人工智能业态简史：中国没有错过的拐点

自从今年国务院印发《新一代人工智能发展规划》以来，国家层面发展人工智能产业，以此促进民生经济的战略可以说十分清晰。

而伴随着中国对人工智能产业的重磅投入，越来越多的声音开始将中美两国的人工智能实力进行比较。无数智库和数据机构，接连发布以两国人工智能工程化、商业化、科研指数为为分析对象的报告。得出的结论各有不同，库卡机器人，但中国的人工智能发展水准已经达到国际化水平却是不争的事实。

虽然在谈及顶尖的人工智能技术时，我们更多讨论的是Deepmind、OpenAI以及各大学的AI实验室。但要知道，虽然AI领域的科研与产业关系密切，但学术水准终究不完全等同产业水平。

或许可以用另一个视角来看待中国的AI格局：AI产业化的关键因素中，中国企业一个也没有遗漏。

让我们从几个维度梳理一下，以大数据+机器学习为主要特征的AI第三次次黄金周期中，AI的业态简史与中国企业的表现。从更广阔的视角看去，或许我们会认同，AI是一个中国没有错过，也不能错过的技术拐点。

生态之源：深度学习框架

人工智能是一个标准的众创型技术，每一个巧妙的算法、每一种灵光乍现的逻辑，都可能解开困扰整个人类的问题。所以带给开发者、研究者工具和环境，让他们施展自己的才华，就成为了AI企业最主要的任务之一。

最早提起深度学习平台的时候，还是以加州大学伯克利分校推出的Caffe为主。其创造性地将卷积神经融入开发环境，构建了相对高效清晰的深度学习框架。

而在2015年底，谷歌开源了此前在内部使用的TensorFlow。随着数次版本更新，一举打破了Caffe的垄断地位，成为了最活跃的深度学习框架。尤其随着DeepMind全面使用，其社区资源得到了广泛认可。

为了争夺开发者生态Facebook、微软、OpenAI等公司相继推出了深度学习的开发平台，重新试图颠覆谷歌的霸主地位。目前世界上主流的深度学习平台依旧有十几个之多。

开发者环境有多重要，从Facebook凭借PyTorch在AI界得到的话语权提升就能知道。拥有良性的深度学习架构，是堆积AI开发生态的基础。

这一点国内的企业也并未落后。比如百度最先推出了PaddlePaddle，宣布了国内企业进入这一领域。今年阿里云推出了PAI，主打与主流框架的环境友好度与便捷迁移。

目前来看，国内深度学习框架正在凭借开发环境、社区资源和企业激励计划，逐渐对欧美主流开发平台形成冲撞。至少在AI研发的核心环节中，中国已经抢回了关键分。

硬实力的答卷：芯片代表的算力基础

人工智能的神经网络任务模型，是完全不同于传统运算需求的全新任务形式。换句话说，传统的硬件运算基础也将不再符合人工智能的需求。

PC时代得芯片者得天下的说法，在人工智能时代似乎依旧奏效。

2011年，IBM就通过对人类大脑的模仿，推出了可商用的类脑芯片，可以说是人工智能芯片解决方案的基础。但这种模式很快被证明实际价值不高，逐渐也就被束之高阁了。

此后FPGA、ACIS等处理人工智能任务的芯片类型相继推出。而英伟达据说在一次实验错误中发现了GPU可以很好的处理深度学习任务，也打开了GPU与人工智能狂飙突进的序幕。

目前英伟达TeslaV100号称性能最强的AI专用处理器。而今年谷歌发布了专门应对深度学习任务的TPU芯片，也在AlphaGo身上大展神威。

而对于国内相关产业链来说，如何获取到可以支撑人工智能研发与部署的运算能力、获得智能AI化迁移的运算服务基础，就成为了当务之急。

在主流神经网络芯片制造依旧掌握在美国巨头手里的情况下，国内企业更多采取了绕路迂回的办法，比如通过云计算架构来输出AI算力，匹配开发者的运算需求。

9月初，阿里云宣布推出了新一代异构加速平台。其异构计算家族涵盖GPU、FPGA在内的7款异构实例，并附带全新高性能计算实例E-HPC。BAT和华为等云计算服务商输出开放和定制化的算力供给，相对更加符合中国企业的需求。

