1. 引言

自1956年AI (Artificial Intelligence)人工智能誕生到2022年，它一直是屬于電子、計算機及哲學(xué)領(lǐng)域前沿基礎(chǔ)理論研究的范疇。期間，AI只是艱難曲折地緩慢向上發(fā)展，對社會各行業(yè)的影響都微乎其微。但2022年迎來一個重大轉(zhuǎn)折，Open AI生成式大模型ChatGPT發(fā)布，成為一個以生成式大模型為核心的人工智能新時代來臨的新起點。AI也逐步發(fā)展為通用人工智能AGI (Artificial General Intelligence)，它的標(biāo)志是可以實現(xiàn)自我學(xué)習(xí)、改進和調(diào)整，進而不需人為干預(yù)而解決任何問題，使人AI“工具”開始有了“生命”。

自此。AI技術(shù)進入AGI一個按指數(shù)型發(fā)展新領(lǐng)域。至今ChatGPT已發(fā)展到多模態(tài)的GPT4o及谷歌的Gemini等。模型參數(shù)已從千億級發(fā)展到萬億級；所用算力從幾十PLOPS擴展到幾十ELOPS。大模型已經(jīng)學(xué)習(xí)了5000~8000萬種人類有史以來創(chuàng)造的知識。大模型不僅能文字交互，而且能語音交互聊天，能看懂、生成圖片，輸出一定程度上符合環(huán)境規(guī)律的視頻。

2. AGI時代的特點

2.1. AGI可滲透應(yīng)用到所有的行業(yè)中

AGI是文本、語音、圖像視頻多模態(tài)交互的通用大模型，它可滲透到當(dāng)今世界的所有行業(yè)。當(dāng)前，大模型已在很多應(yīng)用端爆發(fā)出它的巨大威力。人們都認識到大模型將改變世界；世上所有行業(yè)都需要基于人工智能技術(shù)重新做一遍，所有的人群和工作都可歸納為“制造AGI工具的”和“使用AGI工具的”。雖然工作可取代，但人類的做決策、情感、想象力和創(chuàng)造力是人工智能短期無法取代的。

(1) 經(jīng)驗性、重復(fù)性的工作將被AGI替代

AI應(yīng)用首先逐步替代的工作是一些大量經(jīng)驗型、重復(fù)流水性工作。如文案，科技翻譯、形象設(shè)計、碼農(nóng)等。但那些少數(shù)高端人腦創(chuàng)意性的工作則難以替代，大量的人力勞動(如建筑行業(yè))也無法替代。沒有唯一標(biāo)準(zhǔn)答案的文學(xué)翻譯，好的美學(xué)作品，系統(tǒng)規(guī)劃師等還需要一些高端的人才。在醫(yī)院，急診、各類手術(shù)科室的醫(yī)生將加強，但門診、社區(qū)及全科大夫?qū)⒋罅渴褂谩癆I醫(yī)生”，互聯(lián)網(wǎng)醫(yī)療將進化為無人的AI醫(yī)療。

(2) 1 + 1 > 2

在AGI時代，AGI工具的能力越來越強大。一個掌握了AGI工具人的工作效率將遠遠大于兩個未掌握AGI工具人的工作效率。AI翻譯已90%取代了科技翻譯。隨著讀片AI化，CT及MR的工作效率將大步提升。一個掌握AI代碼工具的嵌入式工程師的工作效率能頂上數(shù)個傳統(tǒng)的嵌入式工程師。

(3) AGI多模態(tài)生成式大模型技術(shù)的三大方向

A、本身發(fā)展研究：類人神經(jīng)算法進一步的研究，加大算力，減少能耗；學(xué)完已有數(shù)據(jù)并生成數(shù)據(jù)。

B、智能體(Agent)研究：如AI PC、自主機器人、L5無人駕駛等應(yīng)用側(cè)系統(tǒng)。

C、科學(xué)研究：在各自科學(xué)研究中，根據(jù)本專業(yè)建模，建立本行業(yè)、企業(yè)、部門的大模型，成為自身科學(xué)研究的工具，成為人類科學(xué)家的好助手。

