AI這場(chǎng)革命，走到了哪一步？

　　大雨落幽燕，白浪滔天，秦皇島外打魚船。一片汪洋都不見，知向誰邊?

　　往事越千年，魏武揮鞭，東臨碣石有遺篇。蕭瑟秋風(fēng)今又是，換了人間!

　　IT革命中每十年就產(chǎn)生一波新的浪潮，每個(gè)新平臺(tái)都會(huì)創(chuàng)造更大的財(cái)富，催生新的巨頭，但只有極少數(shù)公司可以成功越過浪尖，爬到下場(chǎng)盛宴的鐵王座;某種程度上，人類都能一起共享“革命”帶來的碩果，但只有極少數(shù)人能“乘風(fēng)馭浪”，握享時(shí)代的榮光!

　　回到現(xiàn)實(shí)中，自2007年iPhone誕生以來，移動(dòng)互聯(lián)網(wǎng)也接近“十年之變”。下場(chǎng)革命的輪廓也漸漸明了，AI會(huì)是繼移動(dòng)互聯(lián)網(wǎng)之后下一場(chǎng)大風(fēng)暴成為越來越多人的共識(shí)。但還是太少的人能意識(shí)到，未來10年的生產(chǎn)力進(jìn)步可能會(huì)等于幾千年的總和。我們正在經(jīng)歷了人類出現(xiàn)以來發(fā)展最快的70年，而且還會(huì)繼續(xù)加速!

　　也少有人會(huì)去反思：這樣的奇跡背后，上帝之手究竟來自于哪里，它會(huì)指引我們走向何方?我們又要如何下注?

　　從Mobile First到AI First的過渡必將引發(fā)IT軟硬件的全面革洗牌。革命是混亂，革命也是階梯!那么就從這混亂的革命中找找賺錢(或選股票)的機(jī)會(huì)!

　　身在何方的AI

　　筆者第一個(gè)想搞清楚問題是：這場(chǎng)革命，到底走到了哪一步?

　　當(dāng)霍金和埃隆·馬斯克在互掐“AI時(shí)代來臨后，被AI玩爆人類應(yīng)該怎么處置這個(gè)問題時(shí)”，馬爸爸發(fā)力大數(shù)據(jù)，李彥宏終于想開了，跟緊谷歌腳步搞自動(dòng)駕駛;知乎上“怎樣成為阿里的算法工程師”下面的回答已經(jīng)超過80，大多數(shù)普通人說起AI時(shí)反應(yīng)是：你說的那個(gè)阿爾法狗對(duì)戰(zhàn)柯潔啊..........

　　顯然沒有標(biāo)準(zhǔn)答案的問題，認(rèn)知系統(tǒng)不同的人，看法會(huì)千差萬別!筆者翻了些資料，目前科學(xué)界主流比較認(rèn)同的是工智能會(huì)朝這三個(gè)階段，一步一步往上跳：

　　弱人工智能：弱人工智能是擅長(zhǎng)于處理某一單個(gè)方面的人工智能。比如Alfago只能下象棋，蘋果Siri目前只能作為你的語音助手。特斯拉的無人駕駛系統(tǒng)里也包含無數(shù)的弱人工智能，不要否認(rèn)，我們已經(jīng)進(jìn)入人工智能的世界中，只是現(xiàn)在level還比較低。甚至在弱人工智能中都屬于比較低級(jí)的階段

　　強(qiáng)人工智能：人類級(jí)別的人工智能。強(qiáng)人工智能是指在各方面都能和人類比肩的人工智能，人類能干的腦力活它都能干。創(chuàng)造強(qiáng)人工智能比創(chuàng)造弱人工智能難得多，我們現(xiàn)在還做不到。Linda Gottfredson教授把智能定義為“一種寬泛的心理能力，能夠進(jìn)行思考、計(jì)劃、解決問題、抽象思維、理解復(fù)雜理念、快速學(xué)習(xí)和從經(jīng)驗(yàn)中學(xué)習(xí)等操作,”強(qiáng)人工智能在進(jìn)行這些操作時(shí)應(yīng)該和人類一樣得心應(yīng)手。

　　超人工智能：牛津哲學(xué)家，知名人工智能思想家Nick Bostrom把超級(jí)智能定義為“在幾乎所有領(lǐng)域都比最聰明的人類大腦都聰明很多，包括科學(xué)創(chuàng)新、通識(shí)和社交技能。”

