据我观察，AI 的工作负载需要强大的 GPU 和存储能力来支撑。过去，业界把 AWS、Azure 和 GCP 视为云计算领域的三大巨头。不过，第二代甲骨文云基础设施（OCI）凭借其在生成式人工智能（GenAI）训练方面突出的性价比优势，目前在云计算领域形成了四强逐鹿的市场格局。

　　2024 年的云计算行业呈现如下趋势：大多数组织会采用多云架构，只有极少数组织会采用单云架构。云服务提供商已经意识到了这一点，现在纷纷开始构建强大的多云互操作能力。举个例子，不久前甲骨文创始人Larry Ellison 与微软首席执行官 Satya Nadella 达成了 Azure/OCI 协议。这导致企业和组织需要使用不受云限制的工具来实现可观察性、可视化和能够保障质量的自动化能力。

　　云计算行业的新兴领域将在 2024 年发挥举足轻重的作用：随着传统云计算能力逐步成熟，预计高性能计算（HPC）云服务将在未来 12 至 18 个月内出现。当前的 HPC 工作负载通常采用本地超级计算基础设施，但云服务提供商则会把兼具弹性、可编程自动化和计量使用等云原生特性的超级计算能力带入 HPC 市场，让需要强大计算能力的科学和工程工作负载变得更为普及。

　　海量的复杂数据推动无线网络向着 引入AI 优化方案进而提升网络能力的方向迈进。AI 技术整合已经开始，并且会在 2024 年加快速度。在这个过程中，人们既要清楚 AI 能够在哪些方面提供帮助，还要知道在哪些方面它不仅无法提供帮助，还可能会阻碍 6G 的推出。

　　与其他行业不同，无线行业会采取更审慎的手段来整合 AI。运营商会集中精力使用不同的数据集来全面训练机器学习模型，量化影响，并制定新的测试方法。随着 AI 应用走向成熟，它会在未来十年改变无线行业，从而释放增强型波束管理和智能频谱共享等新功能。

　　越来越多的人开始关注无线网络的可持续性，AI 将在降低 6G 的环境影响方面发挥至关重要的作用。例如，这项技术能够根据实时运行条件开启或关闭某些元器件，从而降低功耗。

　　随着 6G 网络的推出，越来越多的设备和机器会建立起无线连接，为优化运营和减少碳足迹创造机会。例如，6G 能够让自动驾驶汽车变得更加先进，这不仅会降低交通压力，还能避免一部分的人类驾驶导致的浪费和低效。在农业领域，连接了 6G 的物联网设备将能够监测土壤状况，优化水和肥料的使用量。一旦 6G 进入人们生产生活的方方面面，它就会开辟一个由可持续性驱动运营的新时代。

　　业界有望在 2024 年推行标准化的可持续性衡量标准，其中包括衡量无线网络的总碳足迹。这项举措将有助于规避漂绿风险，加速实现净零排放。

　　6G 会利用许多不同的频段和工具来满足日益增长的蜂窝通信需求和期望。从技术方面来看，最大的挑战在于如何共享频谱。例如，6G 的中高频段（7-24 GHz）已经被政府和民间组织用于气象和射电天文研究以及海上无线电导航。一旦增加无线接入，它就需要学习如何充分利用频谱。2024 年，这一领域将会开展大量研究，以期找到前进的方向。

　　2023 年末举办的世界无线G 未来将会使用的可用频段，并制定一项能让全球频谱协调成为现实的计划。在此基础上，运营商能够利用元器件的规模经济效益，并限定要支持的频段数量。

　　市场营销部门会越来越多地依靠AI 技术的帮助来完成数据分析、见解提炼以及效率提升等任务，这一切都是为了让营销活动发挥出最佳效果。

　　到 2024 年底，大多数的客户电子邮件将由 AI 生成。品牌会越来越频繁地使用生成式 AI 引擎撰写文案初稿供人类审核批准。但是，营销团队必须训练大型语言模型（LLM），才能全自动生成客户内容，并凸显品牌特色。这种操作将在 2026 年成为常态，团队因此能够将工作重心转移到活动管理和优化上。

