隨著疫情大流行和解封適應期造成三年的不確定性，企業在 2023 年仍面對與以往相同的迫切事項，也就是領導、創新和解決問題，即便面臨經濟衰退和不確定因素的雙重打擊也不例外。
在實現這些目標時，人工智慧將成為貫穿其中的共同主題。根據近期 Gartner 調查近 700 家美國、英國與德國企業的結果顯示，發現平均有 54% 的企業人工智慧專案都已從試行到開始生產階段。在調查中，也有高達 80% 的高階主管表示自動化可應用於任何商業決策，以及他們對於人工智慧的使用將從戰略性轉向至策略性使用。
2023 年的核心主題是什麼？ 事半功倍。部分 NVIDIA 人工智慧專家預測，企業在失業潮和專業技術工作者短缺的大環境下，會購買能針對任何企業、應用或預算需求而客製化、基於雲端的軟硬體整合產品，來優先擴充人工智慧專案。
在 2023 年的專家預測中，採用符合成本效益的人工智慧開發也是反覆出現的主題。隨著摩爾定律迎向物理極限，安裝在本機端的運算功能變得越來越昂貴，能源效率也越來越低。此外，尋找核心關鍵元件的過程，加速轉向在雲端開發人工智慧的應用程式，以及尋找解決供應鏈問題的資料導向解決方案。
以下是我們的專家對於未來一年人工智慧發展的看法：
機器學習研究總監暨加州理工學院的 Bren 榮譽教授
數位孿生邁向實體化：我們將看到複雜、多重規模流程的大型數位孿生，例如天氣和氣候模型、地震現象和材料特性。這能將目前的科學模擬作業加速達百萬倍，並提供全新的科學見解和發現。
通用型人工智慧代理程式：人工智慧代理程式將透過自然語言說明和大規模強化學習，解決開放式工作並同時駕馭基礎模型。這些大型人工智慧模型的大規模訓練作業運用大量未標記的資料，使人工智慧代理程式能夠剖析任何類型的要求，並逐漸根據新類型問題做出調整。
企業運算副總裁
軟體進步將終結人工智慧孤島：企業在人工智慧研究與開發上，長期以來不得不在雲端運算和混合式架構之間做出選擇，這種做法可能會扼殺開發人員的生產力，並減緩創新速度。在 2023 年，軟體將讓企業能夠整合所有基礎架構類型的人工智慧流程，並為人工智慧使用專家提供單一、互連的體驗。如此一來，無論專案規模或複雜性，企業都能在成本與策略目標間取得平衡，並獲得近乎無限的靈活開發能力。
生成式人工智慧顛覆企業應用：關於生成式人工智慧的熱烈討論將於 2023 年化為現實。這是因為真正的生成人工智慧基礎終於就位，現在軟體可以將大型語言模型和推薦系統轉換成生產應用程式，超越影像，以智慧方式回答問題、創作內容，甚至刺激新發現。這個全新的創意時代將在個人化客戶服務上大幅進步、推動全新商業模式，並為醫療照護產業的開創性發展鋪路。
醫療照護副總裁
生物學成為資訊科學：隨著大型語言模型的突破性發展，以及用一系列字元描述生物學的優質功能，讓研究人員能針對化學和生物學研究訓練全新人工智慧模型。這些全新人工智慧模型的功能讓藥物研發團隊能夠產生、表示和預測分子和蛋白質的特性與互動性，並且全都以矽為媒介。這將加速我們探索眾多潛在療法的能力。
手術 4.0 現已問世：飛行模擬器可訓練飛行員並研究如何控制新飛機。外科醫生和機器人手術裝置製造商現在也是如此。從手術室環境到醫療機器人和病患手術，數位孿生可提供各種規模的模擬，為個人化手術演練和人工智慧驅動的人機互動設計開創新局。漫長的見習並非累積外科醫生經驗的唯一方法。許多醫生可透過機器人輔助，首次對真實病患進行手術時，即可成為專家。
汽車副總裁
在元宇宙中訓練自駕車：超過 250 家汽車與卡車製造商、新創公司、交通運輸與行動即服務供應商正在開發自駕車，解決我們這個時代最複雜的人工智慧挑戰之一。實際於道路上測試時，根本不可能遇到所有必須處理的情境，因此業界多數成員在 2023 年將轉向虛擬世界求助。
