发展成为全球上班族的主要交通工具之一； 以及播客， 自首个播客内容发布的16年 后， 2020年其规模将首次达到十亿美元。

8、这三种趋势可进一步提升预测的准确性。 一个互联互通、 具有少数主要参与者的生态系统可使我们 （及所有 人） 对未来趋势的预测更加准确可信。 俗话说： “预测是很困难的， 特别是当它涉及未来的时候。 ” 如今， 这句 话已然过时。 也许在不远的未来，预测将会变得易如反掌。 Paul Sallomi 全球科技、 传媒和电信行业 主管合伙人 Paul Lee 全球科技、 传媒和电信行业 研究负责人 David Jarvis 美国科技、 传媒和电信行业中心 高级研究经理 Mark Casey 全球电信、 传媒和娱乐行业 主管合伙人 Jeff Loucks 美国科技、 传媒和电信行业中心 执行总监 Ch

9、ris Arkenberg 美国科技、 传媒和电信行业中心 研究经理 Craig Wigginton 全球电信行业 主管合伙人 Duncan Stewart 加拿大科技、 传媒和电信行业 研究总监 4 Technology, Media, and Telecommunications Predictions 2020 相 信每个人者可能都经历过这样一种挫败 感当你拿起手机调出语音转文字功 能口述一封邮件时，却发现手机并未联 网，无法使用这一功能。现在，随着新一代边缘 人工智能芯片的问世，人工智能可直接嵌入各类设 备当中，将大大减少这种令人挫败的情况发生。1 人工智能与设备加速融合 边缘人工智能

10、芯片大放异彩 我们预测，2020年边缘人工智能芯片执行或 加速设备内，而非远程数据中心的机器学习任务 的芯片或芯片部件销量将超过7.5亿片，创造 26亿美元的收入。这一数据是2017年预测3 亿片边缘人工智能芯片销量的两倍以上2，三年复 合年均增长率高达36%。此外，我们还预测边缘人 2020科技、传媒和电信行业预测 5 Bringing AI to the device: Edge AI chips come into their own 工智能芯片市场将继续加速发展，增长速度将超 过芯片市场整体平均水平。至2024年，边缘人工 智能芯片销量预计将超过甚至可能远远超 过15亿片3，年销量增长

11、率将达到至少20%， 是半导体行业整体长期预测9%的复合年均增长率 的两倍以上。4 这些边缘人工智能芯片很大可能将流向数量日益 增长的消费级设备，如高端智能手机、平板电脑、 智能音箱及可穿戴设备等，同时亦将应用于多个 企业市场机器人、摄像头、传感器及其他物 联网设备。两者均是十分重要的市场。消费级边 缘人工智能芯片市场规模远大于企业市场，但其 增长速度可能相对较慢，2020至2024年的复合年 均增长率预计将为18%。 企业级边缘人工智能芯片市场发展时间虽然较短， 直到2017年才出现首个商用企业级边缘人工智能 芯片5，但增长速度更快，同一时段的复合年均增 长率预测将高达50%。 无所不在：人

12、工智能计算的广泛覆盖 直至最近，人工智能计算几乎都只能通过数据中心、企业核心设备或电信边缘处理器远程完成，而非 设备本身。原因在于，人工智能计算极度占用处理器资源，需要成百上千个不同类型的（传统）芯片 来执行运算。而硬件的体积、成本及耗用功率决定了人工智能计算阵列不可能被放置于任何比手提箱 还小的容器中。 如今，边缘人工智能芯片彻底改变了这种局面。边缘人工智能芯片体积更小，成本更低，耗用功率更 少，产生的热量更少，能够集成于智能手机等手持设备以及机器人等非消费级设备，使这些设备自身 能够执行处理器密集型人工智能计算，从而减少或消除了将大量数据发送至远程位置的需要，极大提 升了设备的可用性和速度