　　生成式设计工具逐渐普及，但遇到了一个棘手的问题——版权。很多 AI 解决方案在抓取视觉内容的时候并没有考虑后果。2024 年，人们会付出大量精力，着重找到 AI 图像创作版权问题的解决方案，从而厘清版权归属。如此一来，营销团队就能放心大胆地使用 AI 设计工具，而无需担心牵涉法律问题，因此可以节省宝贵的时间和金钱。

　　AI 的普及将不可避免地改变营销团队的组织结构。低级别的行政管理角色会消失，大量分析职位也将变得多余。不过，前路也并非完全暗淡——未来对数据科学家的需求会激增，数据分析将成为未来几年最受欢迎的技能之一，并且不会受到经济下行的影响。人类会继续主导营销工作，但机器发挥的作用会与日俱增。在市场营销领域，AI（具有防护措施）为人类赋能的状况还会持续至少十年。

　　在市场营销部门努力提升个性化服务的过程中，AI 将发挥至关重要的作用。得益于 AI，市场营销部门能够通过优化市场细分来生成更多客户体验。此外，AI 还能优化广告定位和营销策略，实现更高程度的客户参与和订单转化。

　　零售业一直在快速整合 AI技术，以期提高效率、增加销售额。一项创新即将浮出水面，那就是通过神经网络与购物者和产品的结合来打造新零售体验。譬如，从 2024 年开始，AI 导购能够在与用户身材相近的模特上展示衣服，以便用户准确地看到衣服在不同姿势下的真实效果。这种高度个性化、身临其境的体验代表了零售业的未来发展方向。

　　数字孪生技术越来越普及，当下，融合了 AI 的数字孪生技术已经在医疗保健领域创造了新的模式。这项技术将大幅减轻系统承受的压力，为个人提供更多选择，有助于提高个人的生活品质。AI 驱动的数字孪生有望开创一个关爱老龄化人口的新时代，让人们能够独立生活更长时间。

　　AI 将在潜在健康问题的早期诊断中发挥关键作用。举个例子，全身磁共振成像（MRI）会利用 AI 来识别、预测和分析数据模式，并且在远早于病灶肉眼可见时辅助诊断疾病。此外，在协助医务人员理解和解释研究结果以及提供治疗和护理建议方面，AI 也将发挥更突出的作用。

　　随着 AI 越来越多地嵌入软件，系统的自主程度会上升，同时风险和复杂性也会随之增加，测试因此变得非常有挑战性。所以，仅用一组固定的测试（程序）已无法再胜任智能系统的评测，需要 AI 技术来自动、持续地测试各种 AI 应用。软件测试的未来是自主测试设计和执行。

　　当 AI 进入了人们周边的各个系统后，系统会变得越发复杂和先进，其质量却面临下降风险。这是由于大量排列的结果，然而人们不可能对每一项都进行测试，因此需要围绕测试的方式、内容和时间来做出决策，才能确保质量稳定。

　　人们普遍认为有必要对 AI 进行监管。然而，由于涉及的技术范围广、复杂程度高，因此关于监管应当包括哪些内容还存在很大争议。只有在产生了重大负面影响的大事件发生后，监管才能得到必要的资助。届时，明确的标准和优秀案例才会发挥效力。如果不尽快实施监管，AI 脱离掌控的风险会攀升。

　　认识到伴随 AI 而生的相关风险后，企业需要任命一位 AI 和安全合规高管。随着时间的推移，这一职位终将与 CSO 合并。

　　企业务必要通过实时学习来设立防护栏，确保 AI 合规。常态化的检查和平衡有助于验证智能系统行为如常、没有失控。实时监控将成为标准操作。然而，随着这些系统的发展，企业也有必要测试它们是否学会了在进行非法活动时假装一切正常。强化学习和类似技术可能会在无意中推动 AI 通过隐匿行踪来实现其目标，这会成为 2030 年之前需要解决的重大问题。

　　对于有能力清理、控制和为 AI 设置防护栏的企业来说，这些问题会给他们创造一系列新的机遇。

　　AI 系统目前是由构建这些系统的公司进行测试。随着对于风险的了解越来越深入，业界需要一个独立的OD体育官方机构来验证 AI 系统是否合规。第一步是获得 AI 认证（AI 驾照）。然而，它就如同汽车一样，需要定期测试，才能确保合乎道德标准、负责任、没有偏见，并且符合必要的国家和行业标准。从长远来看，每一套 AI 系统都需要贴上 NFT 标签，以证明它符合用途和各种必要的标准。