為了在部署前完成新功能的訓練與測試，除了收集道路資料，也會透過虛擬車隊產生的資料加以補充。高擬真度模擬將讓自駕車在幾乎無限的情境和環境中執行任務。為提高製造效率、簡化營運，並改善工人的人體工學和安全性，我們也會看到車輛生產過程中持續部署數位孿生。
轉向雲端：交通運輸業在 2023 年將出現更多軟體即服務 (SaaS) 和基礎架構即服務產品。開發人員將能存取全方位的雲端服務套件，隨時隨地設計、部署和體驗元宇宙應用程式。團隊將針對 3D 工作流程進行設計與協作，例如自駕車開發模擬、車內體驗、雲端遊戲，甚至是透過網路或展示間提供的汽車配置工具。
您的車內助理：對話式人工智慧、自然語言處理、手勢偵測和虛擬角色動畫的科技進步，都將以數位助理的形式進入新一代的汽車。人工智慧車內助理可以幫您預訂、存取車輛控制功能，並藉由自然語言理解技術發出警示。車輛將能透過內部攝影機、深度神經網路和多型態互動，協助駕駛留意路況，並確保駕駛在旅程結束後不會忘了乘客或寵物。
Omniverse 與模擬技術副總裁
元宇宙的通用轉譯語言：正如 HTML 是 2D 網路的標準語言一樣，通用場景描述將成為 3D 網路最強大、可擴充且開放的語言。通用場景描述將成為在元宇宙中描述虛擬世界的 3D 標準，讓企業甚至消費者使用各種工具、檢視器和瀏覽器，以最流暢且一致的方式在不同的 3D 世界間移動。
數位孿生扭轉現實：商品、服務和地點的全新等級的逼真數位孿生，提供比實際產品更高的意外收穫。想像一下，與一家遊戲公司合作，搶在將樣式送交製造前，就先銷售多款仍在進行設計測試的虛擬運動鞋。企業能節省浪費、提高營運效率與精準度，並從中獲得益處。
電信業資深副總裁
透過 5G 網路讓擴增實境/虛擬實境不再仰賴有線網路：雖然許多企業將移轉至雲端進行硬體和軟體開發，但隨著 5G 網路在全球部署更全面，邊緣設計和協作也會隨之成長。舉例來說，汽車設計師可以戴上擴增實境頭戴式裝置，並將透過無線網路看到的相同內容，串流給世界各地的同事，加速協作變更，並以破記錄的速度開發創新解決方案。5G 也將加速各產業部署連網機器人，用於替商店貨架補貨、清理地板、運送披薩，以及在工廠撿貨和包裝商品。
雲端 RAN：為了節省時間和金錢，全球的網路營運商都將陸續推出軟體定義的虛擬無線電存取網路 5G，加速獲得數十億美元的投資報酬。現在，他們正從量身打造的 L1 加速器，轉向 100% 軟體定義和完整堆疊的 5G 基礎頻段加速，包括 L2、RIC、Beamforming 和 FH 產品。這項轉變可支援 RAN 和人工智慧工作負載之間的多租戶，藉此提升 RAN 系統的使用率。
專業視覺化副總裁
透過模擬技術展開業界革命：符合物理定律的虛擬世界將先模擬真實世界的事物。這些數位孿生包括工廠、城市甚至整個星球等大規模環境，而工業元宇宙將成為數位轉型計畫的關鍵要素。範例比比皆是：西門子將工業自動化提升到全新境界。BMW 模擬了整個工廠廠區，以最佳方式規劃製造流程。Lockheed Martin 模擬了森林火災現象，以預測資源部署的地點和時間。DNEG、SONY Pictures、WPP 等公司透過分散全球各地的藝術部門提高生產力，讓創作者、藝術家和設計師能以虛擬方式即時迭代場景。
