1687
科技点亮未来，创新驱动发展。随着科技创新的步伐日益加快，2024年将迎来新一轮的突破，有望从根本上重塑整个世界的生活、互动和交流方式。是德科技紧跟技术创新与行业发展动向，于近期发布了2024主要技术趋势预测，内容涵盖云计算、6G、AI与营销及AI趋势、软件测试与AI、半导体和软件与AI、EDA、量子、电动汽车等热点话题，旨在为行业提供前瞻性的洞察与思考，从而预见未来。
此次关于趋势预测的文章共分为上下两篇，上篇重点围绕AI与营销及AI趋势、软件测试与AI 、半导体和软件与AI、以及EDA等领域进行深入探讨，解读新质生产力会给各行各业带来哪些变化与影响。
趋势一：AI与营销及AI趋势
1. AI与营销
- 未来会是怎样
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。
- 客户参与：AI 掌控方向盘
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。
- 版权成为关注焦点
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 与人才：赋能时代
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。
- AI 高效提升个性化服务
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。
2. AI趋势
- AI 与零售
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。
- AI 与数字孪生：改变医疗保健行业
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。
趋势二：软件测试与AI
1. AI 与测试：以永远在线为基准
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。
2. 为什么 AI 可能降低质量而不是提高质量
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。
3. AI：监管需要深度和广度
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。
4. AI 与安全：对新常态保持警惕
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。
5. 为什么 AI 需要驾照和定期查验
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。
6. 公民开发者退出舞台，商业开发者风生水起
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。
7. AI 与可持续发展困境
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。
趋势三：半导体和软件与 AI
1. 先进半导体创新指日可待
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。
2. 面向设计和测试的无缝软件解决方案
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。
3. 6G 利用 AI 实现网络优化
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。
4. 借力 AI 弥合仿真与现实之间的差距
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。
趋势四：EDA
1. 性能预测仍然是电子设计的当务之急
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。
2. 新兴电子设计创新
- 3DIC 与异构小芯片：新标准问世
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。
- EDA 转向 AI：由复杂变清晰
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。
- 软件自动化赋能工程师
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。
- 掌控数字化转型：设计管理要点
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。
- 新一代量子设计：优化系统性能
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。
- 硅光子研究推动数据中心转型
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。
下载ECAD模型