　　长期以来，业界一直依靠公民开发者来解决 IT 人才短缺问题。然而，AI 解决方案的快速增长推动着新一代商业开发者的成长。这部分领域专家参与 SDLC 的机会越来越多，因为他们了解企业的目标和运营。新一波无代码系统也会横空出世，帮助商业用户制定目标，然后利用 AI 技术填补缺口。运营知识一方面确保软件满足企业和组织的特定需求，另一方面可以降低风险。

　　AI 系统会给人们的生活带来哪些转变？关于这一点，各种说法沸沸扬扬，但很少有人关注所需的算力。2024 年，AI 对可持续发展的影响将成为人们关注的焦点，企业和组织会开始监测整个技术基础设施的碳足迹，努力实现净零目标。公司因此需要决定在哪些方面使用 AI 以及如何明智地使用 AI，而不是随心所欲地到处部署。在测试软件和应用时，企业必须抛弃过去的全面测试做法，而应转为预测最关键的测试，进而避免对环境造成影响。

　　要想连通数字世界和现实世界，需要强大的数字处理能力和数字接口来弄清楚信号之间的复杂关系。半导体技术的进步对于实现这一目标和克服相关挑战至关重要。

　　这些问题包括提高数据传输速率，需要更大的带宽，也意味着需要更高的载波频率，需要将载波频率扩展到太赫兹范围。MIMO 等技术的使用增加了复杂性和密度，而采用不同拓扑结构的网络，如非地面（卫星）链路，则进一步加剧了这一挑战。

　　为了解决这些问题，需要进行一系列创新，其中包括将商用半导体（如 GPU 和 FPGA）与定制的 MMIC 和 ASIC 相结合，新解决方案将在尺寸、重量、性能和功耗方面带来显著改善。业界也需要用到能以极大带宽和出色的信号保真度来捕获和生成信号的数据转换器。此外，光子解决方案也有助于扩大数据传输技术的覆盖范围和容量。

　　目前的工作流程是一组松散互联的工具。然而，随着虚拟世界与现实世界逐步融合，需要一套统一的设计和测试工作流程，在仿真和测量步骤之间通过云无缝共享数据。

　　这些信息将不断得到分析，为模拟和测量行为提供依据，填补从概念到最终测试之间的工作流程存在的空白。来自仿真的结果会被输入 AI 工具中，进而提高设计和测试工作流程的速度和效率。数字孪生会用于设计和测试的紧密结合，因此只需要一次实际构建即可。

　　6G 会利用 AI 来实现网络优化，此举会带来诸多测试挑战。必须开发能够测试人工智能算法的技术，以确保训练数据没有偏差，模型有效且没有异常行为。

　　展望未来，AI 技术将成为仿真模型的基础，助力打造更准确、更高效、包含更丰富信息的模型。此外，AI 还能增强对测试数据的洞察力，减少错误，并帮助优化设计和测试工作流程。

　　2024 年，工程师仍然会继续推动电子产品开发流程的前移。随着设计从物理空间进入虚拟空间之后，工程师能够高效发现问题并解决问题，获得更深入的见解，实现性能改进。未来几年，业界会着重推动设计与测试工作流程的衔接，从而应对无线、有线、航空航天与国防以及其他行业采用的电子产品日益复杂的技术要求和上市时间要求。

　　UCIe 等新标准浮出水面，这些标准可用于创建小芯片(Chiplet)，将片上系统设计解构为更小的知识产权，然后使用先进的封装将其组装成 2.5D 和 3D集成电路。要想准确地仿真晶圆间的物理层互连，设计人员需要用到满足 UCIe 和其他标准的高速、高频通道仿真。

　　AI 和 ML 技术在 EDA 中的应用仍处于早期阶段，设计工程师还在探索能够让复杂问题变简单的使用场景。AI 对于仿真模型的开发和验证特别有意义，因为它能协助处理大量数据。到2024 年，企业和组织会进一步将这两种技术应用于硅和 III-V 族半导体工艺技术的器件建模，以及尚在研究当中的 6G 等新标准的系统建模。

