人工智能業(yè)態(tài)簡史：中國沒有錯過的拐點
自從今年國務院印發(fā)《新一代人工智能發(fā)展規(guī)劃》以來，國家層面發(fā)展人工智能產(chǎn)業(yè)，以此促進民生經(jīng)濟的戰(zhàn)略可以說十分清晰。
而伴隨著中國對人工智能產(chǎn)業(yè)的重磅投入，越來越多的聲音開始將中美兩國的人工智能實力進行比較。無數(shù)智庫和數(shù)據(jù)機構(gòu)，接連發(fā)布以兩國人工智能工程化、商業(yè)化、科研指數(shù)為為分析對象的報告。得出的結(jié)論各有不同，庫卡機器人，但中國的人工智能發(fā)展水準已經(jīng)達到國際化水平卻是不爭的事實。
雖然在談及頂尖的人工智能技術時，我們更多討論的是Deepmind、OpenAI以及各大學的AI實驗室。但要知道，雖然AI領域的科研與產(chǎn)業(yè)關系密切，但學術水準終究不完全等同產(chǎn)業(yè)水平。
或許可以用另一個視角來看待中國的AI格局：AI產(chǎn)業(yè)化的關鍵因素中，中國企業(yè)一個也沒有遺漏。
讓我們從幾個維度梳理一下，以大數(shù)據(jù)+機器學習為主要特征的AI第三次次黃金周期中，AI的業(yè)態(tài)簡史與中國企業(yè)的表現(xiàn)。從更廣闊的視角看去，或許我們會認同，AI是一個中國沒有錯過，也不能錯過的技術拐點。
生態(tài)之源：深度學習框架
人工智能是一個標準的眾創(chuàng)型技術，每一個巧妙的算法、每一種靈光乍現(xiàn)的邏輯，都可能解開困擾整個人類的問題。所以帶給開發(fā)者、研究者工具和環(huán)境，讓他們施展自己的才華，就成為了AI企業(yè)最主要的任務之一。
最早提起深度學習平臺的時候，還是以加州大學伯克利分校推出的Caffe為主。其創(chuàng)造性地將卷積神經(jīng)融入開發(fā)環(huán)境，構(gòu)建了相對高效清晰的深度學習框架。
而在2015年底，谷歌開源了此前在內(nèi)部使用的TensorFlow。隨著數(shù)次版本更新，一舉打破了Caffe的壟斷地位，成為了最活躍的深度學習框架。尤其隨著DeepMind全面使用，其社區(qū)資源得到了廣泛認可。
為了爭奪開發(fā)者生態(tài)Facebook、微軟、OpenAI等公司相繼推出了深度學習的開發(fā)平臺，重新試圖顛覆谷歌的霸主地位。目前世界上主流的深度學習平臺依舊有十幾個之多。
開發(fā)者環(huán)境有多重要，從Facebook憑借PyTorch在AI界得到的話語權提升就能知道。擁有良性的深度學習架構(gòu)，是堆積AI開發(fā)生態(tài)的基礎。
這一點國內(nèi)的企業(yè)也并未落后。比如百度最先推出了PaddlePaddle，宣布了國內(nèi)企業(yè)進入這一領域。今年阿里云推出了PAI，主打與主流框架的環(huán)境友好度與便捷遷移。
目前來看，國內(nèi)深度學習框架正在憑借開發(fā)環(huán)境、社區(qū)資源和企業(yè)激勵計劃，逐漸對歐美主流開發(fā)平臺形成沖撞。至少在AI研發(fā)的核心環(huán)節(jié)中，中國已經(jīng)搶回了關鍵分。
硬實力的答卷：芯片代表的算力基礎
人工智能的神經(jīng)網(wǎng)絡任務模型，是完全不同于傳統(tǒng)運算需求的全新任務形式。換句話說，傳統(tǒng)的硬件運算基礎也將不再符合人工智能的需求。
PC時代得芯片者得天下的說法，在人工智能時代似乎依舊奏效。
2011年，IBM就通過對人類大腦的模仿，推出了可商用的類腦芯片，可以說是人工智能芯片解決方案的基礎。但這種模式很快被證明實際價值不高，逐漸也就被束之高閣了。
此后FPGA、ACIS等處理人工智能任務的芯片類型相繼推出。而英偉達據(jù)說在一次實驗錯誤中發(fā)現(xiàn)了GPU可以很好的處理深度學習任務，也打開了GPU與人工智能狂飆突進的序幕。
目前英偉達TeslaV100號稱性能最強的AI專用處理器。而今年谷歌發(fā)布了專門應對深度學習任務的TPU芯片，也在AlphaGo身上大展神威。
而對于國內(nèi)相關產(chǎn)業(yè)鏈來說，如何獲取到可以支撐人工智能研發(fā)與部署的運算能力、獲得智能AI化遷移的運算服務基礎，就成為了當務之急。
在主流神經(jīng)網(wǎng)絡芯片制造依舊掌握在美國巨頭手里的情況下，國內(nèi)企業(yè)更多采取了繞路迂回的辦法，比如通過云計算架構(gòu)來輸出AI算力，匹配開發(fā)者的運算需求。