13、，以及数据的安全性和保密性。 当然，并非所有的人工智能计算都必须通过设备完成。对部分应用程序而言，将数据发送至远程人工 智能计算阵列进行处理可能合乎需要，甚至是更优选择比如当数据量远远超出设备边缘人工智能 芯片的处理能力的时候。实际上，大多数时候人工智能计算均将采用混合方式：一部分由设备自身执 行，另一部分通过云完成。任何情况下的优先组合方式均将取决于需要完成的人工智能计算类型。 至2024年， 边缘人工智 能芯片销量预计将超过 15亿片， 甚至可能远远超 过这一数据， 年销量增长 率将达到至少20%， 是半 导体行业整体长期预测 9%的复合年均增长率的 两倍以上。 人工智能与设备加速融合：边

14、缘人工智能芯片大放异彩 6 在这里解释一下“电信边缘”的含意。电信边缘计算图2所描述的“远边缘网络”6指由微型 数据中心执行的计算，这些微型数据中心位置尽可能与客户相近，位于电信公司的土地上，由电信公 司所有和运营。它们目前采用与数据中心相似的人工智能芯片（体积大、成本高、功耗大），但随着 时间的推移可能会开始装备本章所讨论的部分同类型边缘人工智能芯片（消费级或企业级）。但是与 边缘设备计算不同，电信边缘计算所使用的芯片位于电信公司网络而非实际终端设备的边缘。此外， 并非所有电信边缘计算都属于人工智能智能计算。据行业分析，2020年电信边缘计算市场（包括人 工智能的所有类型计算）的收入将达到2

15、10亿美元，相比2019年的增长率将超过100%，同时2021年 该市场预计还将以超过50%的增速继续增长。7这一市场各类别的精确细分并未向公众公开，但分析 认为，2020年其人工智能部分预计依然处于刚刚起步的阶段，收入规模不会超过10亿美元，在电信 边缘计算支出总额中的占比亦不会超过5%。8 图1列明了可进行人工智能计算的不同场所，所有场所均很可能在可预见的未来共生共存。 $ Technology, Media, and Telecommunications Predictions 20202020科技、传媒和电信行业预测 7 消费级边缘人工智能： 价格亦可亲民 2020年，无论在销售数量和

16、销售额方面，消费 级设备市场均将占整个边缘人工智能芯片市场 超过九成的份额。这些边缘人工智能芯片绝大 部分将流向高端智能手机，当前在用的所有消 费级边缘人工智能芯片中超过70%均用于智能手 机。9这意味着在2020年及未来数年，人工智能 芯片的发展将主要由智能手机推动智能手机 的销量以及采用边缘人工智能芯片的比例均会 影响人工智能芯片的增长。销量方面的趋势较 为乐观。在经历了2019年的低迷增长后（销量 同比下降了2.5%），2020年智能手机销量有望 达到15.6亿部，与2018年销量基本持平，增长 2.8%。10我们认为，2020年智能手机市场将有 超过三分之一的手机配备边缘人工智能芯片。

17、 采用边缘人工智能芯片的设备并非只有智能手机， 其他设备如平板电脑、 可穿戴设备及智能音箱等亦 将配备这种芯片 （图3） 。 短期内， 这些非智 能手机设备对边缘人工智能芯片销量的影响远不 及智能手机，原因是设备的市场没有增长 （如平板电脑11），或是市场规模过小，难以产 生实质性影响（如2020年智能音箱和可穿戴设 备的整体销量预计仅达到1.25亿台12）。然而， 许多可穿戴设备和智能音箱均依赖边缘人工智 能芯片，因此其渗透率已经处理较高水平。 Bringing AI to the device: Edge AI chips come into their own 边缘人工智能芯片绝大 部分