2.2. AGI時代的人才金字塔的變化(如圖1)

(1) AI時代人才金字塔體量變小

AI時代，掌握了AGI工具人的工作效率大幅提升，1 + 1 > 2。雖然增加了一些“訓(xùn)練師”、“標(biāo)記師”等新行業(yè)，但老行業(yè)裁員已成新的大趨勢。所裁人員向人力產(chǎn)業(yè)和第三產(chǎn)業(yè)轉(zhuǎn)移。但總體上是使用AI工具的個人，能力越來越強大，這部分人可以養(yǎng)活全球人。福利社會將到來，高端人士貢獻大，生活將會更好，每周工作3天、4天已成可能。因為社會的穩(wěn)定，低保已能滿足一部分無業(yè)底層人的基本生活。

Figure 1. Talent pyramid of the AGI era

圖1. AGI時代人材金字塔

(2) AI時代人才金字塔更尖銳

在AI時代，人才高低端分離得更嚴(yán)重，人們可區(qū)分為“制造AI工具的人”和“使用AI工具的人”。在金字塔頂端，更需像奧特曼、黃仁勛、庫克等這樣的頂端大師，他們帶領(lǐng)“制造AI工具的團隊”，研究、推動AGI算法、算力的發(fā)展；生成多模態(tài)基礎(chǔ)大模型及政府、行業(yè)、企業(yè)、個人的專屬大模型。他們創(chuàng)造性思維帶來的新工作遠大于因AI消失的工作，它的體量會變大。在金字塔底端，“使用AI工具的人”因AI帶來的高效率，消滅大量的憑經(jīng)驗及重復(fù)性的工作崗位。雖然它增加了訓(xùn)練師、標(biāo)注師等工作崗位，但它總的體量會變小。

Table 1. Forecast of electronic and computer research and development team of small and micro enterprises for Internet of Things equipment

表1. 物聯(lián)網(wǎng)設(shè)備小微企業(yè)電子及計算機研發(fā)隊伍預(yù)測

如表1所示，當(dāng)前一個物聯(lián)網(wǎng)設(shè)備小微企業(yè)，開發(fā)研究人員有20位(3名系統(tǒng)規(guī)劃師、12名軟硬件開發(fā)工程師，4名測試工程師，1名結(jié)構(gòu)工程師)，到AGI時代可能只需10人(2名系統(tǒng)規(guī)劃師、3名軟硬件開發(fā)工程師，4名測試工程師，1名結(jié)構(gòu)工程師)。其中創(chuàng)新思維，找到并提出解決方案的系統(tǒng)規(guī)劃師僅減少1名，需手動非重復(fù)勞動的測試、結(jié)構(gòu)工程師(非流水線上批量生產(chǎn)的)尚無法替代。而軟硬件開發(fā)工程師由于上游提供大量標(biāo)準(zhǔn)電路及豐富的庫函數(shù)，又有AI代寫軟件，其人數(shù)將大大壓縮3分之一或更少。

所以AGI時代人才結(jié)構(gòu)的金字塔會變窄、變高、變得更尖銳。

3. AGI時代的電子及計算機工程師

作為AGI時代前沿的電子工程師和計算機工程師受AGI的影響最為直接。他們必須接受AGI強風(fēng)暴雨的洗禮。

3.1. 硬件集成電路及微電子系統(tǒng)工程師

(1) 迎對摩爾定律的失效

集成電路芯片制程從5 nm走到3 nm，生產(chǎn)成本翻了一番。摩爾定律“每18~24個月，集成電路上晶體管面密度會增加一倍，性能也將提升一倍(或同性能的成本減少一倍)”似乎已經(jīng)走到了尾聲，1 nm幾乎成為芯片大廠追求的極限。應(yīng)對摩爾定律的失效，性能的提高，不僅是算力、帶寬、速度，而且能耗也是越來越重要的考量因素。所以需要有根本性的突破，研究發(fā)展類腦神經(jīng)形態(tài)系統(tǒng)級芯片、類人的非硅系芯片，光芯片[1]、量子芯片、DNA計算芯片等。