重新思考企業 IT 架構：許多企業先前為因應各種混合式工作而竭力調整文化和技術，新的一年將會促使許多公司重新打造整體 IT 基礎架構。為處理應用程式和複雜資料集日益增加的需求，多個公司將尋求強大的用戶端裝置。此外，他們也會接納彈性模式，移動和擴增至雲端，藉此實現指數級擴充。在採用分散式運算軟體平台後，遍布全球的勞動力即使在極端不同的工作環境下，也能協作並維持生產力。
同樣的，複雜人工智慧模型的開發和訓練，需要在資料中心和桌上型電腦搭載強大的運算基礎架構。多個企業會針對不同的工業使用案例檢視精心打造的人工智慧軟體堆疊，以便輕鬆將人工智慧導入工作流程，並加速為客戶提供更高品質的產品和服務。
零售業與消費者產品人工智慧副總裁
解決庫存縮減問題：實體零售商常年面臨這個問題：庫存縮減，也就是「盜竊」。隨著越來越多零售商在非接觸式結帳流程中採用人工智慧服務，他們正在尋找結合電腦視覺與商店分析資料的精密軟體，以確保購物者帶走的確實是他們所採購的商品。採用智慧自我追蹤技術將有助於開發全自動化商店體驗，並解決勞力不足和收入損失的問題。
使用人工智慧將供應鏈最佳化：即使是經驗最豐富的零售商和電子商務公司，在過去兩年內也難以平衡供需。消費者在疫情期間開始在家購物，在解封後又群起湧入實體商店消費。在通貨膨脹襲擊後，他們又再一次改變購物習慣，讓供應鏈管理者無力招架。人工智慧可提供更頻繁且更精準的預測，確保在對的時間於對的商店推出對的產品。此外，零售商也將採用路線最佳化軟體和模擬技術，為機會和潛在陷阱提供更全面的概觀。
金融服務副總裁
改善風險管理：為提升效率，多個公司將尋找像是加速運算這樣的機會。模擬技術雖可用來評估衍生性金融商品交易風險，但需動用密集運算能力，通常會消耗大量資料中心空間、電力和冷卻資源。傳統運算需花費整夜才能完成的工作，現在透過加速運算，只需要午休或更快的時間即能完成。靈敏度提供的即時價值讓公司能夠更完善地管理風險，並優化他們提供給投資者的價值。
金融服務轉向雲端優先：銀行如今有了全新的目標：提升敏捷度。面對來自非傳統金融機構日益激烈的競爭、客戶基於其他產業體驗而不斷改變的期待，以及背負傳統基礎架構的困擾，銀行和其他機構將轉向以雲端為主的人工智慧方法。不過由於銀行是受高度監管的產業，所以需要具備營運韌性，這也代表系統必須有能力吸收並抵禦衝擊 (如疫情大流行)，所以銀行將尋求開放、可攜式、穩固的混合式解決方案。因此，銀行有義務在可行時採購支援協議。
DGX 系統副總裁
節能運算將讓人工智慧符合成本效益：2023 年，無法支援平行處理且效率低下的 x86 傳統運算架構將讓位給加速運算解決方案，以提供打造語言模型、推薦系統等所需的運算效能、規模和效率。
企業會在經濟逆風中，尋找能實現目標的人工智慧解決方案，同時簡化 IT 成本並提升效率。使用軟體整合跨基礎架構工作流程的新平台，將帶來運算效能的突破，不僅能降低總體擁有成本、減少碳足跡，還能加快人工智慧轉型專案的投資報酬率，取代更浪費的舊式架構。
安全長
資料科學家是你的全新網路資產：傳統網路專業人員再也無法有效抵禦精密威脅，因為攻擊和防禦的速度和複雜度實際上已超越人類能力。資料科學家和其他真人分析師將使用人工智慧客觀檢視所有資料，並發現威脅。安全漏洞必然發生，因此使用人工智慧和人力的資料科學技術將有助於大海撈針，並迅速做出回應。
可自訂的人工智慧網路安全：就像推薦系統能為全球每一位消費者提供服務一樣，人工智慧網路安全系統也能滿足所有企業的需求。隨著以身份為基礎的攻擊增加，量身打造的解決方案將成為企業安全營運中心的首要需求。網路安全是每個人的問題，因此我們會看到透明度提升，以及更多各類型網路安全架構的分享。隨著人工智慧普及化，每個人都能為解決方案做出貢獻。因此，生態系的集體防禦將能更快採取行動，對抗威脅。