18、将流向高端智能手机， 当前在用的所有消费级 边缘人工智能芯片中超 过70%均用于智能手机。 人工智能与设备加速融合：边缘人工智能芯片大放异彩 8 Technology, Media, and Telecommunications Predictions 2020 智能手机边缘人工智能芯片的经济分析 目前，仅价格最高的智能手机即价格分 布中排名前三分之一的手机才可能配备边 缘人工智能芯片。尽管如此，部分价格低于 1,000美元的手机亦配备了人工智能。一些由 中国企业制造、配备人工智能的手机，如小米 9等13，在西方国家的售价甚至低于500美元。 此外，如下文所述，智能手机配备人工智能芯 片并不意

19、味着其价格会令消费者望而却步。 智能手机边缘人工智能芯片的成本计算虽然是 一个间接的过程，但也可能得出较为可靠的 预测。不能直接计算成本原因在于，智能手 机的“人工智能芯片”并不仅仅只是将一片单 独的芯片安装在手机里。如今的智能手机， 厚度仅有七八毫米，内部并没有空间放置多个 独立的芯片。许多各类不同的必备功能（处 理、图形、内存、联网及现在的人工智能）均 集成在同一被称为系统级芯片应用程序处理器 的硅芯片膜上。“人工智能芯片”（若手机配 备）指整片硅芯片膜中用于执行或加速机器学 习计算的部分，其制造材料与芯片的其他部分 完全相同，亦采用相同的制造工序和工具。 它由数以亿计的标准晶体管组成，但

20、与芯片的常规 处理或图形部分的排列方式不同，即具有不同的架 构。该人工智能部分通常（并未总是）被称为神经 处理单元。 迄今为止， 三星、 Apple及华为三家公司已制作了 其手机处理器的图像， 用于展示其硅芯片膜的所 有功能， 使分析人员能够清楚看到芯片上用于不同 功能的部分。 如三星的Exynos 9820芯片照片便显 示， 整个芯片内约5%的区域被用于人工智能处理 边缘人工智能芯片在中国 中国5G商用推进，人工智能应用场景较为丰富且受政府支持，前期优秀的人工智能厂商及初创公司 发展至一定规模，加速了产业链的成熟并催生了更多机会，人工智能边缘计算将会是未来最重要的 市场之一。国内的人工智能公

21、司正研发推出边缘计算芯片，并与韩国等芯片制造强国的公司合作， 提高高性能芯片的制造能力。相较于云计算，边缘计算高效、安全的边缘侧数据处理能力吸引越来 越多的老牌芯片企业、科技巨头和初创企业成为市场参与者。 目前在中国，边缘计算芯片最主要的市场仍为智慧安防领域，且落地应用布局较为成熟。未来，随 着技术进步及5G的全面铺开，无人驾驶、智慧家居、智能交通、智能制造等领域可能迎来更大的 增长空间。但边缘计算芯片市场仍面临挑战，终端设备的电池容量有限，要求AI芯片的能效较低需 具备更卓越的算力性能，才能更好的服务端的人工智能计算需求。而中国的基础芯片制造存在短板， 在制造和封装、高速接口和集成电路IP核

22、方面还需要技术积累和时间沉淀。 2020科技、传媒和电信行业预测 9 Bringing AI to the device: Edge AI chips come into their own 器。 14三星整个系统级芯片应用程序 处理器的成本 预估为70.50美元， 是整个手机中成本第二高的部 件 （仅次于显示屏） ， 占设备材料总成本约17%。15 假设人工智能部分的成本与芯片上的其他部件相 同，Exynos芯片的边缘人工智能神经网络处理器 约占芯片总成本的5%，单片成本约为3.50美元。 同样，Apple公司的A12仿生芯片将约7%的区 域用于机器学习。整个芯片的成本预估为72美 元17，

23、因此其边缘人工智能部分的成本为5.10 美元。华为麒麟970芯片成本预估为52.50美 元18，其用于神经网络处理器的部分占2.1%19 ，因而成本则为1.10美元。（芯片膜区域并 非衡量芯片总成本中人工智能成本占比的唯 一方法，但据华为所称，麒麟970的神经网 络处理器含有1.5亿个晶体管，占整个芯片全 部55亿个晶体管的2.7%。如此计算，其神经 网络处理器的成本稍高，为1.42美元。）20 虽然成本区间差异较大，但我们亦可合理地将 神经网络处理器的平均成本假定为每片芯片 3.50美元。尽管价格较低，这一数据乘以5亿部 智能手机的销量（还未算上平板电脑、音箱及 可穿戴设备），便是一个规模巨

