Selon la société de recherche Gartner, les revenus potentiels provenant des puces conçues pour exécuter des charges de travail d’IA devraient atteindre 53,4 milliards de dollars cette année, et continuer à croître pour atteindre 119,4 milliards de dollars en 2027.
Alan Priestley, analyste VP, a déclaré que les développements en “IA générative” stimulaient la production et le déploiement de ces puces. Il a souligné l’usage croissant d’une large gamme d’applications basées sur l’IA dans les centres de données, l’infrastructure de bord et les appareils de point, créant ainsi une demande pour des GPUs de haute performance et des semi-conducteurs optimisés.
Priestley a ajouté que le déploiement de puces personnalisées remplacera les GPUs discrets actuels dans de nombreuses organisations, en particulier dans les charges de travail impliquant de l’IA générative.
Gartner a prédit que la valeur des processeurs d’application habilités par l’IA utilisés dans le secteur de l’électronique grand public s’élèvera à 1,2 milliard de dollars en 2023, contre 558 millions de dollars en 2022. Cela est dû à la demande de systèmes informatiques de haute performance pour développer et déployer des services d’IA générative.
Gartner a expliqué que de nombreux fournisseurs qui proposent des systèmes basés sur des GPU de haute performance et des équipements de réseau constatent des avantages significatifs à court terme, les opportunités à plus long terme étant portées par les entreprises cherchant des moyens efficaces et rentables de déployer ces applications.
L’industrie des télécoms et du smartphone est un marché important pour les puces AI. Les smartphones sont devenus des appareils polyvalents qui intègrent une variété d’applications IA, telles que la reconnaissance faciale, la reconnaissance vocale et l’apprentissage automatique. Les réseaux de télécommunications utilisent également l’IA pour améliorer la performance et la fiabilité des réseaux.
L’intelligence artificielle (IA) est de plus en plus utilisée dans ces industries pour une variété d’applications, notamment avec la reconnaissance faciale est utilisée pour sécuriser les smartphones et les réseaux de télécommunications. Par exemple, Apple utilise Face ID pour sécuriser les iPhones, et Google utilise Face Unlock pour sécuriser les smartphones Android.
La reconnaissance vocale est utilisée pour contrôler les smartphones et les services de télécommunications. Par exemple, Amazon Alexa et Google Assistant utilisent la reconnaissance vocale pour contrôler les appareils intelligents et accéder aux informations. L’apprentissage automatique est utilisé pour améliorer la performance des réseaux de télécommunications. Par exemple, les opérateurs de télécommunications utilisent l’apprentissage automatique pour optimiser la gestion du trafic réseau et améliorer la qualité de service.