　　目前AI的發(fā)展毫無疑問處于弱人工智能發(fā)展階段。但在弱人工智能階段，AI的發(fā)展也要被劃分為三個(gè)階段：技術(shù)驅(qū)動(dòng)階段、數(shù)據(jù)驅(qū)動(dòng)階段和場(chǎng)景驅(qū)動(dòng)階段。我們現(xiàn)在處于弱人工智能的早期階段——技術(shù)驅(qū)動(dòng)階段。

　　人工智能制勝的三寶

　　技術(shù)的發(fā)展一般要先于應(yīng)用層面，所以現(xiàn)在我們看到各大巨頭無論是百度還是谷歌都在致力于這場(chǎng)革命的“基礎(chǔ)建設(shè)——開源平臺(tái)的建設(shè)。在此階段，數(shù)據(jù)量、運(yùn)算力和算法模型是決定人工智能行業(yè)發(fā)展的三大要素，也是各大巨頭角力的三大山頭。數(shù)據(jù)量和算法可以分別比作人工智能的燃料和發(fā)動(dòng)機(jī)，算力則是制約人工智能成“人”還是“成神”的基礎(chǔ)硬件——芯片(類似于我們大腦的容量)。我們可以從這三個(gè)層面看到一個(gè)大體的商業(yè)版圖：

　　1、算力

　　芯片又叫集成電路，算法必須借助芯片才能夠運(yùn)行，而由于各個(gè)芯片在不同場(chǎng)景的計(jì)算能力不同，算法的處理速度、能耗也就不同。伴隨著摩爾定律發(fā)展的放緩，人類在精密制造領(lǐng)域(半導(dǎo)體)幾近極限。而數(shù)據(jù)量的增長(zhǎng)卻呈現(xiàn)指數(shù)型的爆發(fā)，數(shù)據(jù)的擴(kuò)張遠(yuǎn)大于處理器性能的擴(kuò)張，依靠處理器性能在摩爾定律推動(dòng)下的提升的單極世界已經(jīng)崩潰。擁有超強(qiáng)算力兼具低能耗的芯片是我們步入AI時(shí)代的前提。人工智能芯片作為人工智能行業(yè)的重要底層架構(gòu)，其戰(zhàn)略重要性不言而喻。

　　算力這塊蛋糕，技術(shù)壁壘極高，進(jìn)入門檻是極其高的。要么是上一輪浪潮中的贏家---Intel，IBM英偉達(dá)之流，要么是有zf背景加持的寒武紀(jì)，要么是互聯(lián)網(wǎng)行業(yè)野心勃勃的王者——微軟、谷歌。總之，這個(gè)領(lǐng)域是權(quán)(涉及到國家層面的較量)貴(新貴+舊勢(shì)力)們的游戲!

　　2、算法

　　我們現(xiàn)在經(jīng)常提到的“深度學(xué)習(xí)”是屬于人工智能算法(軟件)層面的。自從深度學(xué)習(xí)取得突破性進(jìn)展以后，巨頭們頻頻開源，所有的巨頭都想成為AI時(shí)代下一個(gè)開發(fā)IOS的“蘋果”或是開發(fā)Andriod系統(tǒng)的“谷歌”。畢竟大佬的終極夢(mèng)想都是我吃火鍋，你們剩下的吃火鍋底料。當(dāng)這些大佬們把開源做好，就可以收割接下來做應(yīng)用場(chǎng)景的AI(app)公司的韭菜。這些公司使用開源平臺(tái)進(jìn)行算法的迭代時(shí)，開源平臺(tái)可以獲取數(shù)據(jù)，以及市場(chǎng)對(duì)應(yīng)用場(chǎng)景熱度的反饋,掌握絕對(duì)的控制權(quán)和話語權(quán)。

　　自動(dòng)駕駛系統(tǒng)和物聯(lián)網(wǎng)成為算法這塊蛋糕中，大佬們爭(zhēng)奪的現(xiàn)行焦點(diǎn)!后續(xù)會(huì)有更多的焦點(diǎn)，爭(zhēng)斗會(huì)一輪比一輪的猛烈。而這場(chǎng)游戲注定是大佬們玩的，前期巨大的投入，才能在后期收割，能玩的起的玩家不多!