人工智慧與高效能運算軟體副總裁
大型語言模型 (LLM) 應用程式的崛起：對大型語言模型的研究將帶來新型態的實際應用程式，可將語言、文字甚至影像轉換成實用見解。從企業主管到藝術家，人人都能在眾多不同的組織中運用這些見解。我們也會看到自訂模型功能的需求迅速成長，從產生目錄描述到簡述病歷，LLM 專業知識跨越到英文之外的語言和方言，以及不同商業領域。
找到無標記資料的用途：大型語言模型和結構化資料也將延伸至大量相片、錄音、推文等內容，以找出隱藏的模式和線索，以便推動醫療照護的突破、科學進步、改善客戶參與度，甚至是自駕交通運輸的重大發展。在 2023 年，將這些非結構化資料加入組合中將有助於神經網路開發，例如能產生合成設定檔，模擬他們用來進行學習的健康記錄。這種非監督式機器學習與監督式機器學習同等重要。
全新客服中心：2023 年請密切關注客服中心。隨著客服中心採納越來越容易建置執行的語音人工智慧工作流程，將能在與客戶互動流程中的每個步驟提供業務彈性，從修改模型架構到微調專屬資料的模型，以及自訂流程。隨著語音人工智慧工作流程的存取能力提升，我們將會看到企業採用率顯著增加，而且隨著問題解決時間縮短，也能大幅提升客服中心生產力。人工智慧將協助客服人員在適當時間從龐大的知識庫中取得正確的資訊，將客戶等待時間降到最低。
網路副總裁
摩爾定律即將失效：隨著 CPU 設計迎向物理極限，而且難以跟上摩爾定律 (也就是大約每兩年微晶片上電晶體數量就會增加一倍，並創造更快速、更有效率處理方式的假設)，企業將逐漸轉向加速運算。他們將在可擴充的資料中心中搭配使用 CPU、GPU、DPU 等自訂組合，加快創新速度，同時轉為雲端導向並更加節能。
網路即為全新運算平台：就像個人電腦將軟體、硬體和儲存空間結合為人人皆能使用的生產力工具一樣，雲端正迅速成為人工智慧的全新運算工具，而網路正是實現雲端的技術。企業將使用協力廠商軟體，或自行開發在本機和雲端上執行的人工智慧應用程式和服務。他們將在需要時，向雲端服務營運商購買所需容量，並跨 CPU、GPU、DPU 和智慧交換器工作，針對不同的工作負載將運算、儲存空間和網路最佳化。此外，隨著雲端服務供應商快速採納零信任安全做法，雲端將提供如等同本機解決方案一樣安全的運算。
嵌入式與邊緣運算副總裁
機器人獲得一百萬個生命：隨著擬真渲染和精準物理建模技術結合在雲端 GPU 上平行模擬數百萬機器人執行個體的功能，將有更多機器人在虛擬世界中接受訓練。生成式人工智慧技術將能更輕鬆地建立高度逼真的 3D 模擬情境，並進一步加速採用模擬和合成資料，以開發功能更強大的機器人。
拓展視野：大多數機器人都是在人類活動有限、甚至沒有人類活動的受限環境中運作。邊緣運算和人工智慧的進步，將讓機器人具備多重感知功能，進而提升對環境的語義理解。如此一來，將能在已發展設施和零售商店、醫院和旅館等公共場所，提升機器人採用度。
MARC SPIELER
能源資深總監
人工智慧電網：隨著分散式能源資源以前所未見的比例加入後，電網變得更加複雜，電力公司需要邊緣人工智慧來提升營運效率、強化功能安全、提高負載和需求預測的準確度，並加速如太陽能和風能等再生能源的連線時間。邊緣人工智慧可提高電網韌性，同時減少能源浪費和成本。
更準確的極端天氣預報：可結合人工智慧和物理並使用傅立葉神經運算子技術，協助提供更精準的全球大氣預測。FourCastNet 系統能夠預測颶風的精確路徑，還可以提前進行天氣預報，並隨著氣候條件的變化即時更新。這些資訊能讓能源公司更完善地規劃再生能源支出、預測發電容量，並為惡劣天氣事件提前準備。