　　随着摩尔定律逼近极限，通过工作流程自动化改进设计流程不失为提高设计工程师工作效率的一种途径。到2024 年，Python API 之类的软件自动化技术会发挥关键作用，把各种优秀的工具集成到开放、可互操作的设计和测试生态系统中。

　　在打造数字企业工作流的同时，很多企业和组织也在工具套件、数据和 IP 的设计管理方面进行了大力投入。今后，设计数据和 IP 管理软件会发挥关键作用，支持跨地区大型团队成功打造复杂的 SoC 和异构小芯片设计。在需求定义和合规之间创建数字线程，与 PLM 等企业系统建立紧密联系，这些都会在产品开发周期的数字化转型中发挥作用。

　　量子计算飞速发展，从以免费的研究工具为主升级成了聚焦量子设计的商业产品和工作流程。新一代量子设计需要紧密集成的仿真工作流程，如此开发人员才能获得快速、准确地优化系统性能的能力。

　　数据中心蓬勃发展，为支持 AI 和 ML 工作负载的指数级增长提供强大计算性能，同时满足电源和热性能的需求。就加速数据中心转型以满足计算性能需求而言，硅光子研究将发挥至关重要的作用。在开发包含硅光子互连的高速数据中心芯片时，设计工程师需要工艺设计套件（PDK）和准确的仿真模型来支持高级开发工作。

　　得益于量子技术的发展，人们能够利用量子力学基本原理来解决当前难以解决甚至无法解决的问题。借助量子技术，实现复杂的仿真和计算、安全通信以及强大的成像和传感技术将成为可能。

　　量子技术的发展已不再囿于学术领域，而是扩展到了初创企业、高科技公司和军事领域。量子中心、孵化器以及地方和国家量子生态系统也应运而生，其目标都是为了建设有能力抓住量子机遇的人才资源。要想在不远的将来发挥量子的潜能，解决人才缺口问题至关重要。

　　量子人才的短缺给高等教育指出了一个方向——高校可以推出新课程来培训未来的量子人才。量子课程有望在 2030 年普及。这些课程通常是与行业合作伙伴一同建设，以便学生了解先进的量子控制和读出技术，掌握合适的技能。此外，商学院也会开设量子课程，为新一代企业家进入量子生态系统厉兵秣马。

　　开发量子实验室需要投入巨大的成本和人力资源，因此产生了对量子即服务（QaaS）提供商的需求。提供商提供的服务包括可通过云服务远程访问的量子处理器、用于设备表征的测试台以及为客户提供制造服务的代工厂，这类服务从另一方面吸引了初创企业进入量子生态系统。假以时日，QaaS 提供商将有助于推动设备运行、表征和制造的标准化，从而在未来实现对量子处理器以及量子比特相关技术执行基准测试。

　　量子领域有可能成为第一个实现性别平等的技术领域。量子社区会一如既往地努力吸引女性工作者，常态化保持人力资源的多样性。

　　量子研发将会继续吸引来自政府、学术界和工业界的投资；然而，量子技术的发展速度会受到知识短板和先进技术的可用性拖累。举个例子，由于缺乏先进的专用洁净室设施，因此无法生产高品质量子处理器单元（QPU），导致进展缓慢。

　　在助力优化 6G 方面，AI 发挥了重要作用。然而，这里所说的并不是甚嚣尘上的依赖于大型语言模型和庞大数据集的生成式 AI。只有将特定领域的数据与 AI 模型和无线领域专业知识相结合，才有助于解决具体的行业问题。比如，AI 算法能够改进空中接口，有利于优化 6G 系统。还有其他一些使用场景，例如在切换期间改进移动性管理、规划小区站点和优化 MIMO。要想给 6G 发展带来价值，AI 不仅需要提升可靠性和可解释性，还需要降低成本。

　　专业知识和 AI 技术专长决定了能否将 AI 成功集成到 6G 网络中。当前的行业中既有无线专家，也有 AI 专家，但很少有人同时具备这两个领域的专业知识。如果不能融会贯通这些技能，业内就很难找到合适的资源来部署 AI，从而行之有效地支持 6G 目标。这一人力资源能力短板预计要用十多年的时间才能补齐。