24、大的市场。更 重要的，面对3.50美元的平均制造成本最 低甚至仅为1美元，是否在智能手机处理芯片 中增加专用的边缘人工智能神经网络处理器便 成为一个无需考虑的问题。假设价格会上涨， 制造成本增加1美元，但转至终端客户后的价 格也仅增加不过2美元。这意味着即使是价格 低至250美元的智能手机，亦可配备神经网络 处理器及其附带的功能更优化的摄像头、 离线语音助理等，而价格仅会上涨不到1%。 智能手机及其他设备制造商可采用不同方法获取 边缘人工智能芯片，其决定主要受到手机机型和 地域（有时候）等因素的影响。部分制造商从 专门制造和销售应用程序处理器/调制解调器但 不制造手机的第三方公司购买应用程序处

25、理器/ 调制解调器。高通和联发科便是两个著名的例 子2018年，这两家公司在智能手机系统级 芯片市场中的份额共达到了约60%。21高通和联 发科均提供一系列价格不一的系统级芯片；虽然 并非所有芯片均含有边缘人工智能芯片，其高端 产品通常都有配备，包括高通的骁龙845和855 ，以及联发科的Helio P60。另一方面，Apple公 司却并不使用外部应用程序处理器芯片，而是使 用自己设计的系统级芯片处理器，如A11、A12 和A13仿生芯片，这些处理器均配备了边缘人工 智能。22三星、华为等其他设备制造商则采用了 混合策略，从外购市场硅芯片供应商采购系统 级芯片的同时变使用自身设计制造的芯片（如

26、 三星的Exynos 9820、华为的麒麟970/980）。 边缘人工智能芯片能做什么？ 也许把问题改成“有什么是边缘人工智能芯片做不到的？”会更贴切。如今，机器学习使各种技术 能力成为现实，包括但不限于生物测定测定、面部检测与识别、增强及虚拟现实相关的各类技术、 趣图过滤、语音识别、语言翻译、语音协助以及照片、照片、照片！从隐去皱纹到添加3D特效 到实现超弱光摄影，边缘人工智能硬件和软件而非镜头或感光元件的像素大小已成为高端智 能手机摄像头实现差异化竞争的决定性因素。 虽然所有这些功能亦可通过未配备边缘人工智能芯片的处理器甚至云技术实现，利用边缘人工智能 芯片执行这些功能能够显著提升效率和速

27、度，并减少功耗（从而提升电池寿命）。在设备内执行这 些处理过程亦能够保障隐私性和安全性个人信息不离开手机便无法被拦截或滥用。同时配备边 缘人工智能芯片的手机，即使在未连接网络的情况下亦能够实现所有这些功能。 人工智能与设备加速融合：边缘人工智能芯片大放异彩 10 Technology, Media, and Telecommunications Predictions 2020 企业级边缘人工智能： 机遇诞生的沃土 如果智能手机和其他设备使用的边缘人工智 能处理器如此强大，为何不将他们用于企业 级应用程序呢？事实上，这早已出现在一 些用例之中，如某些自动飞行无人机。配 备智能手机系统级芯片应用

28、程序处理器的 无人机，能够实时完全在设备内部执行导 航避障功能，而无需连接至任何网络。23 然而，针对智能手机或平板电脑进行优化的芯 片并非许多企业级或工业级应用程序的最佳选 择。这种情况与芯片制造商在上世纪80年代面 临的中央处理器状况类似。当时的中央处理器 具有强大的计算能力和高度的灵活性，性能出 色，是个人电脑这一多用途工具的绝佳选择。 但是，将同样的中央处理器用于诸如自动调温 器等设备中，只为增加一点点智能，却根本毫 无意义。那时，中央处理器体积太大，无法装 入自动调温器狭小的空间中，同时功耗远远高 于现在的水平，成本更是达到每个约200美元， 对于总成本仅需20美元以下的设备而言太过