“人腦是非常復(fù)雜龐大的神經(jīng)網(wǎng)絡(luò)系統(tǒng)，總功耗僅為20瓦，遠小于現(xiàn)有的AI系統(tǒng)。”在算力比拼加速、能耗日益攀升的當(dāng)下，借鑒人腦的低功耗特性發(fā)展新型智能計算系統(tǒng)成為極具潛力的方向。采用人腦“神經(jīng)形態(tài)動態(tài)計算”概念，將人腦中的高抽象層次注意力機制應(yīng)用于類腦芯片設(shè)計，進一步挖掘了類腦芯片在性能和能效上的潛力。Speck在一塊芯片上集成了動態(tài)視覺傳感器和神經(jīng)形態(tài)芯片，8核具有極低的靜息功耗。典型視覺場景任務(wù)功耗可低至0.7毫瓦，為人工智能應(yīng)用提供了高能效、低延遲和低功耗的類腦智能解決方案[2]。

(2) 在摩爾定律的末端，榨取它的剩余價值

在摩爾定律的尾聲，進一步提高性能，就不能僅靠提高晶體管的面密度，而是要推出新的晶體管架構(gòu)、材料選擇及先進制程、Chiplet多核異構(gòu)(CPU + NPU + GPU……)、光連接(TPU)、及多維連接等。

A、Chiplet是一種芯片設(shè)計和集成的方法。它將一個大型AI芯片分解為多核異構(gòu)多個獨立的功能模塊片段(稱IP核或稱Chiplet)。每個Chiplet是已經(jīng)過驗證的、可以重復(fù)使用的具有某種確切功能的集成電路設(shè)計模塊。各種IP核如圖形處理單元GPU (Graphics Processing Unit)、神經(jīng)網(wǎng)絡(luò)處理單元NPU (Neural network Processing Unit)、視頻處理單元VPU (Video Processing Unit)、數(shù)字信號處理單元DSP (Digital Signal Processor)、張量處理單元TPU (Tensor Processing Unit)等。它使芯片設(shè)計更加模塊化和靈活。不同的芯片片段可以獨立設(shè)計和優(yōu)化，然后通過集成技術(shù)組合成一個完整的芯片。這種模塊化的設(shè)計使得每個芯片片段可以在獨立的制造工藝下進行生產(chǎn)(不必都使用同一種最高級制造工藝。這樣可以降低制造成本，并提高芯片的產(chǎn)量和良品率[3]。

B、多維集成芯片。當(dāng)前計算機的計算單元和存儲單元分離，存儲帶寬制約了計算系統(tǒng)的有效帶寬，造成時延長、功耗高等問題。采用多維集成芯片，將多個芯片堆疊在一起，使存儲與計算完全融合，以新的高效運算架構(gòu)進行二維和三維矩陣計算，具有更大算力(1000TOPS以上)、更高能效(超過10~100 TOPS/W)、降本增效三大優(yōu)勢，有效克服馮·諾依曼架構(gòu)瓶頸，實現(xiàn)計算能效的數(shù)量級提升。AMD推出的MI300就采用了3D堆疊技術(shù)和Chiplet設(shè)計，配備了9個基于5 nm制程的芯片組，置于4個基于6 nm制程的芯片組之上。

