人工智能：技术、商业与道德

几经沉浮，人工智能（AI）这次真火了。尤其在IT产业，各路资本看到"AI"这两个字母就两眼放光，初创企业纷纷寻找自己项目与人工智能的联系，主要巨头都宣布人工智能优先成为公司战略。

"硅谷现在投AI公司都不讲估值，"某投资人在一次公开演讲中说，"直接数人头，一个人200万美元。" 人工智能产业现如今真是花团锦簇，烈火烹油。

人工智能投资水涨船高

（数据来源于CBINSIGHTS）

但我们还是要冷静梳理一下，人工智能对半导体产业会产生哪些影响？从云到端落地过程中存在何种技术挑战？率先商业化成功的人工智能应用会是哪些？人工智能技术会对人类生活带来哪些负面影响？有没有必要对人工智能技术发展进行限制？

从云入端，人工智能所面临的技术挑战
移动计算普及带来的高速增长结束之后，很长时间，半导体芯片产业都找不到新的增长点。"人工智能对于定制芯片的需求，无疑给芯片业发展打了一剂强心针。而且很可能造成一轮新的洗牌，"陈怡然表示，"传统计算与移动巨头英特尔、AMD和高通等将会受到非常大的冲击。"

陈怡然现任杜克大学电子与计算机系副教授，兼杜克先进智能研究中心主任，从2011年就开始进行类脑计算与深度学习加速研究。他指出，如今的计算平台已经对AI的广泛应用做出很多妥协，例如GPU的低精度设计。"但是，通用性和高性能/低功耗永远是一对矛盾，最后AI计算平台可能会分为两种：针对通用AI平台的通用型AI芯片和针对特殊应用的定制化AI加速芯片。"

"未来AI平台将以异构系统为主，跟场景相互结合，并且有非常强的定制化需求。"深鉴科技CEO姚颂将AI平台按场景进行了分类，他表示，通用计算平台可以分为两类，一类是GPU/TPU，一类是FPGA。FPGA更通用，但GPU/TPU更适合搭建机器学习训练平台-因为机器学习训练侧算法相对统一。在垂直行业，特别是前端设备，则更需要定制化芯片。"例如自动驾驶，可能需要一个视频图像识别能力极强的芯片，功耗10到20瓦；在手机端，可能需要一个较为通用的AI芯片，功耗500毫瓦；物联网终端设备，则只需要具有基础功能的AI芯片，功耗100毫瓦甚至更低。"

英特尔公司表示，人工智能还处于发展初期，随着技术发展，人工智能应用将经历一个"从前端走向后端，从云端走入终端"的过程。人工智能技术普及的难点可从两个方面体现出来：首先，当前人工智能突破主要靠有标记的数据训练出来，训练好的模型只适合某一类特定应用，跨领域能力不强；现有人工智能还没有真正走出计算机，其应用仍然捆绑在PC或手机上。

Arm公司战略联盟业务发展总监金勇斌则认为，将人工智能从云端搬入终端，需要计算效能大幅提升，算法模型缩减，形成开放通用的软件生态，并确保传输中的安全问题。"这就要求整个产业在通用平台之上构建一个较以往更为开放，更灵活的协作模式与生态系统。"

陈怡然将从云入端的技术挑战总结为三类，即计算效能、存储性能、以及通信带宽。"三者分别决定数据的处理、存储，以及传输能力。算法与硬件可以就其中一项或者两项进行优化，但三者相互间永远是此消彼长（tradeoff）的关系。"

姚颂则将从云入端的挑战归结为效率问题。"一个是能量效率问题，另一个是成本效率问题，就是性价比。"姚颂表示，解决能量效率主要靠体系结构设计，以人工智能常用的GPU为例，由于其对通用性的追求，以及图像渲染等结构并未针对人工智能计算优化，所以其功耗一直较高，Nvidia最小的tx1和tx2功耗也在10w级别。"这样的芯片很难用到前端摄像头应用，因为存在供电、散热、以及产品稳定性问题。"

所以，为了将AI芯片应用于前端场景，必须有专用的体系结构设计，以实现高能量效率，从而满足应用场景对系统功耗的要求。前端AI芯片的性价比需要考虑三个因素：采购成本、开发成本、以及实际性能。采购成本和开发成本相对容易理解，实际性能是如何影响AI芯片的系统成本呢？"传统DSP有一个较大的问题，峰值性能很高，但可能只用到5%的实际性能，这样的情况，性价比就会有问题。"

哪一个应用市场会率先达到千亿美元规模？
人工智能产业还面临一个窘境。主打人工智能概念的公司估值不断上涨，人工智能人才被哄抢，待遇水涨船高，但真正由人工智能技术创造的市场价值并不高。战胜李世石的AlphaGo不是盈利项目，参加最强大脑的百度大脑，至少在娱乐节目这个方向上，也难盈利，Alexa对亚马逊市值上涨助力不少，但Echo音箱的实际市场规模并不大。哪些领域能够较快将人工智能技术大规模落地并创造出巨大商业价值呢？

人工智能市场价值

（数据来源于Tractica）

"