　　3、大數(shù)據(jù)

　　筆者認(rèn)同：

　　第一次工業(yè)革命以煤炭為基礎(chǔ)，蒸汽機(jī)和印刷術(shù)為標(biāo)志，

　　第二次工業(yè)革命以石油為基礎(chǔ)，內(nèi)燃機(jī)和電信技術(shù)為標(biāo)志，

　　第三次工業(yè)革命以核能基礎(chǔ)，互聯(lián)網(wǎng)技術(shù)為標(biāo)志，

　　第四次工業(yè)革命以可再生能源為基礎(chǔ)，數(shù)據(jù)和內(nèi)容作為互聯(lián)網(wǎng)的核心為標(biāo)志。

　　這三者中，作為燃料的大數(shù)據(jù)是離商業(yè)化場(chǎng)景最近的，也是機(jī)會(huì)最多，洗牌最慘烈的維度。大數(shù)據(jù)時(shí)代下的核心在于預(yù)測(cè)分析，在《Big date，大數(shù)據(jù)時(shí)代》這本書中，作者認(rèn)為基于充分?jǐn)?shù)據(jù)，95%的人的行為是可以預(yù)測(cè)的，大數(shù)據(jù)的模型就是幫人類做出決策分析。所以數(shù)據(jù)本身不產(chǎn)生價(jià)值，如何分析和利用大數(shù)據(jù)對(duì)業(yè)務(wù)產(chǎn)生幫助才是關(guān)鍵。數(shù)據(jù)和內(nèi)容作為互聯(lián)網(wǎng)的核心，不論是傳統(tǒng)行業(yè)還是新型行業(yè)，誰率先與互聯(lián)網(wǎng)融合成功，能夠從大數(shù)據(jù)的金礦中發(fā)現(xiàn)暗藏的規(guī)律，就能夠搶占先機(jī)，成為技術(shù)改革的標(biāo)志。

　　不同于，算力和算法的維度，基本被大佬們占住了山頭。在大數(shù)據(jù)時(shí)代，很多行業(yè)有重新洗牌的機(jī)會(huì)。上圖中的七大行業(yè)就潛在著巨大的經(jīng)濟(jì)價(jià)值，自上而下分別是教育，運(yùn)輸，消費(fèi)品、電力、石油與天然氣、醫(yī)療護(hù)理、消費(fèi)金融，每幾個(gè)領(lǐng)域里面，每個(gè)都有可能出大佬，我們現(xiàn)有的商業(yè)模式里，很多都可以被大數(shù)據(jù)摧毀重建。所以在現(xiàn)階段躺著掙錢的阿里和騰訊都在在瘋狂爭(zhēng)奪數(shù)據(jù)，它們的焦慮不是沒有道理的。

　　芯片世界里的群雄爭(zhēng)霸

　　人們?cè)絹碓娇春萌斯ぶ悄艿那熬凹捌錆撛诘谋l(fā)力，而上面三個(gè)領(lǐng)域里，要說已經(jīng)開始創(chuàng)造現(xiàn)金流的要屬“算力”這個(gè)領(lǐng)域。筆者接下來想重點(diǎn)談?wù)勥@個(gè)這個(gè)領(lǐng)域里相對(duì)應(yīng)的投資機(jī)會(huì)。

　　無疑此階段大獲全勝要屬英偉達(dá)，憑借自身旗下的GPU芯片，股價(jià)飆出天際。但筆者想說大局未定?；蛘哒f，你錯(cuò)過了英偉達(dá)，還有其他的選擇。

　　1、移動(dòng)端的新選擇

　　GPU最初是作為應(yīng)對(duì)圖像處理需求而出現(xiàn)的芯片。其特點(diǎn)為擅長(zhǎng)大規(guī)模并行運(yùn)算，可以平行處理大量信息。在人工智能技術(shù)發(fā)展早期，因其優(yōu)異的大規(guī)模數(shù)據(jù)處理能力，GPU被使用在多個(gè)項(xiàng)目之中。谷歌的圖像識(shí)別項(xiàng)目、AlphaGo項(xiàng)目、特斯拉/沃爾沃等諸多汽車廠商的輔助駕駛系統(tǒng)和無人駕駛實(shí)驗(yàn)中，均使用了GPU作為加速芯片。