C、互連就是電流在芯片中各個晶體管、存儲器、處理單元和其他組件之間的連接方式。前期銅互聯(lián)取代了鋁互聯(lián)?，F(xiàn)在，業(yè)界一直在尋找替代銅互連更優(yōu)材料，如碳納米管(CNT)、單層石墨烯(SLG)、多層石墨烯(FLG))與釕(Ru)。臺積電使用的石墨烯表現(xiàn)出高本征載流子遷移率和大載流能力，具有高導(dǎo)熱性和抗電遷移的競爭穩(wěn)健性，還可以制成原子級厚度，有助于減輕厚度對RC延遲的影響。IBM則使用釕。釕可以擴展到1納米及以上節(jié)點不需要襯墊，在導(dǎo)線的頂部通過減色圖案化法形成的釕互連通孔，形成連續(xù)的導(dǎo)線和自對準(zhǔn)通孔。從而減少互連寄生電容，助于實現(xiàn)更快、更低功耗的芯片[4]。

D、改變器件架構(gòu)

采用堆疊式CFET場效應(yīng)管架構(gòu)。將晶體管組件垂直堆疊在一起，而不是橫向堆疊，極大地增加了單個芯片上可以安裝的晶體管數(shù)量。這種架構(gòu)的集成密度進一步提升，將n型和p型MOS元件堆疊在一起，可以堆疊8個納米片。

(3) AI PC [5]

AI要為廣大人群使用，就必須將商用PC機集成人工智能技術(shù)，演變?yōu)锳I PC。AI PC必須滿足五個條件：配備個人智能體(AI Agent)；具備本地異構(gòu)算力；具備本地化個人知識庫；開放的AI應(yīng)用生態(tài)以及設(shè)備級個人數(shù)據(jù)和隱私安全保護；可以離線運行。

要加大邊緣芯片的算力，需在AI PC處理器芯片中加入NPU (神經(jīng)處理單元)等，采用CPU + GPU + NPU的多核異構(gòu)的架構(gòu)。以TOPS作為基礎(chǔ)衡量指標(biāo)。微軟將自己的AI-PC命名為Copilot + PC；處理器需擁有超過40 TOPS的算力。去年微軟的首批Copilot + PC選擇與高通合作，搭載了基于Arm架構(gòu)的處理器。Arm架構(gòu)的功耗優(yōu)勢明顯，更適合性能強大的AI PC落地普及。

AI PC需要云端和應(yīng)用側(cè)混合運行。用戶要求復(fù)雜，需要大型數(shù)據(jù)支撐，進行大型迭代，可依靠在云端運行的生成式AI；但需快速反應(yīng)、及有數(shù)據(jù)安全的要求時，則依靠自身的算力和應(yīng)用側(cè)端小型化的大模型運行。

(4)智能體芯片

智能體芯片和AI算力芯片一樣，具有微處理單元、存儲單元，可擁有自己的知識庫和推理機，因而它能對自己的位置進行標(biāo)識，自主地決定是否對外來信息作出響應(yīng)或行為反應(yīng)，而且具備與其它智能性通信的接口。它添加簡單的外圍部件就能構(gòu)建成獨立的智能體。它通常作為工業(yè)智聯(lián)網(wǎng)的中間級或智能應(yīng)用末端[6]。

3.2. 軟件工程師

(1) 大模型算法LLM(Large Language Model)研究

當(dāng)前，LLM算法研究基本都是源于類腦研究。文本生成、語音互聊、圖像生成都已獲得巨大進展，但無論在精細、速度、能耗等方面還欠缺不少，尤其是在多模態(tài)視頻識別、視頻生成方面還在摸索，在人工神經(jīng)網(wǎng)絡(luò)的可解釋性、對齊和控制的領(lǐng)域仍處于起步階段。亟待MiniCPM-Llama3-V 2.5等新模型的出現(xiàn)[7]。

(2) 推出算力運算平臺

大模型所需的大算力需要上萬塊AI芯片堆疊運行。英偉達首推出了通用并行計算架構(gòu)的CUDA算力平臺，讓全球超過400萬開發(fā)人員依靠CUDA來構(gòu)建AI及其他應(yīng)用程序。CUDA能夠在運算基礎(chǔ)不斷增長的情況下，擴大生態(tài)系統(tǒng)，使成本不斷下降?，F(xiàn)在，隨著計算膨脹和計算成本的提升，多種AI芯片的出現(xiàn)，推出各自(或共同)的AI芯片運算平臺，對去壟斷，多元化至關(guān)重要[8]。

