自计算机时代到来以来，各行各业都充斥着存储数据，以至于其中大部分数据从未得到利用。
据估计，这些数据约为 120 ZB，相当于数万亿 TB，或全球每个海滩上每粒沙子数量的 120 倍以上。现在，世界各地的行业都在通过构建和定制大型语言模型 （LLM） 来利用这些未驯服的数据。
随着 2025 年的临近，医疗保健、电信、娱乐、能源、机器人、汽车和零售等行业都在使用这些模型，将其与专有数据相结合，并准备创建可以推理的 AI。
以下 NVIDIA 专家专注于每年在全球范围内提供价值 88 万亿美元的商品和服务的一些行业。他们预测，可以利用边缘数据并提供近乎即时的见解的 AI 将进入您附近的医院、工厂、客户服务中心、汽车和移动设备。
但首先，让我们听听 AI 对 AI 的预测。当被问及“2025 年各行各业的 AI 的主要趋势是什么”时，Perplexity 和 ChatGPT 4.0 都回答说，代理 AI 与边缘 AI、AI 网络安全和 AI 驱动的机器人并列榜首。
代理 AI 是一种新型的生成式 AI，几乎可以自主运行。它可以根据对大量数据集的持续学习和分析做出复杂的决策并采取行动。代理 AI 适应性强，有明确的目标并且可以自我纠正，并且可以与其他 AI 代理聊天或向人类寻求帮助。
现在，听听 NVIDIA 专家对未来一年的预期：
Kimberly Powell
医疗保健副总裁
人机交互： 机器人将以多种方式协助人类临床医生，从理解和响应人类命令，到执行和协助复杂的手术。
数字孪生、仿真和 AI 在虚拟环境中训练和测试机器人系统，以降低与实际试验相关的风险，从而使这一切成为可能。它还可以训练机器人在几乎任何情况下做出反应，从而提高它们在不同临床情况下的适应性和性能。
用于训练机器人执行复杂任务的新虚拟世界将使自主手术机器人成为现实。这些手术机器人将精确地执行复杂的手术任务，缩短患者的恢复时间并减轻外科医生的认知工作量。
数字健康代理：代理 AI 和多代理系统的曙光将解决劳动力短缺和护理成本上升的生存挑战。
行政健康服务将成为为您做笔记或为您安排下一次预约的数字人类 — 引入软件提供服务的时代，并催生一个服务即软件行业。
患者体验将通过始终在线的个性化护理服务发生转变，而医护人员将与代理人合作，帮助他们减少文书工作，检索和总结患者病史，并为患者推荐临床试验和最先进的治疗方法。
药物发现和设计 AI 工厂：就像 ChatGPT 可以在不动笔试错的情况下生成电子邮件或诗歌一样，药物发现中的生成式 AI 模型可以解放科学思维和探索。
Techbio 和生物制药公司已经开始结合生成、预测和优化分子的模型，以探索近乎无限可能的目标药物组合，然后再进行耗时且昂贵的湿实验室实验。
药物发现和设计 AI 工厂将使用所有湿实验室数据，改进 AI 模型并重新部署这些模型——通过从前一个实验中学习来改进每个实验。这些 AI 工厂将把行业从发现过程转变为设计和工程过程。
Lebaredian 牧师
Omniverse 和仿真技术副总裁
让我们来了解一下物理（即 AI）： 为能够感知、理解物理世界并与之交互的 AI 模型做好准备是企业将竞相应对的挑战之一。
虽然 LLM 主要需要以人类反馈的形式进行强化学习，但物理 AI 需要在模仿物理定律的“世界模型”中学习。基于物理的大规模模拟通过加速物理 AI 模型的训练并在每个行业的机器人系统中实现持续训练，让世界能够通过机器人实现物理 AI 的价值。
便宜十几个： 除了它们的聪明（或缺乏智慧）之外，减缓人形机器人采用的一个重要因素是可负担性。然而，随着代理 AI 为机器人带来新的智能，数量将增加，成本将急剧下降。预计到 2025 年，工业机器人的平均成本将降至 10,800 美元，从 2010 年的 46 美元大幅下降到 2017 年的 27 美元。随着这些设备的价格大幅降低，它们将变得像移动设备一样在各行各业中司空见惯。
