[Adobe Stock]
认为AI繁荣是一个泡沫？
尽管目前对AI兴趣的激增最终可能会散发出来，但表明AI冬季即将到来的任何时间都可能是错误的。
考虑一下AVNet的最新调查在1,200多种电子工程师中，有10个中的8个正在积极参与AI，其中42％的产品已经运送了基于AI的产品，而目前有40％将AI集成到即将到来的设计中。而且，不仅仅是95％的受访者本身就将AI视为某种程度上，因此重塑了产品设计过程的多个方面。
哦，AI工具也很热。在设计和开发过程中寻找信息时，将近三分之二的受访者（64％）使用Chatgpt。还有Google Gemini，Microsoft Copilot和Meta ai远远落后。只有6％的人说他们没有使用任何此类AI工具。
将情况与物联网进行比较，后者经历了类似的炒作周期。尽管物联网的嗡嗡声最终逐渐逐渐融合到更广泛的技术中，但生成的AI似乎处于不同的道路上。实际上，来自圣路易斯美联储表明，早期的Genai采用已经超过了个人计算机和互联网的最初吸收，在首次亮相后仅几年就徘徊了40％。虽然有些调查发现冷却劳动力的采用率在2024年出现，毕马威2025年AI季度脉冲调查得出结论，有68％的领导者计划在未来12个月内从2024年初的45％急剧上升到Genai的50至2.5亿美元。
摩根士丹利分析师布莱恩·诺瓦克（Brian Nowak）预测了2025年的资本支出大型标准将超过3000亿美元几乎是2023年的两倍。这位经济学家指出，到2027年，人工智能数据中心支出可能会超过1.4万亿美元。AVNET全球供应商开发中高级副总性的Alex Iuorio说，这项技术肯定是在整个行业的应用中扩散到整个行业的应用中。Alex Iuorio
尽管AI势头仍在继续，但Iuorio承认了技术的周期性。
``认为这将以这类费率永远持续下去会有些愚蠢。然而，他警告说，不要过分预测放缓的过早预测，并指出，当那里没有这似乎是一个有趣的立场的迹象。
投资者对AI市场有矛盾的看法。高盛萨克斯（Goldman Sachs）在9月份说，ai stockers不在泡沫中。但是，有一些潜在的警告信号。根据最近的估值，NVIDIA的价格比约为30，而Palantir近68岁，唤起了人们对Dot-Com Bubble膨胀估值的记忆。人们对较大的AI模型和监管障碍的回报减少的担忧，尤其是在欧盟中，进一步加剧了这些担忧。然而，Iuorio看到需求持续增长，尤其是随着AI扩展到工业优势。
对AI技术的快速扩张和投资也让人联想到几年前物联网的迅速传播，这导致了广泛的安全脆弱性，如今继续困扰着网络。可以理解的是，近四分之一的受访者（37.5％）将安全性和隐私性担忧是AI项目中最大的担忧，其次是数据质量，为30.6％。
[来自接受AI AVNET调查]
转移到硬件
在80年代，硬件设计是差异化。•今天，硬件的商品化差异化转移到了软件。现在AI将其翻转回去。
几十年来，科技行业对以软件为中心的创新进行了溢价。2011年，马克·安德森（Marc Andressen）宣布软件正在吃世界。但是在1980年代，硬件很酷。在本十年的早期，芝加哥是一个蓬勃发展的代币操作游戏中心。像中途（PAC-Man），Williams Gaming，Atari和Rock-Ola这样的主要公司都在该地区居住或在该地区拥有大量的市场，推动了对电子组件的巨大需求。
iuorio回忆说，这是一个不可思议的时刻，他当时在大芝加哥工作。当时的工程师有时会用完建筑物的用光到停车场，以展示没有跳线的新逻辑板，这一壮举改善了制造性和速度。围绕此类设计突破的巨大兴奋突出了硬件有多少重要。``您d包装外壳，硬盘驱动器，显示屏，然后软件使其成为ATM。但是早期，正是硬件给了您优势。
组织从金融时报到德勤同意摆动正在向后摆动。如今，SAI工作负载，尤其是在生成模型中，需要大量的计算马力，专业的内存体系结构以及高级冷却和电源管理。结果，硬件再次是用于差异化的关键。
同时，Hyperscalers正在以创纪录的数量购买GPU，将高级芯片组捕捉以进行数据中心AI培训。2025年1月，Openai与软银，Oracle和MGX一起推出了星际之门项目这是四年来最高5000亿美元的承诺，在美国在美国建立AI数据中心，这是德克萨斯州阿比林的第一个工厂，占地875英亩（与中央公园相媲美）。此前，埃隆·马斯克（Elon Musk 到2027年，一百万GPU。
大型分数与工业AI采用之间的鸿沟
如果您与AI和支持它的芯片相关联，那么市场就会变得疯狂，但是从工业市场的角度来看，这还不那么令人兴奋。”
随着面向消费者的AI占主导地位，高级大规模抢购了大量的GPU集群，许多工业参与者的攀登速度较慢。原因从成本限制到围绕遗产系统改造的复杂性有所不同。然而，AVNet的调查指出了不断增长的工业边缘应用浪潮。几乎一半的受访者将AI视为处理自动化的关键（42％），预测性维护（28％）或故障检测（27％） - 有望提高效率而不仅仅依赖公共云的情况。同时，来自霍尼韦尔到西门子具有相当大的AI计划和合作伙伴关系。
在消费技术世界中，AI从新颖性变成了创纪录时间的必要性。但是在工业环境中，能源电网甚至医院设备的采用仍然更加保守。
除了加强监管要求外，许多工业公司还维护了数十年历史的设备，这使AI模型和具有边缘能力的硬件的整合变得复杂。Iuorio指出，非常及时进行此调查，看看AI如何适用于设计过程。对AI的医疗应用的兴趣显然是在所有事物中都建立的，构成了手术机器人技术的药物发现。
新技术需要新技能
AVNET报告显示了所需技能的广泛分布，具有AI模型优化（16.5％），数据分析（16.2％）和解决问题（15.8％）几乎同样重要。，Iuorio解释了，而是代表成功设计和部署AI技术所需的分类元素。
最终，尽管生成的AI获得了许多头条新闻，但Iuorio看到这些算法走出数据中心并进入现实世界的影响更大。正如他所说的：当它走到边缘时，它变得令人兴奋。