　　截至 2023 年底，全球还只有不到 50 个商用独立 5G 网络。在未来几年里，从非独立网络向独立网络的转型会加快速度，因为这种架构支持完全可编程的 5G 网络，使运营商得以构建增强型移动宽带之外的服务。独立网络应当加速扩展，网络切片要加快运用，应对缺陷和性能挑战的能力也需要快速提升。此外，5G 生态系统会不断发展，以便为游戏和社交媒体活动之外的其他更多行业提供能力支持。这样就为在各种使用场景下应用 6G 技术奠定了坚实基础。

　　无线行业正在探寻如何获取 7 GHz至 24 GHz 之间的新频谱。然而，FR2（毫米波，24-52 GHz）已经可以使用，并且分配了很多使用场景。但是，它的使用成本过高，无法支持当前的使用场景。FR2 需要新的移动游戏/VR 应用来扩大使用规模，从而降低使用成本。相较于传统的智能手机，Z 世代和Alpha世代显然对 VR/AR 设备上搭载的新消费应用更加感兴趣，因此需要更大的带宽和更高的容量来满足低风险使用需求。由于当前的网络无法支持这一需求，运营商会考虑通过 FR2 来满足这种规模的需求。受降本压力影响，届时将会推动娱乐和广告领域以外的其他应用也开始使用 FR2。

　　移动亚太赫兹（THz）无线通信系统至少还需十年的时间才能走向成熟。由于移动技术尚未成熟，相关成本高居不下，因此从移动性角度来看，这种系统还不具有可行性，更不用说功耗和数据管理。行业运用 FR2 的坎坷经历证明，移动亚太赫兹无线通信系统短期内没有可行性。

　　6G 不会对核心网实施大改造。它会演进，但不会像从 4G 升级到 5G 时那样对网络功能进行重大改造。大多数无线行业从业人士现在都承认，这种做法并不明智。

　　未来五年里，全球无线行业不得不同时支持和管理 2G、4G、5G 和 6G 网络。这种情形会在技术和业务方面带来巨大挑战。鉴于全球超过五分之一的人口仍然依赖 2G，在 2030 年之前，非洲和亚洲大部分地区等发展中的地区还不会让传统网络退出舞台。不过，印度正在逆势而上，实现了全国性的 5G 独立网络覆盖，因此成为了最有可能淘汰 2G 网络的大国。唯一可能延缓这一网络转型的制约因素是用户购买新设备的能力。

　　尽管大多数涉及元宇宙的讨论都侧重于游戏，元宇宙仍将继续演进，以支持 Meta 所列之外的广泛使用场景。到本世纪30年代末，增强现实和虚拟现实将成为人们日常生活的一部分，而6G 则会在提供带宽和连通性方面发挥关键作用，从而支持这种合成环境，并增进虚拟世界与现实世界之间的密切互动。

　　电动汽车（EV）不断升级，已经达到 300 英里的标准续航里程，人们的里程焦虑逐渐烟消云散。不过，人们的注意力转到了电池健康状况（HoB）上。使用手机的经验告诉用户，电池容量会随着时间的推移而下降。对于司机而言，谁都不愿意驾驶一辆很快掉电的汽车，去冒可能抛锚的风险，或者是每天要充好几次电。电池健康状况会成为影响 EV 购买决策的一个因素，汽车制造商可以抓住这个展示汽车健康状况的机会，让用户了解信息，放心选购。这些信息会变得更加细致，并且与娱乐化界面相结合，以便驾驶员看到如何通过操作来让电池管理系统保持最佳性能。此外，这套系统还纳入了 AI 算法，能够预测不同条件下的健康状况和性能，从而消除用户的担忧。

　　是德科技（NYSE：KEYS）启迪并赋能创新者，助力他们将改变世界的技术带入生活。作为一家标准普尔 500 指数公司，我们提供先进的设计、仿真和测试解决方案，旨在帮助工程师在整个产品生命周期中更快地完成开发和部署，同时控制好风险。我们的客户遍及全球通信、工业自动化、航空航天与国防、汽车、半导体和通用电子等市场。我们与客户携手，加速创新，创造一个安全互联的世界。了解更多信息，请访问是德科技官网。