迪普·塔拉
机器人和边缘计算副总裁
重新定义机器人：如今，当人们想到机器人时，它们通常是显示自主移动机器人 （AMR）、机械臂或类人机器人的图像或内容。但未来的机器人将成为一个自主系统，能够感知、推理、计划和行动，然后进行学习。
很快，我们将考虑机器人无处不在，从手术室和数据中心到仓库和工厂。甚至交通控制系统或整个城市也将从静态的手动操作系统转变为由物理 AI 体现的自主交互式系统。
小型语言模型的兴起：为了改进在边缘运行的机器人的功能，预计会看到小型语言模型的兴起，这些模型既节能又避免了与向数据中心发送数据相关的延迟问题。边缘计算中向小语言模型的转变将改善一系列行业的推理，包括汽车、零售和高级机器人技术。
凯文·莱维特
全球金融服务总监
AI 代理促进公司运营：AI 驱动的代理将深度集成到金融服务生态系统中，从而改善客户体验、提高生产力并降低运营成本。
AI 代理将根据每家金融服务公司的需求采用各种形式。类人 3D 虚拟形象将接受请求并直接与客户互动，而基于文本的聊天机器人将在几秒钟内汇总数千页的数据和文档，为所有业务职能部门的员工提供准确、量身定制的见解。
AI 工厂成为筹码： 该行业的 AI 用例正在爆炸式增长。这包括改进反洗钱和了解客户法规的身份验证，减少交易欺诈的误报，以及制定新的交易策略以提高市场回报。AI 还实现了文档管理的自动化，缩短了融资周期，以帮助消费者和企业完成财务旅程。
为了利用这些机会，金融机构将建立使用全栈加速计算的 AI 工厂，以最大限度地提高性能和利用率，以构建支持 AI 的应用程序，为数百甚至数千个用例提供服务，从而在竞争中脱颖而出。
AI 辅助数据治理： 由于财务数据的敏感性和严格的监管要求，治理将成为公司的首要任务，因为它们使用数据来创建可靠且合法的 AI 应用程序，包括欺诈检测、预测和预测、实时计算和客户服务。
公司将使用 AI 模型来协助财务数据的结构、控制、编排、处理和利用，使遵守法规和保护客户隐私的过程更加顺畅，劳动强度更低。AI 将成为理解行业未充分利用的非结构化数据并从中获得可行见解的关键。
理查德·克里斯
媒体和娱乐副总裁
让 AI 娱乐您： AI 将继续通过每个屏幕上的超个性化内容（从电视节目到体育直播）彻底改变娱乐业。使用生成式 AI 和先进的视觉语言模型，平台将提供针对个人品味、兴趣和情绪量身定制的沉浸式体验。想象一下，精心制作的预告图片和嘶嘶作响的卷轴可以捕捉新节目或现场活动的精髓，并立即建立个人联系。
在体育直播中，AI 将增强可访问性和文化相关性，提供语言配音、定制评论和本地改编。AI 还将通过实时调整节奏、质量和参与选项来提升狂欢观看体验，以保持粉丝的吸引力。这种新的互动水平将把流媒体从一种被动的体验转变为一种引人入胜的旅程，使人们更接近行动和彼此。
AI 驱动的平台还将通过根据个人偏好定制推荐、预告片和内容来与受众建立有意义的联系。AI 的超个性化将使观众能够发现隐藏的宝石，与旧的最爱重新建立联系并感觉被关注。对于该行业来说，AI 将推动增长和创新，引入新的商业模式并实现全球内容战略，以庆祝独特的观众偏好，使娱乐感觉无边界、引人入胜和个人制作。
罗尼·瓦西斯塔
电信高级副总裁
AI 连接：电信提供商将开始通过同一网络提供生成式 AI 应用程序和 5G 连接。AI 无线接入网络 （AI-RAN） 将使电信运营商能够将传统的单一用途基站从成本中心转变为能够为设备提供 AI 推理服务的创收资产，同时更高效地提供最佳网络性能。