而云计算之外，库卡机器人驱动器维修，部署终端计算的微型AI芯片也在成为热门话题。在手机上，苹果推出了A11仿生芯片。而此前华为抢先发布了全球第一款移动AI芯片麒麟970。

基于芯片和算力的AI博弈已经在中美两国的方方面面展开。未来云端一体化的AI算力似乎是更加切实的解决模式。云计算与硬件制造商之间的合纵连横，也非常惹人期待。

万物启蒙：关于智能硬件浪潮

用AI加持普通终端，开启万物互联的全新纪元，似乎早就成为了业界的共识。五花八门的AI硬件也很早就出现过。

但毫无疑问，亚马逊的Echo开启了智能语音+普及化硬件的新风口。一时间全球无数智能音箱崛起，一时间堪称壮观。

这个领域值得我们注意的，是中国企业对AI消费风潮的敏锐和战略性投入。就像亚马逊投入Echo的更大野心在打通家庭生态场景一样。中国巨头们先后投入AI硬件也难以离开生态化的诱惑。

从京东的叮咚，到小米的小爱同学、阿里的天猫精灵，巨头们显然希望音箱成为家居场景AI化的入口。通过后续更多IOT+AI的想象力迸发，达成新的消费风口爆发。

在IoT矩阵更加完善的情况下，有理由相信机器视觉、图像识别等AI技术会争相进入消费智能硬件序列。开始体验到AI之后，智能消费市场很可能才刚刚崛起。

从实验室到物理世界：AI的场景化落地

假如AI技术只能待在实验室中，那恐怕只会有今天百分之一的人关注它。

毕竟任何技术都需要在现实世界中检验自己的价值。而AI又是一项非常底层的技术，很容易与各行各业的效率、体验和解决模式相连接，给人以意想不到的效果。

虽然我们今天已经习惯了很多AI带来的价值，但想一想初次接触谷歌ML的智能推荐、苹果Siri的语音交互体验，看到特斯拉的车辆收集数据反向训练自动驾驶，那种惊喜感是溢于言表的。

或许得以于移动互联网的铺垫，www.zr-kuka.com，相比于美国市场，中国有更大的AI市场和更好的AI接受环境。而中国企业也在AI的场景化落地领域造就了许多个Chinafirst。

比如说我们在语音交互领域，看到了百度的度秘、科大讯飞两大巨头齐飞。在机器视觉领域，出现了商汤、旷视等5大独角兽，着实令人惊叹。

这里不得不提到阿里云的ET大脑系列。ET城市大脑在杭州的部署，是人类史上第一次用大数据+人工智能方式来指挥真正的城市交通。

某种程度来说，在应用场景上，有中国特色的AI落地道路已经比欧美国家走的更远。结合数据感知和大规模计算领域的能力，人工智能可以输出为更多实际的社会价值。这种模式应该会在接下来的中国市场中不断发酵成熟。

综合来看，在中国企业利用人工智能达成具体行业的赋能和革新，需要的各领域产业基础已经相继成熟。而依托海量的用户网络数据，大数据、云计算、人工智能结合的应用逻辑，或许会成为中国特有的AI成熟方式。

更深层的未来：人才与研发聚合效应

很多大牛都坦诚的表示过，AI打到最后都是人才战。

但这一点或许不太准确，因为能够左右产业局面的科学家和技术专家毕竟是极少数，真正左右战局的，应该是研发团队和实验室的成熟度和创新能力。

从DeepMind的科学狂人文化中，不难看出AI人才在企业实验中的战略意义。而这场另类赛道的竞赛，其实很早就在我们身边开始打响。

抛开欧美的AI实验室文化和工程师文化不提，中国互联网企业配备技术科研团队也已不是什么新鲜事。

很早就成立的微软亚洲研究院，其中一个研究方向就是人工智能领域的探索。这或许成为了一个示范，引出了中国互联网巨头们花样繁多的AI人才聚合项目。

比如百度在2013年就建立了IDL（深度学习研究院），主要攻克深度学习、语音识别和智能训练领域的技术难题。2014年，阿里成立了iDST（数据科学与技术研究院），据说肩负着在大数据时代彰显阿里技术高度的重任。

另一个被广泛关注的现象，是BAT三家相继成立了AILab。

最早成立的百度硅谷AILab，一直在学术上比较活跃，成果也以论文和开源算法为主，酷似欧美大公司里的学院派。