智東西（公衆号：zhidxcom）

編 | 十四

人工智能（AI），可以說是科技信息時代的大飛躍，既具備一定的類人邏輯性，又具備強大的計算能力和數據存儲能力。雖然，目前業界并不處在一個良好的投資狀态，但AI 技術依舊被認為是下一個帶來巨大經濟效益，提高社會生産力的巨大突破點。

事實上，在過去的這兩年時間裡，AI、機器人、自動駕駛等概念已經成為最前沿的文化、政治名詞。很多研究認為，我們目前正處于這樣一個技術拐點：計算能力更強更快，數據源更豐富，深度學習算法趨于成熟，專業的硬件（芯片）和開源代碼逐漸崛起，越來越多的實用性AI應運而生。

*IDC調研的數據量增長趨勢

2、GPU應用大勢 新硬件更适配并行結構

GPU被認為是低成本、高計算能力的處理單元，特别是針對雲端服務和新的神經網絡結構，它能提高準确性和計算速率。基于GPU的并行結構允許更快的機器學習培訓體系，遠遠優于目前廣泛使用的基于CPU的數據架構。此外，通過額外的顯卡網絡，GPU體系可以加快叠代，實現更為精确的快速培訓。

*基于GPU的雲運算

芯片浮點能力發展之快可以以NVIDIA GPU（GTX 1080）為例：該芯片性能為9T浮點運算，價值約700美元，也就是每G約8美分。參考1961年的IBM 1620，不考慮浮點運算能力的話，通過串聯實現的每G浮點運算需耗9萬億美元。

智東西也曾在102期智能内參中強調GPU的市場前景，并分析市場份額。相比于CPU，GPU 具有數以千計的計算核心，及強大、高效并行計算能力， 可實現 10-100倍應用吞吐量，特别适用于AI 海量訓練數據情形。目前深度學習解決方案幾乎完全依賴 （NVIDIA的）GPU。

*超級計算機浮點指數增長趨勢

*千兆次浮點運算所需成本變化趨勢

3、算法不斷優化 大公司推動開源

越來越多的算法研究推動着深度學習的實用性，伯克利、谷歌、Facebook也紛紛公開自家的源代碼框架，也就是Caffe、TensorFlow和Torch。源代碼的開放吸引着越來越多的軟件開發者嘗試新的算法，不到一年，TensorFlow就以及該形成了一個活絡的存儲庫GitHub，作為目前最大的開發商合作網站。當然，并不是所有的AI都出自于開源框架。

*AI進程時間表

AI産業的三大類布局

從技術更新周期來看，過去50年，計算機在摩爾定律的推動下不斷進步，僅僅在系統框架方面，計算能力、存儲容量帶寬、編程語言轉換都有很大的進展。參見90年代技術變革帶來的經濟繁榮，推動了軟件、硬件、網絡公司的整改。公共軟件公司1995至今市值從2億美元暴漲到5億美元，隻有2000年左右趨于平緩。顯然，AI也有這樣的趨勢，引領硬件、軟件、數據和服務提供商等領域的增長。事實上，谷歌、亞馬遜、微軟和Salesforce自2014年來就已經完成了17起AI相關的收購。

*2014年以來的AI相關收購項目

*AI風投增長趨勢

目前，科技大佬和風投人主要關注的有三個方面：DIY，也就是自主建立自己的人才和數據庫，推出新的AI棧，主要玩家包括微軟、谷歌、亞馬遜和百度；咨詢服務，為垂直和特定的領域提供專業的AI咨詢，如IBM的沃森；開發服務型AI（AI-aaS），如谷歌圖片識别模型。

*人工智能系統框架示意圖

*AI棧的演化

1、DIY趨勢：雲平台和開源

高盛咨詢了各大公司和風投機構，總結認為，AI或者機器學習（ML）将被互聯網公司大量的使用，這就需要有效數據收集和相關人才稀缺。不過，随着移動互聯設備和物聯網的普及，數據量越來越多，數據收集變得越來越容易。

目前，AI堆棧與其他前沿技術最大的區别在于，大部分的機器學習嚴重依賴于開源技術和基于雲平台供應商的服務。這是因為，AI和ML需要大量數據支持，并且按需計算。目前，AI主要的基礎技術投資都來自于微軟、谷歌、亞馬遜等雲服務提供者，其中，雲運算的首選是GPU和FPGA，它們能夠進行并行的，快速的數據處理。很多公司都會購買這些開源或者雲服務來幫助開拓客戶，減少運營成本。