AI 代理来救援： 电信行业将成为率先使用代理 AI 来执行关键业务功能的行业之一。电信运营商将使用 AI 代理执行各种任务，从向客户建议省钱计划和排除网络连接问题，到回答账单问题和处理付款。
更高效、性能更高的网络：AI 还将用于无线网络层，以提高效率、提供特定于站点的学习并降低功耗。使用 AI 作为智能性能改进工具，运营商将能够持续观察网络流量，预测拥塞模式并在故障发生之前进行调整，从而实现最佳网络性能。
响应 sovereign AI 的号召：各国将越来越多地求助于电信公司，这些电信公司在管理复杂的分布式技术网络方面拥有丰富的经验，以实现其主权 AI 目标。这一趋势将迅速蔓延到欧洲和亚洲，瑞士、日本、印度尼西亚和挪威的电信公司已经与国家领导人合作，建立人工智能工厂，这些工厂可以使用专有的本地数据来帮助研究人员、初创公司、企业和政府机构创建 AI 应用程序和服务。
吴新洲
汽车副总裁
踩到生成式 AI 金属踏板：随着开发人员利用生成式 AI 的进步，自动驾驶汽车的性能将变得更强。例如，利用视觉语言模型等基础模型，提供了使用互联网规模的知识来解决自动驾驶汽车 （AV） 领域最难的问题之一的机会，即在极少数极端情况下高效、安全地进行推理。
模拟解锁成功：更广泛地说，基于 AI 的新工具将在 AV 开发方式上实现突破。例如，生成式仿真的进步将支持可扩展地创建复杂场景，旨在出于安全目的对车辆进行压力测试。除了允许测试异常或危险条件外，仿真对于生成合成数据以实现端到端模型训练也至关重要。
三计算机方法：实际上，人工智能的新进展将促进支撑自动驾驶汽车开发的三台关键计算机的自动驾驶软件开发——一台用于在数据中心训练基于 AI 的堆栈，另一台用于模拟和验证，第三台车载计算机处理实时传感器数据以实现安全驾驶。这些系统将共同推动 AV 软件的持续改进，以提高汽车、卡车、自动驾驶出租车等的安全性和性能。
马克·斯皮勒
全球能源行业高级董事总经理
欢迎智能电网： 您知道每天的家庭用电高峰是什么时候吗？很快，世界各地的公用事业公司就会采用智能电表，这些电表使用 AI 来广泛管理其电网，从大型发电厂和变电站，到现在的家庭。
随着智能电网的形成，智能电表——曾经被认为太昂贵而无法安装在数百万家庭中——将软件、传感器和加速计算相结合，将在后院的树木碰到电线时提醒公用事业公司，或者何时提供大笔回扣以回购通过屋顶太阳能装置存储的多余电力。
通电： 提供最佳功率堆栈一直是能源行业的关键任务。在生成式 AI 时代，公用事业公司将以减少对环境影响的方式解决这个问题。
预计到 2025 年，核电将更广泛地成为该行业将采取的一条清洁能源道路。随着天然气取代煤炭和其他形式的能源，对天然气的需求也将增长。加速计算、仿真技术以及 AI 和 3D 可视化的广泛使用为这些复兴的能源形式提供了帮助，这有助于优化设计、管道流动和存储。我们将看到同样的情况发生在石油和天然气公司，这些公司正在寻求减少能源勘探和生产的影响。
阿兹塔·马丁
零售、消费包装商品和快餐店副总裁
软件定义零售： 超级中心和杂货店将成为软件定义的，每个超市都在边缘运行计算机视觉和复杂的 AI 算法。这种转变将加快结账速度，优化商品销售并减少损耗——这是产品丢失或被盗的行业术语。
每家商店都将连接到总部的 AI 网络，使用集体数据成为永久学习机器。不断从自己的数据中学习的软件定义商店将改变购物体验。
智能供应链：使用数字孪生、生成式 AI、机器学习和基于 AI 的求解器创建的智能供应链将推动数十亿美元的劳动生产率和运营效率。商店和配送中心的数字孪生仿真将优化布局，以提高店内销售额并加快配送中心的吞吐量。
代理机器人与员工一起工作，负责装卸卡车、货架和包装客户订单。此外，基于 AI 的路线优化求解器将增强最后一英里交付，使产品能够更快地到达客户手中，同时降低车辆燃料成本。