　　然而，從芯片底層架構(gòu)來講，由于GPU并非專為深度學(xué)習(xí)設(shè)計(jì)的專業(yè)芯片，未必為人工智能加速硬件的最終答案。

　　在人工智能市場(chǎng)高速發(fā)展的今天，人們都在尋找更能讓深度學(xué)習(xí)算法更快速、更低能耗執(zhí)行的芯片。目前，能夠適應(yīng)深度學(xué)習(xí)需要的芯片類型除了GPU還有FPGA和ASIC等。

　　再者，GPU不適合移動(dòng)端的，人們迫切的希望能把人工智能也帶到移動(dòng)終端，尤其是能夠結(jié)合未來的物聯(lián)網(wǎng)應(yīng)用。

　　對(duì)于移動(dòng)端人工智能硬件的實(shí)現(xiàn)方法，有兩大流派，即FPGA派和ASIC派。FPGA流派的代表公司如Xilinx主推的Zynq平臺(tái)，而ASIC流派的代表公司有Movidius(被英特爾收購)。兩大流派各有長(zhǎng)短。

　　FPGA的是對(duì)應(yīng)特定應(yīng)用場(chǎng)景，針對(duì)特定用戶需求是的專用類芯片。它優(yōu)勢(shì)是，如果計(jì)算機(jī)需要改變，它可以被重新裝配。FPGA巨頭們?cè)言诿绹?，F(xiàn)PGA最強(qiáng)的公司有Xilinx，Altera，Lattice,等，各自都有自己的獨(dú)門秘密武器。其中Xilinx是全球FPGA的霸主，千萬門級(jí)，16納米的領(lǐng)先者;Altera(被英特爾收購)是宇航級(jí)的開拓者，其他任何一家的產(chǎn)品，都是工業(yè)級(jí)、軍工級(jí)，宇航級(jí)產(chǎn)品不可缺少的核心芯片，也是全世界國家從事尖端科技的短板和苦主。

　　2、后起之秀，AI定制芯片必為趨勢(shì)

　　假如把FPGA比作科研研發(fā)專用芯片，那么ASIC就是確定應(yīng)用市場(chǎng)后，大量生產(chǎn)的專用芯片?；诖?，廠家可以針對(duì)特定用戶場(chǎng)景使用FPGA進(jìn)行研發(fā)，當(dāng)算法成熟、芯片設(shè)計(jì)固定后可以以ASIC的方式進(jìn)行大規(guī)模生產(chǎn)。因此，毫不意外的，作為全定制設(shè)計(jì)的ASIC芯片，針對(duì)適用的應(yīng)用場(chǎng)景，ASIC的性能和能耗都要優(yōu)于市場(chǎng)上的現(xiàn)有芯片，包括FPGA和GPU。

　　目前，人工智能類ASIC的發(fā)展仍處于早期。其根本原因是，ASIC一旦設(shè)計(jì)制造完成后電路就固定了，只能微調(diào)，無法大改。而硬件的研發(fā)設(shè)計(jì)與生產(chǎn)成本很高，如果應(yīng)用場(chǎng)景是否為真市場(chǎng)尚不清晰，企業(yè)很難貿(mào)然嘗試。此外，能設(shè)計(jì)出適用于人工智能芯片的公司必然是要既具備人工智能算法又擅長(zhǎng)芯片研發(fā)的公司，進(jìn)入門檻較高。

　　除了上面這兩種，還包括谷歌推出的TPU--加速人工智能算法的專用處理器。目前一代TPU面向Inference，二代面向訓(xùn)練。

　　除了算力這個(gè)維度，算法和數(shù)據(jù)這兩個(gè)維度都還有太多太多可以去探究的機(jī)會(huì)，篇幅和有限，筆者只能泛泛而談這場(chǎng)革命，然而AI帶來的巨變會(huì)在接下來的10年影響到每一個(gè)人，望大家一起探之思之。

　　總結(jié)

　　我們總是高估未來兩年的變化，卻低估未來十年的變化。

　　但是科技的發(fā)展如同浪潮一般，時(shí)刻更替交錯(cuò)，晝息之間，且往往是顛覆性改變。對(duì)于一個(gè)弄潮者來說，最幸運(yùn)的就是在有生之年能夠趕上一波大潮”。看清大勢(shì)，方可乘勢(shì)而為。

　　浪潮已起，但遠(yuǎn)未及巔!