科技點亮未來，創新驅動發展。隨著科技創新的步伐日益加快，2024年將迎來新一輪的突破，有望從根本上重塑整個世界的生活、互動和交流方式。是德科技緊跟技術創新與行業發展動向，于近期發布了2024主要技術趨勢預測，內容涵蓋云計算、6G、AI與營銷及AI趨勢、軟件測試與AI、半導體和軟件與AI、EDA、量子、電動汽車等熱點話題，旨在為行業提供前瞻性的洞察與思考，從而預見未來。

　　此次關于趨勢預測的文章共分為上下兩篇，上篇重點圍繞AI與營銷及AI趨勢、軟件測試與AI 、半導體和軟件與AI、以及EDA等領域進行深入探討，解讀新質生產力會給各行各業帶來哪些變化與影響。

　　趨勢一：AI與營銷及AI趨勢

　　1.AI與營銷

　　·未來會是怎樣

　　市場營銷部門會越來越多地依靠AI 技術的幫助來完成數據分析、見解提煉以及效率提升等任務，這一切都是為了讓營銷活動發揮出最佳效果。

　　·客戶參與：AI 掌控方向盤

　　到 2024 年底，大多數的客戶電子郵件將由 AI 生成。品牌會越來越頻繁地使用生成式 AI 引擎撰寫文案初稿供人類審核批準。但是，營銷團隊必須訓練大型語言模型（LLM），才能全自動生成客戶內容，并凸顯品牌特色。這種操作將在 2026 年成為常態，團隊因此能夠將工作重心轉移到活動管理和優化上。

　　·版權成為關注焦點

　　生成式設計工具逐漸普及，但遇到了一個棘手的問題--版權。很多 AI 解決方案在抓取視覺內容的時候并沒有考慮后果。2024 年，人們會付出大量精力，著重找到 AI 圖像創作版權問題的解決方案，從而厘清版權歸屬。如此一來，營銷團隊就能放心大膽地使用 AI 設計工具，而無需擔心牽涉法律問題，因此可以節省寶貴的時間和金錢。

　　·AI 與人才：賦能時代

　　AI 的普及將不可避免地改變營銷團隊的組織結構。低級別的行政管理角色會消失，大量分析職位也將變得多余。不過，前路也并非完全暗淡--未來對數據科學家的需求會激增，數據分析將成為未來幾年最受歡迎的技能之一，并且不會受到經濟下行的影響。人類會繼續主導營銷工作，但機器發揮的作用會與日俱增。在市場營銷領域，AI（具有防護措施）為人類賦能的狀況還會持續至少十年。

　　·AI 高效提升個性化服務

　　在市場營銷部門努力提升個性化服務的過程中，AI 將發揮至關重要的作用。得益于 AI，市場營銷部門能夠通過優化市場細分來生成更多客戶體驗。此外，AI 還能優化廣告定位和營銷策略，實現更高程度的客戶參與和訂單轉化。

　　2.AI趨勢

　　·AI 與零售

　　零售業一直在快速整合 AI技術，以期提高效率、增加銷售額。一項創新即將浮出水面，那就是通過神經網絡與購物者和產品的結合來打造新零售體驗。譬如，從 2024 年開始，AI 導購能夠在與用戶身材相近的模特上展示衣服，以便用戶準確地看到衣服在不同姿勢下的真實效果。這種高度個性化、身臨其境的體驗代表了零售業的未來發展方向。

　　·AI 與數字孿生：改變醫療保健行業

　　數字孿生技術越來越普及，當下，融合了 AI 的數字孿生技術已經在醫療保健領域創造了新的模式。這項技術將大幅減輕系統承受的壓力，為個人提供更多選擇，有助于提高個人的生活品質。AI 驅動的數字孿生有望開創一個關愛老齡化人口的新時代，讓人們能夠獨立生活更長時間。

　　AI 將在潛在健康問題的早期診斷中發揮關鍵作用。舉個例子，全身磁共振成像（MRI）會利用 AI 來識別、預測和分析數據模式，并且在遠早于病灶肉眼可見時輔助診斷疾病。此外，在協助醫務人員理解和解釋研究結果以及提供治療和護理建議方面，AI 也將發揮更突出的作用。