29、 高昂。为解决这此不足，一个完整的产业应运 而生，生产出具备电脑中央处理器部分功能， 但体积更小、成本更低、功耗更少的芯片。 且慢。如前所述，智能手机系统级芯片的边 缘人工智能部分仅占总芯片区域约5%，在总 成本中仅占据3.50美元，同时功耗较整个系 统级芯片低约95%。那能否仅制造具备内存 等少量其他必要功能的边缘人工智能部分， 从而使成本更低、耗电更少且体积更小呢？ 一些企业已经这样做了，还有更多企业会参与 进来。例如，英特尔和谷歌目前正在向开发者 销售内部开发的独立边缘人工智能芯片。英伟 达是领先的图形处理器制造商，生产通常用于 数据中心人工智能加速的图形处理器体积 大，耗电达数百瓦，成

30、本亦高达数千美元。如 今，该公司销售的是定制化人工智能专用芯片 （非图形处理器），适用于体积更小、成本更 低、功耗更少的边缘设备。24高通领先的 智能手机及其他消费级设备外购市场内置边缘 人工智能处理核心的系统级芯片制造商业 已发布两款独立的边缘人工智能芯片，性能较 其制造的系统级芯片更为强大，但成本更低、 体积更小、耗电更少。25华为亦是如此。26 总体上，共有50家不同公司据称正在研发各种类 型的人工智能加速器。27除从事专用集成电路芯片 的企业外，现场可编程门阵列制造商亦提供边缘 人工智能芯片版本，用于数据中心以外的领域。28 2019年市场上的独立边缘人工智能芯片均 面向开发者，他们基

31、本是一次购买一片，每 片价格约为80美元。购买数量达到数千或数 百万片时，设备制造商的采购成本会远低于 此有些低至1美元（甚至更低），有些为 数十美元。现在，以智能手机边缘人工智能芯 片为例，我们假设平均成本约为3.50美元。 上世纪80年代，中央处 理器具有强大的计算能 力和高度的灵活性，性 能出色，是个人电脑这一 多用途工具的绝佳选择。 2020科技、传媒和电信行业预测 11 Bringing AI to the device: Edge AI chips come into their own 除价格相对较贵外，独立的边缘人工智能处 理器具有体积小的优势。部分处理器甚至小 到可以装入U盘

32、之中，最大的亦可安装于信 用卡大小的主板上。这些处理器功耗相对较 低，仅为1-10瓦。相比之下，一个性能十分强 大、拥有16个图形处理器和两个中央处理器 的数据中心组件成本高达40万美元，重达350 磅（约160公斤），功耗达到10,000瓦。29 随着这些芯片的应用，边缘人工智能可为企业 开创更多新的机遇，尤其在物联网应用程序 领域。利用边缘人工智能芯片，企业可极大 增强自身能力，能够深入分析（而不仅仅是 收集）来自联网设备的数据，并将分析结果 转换为行动，同时避免将大量数据发送至云 端产生的高昂成本、复杂问题和安全挑战。 人工智能芯片能够助力解决的问题包括： 数据安全和隐私。数据的收集、储

33、存和向云端转 移会不可避免地使企业面临网络安全和隐私方面 的威胁，即使在企业十分重视数据保护的情况下 亦是如此。随着时间的推移，这种极为重要的风 险愈发需要企业高度重视予以解决。各国政府正 不断推出个人身份信息的相关法规，消费者对企 业收集的信息亦愈加警惕有80%的消费者表 示并不认为企业正在尽力采取措施保护消费者的 隐私。30部分设备（如智能音箱）正逐步应用于 病人隐私监管更为严格的医院等环境之中。31 通过在内部实现大量数据的处理， 边缘人工智能芯 片可有效减少个人或企业数据被拦截或滥用的风 险。 例如， 具备机器学习处理功能的安全摄像头可进 行视频分析， 确定具有相关意义的视频片段， 并

