人工智慧（AI）和機器學習仍然是技術決策者、行業人士和投資者關注的重點。

標普全球市場財智（S&P Intelligence）2020 7 月釋出的調查顯示，有 58% 的公司和組織預計新冠大流行會對他們現有的 AI 計劃產生負面影響，還有 19% 的公司和組織表示新冠大流行導致他們停止了 AI 專案。與此同時，也有 75% 的公司和組織表示 COVID-19 促進了他們新的 AI 計劃。

最近釋出的 2021 AI/ML 用例調查顯示情況發生了變化，有 86% 參與調查的人表示新冠大流行已經或將導致其所在的組織投資於新的 AI 計劃。由於大流行引起的不確定性仍然影響所有的人，但報告仍給出了一些 2021 年的 AI 關鍵趨勢。

AI 發展缺少的不僅僅是資料科學家

資料科學家短缺的問題仍然存在，但這並不是企業發展 AI 面臨的唯一挑戰。在標普全球市場財智 2018 年夏季首次進行的企業人工智慧和機器學習調查中，有 36% 的受訪者認為缺乏技術資源是最大的障礙，排在第二的是可訪問的資料，佔比 16%，資料科學家曾經最為搶手。

在最新調查中，雲架構師的需求比例最高，為 27%，其次是機器學習工程師、軟體工程師、然後是資料科學家，比例為 23%。資料科學家仍然供不應求，但也要看到 AI 和 ML 的多學科性質，這也反映在企業的招聘中。

大型模型有望改變 AI 語音對話

Google 在 2017 年推出了 Transformer 語言模型，這帶來了重大變化，2018 年又釋出了 Transformers（BERT）的雙向編碼器表示形式，並於 2019 年在其 Web 搜尋引擎中實使用了該技術，BERT 模型中有 3.4 億個引數。

接著，微軟於 2020 年 2 月釋出了有 170 億引數的 Turing-NLG 模型，OpenAI 在 6 月釋出了有 1750 億引數的 GPT-3（2019 年的 GPT-2 有 15 億）模型。AI 模型的大小很重要，因為引數數量越大，對上下文資訊理解的能力也越好。但是這些模型的構建和執行龐大且昂貴，面臨著計算資源和能耗方面的挑戰。

大型語音模型的應用還處於初期，但未來的應用值得期待，例如高階聊天機器人，或者編寫複雜研究論文的摘要，以及撰寫新聞，還有內容稽核。甚至，它還可以通過理解人類對問題的描述，自動生成軟體程式碼，或者從任何型別的上下文中找到所需的資訊。

如此強大的模型也存在爭議，因為它們能夠生成任何型別的文字，包括偽造的歷史，種族主義。為此，微軟及其夥伴 OpenAI 對其最新模型的使用進行了限制。模型引數增大的趨勢將在 2021 年繼續，也會有更多企業用例發揮龐大語言模型的優勢。

AI 晶片初創公司可能會有合併

AI 晶片領域值得關注的是 NVIDIA 對 ARM 的收購，這筆收購可能在 2021 年下半年或 2022 年完成，或者永遠不會完成，具體取決於全球監管機構的意見。

英特爾方面，新上任的 CEO 希望在 2019 底收購 Habana 的基礎上進一步發展。

除了英偉達和英特爾這兩個重要的 AI 晶片提供商，還有許多 AI 晶片供應商，成立四到五年的初創公司們將交付產品，並希望在 2021 年獲得一些重要的合作伙伴。

鑑於 AI 加速器初創晶片公司的數量之多，如今有 40 多家，標普全球市場財智預計 2021 年會有所合併。

還需看到的是，隨著 AI 模型越來越大，對 AI 晶片的需求也是需要兼顧效能和功耗。

製造業的 AI 應用更快一步

很難單獨挑出一個 AI 應用更廣的行業，但 2021 年製造業似乎會在 AI 應用中扮演重要角色，這不僅是從 2020 年觀察到的市場勢頭，從過去幾年專注於這一領域的創業公司的表現也能有所發現，製造的自動化願景已經加速。

2020 年 10 月釋出的《企業之聲：2020 年供應商評估 》調查顯示，接受調查的製造業公司中有 62% 的人將 AI / ML 視為未來兩年最具變革性的技術，這一點與此前該行業在領先技術方面處於落後地位的印象不同。

在新的調查中，2021 年製造業 AI 的關鍵用例包括資料安全性，庫存監控，和預測性維護。展望未來兩年，裝配線的建立和優化，員工安全（包括社交距離）將進入前四名。

技術受到監管

技術正在受到監管，最大的社交媒體公司將開始僱用合規團隊。儘管不是我們關注的人工智慧公司，但最近幾周，在政治動盪中受影響的 Twitter、Facebook、Parler 也體現了其影響力。

一些後端提供商也採取了行動，包括 AWS，Salesforce 和 Stripe。其中一些公司會歡迎監管，這將有助於行業的規範，也能幫他們做出一些艱難的決定。

在考慮技術（或至少是軟體）和法規時要考慮的另一個因素，是它與有形物品（例如石油或食品）之間的差異，在大多數情況下，技術產品可以立即在其他國家使用。因此，有野心的企業對法規的關注也應超越自己的範圍。

國家資金、政策支援 AI 發展

在過去的幾年中，國家 AI 戰略一直在不斷髮展。現在政府已經投入大量資金來支援 AI 專案，例如，在美國，一項新的國防法案《 2021 財年國防授權法案》在年初成為法律，併為人工智慧預留了 64 億美元的政府預算。

其中包括建立由白宮領導的國家人工智慧計劃辦公室，旨在確保五角大樓獲得的 AI 技術在道德上合理，並讓美國國家標準技術研究院（NIST）制定 AI 風險管理框架。隨著這類資金的使用，以及新政府更加註重細節，美國政府將實行更多的治理。

在英國，2019 年成立的英國人工智慧委員會（UK AI Council）獨立顧問專家委員會（公佈了人工智慧路線圖，為英國政府提供建議，並將英國推向人工智慧和資料革命的前沿。

中國也在 2017 年開始制定國家人工智慧戰略，當時中國國務院釋出了《新一代人工智慧發展計劃》。其目標是到 2030 年成為世界主要的 AI 創新中心。雖然中美關係變得緊張，但中國將為實現 2021 年的目標站穩腳跟。