　　趨勢二：軟件測試與AI

　　AI 與測試：以永遠在線為基準

　　隨著 AI 越來越多地嵌入軟件，系統的自主程度會上升，同時風險和復雜性也會隨之增加，測試因此變得非常有挑戰性。所以，僅用一組固定的測試（程序）已無法再勝任智能系統的評測，需要 AI 技術來自動、持續地測試各種 AI 應用。軟件測試的未來是自主測試設計和執行。

　　為什么 AI 可能降低質量而不是提高質量

　　當 AI 進入了人們周邊的各個系統后，系統會變得越發復雜和先進，其質量卻面臨下降風險。這是由于大量排列的結果，然而人們不可能對每一項都進行測試，因此需要圍繞測試的方式、內容和時間來做出決策，才能確保質量穩定。

　　AI：監管需要深度和廣度

　　人們普遍認為有必要對 AI 進行監管。然而，由于涉及的技術范圍廣、復雜程度高，因此關于監管應當包括哪些內容還存在很大爭議。只有在產生了重大負面影響的大事件發生后，監管才能得到必要的資助。屆時，明確的標準和優秀案例才會發揮效力。如果不盡快實施監管，AI 脫離掌控的風險會攀升。

　　AI 與安全：對新常態保持警惕

　　認識到伴隨 AI 而生的相關風險后，企業需要任命一位 AI 和安全合規高管。隨著時間的推移，這一職位終將與 CSO 合并。

　　企業務必要通過實時學習來設立防護欄，確保 AI 合規。常態化的檢查和平衡有助于驗證智能系統行為如常、沒有失控。實時監控將成為標準操作。然而，隨著這些系統的發展，企業也有必要測試它們是否學會了在進行非法活動時假裝一切正常。強化學習和類似技術可能會在無意中推動 AI 通過隱匿行蹤來實現其目標，這會成為 2030 年之前需要解決的重大問題。

　　對于有能力清理、控制和為 AI 設置防護欄的企業來說，這些問題會給他們創造一系列新的機遇。

　　為什么 AI 需要駕照和定期查驗

　　AI 系統目前是由構建這些系統的公司進行測試。隨著對于風險的了解越來越深入，業界需要一個獨立的機構來驗證 AI 系統是否合規。第一步是獲得 AI 認證（AI 駕照）。然而，它就如同汽車一樣，需要定期測試，才能確保合乎道德標準、負責任、沒有偏見，并且符合必要的國家和行業標準。從長遠來看，每一套 AI 系統都需要貼上 NFT 標簽，以證明它符合用途和各種必要的標準。

　　公民開發者退出舞臺，商業開發者風生水起

　　長期以來，業界一直依靠公民開發者來解決 IT 人才短缺問題。然而，AI 解決方案的快速增長推動著新一代商業開發者的成長。這部分領域專家參與 SDLC 的機會越來越多，因為他們了解企業的目標和運營。新一波無代碼系統也會橫空出世，幫助商業用戶制定目標，然后利用 AI 技術填補缺口。運營知識一方面確保軟件滿足企業和組織的特定需求，另一方面可以降低風險。

　　AI 與可持續發展困境

　　AI 系統會給人們的生活帶來哪些轉變？關于這一點，各種說法沸沸揚揚，但很少有人關注所需的算力。2024 年，AI 對可持續發展的影響將成為人們關注的焦點，企業和組織會開始監測整個技術基礎設施的碳足跡，努力實現凈零目標。公司因此需要決定在哪些方面使用 AI 以及如何明智地使用 AI，而不是隨心所欲地到處部署。在測試軟件和應用時，企業必須拋棄過去的全面測試做法，而應轉為預測最關鍵的測試，進而避免對環境造成影響。

　　趨勢三：半導體和軟件與 AI

　　先進半導體創新指日可待

　　要想連通數字世界和現實世界，需要強大的數字處理能力和數字接口來弄清楚信號之間的復雜關系。半導體技術的進步對于實現這一目標和克服相關挑戰至關重要。

　　這些問題包括提高數據傳輸速率，需要更大的帶寬，也意味著需要更高的載波頻率，需要將載波頻率擴展到太赫茲范圍。MIMO 等技術的使用增加了復雜性和密度，而采用不同拓撲結構的網絡，如非地面（衛星）鏈路，則進一步加劇了這一挑戰。

　　為了解決這些問題，需要進行一系列創新，其中包括將商用半導體（如 GPU 和 FPGA）與定制的 MMIC 和 ASIC 相結合，新解決方案將在尺寸、重量、性能和功耗方面帶來顯著改善。業界也需要用到能以極大帶寬和出色的信號保真度來捕獲和生成信號的數據轉換器。此外，光子解決方案也有助于擴大數據傳輸技術的覆蓋范圍和容量。