(3) 跨行業(yè)，在各行業(yè)領(lǐng)域建模，用行業(yè)數(shù)據(jù)喂養(yǎng)，訓(xùn)練行業(yè)應(yīng)用大模型

人類所有的行業(yè)都需要和值得用AGI重做一遍。這就需要跨界和行業(yè)交叉，在各個專業(yè)、行業(yè)、企業(yè)甚至個人根據(jù)自身的需求、條件及安全需求建模，利用開源系統(tǒng)，組建行業(yè)訓(xùn)練模型、標(biāo)注數(shù)據(jù)隊伍，建立各自的生成式大模型，應(yīng)用于各自的工作、生活中。

(4) 為末端應(yīng)用開發(fā)API、SDK、APP等

大廠不斷推出了各種多模態(tài)生成式大模型，急于變現(xiàn)。非電子及計算機專業(yè)人士也急于大量應(yīng)用AGI。這就需要大廠為大模型的末端應(yīng)用同步推出應(yīng)用程序接口API (Application Programming Interface)、軟件開發(fā)工具包SDK (Software Development Kit)及APP等二次開發(fā)應(yīng)用端，以幫助二次開發(fā)商和電子及計算機人士能簡便地安裝應(yīng)用在用戶側(cè)的手機及PC機上。

(5) 為應(yīng)用端芯片開發(fā)庫函數(shù)

AGI時代，用戶側(cè)的電器都逐步演變成為具有標(biāo)識、狀態(tài)、行為和接口智能體。這些智能體本身的功能越來越強大。一個多模態(tài)家居智能體加上各種前端傳感器和后端執(zhí)行機構(gòu)可能就強似現(xiàn)在家庭的智能家居 + 智能健生養(yǎng)護 + 家居智能辦公、學(xué)習(xí) + ……等。

這種用戶側(cè)的智能體芯片都具有功能強大化、標(biāo)準(zhǔn)化、積木化、環(huán)境適應(yīng)化、應(yīng)用簡單化的特點。智能體芯片廠商都需要少量軟件開發(fā)者為其研發(fā)完善的開源應(yīng)用函數(shù)庫，以提供給智能體開發(fā)者，也提供作為AI代碼大模型的訓(xùn)練數(shù)據(jù)。這樣采用智能體芯片開發(fā)智能體的工作效率就很高，所需的研究開發(fā)人員大大減少。

3.3. 應(yīng)用側(cè)電子及計算機工程師

快速發(fā)展的人工智能主體都依賴在云端的生成式大模型、大算力和大數(shù)據(jù)。但為了信息安全、反應(yīng)快捷及消除擁堵，應(yīng)用側(cè)的“邊緣AI”像“邊緣計算”一樣也得到迅速地發(fā)展。

(1) 大模型的小型化

生成式AI在云端運行，但正在迅速演進至能在末端運行。如很多行業(yè)的垂直應(yīng)用領(lǐng)域(如L5無人駕駛汽車、AI醫(yī)生)及個人PC用戶，有時需要斷網(wǎng)在用戶側(cè)末端運行，這就需要在用戶側(cè)末端能裝入并運行百億級以上的小型大模型。末端算力、存儲有限，這就急需針對應(yīng)用領(lǐng)域?qū)⒋竽Ｐ托⌒突?，使其能裝入智能體，單獨在應(yīng)用側(cè)端運行。