34、仅将 这些片段发送至云端， 从而降低隐私风险。 机器学习 芯片亦能够识别更为广泛的语音指令， 从而减少需 要在云端进行分析的音频量。 准确度更高的语音识 别还能带来额外的助益， 使智能音箱能够更准确地检 测到 “唤醒词” ， 从而避免听取不相关的对话内容。 低联网要求。要将数据发送至云端处理，设备 必须联网。而在某些情况下，设备联网并不现 实。以无人机为例。基于无人机的运行环境， 设备可能会难以保持联网状态，同时联网及将 数据上传至云端还会降低电池寿命。在澳大利 亚新南威尔士，人们利用内置人工智能的无 人机在沙滩上巡逻，以确保游泳者的安全。 这些无人机能够识别被卷入激流的游泳者， 或在他们受到

35、鲨鱼及鳄鱼攻击前向其发出危 险警告这均在未联网的情况下完成。32 （超）大数据。物联网设备能够产生大量的数 据。例如，空客A-350喷气式飞机配备了超过 6,000个感应器，每飞行一天便能产生2.5太字节 的数据。33全球范围内的摄像头每天产生的数据高 达2,500拍字节。34若将这些数据全部发送至云端 进行存储和分析，不仅成本高昂，操作也极为复 杂。将机器学习处理器装在端点（感应器抑或摄 像头）便能解决这一问题。例如，摄像头可配备 视觉处理器这是一种低功率系统级芯片处理 器，专用于对数字图像进行分析或预处理。内置 边缘人工智能芯片的设备能够实时分析数据，并 仅向云端传输具有相关性的数据作进一

36、步分析， 同时忽略其他数据，从而降低存储和带宽成本。 人工智能与设备加速融合：边缘人工智能芯片大放异彩 12 Technology, Media, and Telecommunications Predictions 2020 功率限制。低功率机器学习芯片甚至能使电池容 量小的设备在不过度消耗功率的情况下执行人工 智能计算。例如，ARM芯片正逐渐应用于呼吸器 中以进行数据分析，如吸气肺容量和药物进入肺 部的流动等。呼吸器自身便能完成这种人工智能 分析，并将结果发送至智能手机应用，帮助医疗 保健专业人员为哮喘病患者制定定制化的护理方 案。35除当前可用的低功率边缘人工智能神经网 络处理器外，科技

37、 公司亦在开发“微型化机器学 习”设备上的深度学习，大小形同微控制器 单元（类似于前述的系统级芯片，但体积更小， 结构较为简单，功耗更低，仅消耗数毫瓦甚至微 瓦电量）。例如，谷歌正在为TensorFlow Lite开 发另一版本，以使微控制器能够进行数据分析， 将需要发送至芯片外的数据压缩至数个字节。36 训练与推理的区别，以及对以数据中心为基础的人工智能的意义 边缘人工智能芯片所实现的人工智能更准确的名称是深度机器学习。它由两个部分构成。第一部分 是训练。训练需要重复不断地分析大量历史数据，从这些数据中检测不同的模式，并针对这种类型 的模式检测生成算法。第二部分是推理。在推理中，经过训练过程

38、产生的算法（常通过进一步的训 练不断更新和调整）被用于分析新的数据，挖掘有价值的结果。 直到最近，机器学习软件的所有训练和推理还使用同一标准的芯片中央处理器、图形处理器、 现场可编程门阵列以及专用集成电路的混合。这些芯片体积大，成本高，功耗大，还会释放大量热 量；因此，基于这些芯片打造的硬件均安放在数据中心之中。相比之下，本章所讨论的边缘人工智 能芯片主要或只执行推理任务，所采用的算法则通过数据中心的训练产生。虽然一些边缘人工智能 芯片亦执行训练任务，但大部分训练仍旧主要在数据中心完成。 有趣的是，虽然过去数据中心芯片同时被用于训练和推理，我们如今看到，数据中心芯片的发展正 呈现出不同的特点，

