人工智能业态简史：中国没有错过的拐点

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，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Tesla V100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，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，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“China first”。

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AI Lab。

最早成立的百度硅谷 AI Lab，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。

今年3月，曾担任百度研究院副院长和大数据实验室负责人的张潼被任命为腾讯AI lab主任。相对来说，腾讯AI lab更加注重AI的工程化和应用化。研究领域集中在计算机视觉、语音识别、自然语言处理和机器学习，相对偏重腾讯的丰富场景与AI相融合。

今年7月，阿里AI lab 宣布亮相，前南洋理工大学教授王刚宣布加入。相对于iDST，阿里AI lab偏重消费级AI产品的研发。从与AI lab同天亮相的天猫精灵中就可见一斑。

根据高盛的相关报告预测，未来世界上超过百分之八十的深度学习研究成果将在中国产生，而各大企业间的AI研发团队与实验室将是这些成果的主要驱动力。

更深的技术未来，永远是由人来引发。

结束语

以上几个部分，相当于从不同角度勾勒一段AI业态的发展史。很容易看出，中国人工智能在各个领域都没有掉队，至少都有可以跻身世界主流的话语输出能力。

AI发展动力，源于整合优势、沉浸学术、开发生态。中美之间的片面比较其实并没有意义，知道中国优势与弱项，并在此基础上释放更深层的创造力才是根本。

有人说，在硅谷开发者眼中能看到一种亚洲同行没有的好奇心与浪漫。但在中国AI的从业者和开发者眼中，却经常能看到一种不容有失的饥饿感。

那也是一种力量，一种十分值得骄傲的力量。