(2) AI工業(yè)物聯(lián)網(wǎng)電子及計算機工程師

由于當(dāng)今的物聯(lián)網(wǎng)已轉(zhuǎn)化為工業(yè)互聯(lián)網(wǎng)的末端。物聯(lián)網(wǎng)嵌入式工程師將會逐步演化為“工業(yè)物聯(lián)網(wǎng)應(yīng)用側(cè)電子及計算機工程師”[9]。他們從事工業(yè)物聯(lián)網(wǎng)末端智能體的開發(fā)、生產(chǎn)、維護。他們與傳統(tǒng)物聯(lián)網(wǎng)嵌入式工程師不同，有了新特點。

此時，物聯(lián)網(wǎng)模塊均成為智能體，其芯片功能強大、接口多樣、協(xié)議標(biāo)準(zhǔn)，并備有推薦電路及配套的開源庫函數(shù)。這種單體能力的提高，標(biāo)準(zhǔn)化，大規(guī)模生產(chǎn)的低成本化。使得小微物聯(lián)網(wǎng)企業(yè)面臨被兼并、淘汰、轉(zhuǎn)行。這部分被裁員的工程師就只能向金子塔的兩端轉(zhuǎn)化。底層的工作越來越少。工程師們需更多地向軟件發(fā)展，實現(xiàn)硬軟結(jié)合，硬軟交叉。也更多與應(yīng)用專業(yè)交叉。要根據(jù)應(yīng)用專業(yè)的要求搭載前端傳感器，后端執(zhí)行單元。要用應(yīng)用專業(yè)的數(shù)據(jù)標(biāo)記和訓(xùn)練，這就需要這部分工程師向應(yīng)用專業(yè)跨界。

4. 當(dāng)今的電子及計算機工程師的應(yīng)對

4.1. 歡迎AGI的到來，迅速掌握出現(xiàn)的AI工具

人類歷史已經(jīng)證明，新技術(shù)都是不可抗拒的雙刃劍，蒸汽機、電力、流水線直到核武器等都是如此?？萍急旧硎菬o國界的，但使用科技的人是有政治觀點的。技術(shù)的發(fā)展的陣痛之余，工作效率的提升，會使每個人的生活變得比以前更好。在這股AI技術(shù)浪潮中，與其害怕，倒不如積極擁抱，占據(jù)AGI的制高點，力所能及地順風(fēng)而上。不要囿于“模型有種種缺陷”，甚至“胡說八道”，而要看到這是必然趨勢，成長中的短暫錯誤。學(xué)習(xí)它的利遠大于弊。不想成為被逐漸淘汰的“不會使用AI工具的人”，那就趕快跑入掌握AI工具賽道中的第一梯隊。

4.2. 在繼承、否定、發(fā)展中成長[10]

在學(xué)習(xí)、掌握AI工具之時，要善于學(xué)習(xí)、繼承，但不要迷信，要勇于懷疑、否定，勇于試錯?？茖W(xué)技術(shù)就是在懷疑、否定之否定中發(fā)展的。讓自己也在學(xué)習(xí)、懷疑、否定、創(chuàng)新探索中向金字塔頂端攀登。

4.3. 對電子及計算機教學(xué)進行大刀闊斧的改革

AGI進入到指數(shù)發(fā)展的賽道，知識爆炸、更新淘汰得更快，部分前沿技術(shù)更新周期已大大縮短到以月計和年計，遠小于課程設(shè)置、教材大綱審訂、教材編寫、出版的周期。所以這些權(quán)利應(yīng)該下放給學(xué)校、專業(yè)、教研室及教師本人。允許教師有幾分授課內(nèi)容、方式裁定權(quán)。教師在教學(xué)中除自己不斷學(xué)習(xí)外，而且要指導(dǎo)學(xué)生扎好基礎(chǔ)，帶領(lǐng)學(xué)生緊跟潮流、批判吸收。鼓勵雙學(xué)位和獲取交叉專業(yè)學(xué)分。

5. 基金項目

2023年海南省高等學(xué)?？茖W(xué)研究項目《基于大數(shù)據(jù)的海南特色分布式養(yǎng)老監(jiān)護系統(tǒng)的研究》(項目編號：Hnky2023-50)。