　　面向設計和測試的無縫軟件解決方案

　　目前的工作流程是一組松散互聯的工具。然而，隨著虛擬世界與現實世界逐步融合，需要一套統一的設計和測試工作流程，在仿真和測量步驟之間通過云無縫共享數據。

　　這些信息將不斷得到分析，為模擬和測量行為提供依據，填補從概念到最終測試之間的工作流程存在的空白。來自仿真的結果會被輸入 AI 工具中，進而提高設計和測試工作流程的速度和效率。數字孿生會用于設計和測試的緊密結合，因此只需要一次實際構建即可。

　　6G 利用 AI 實現網絡優化

　　6G 會利用 AI 來實現網絡優化，此舉會帶來諸多測試挑戰。必須開發能夠測試人工智能算法的技術，以確保訓練數據沒有偏差，模型有效且沒有異常行為。

　　借力 AI 彌合仿真與現實之間的差距

　　展望未來，AI 技術將成為仿真模型的基礎，助力打造更準確、更高效、包含更豐富信息的模型。此外，AI 還能增強對測試數據的洞察力，減少錯誤，并幫助優化設計和測試工作流程。

　　趨勢四：EDA

　　1.性能預測仍然是電子設計的當務之急

　　2024 年，工程師仍然會繼續推動電子產品開發流程的前移。隨著設計從物理空間進入虛擬空間之后，工程師能夠高效發現問題并解決問題，獲得更深入的見解，實現性能改進。未來幾年，業界會著重推動設計與測試工作流程的銜接，從而應對無線、有線、航空航天與國防以及其他行業采用的電子產品日益復雜的技術要求和上市時間要求。

　　2.新興電子設計創新

　　·3DIC 與異構小芯片：新標準問世

　　UCIe 等新標準浮出水面，這些標準可用于創建小芯片（Chiplet），將片上系統設計解構為更小的知識產權，然后使用先進的封裝將其組裝成 2.5D 和 3D 集成電路。要想準確地仿真晶圓間的物理層互連，設計人員需要用到滿足 UCIe 和其他標準的高速、高頻通道仿真。

　　·EDA 轉向 AI：由復雜變清晰

　　AI 和 ML 技術在 EDA 中的應用仍處于早期階段，設計工程師還在探索能夠讓復雜問題變簡單的使用場景。AI 對于仿真模型的開發和驗證特別有意義，因為它能協助處理大量數據。到2024 年，企業和組織會進一步將這兩種技術應用于硅和 III-V 族半導體工藝技術的器件建模，以及尚在研究當中的 6G 等新標準的系統建模。

　　·軟件自動化賦能工程師

　　隨著摩爾定律逼近極限，通過工作流程自動化改進設計流程不失為提高設計工程師工作效率的一種途徑。到2024 年，Python API 之類的軟件自動化技術會發揮關鍵作用，把各種優秀的工具集成到開放、可互操作的設計和測試生態系統中。

　　·掌控數字化轉型：設計管理要點

　　在打造數字企業工作流的同時，很多企業和組織也在工具套件、數據和 IP 的設計管理方面進行了大力投入。今后，設計數據和 IP 管理軟件會發揮關鍵作用，支持跨地區大型團隊成功打造復雜的 SoC 和異構小芯片設計。在需求定義和合規之間創建數字線程，與 PLM 等企業系統建立緊密聯系，這些都會在產品開發周期的數字化轉型中發揮作用。

　　·新一代量子設計：優化系統性能

　　量子計算飛速發展，從以免費的研究工具為主升級成了聚焦量子設計的商業產品和工作流程。新一代量子設計需要緊密集成的仿真工作流程，如此開發人員才能獲得快速、準確地優化系統性能的能力。

　　·硅光子研究推動數據中心轉型

　　數據中心蓬勃發展，為支持 AI 和 ML 工作負載的指數級增長提供強大計算性能，同時滿足電源和熱性能的需求。就加速數據中心轉型以滿足計算性能需求而言，硅光子研究將發揮至關重要的作用。在開發包含硅光子互連的高速數據中心芯片時，設計工程師需要工藝設計套件（PDK）和準確的仿真模型來支持高級開發工作。

更多精彩內容歡迎點擊==>>電子技術應用-AET<<