39、部分芯片的优化侧重于训练，而部分则侧重于推理。38这种相对较新的发展将会 产生何种影响尚未明确。但一个可能的趋势是，随着边缘人工智能芯片的崛起，当前数据中心训练 和推理处理组合将逐步向重训练、轻推理转变。若真如此，这种专用的数据中心芯片尤其有助于提 升灵活性，使正在经历训练和推理重心转变的数据中心相应地调整自身硬件组合。 低延迟要求。无论通过有线还是无线网络，利用 远程数据中心执行人工智能计算意味着将会出 现至少1-2毫秒的来回延迟，这是最好的情况； 最差情况下的延迟可达数十甚至数百毫秒。采 用边缘人工智能芯片在设备上执行人工智能计 算，可将这种延迟降低至纳秒级这在要求 设备必须瞬时完成数据收

40、集、处理并据此采取 行动的应用情境下具有极其重要的意义。例如， 自动驾驶汽车必须通过计算机视觉系统收集和 处理巨量的数据以识别周围物体，并利用汽车 内置的不同感应器控制汽车的各项功能。自动 驾驶汽车必须立即将这些数据转变为不同的决 定如何时转变、刹车或加速以确保汽车 行驶的安全。（今天的自动驾驶汽车采用各种不 同的芯片实现这些功能，包括标准的图形处理器 以及边缘人工智能芯片。）低延迟对机器人而言 亦十分重要，且随着机器人逐渐走出工厂与人 类并肩工作，低延迟的重要性会愈加凸显。37 2020科技、传媒和电信行业预测 13 Bringing AI to the device: Edge AI ch

41、ips come into their own 小结 谁将从边缘人工智能芯片市场的增长中受益呢？很明显，这对边缘人工智能芯片的制造企业而言是十分有 利的。从几年前的基本为零，到2020年将实现超过25亿美元的新增收入，这些企业未来数年还将取得每年 20%的增长，利润水平有望与行业平均水平相当。但是这一数据应置于具体的环境之中。2020年全球半导 体行业收入预计为4,250亿美元，39边缘人工智能芯片仅占其中很小的一部分，无法对整个行业的格局产生 影响，甚至难以改善制造企业的业绩。 事实上，那些对设备人工智能有需求的人受益更大。边缘人工智能芯片不仅能大幅提升现有设备的能力， 亦将催生具备新功能和

42、市场的全新设备。长远来看，后者很可能将推动边缘人工智能芯片产生更具变革性 的影响。 部分处理功能（早期主要为推理）从核心转至边缘是否会对人工智能芯片制造企业产生不利影响？我们 无法确定。所有人工智能芯片制造企业亦在制造边缘人工智能芯片，因此处理功能从核心向边缘的转变也 许只会产生很小的影响，甚至没有影响。同时，人工智能处理需求迅速增长，有可能会推动整个行业的增 长：人工智能芯片行业（包括边缘及数据中心领域）预计将从2018年的60亿美元规模增长至2025年超过 900亿美元，复合年均增长率达到45%。40潜在的负面因素在于，成本更低、体积更小及功耗更少的边缘人 工智能芯片的兴起，可能会迫使数据

43、中心人工智能芯片的定价甚至销量出现下行。这在过去已有发生：在 半导体行业历史上，边缘处理芯片的普及频繁导致主机/核心处理硬件价格以仅基于根据摩尔定律的增长预 测更快的速度下降。 也有人认为将人工智能处理从核心转至边缘会对云人工智能企业造成损害。这是不太可能的。近期预测显 示，2024年云人工智能或“人工智能即服务”市场的收入将从2018年的20亿美元增长至近120亿美元，复 合年均增长率达到34%。41若没有边缘人工智能芯片，这一增长也许可能会更加强劲，但仍表明云人工智 能的增长速度将近于整体云市场的两倍至2023年云市场的复合年均增长率预测为18%。42 同样，也有人担心如果边缘设备能够直接