9月初，阿里云宣布推出了新一代異構(gòu)加速平臺。其異構(gòu)計算家族涵蓋GPU、FPGA在內(nèi)的7款異構(gòu)實例，并附帶全新高性能計算實例E-HPC。BAT和華為等云計算服務商輸出開放和定制化的算力供給，相對更加符合中國企業(yè)的需求。
而云計算之外，庫卡機器人驅(qū)動器維修，部署終端計算的微型AI芯片也在成為熱門話題。在手機上，蘋果推出了A11仿生芯片。而此前華為搶先發(fā)布了全球第一款移動AI芯片麒麟970。
基于芯片和算力的AI博弈已經(jīng)在中美兩國的方方面面展開。未來云端一體化的AI算力似乎是更加切實的解決模式。云計算與硬件制造商之間的合縱連橫，也非常惹人期待。
萬物啟蒙：關于智能硬件浪潮
用AI加持普通終端，開啟萬物互聯(lián)的全新紀元，似乎早就成為了業(yè)界的共識。五花八門的AI硬件也很早就出現(xiàn)過。
但毫無疑問，亞馬遜的Echo開啟了智能語音+普及化硬件的新風口。一時間全球無數(shù)智能音箱崛起，一時間堪稱壯觀。
這個領域值得我們注意的，是中國企業(yè)對AI消費風潮的敏銳和戰(zhàn)略性投入。就像亞馬遜投入Echo的更大野心在打通家庭生態(tài)場景一樣。中國巨頭們先后投入AI硬件也難以離開生態(tài)化的誘惑。
從京東的叮咚，到小米的小愛同學、阿里的天貓精靈，巨頭們顯然希望音箱成為家居場景AI化的入口。通過后續(xù)更多IOT+AI的想象力迸發(fā)，達成新的消費風口爆發(fā)。
在IoT矩陣更加完善的情況下，有理由相信機器視覺、圖像識別等AI技術會爭相進入消費智能硬件序列。開始體驗到AI之后，智能消費市場很可能才剛剛崛起。
從實驗室到物理世界：AI的場景化落地
假如AI技術只能待在實驗室中，那恐怕只會有今天百分之一的人關注它。
畢竟任何技術都需要在現(xiàn)實世界中檢驗自己的價值。而AI又是一項非常底層的技術，很容易與各行各業(yè)的效率、體驗和解決模式相連接，給人以意想不到的效果。
雖然我們今天已經(jīng)習慣了很多AI帶來的價值，但想一想初次接觸谷歌ML的智能推薦、蘋果Siri的語音交互體驗，看到特斯拉的車輛收集數(shù)據(jù)反向訓練自動駕駛，那種驚喜感是溢于言表的。
或許得以于移動互聯(lián)網(wǎng)的鋪墊，m.twshmhelmet.com，相比于美國市場，中國有更大的AI市場和更好的AI接受環(huán)境。而中國企業(yè)也在AI的場景化落地領域造就了許多個Chinafirst。
比如說我們在語音交互領域，看到了百度的度秘、科大訊飛兩大巨頭齊飛。在機器視覺領域，出現(xiàn)了商湯、曠視等5大獨角獸，著實令人驚嘆。
這里不得不提到阿里云的ET大腦系列。ET城市大腦在杭州的部署，是人類史上第一次用大數(shù)據(jù)+人工智能方式來指揮真正的城市交通。
某種程度來說，在應用場景上，有中國特色的AI落地道路已經(jīng)比歐美國家走的更遠。結(jié)合數(shù)據(jù)感知和大規(guī)模計算領域的能力，人工智能可以輸出為更多實際的社會價值。這種模式應該會在接下來的中國市場中不斷發(fā)酵成熟。
綜合來看，在中國企業(yè)利用人工智能達成具體行業(yè)的賦能和革新，需要的各領域產(chǎn)業(yè)基礎已經(jīng)相繼成熟。而依托海量的用戶網(wǎng)絡數(shù)據(jù)，大數(shù)據(jù)、云計算、人工智能結(jié)合的應用邏輯，或許會成為中國特有的AI成熟方式。
更深層的未來：人才與研發(fā)聚合效應
很多大牛都坦誠的表示過，AI打到最后都是人才戰(zhàn)。
但這一點或許不太準確，因為能夠左右產(chǎn)業(yè)局面的科學家和技術專家畢竟是極少數(shù)，真正左右戰(zhàn)局的，應該是研發(fā)團隊和實驗室的成熟度和創(chuàng)新能力。
從DeepMind的科學狂人文化中，不難看出AI人才在企業(yè)實驗中的戰(zhàn)略意義。而這場另類賽道的競賽，其實很早就在我們身邊開始打響。
拋開歐美的AI實驗室文化和工程師文化不提，中國互聯(lián)網(wǎng)企業(yè)配備技術科研團隊也已不是什么新鮮事。
很早就成立的微軟亞洲研究院，其中一個研究方向就是人工智能領域的探索。這或許成為了一個示范，引出了中國互聯(lián)網(wǎng)巨頭們花樣繁多的AI人才聚合項目。
比如百度在2013年就建立了IDL（深度學習研究院），主要攻克深度學習、語音識別和智能訓練領域的技術難題。2014年，阿里成立了iDST（數(shù)據(jù)科學與技術研究院），據(jù)說肩負著在大數(shù)據(jù)時代彰顯阿里技術高度的重任。
另一個被廣泛關注的現(xiàn)象，是BAT三家相繼成立了AILab。
最早成立的百度硅谷AILab，一直在學術上比較活躍，成果也以論文和開源算法為主，酷似歐美大公司里的學院派。