*主要的開源項目

2、咨詢服務：資本彌補技術差距

人才缺乏為IBM、埃森哲和德勒等公司的資訊服務營造了市場環境。因此，機器學習的相關人才有着非常大的機遇，甚至有組織舉行數據科學大賽，提供獎勵。

*機器學習人才招聘狀況

3、AI-aaS：或将造就最大藍海

AI需要獨特的數據集和專業的人才，這似乎使得五年内看到大量AI公司成為一件奢望。事實上，最可能的情況是，公司們利用AI提供商的數據和框架等來創造附加價值的AI服務，也就是API，研發AI應用程序是最基本的例子，尤其是圖像識别和語音識别等。目前，谷歌和微軟都提供收費API，開發者可以講該API嵌入自己的應用程序，提高産品定位和水平。

AI-aaS應用于垂直領域可以幫助大公司組合數據，構建機器學習模型，賣給合作夥伴或者客戶、供應商。初創公司也可以據此構建專門的數據集，用于諸如醫學成像、廣告、零售等領域。

值得注意的是，除了這些高端技術層面，跟我們更為密切的AI應用即聊天機器人（聊天程序，bots），這被認為是未來人機交互的入口，尤其是自然語言識别、訊息平台和虛拟助手，是目前技術關注的關鍵點。

*AI-aaS案例

*AI-aaS API及價格

2025年：五大領域的千億級市場

1、AI農業規模達200億美元

基于傳感器和衛星等技術提供的有效的視聽數據，機器學習有望幫助增加作物産量（即繁殖能力），減少肥料和灌溉成本，協作作物和牲畜疾病的早期檢測，降低勞動力成本，幫助收獲後進行分類物流，進入市場。

*機器學習用于農業

2、金融服務規模達340-4302億美元

機器學習和人工智能在金融服務行業有廣泛的應用,随着數據集的豐富，AI可以用于投資決策、信貸風險概況等，利用更少的時間處理更為豐富全面的市場信息，提供專業可觀，甚至更準确的分析。

*AI用于金融服務

3、AI醫療每年能省540億美元

機器學習在醫療方面的可用性非常廣，能夠提供實時監測，幫助發現高回報的技術和藥物，幫助測試分析、優化治療。預計随着機器學習的人工智能的技術逐漸成熟，将推動藥物研發過程，每年減少260億成本支出，同時還能驅動醫療信息高效化。

*未來十年醫療AI的投資回報率

*AI在醫療垂直領域的應用

4、零售業年均消費540億美元省410億美元

線上對線下已經被證實是對傳統零售業的挑戰，電子商務可以積累大量的客戶信息，基于這些數據，AI零售可以幫助企業更好的為目标客戶服務，更有效的傳遞産品信息。

*全球電子商務發展趨勢

5、AI能幫助能源工程節約1400億美元

石油和天然氣行業的探測和采煉有時處在極端條件，因此設備和工藝的可靠性很重要，影響着項目的經濟效益。為了避免操作失誤，這個行業往往采用了過渡冗雜的工程化設備和過多的人力。事實上，AI可以幫助設計更為可靠的設備和流程，降低資本支出和運營成本，預計未來時間，基于AI的能源工程可以幫助節省1400億美元的開支。

*從能源産業結構看可出AI的潛力

巨頭的遊戲：軟件與硬件之歌

智東西第102和107期智能内參詳細介紹過目前各大科技巨頭在AI産業上的布局，可以看到，硬件、開源算法、雲服務已經成為必争之地。

1、谷歌：貫徹軟硬件結合的理念

谷歌，或者說現在的Alphabet，已經建立了獨一無二的AI檢索算法，在自然語言處理上面頗具優勢，并應用于谷歌搜索，預計還将在谷歌智能家居生态中大顯身手。公司的開源軟件庫/雲計算平台TensorFlow還在結合了很多前沿的硬件加速器，推出新的AI張量處理單元TPU。此外，收購的DeepMind也在擊敗李世石的戰役中一舉成名。

2、亞馬遜：籌備開源服務

亞馬遜AWS在雲服務的布局已經頗具優勢，2015年4月，公司宣布推出機器學習服務亞馬遜ML，提供針對性的用戶體驗。今年5月，亞馬遜推出了自家的開源軟件DSSTNE，幫助建立深度學習開發庫。