44、执行人工智能推理，那么这些设备便不再需要联网了。这也是不 太可能发生的。边缘人工智能设备将依然需要与网络核心进行通信发送数据用于人工智能训练、接收 最新人工智能算法进行推理，以及许多其他原因。正因如此，我们预计所有或基本所有边缘智能设备将会 具备联网功能。 但是这种联网的性质可能与两三年前的预测有所不同。当时，人工智能推理仅限于大型数据中心，而智能 物联网设备必须联网才能获取这些人工智能推理能力不仅是旧的网络，还有具有超高网速、服务质量 保障、高联网密度以及最低延迟的网络。这些特性过去如今依然只有5G无线网络才具备。因此， 当时人们自然认定所有采用人工智能的物联网设备亦需要也只能使用5G。 如

45、今，这种认定不再成立。设备本身能够执行一大部分人工智能处理并不能消除联网的需要，但是这种 联网并不一定需要通过5G网络。当然，5G在某些情况下仍是必要的，同时5G市场预计将会迅猛增长，至 2025年的复合年均增长率将高达55%，每年增长超过60亿美元。43但由于边缘人工智能芯片的出现，5G物 联网领域的市场机会可能会稍稍小于较数年前的预测。 人工智能与设备加速融合：边缘人工智能芯片大放异彩 14 Technology, Media, and Telecommunications Predictions 2020 边缘人工智能芯片的普及很可能将推动消费者和企业发生显著改变。对于消费者，边缘人工智

46、能芯片能够 实现众多功能从手机解锁，到与语音助手对话，再到在极端环境下拍摄震撼人心的照片等等这些 功能此前只有连接互联网才能实现。但长期来看，边缘人工智能芯片只有应用于企业之中，使企业能够将 自身物联网应用推升至一个全新的高度，才能产生更大的影响。在人工智能芯片的助力下，智能机器能帮 助制造、建筑、物流、农业及能源行业企业拓展现有市场，与行业巨头竞争，转变利润分配的格局。44收 集和解读大量数据、并据此采取行动的能力，对许多正在日益普及的数据密集型应用至关重要：视频监 控、虚拟现实、自动飞行无人机和自动驾驶汽车等等。这种未来很大程度上取决于边缘人工智能芯片所能 带来的改变：将智能融入设备之中。

47、 2020科技、传媒和电信行业预测 15 Bringing AI to the device: Edge AI chips come into their own 1. Devin Coldewey, “Googles new voice recognition system works instantly and offline (if you have a Pixel),” TechCrunch, March 12, 2019. 2. Deloitte, 2017 Technology, Media and Telecommunications Predictions, January 2

48、017. 3. Cision PR Newswire, “The edge AI market in hardware to grow at CAGR of 20.64%,” April 15, 2019. 4. Cision PR Newswire, “The global semiconductor market at a CAGR of close to 9% during the forecast period,” June 26, 2019. 5. Nate Oh, “Intel launches Movidius neural compute stick: Deep learnin

49、g and AI on a $79 USB stick,” AnandTech, July 20, 2017. 6. “远边缘”亦称为本地边缘、新边缘、移动边缘计算、多接入边缘或分布式新边缘。所有这些描述均指代同一事物。 7. Technology Business Research, “Telecom edge compute market landscape,” June 11, 2019. 8. Conversation with TBR Edge Compute analyst, August 26, 2019. 9. Cision PR Newswire, “The edge AI market in hardware to grow at CAGR of 20.64%.” 10. Gartner, “Gartner Says worldwide smartphone sales will decline 2.5% in 2019,” press release, August 1, 2019. 11. 2019年第一和第二季度平板电脑销售额下降了5%，第三季度上升1.9%。2019年全年市场形势很可能基本为稳中有 降。 IDC, “Worldwide table