3、蘋果：活躍的收購者

過去一年間，評估已經收購了Emotient、Turi、Tuplejump等AI創業公司，并雇傭了之前在NVIDIA從事GPU軟件項目的Johnathan Cohen，并找來Ruslan Salakhutdinov作為其AI研發部主管。Siri可以算作蘋果在AI方面最主要的成就之一，此外，蘋果大腦的傳言也甚嚣塵上。

4、微軟：力推基于GPU和FPGA的雲

微軟首席執行官納德拉介紹稱，微軟正在建立“民主化的AI（democratizing AI）”，目前AI研究小組員工人數超過5000人，目标在于改變人機體驗和交互技術，小娜是比較有代表性的一個成果。此外，公司還在建立基于GPU和FPGA的雲（Azure）方面做努力。

5、Facebook：開源工具組建開發者社群

Facebook在AI方面的主要布局集中在建立開發者社群，開源Torch、Chef、fastText、BigSur 等一系列 AI 工具及資料庫，并推出具體的應用程序，比如已經出現的圖象識别、語音文字轉換和智能翻譯等。

6、Salesforce：建立雲生态

2014和2015年，Salesforce開始利用自家電開發平台執行雲機器學習任務。公司還收購了Minhash,、PredictionIO、MetaMind等AI公司，目的在于建立雲銷售、雲營銷、雲服務、雲社區、雲物聯網、基于雲的應用程序等。

7、NVIDIA：借力GPU大勢

GPU在之前的計算機應用不多，但AI算法給了它莫大的基于，目前，幾乎所有的AI算法都采用了NVIDIA的GPU，雖然英特爾也在加快研發新的替代芯片FPGA，但目前來看，GPU依舊是比較好的選擇。借此大勢，NVIDIA還專門設計了全球首款針對深度學習的GPU架構（Pascal 架構） 。

8、英特爾：加快芯片研發

GPU的大勢讓英特爾感到了危機，英特爾收購Nervana systems和Altera，加快FPGA的推進，在運算速度和編程靈活性取得一系列進展。2016年中期，英特爾推出了至強二代，用于智能家庭産品的網絡服務和雲服務。

9、Uber：合作汽車制造商

Uber在AI方面的主要布局更趨近于物聯網，尤其是汽車傳感器。2016年9月，Uber在匹茲堡推出了自動駕駛試點項目，并于卡内基梅隆大學教授、汽車制造商合作，研發基于傳感器獲得的數百萬數據點，建立安全、有序、自動的交通模式。

10、IBM：沃森成AI之星

IBM在AI方面的布局很早，公司在全球的AI研發每人元超過3000名，專利超過1400項，覆蓋雲計算和矽納米科學，其超級智腦沃森在自然語言處理和模式識别、非結構化數據處理方面有着出色的表現，已經應用于虛拟代理，幫助金融、醫療等合作夥伴處理和分析數據。

11、中國方面：BAT着力構建神經網絡

目前，國内對于AI的支持力度也比較大，在學術方面也有很是很大的研究熱點。學術機構，以及百度、阿裡、騰訊等公司也在語音識别、圖像識别、神經網絡、自然語言處理等方面都有重要的突破。艾瑞咨詢認為，國内AI市場将從2015年的12億元增至2020年的91億元。

*國内公司主要的AI進展

智東西認為：一方面，當前的社會經濟、産業的發展急需的新的變革式刺激；另一方面，大數據科技、硬件工藝、并行算法的急速發展，也使得AI成為一個備受矚目的變革動力。目前來看，服務型AI（AI-aaS）将作為創業者最容易進入的風口，并且在相當多的領域都大有可為；而神經網絡、運算芯片、算法框架等基礎層的AI建設更像是大佬的遊戲。

就像高盛首席經濟學家Jan Hatzius說的：AI的廣泛适用性帶動了各項針對全球經濟增長和生産力優化的應用，這主要是由于目前的資本深化和（美國的）生産力現狀。我們相信，AI将像90年代的技術變革一樣，加速經濟增長，提高盈利能力，擴大股本估值。

下載提醒：如果想收藏本文的報告全文，可以在智東西（公衆号：zhidxcom）回複關鍵詞“nc113”下載。

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!