Editor’s Note
「AI Insider Monthly」以月度总结的形式，展现过去四周全球 AI、云、自动驾驶等领域的产业变化，通过分析行业事件与梳理技术趋势，勾勒出人类迈向数字化的若干方向与线索。
本期为 2021 年 7 月和 8 月合刊。
「AI Insider Monthly」来自于付费邮件通讯产品「AI Insider」，付费会员每周都会收到一封专属会员邮件，内容包括 AI 领域最新产业变革与前沿技术的深度解析，欢迎试读、订阅。
本期「AI Insider Monthly」，将关注以下议题：
- 焦点：如何认识机器人；
- 未来驾驶：百度汽车机器人的背后、自动驾驶的安全性到底如何？
- 云计算：市场数据、巨头财报以及几个值得关注的产业趋势；
- 基础研究：DeepMind 新算法、脑机接口领域新进展；
- 业界：巨头押注元宇宙、商汤科技 IPO、面部识别政策与产业争论；
- 资源：中俄 AI 合作、印尼 AI 产业发展、AI 伦理探讨视频、NLP 过去与未来；
- 芯片：英伟达收购 ARM 进展、从 AI 芯片到 AI 设计芯片的产业趋势；
您可以通过这里免费获取 PDF。
请查收 2021 年 7 月& 8 月的 AI 与云计算产业发展报告。
焦点：如何认识机器人
1920 年，捷克剧作家 Karel Čapek 在一部科幻剧「Rossum’s Universal Robots」里第一次使用了「Robot」，该词来源于捷克语的「robota」，意为「强迫劳动的机器」，1923 年开始，「Robot」已经成为英语词汇。
过去的 100 时间里，「Robot（机器人）」的形象在虚拟的图书影视与现实的工厂车间不断切换，更进一步，随着算法从驱动社交应用体验到决定学生、员工业绩，四个轮子的机器人（自动驾驶汽车）成为巨头们押注的领域，一个更广义上的「Robot（机器人）」概念需要被重新梳理，一如 7 月份 WSJ 的一篇文章标题所指，「How Computers With Humanlike Senses Will Change Our Lives」，越来越多具有人类能力的计算机正在改变你我的生活与工作。
WSJ 这篇文章罗列了机器人在听觉、触觉等人类感知层面的技术发展，很多技术早已出现在我们日常使用的设备上，比如所谓的「机器人听觉」，其核心技术与智能音箱这类产品并没有本质差异，而在「想象力」领域，OpenAI 的 GPT-3 部分意义上展示了这样的能力（比如给《卫报》写社论），而不久前 Github 推出的编程机器人 Copilot，则希望进一步挖掘机器人在代码方面的「创造力」。
或许是考虑到 WSJ 广泛的读者群体，这篇文章小心翼翼地不使用「Robot（机器人）」这个词，也从一个侧面展现出公众在「Robot（机器人）」面前的复杂情绪，譬如我们经常在大众媒体上读到「机器人取代人类」这样的说法，其逻辑也振振有词：当机器人比人类工人更好应对工作场景的时候，企业老板一定会用机器人取代员工。
但很遗憾，在过去 100 多年时间里，即便是在机器人应用最早的工业领域，目前也没有明确的证据显示，机器人应用与失业率上升有因果关系，对这个领域感兴趣的朋友可以读一下这篇基于欧洲工业机器人与失业率的研究论文。
更重要的是，所谓「机器人取代人类」是一个极其复杂的议题，需要结合不同的行业、不同的场景予以分析。科技媒体 VB 提供了一个相对清晰的分析框架，对于理解这个议题的复杂性非常有帮助。
一个被忽略的前提是，所谓「机器人取代人类」，很大程度上来自于我们把机器人放在与人类同等的地位上，这或许是源自人类内心深处的情结，并在过去的几千年里持续影响着人类对各种机器的看法。
但如果换一个角度，把机器人当作一类动物会如何？不管是用于生产的动物还是用于精神消费的宠物，人类从来都不会将动物看作是和自己一样的生物体，由此建立的「人物关系」也非常和谐，比如牛不会替代人类耕地，而是人类耕地的帮手，以这个切入点去看，机器人能否在更多层面成为一类新动物，这是最近一本新书 The New Breed 讨论的议题，非常推荐。
来看两个机器人的研究项目。机器人学家利用宜家家具训练机器人，首先它很便宜，其次组装过程尽管有章可循（宜家的说明书非常完善），但依然有很多意料之外的地方，这对于机器人适应复杂的现实环境至关重要。
意料之外是这个世界的常态，但也是机器人最害怕的情景，FB 与多所高校的一项研究里，希望让一个四足机器人了解在不同环境——户外、楼梯、工地——行走姿势的区别，这些人类不用学习的能力，对于机器人来说真的很难。
即便是在机器人领域耕耘数十年的波士顿动力机器人，其人形机器人领域需要克服的技术挑战依然有很多，看完波士顿动力机器人如何开展跑和跳的学习过程，或许你会更明白马斯克隆重介绍的特斯拉 Bot 是多么不靠谱。
在特斯拉 Bot 展示之后，掀起一阵讨论热潮，但 Cnet 的这句评论最应该被强调：
It’s hard to say how far off such a future might be, but there’s a huge gap between showing off a few PowerPoint slides and delivering an actual, working humanoid robot.
科技媒体 Verge 的一篇评论指出，这个机器人让人想起那个获得「公民身份」的机器人索菲亚：
What the Tesla Bot really reminded me of is Sophia: the mechanical chatbot that’s appeared on chat shows and magazine covers. Sophia relies on misdirection to fool audiences and is a regular target of AI experts’ scorn. But it also has a job to do. As one of the robot’s creators, Ben Goertzel, told me in 2017, Sophia works by priming our imagination, encouraging us to fool ourselves into thinking the future is closer than the evidence suggests. In the process, the robot generates funding and news coverage for its makers.
请注意我加粗的这一部分，这是索菲亚的使命，也可以类比到特斯拉 Bot 的使命，它像是马斯克又一次推销自己 AI 理念的尝试，此前很长一段时间里，马斯克、比尔·盖茨都是 AI 的坚定反对者，他们认为「AI 即将取代人类」，我在三年前的会员通讯里写道：
马斯克所宣扬的人工智能即将取代人类成为这个星球主宰的前提条件：人类可以制造出超级智能，或者说通用人工智能（AGI）。但现在的人工智能领域，即便是 Google、Facebook 这样的巨头公司，花费巨资研发的人工智能，都只是狭义人工智能，没有一家公司在研究马斯克所担心的通用人工智能智能。
回到几年前我的一条社交媒体状态：「科技媒体还是屏蔽掉马斯克关于人工智能的看法吧，真的，除非你是要追星。 」
事实上，特斯拉 AI Day 上还有众多值得关注的技术与产品，比如自研芯片 Dojo 1 还是其在自动驾驶领域的一些进展，更值得关注。
所以，我个人建议，如果你对特斯拉的 AI Day 或该公司的人工智能发展感兴趣，那么请不要关注马斯克说了什么，应该多花点时间去看看特斯拉在做什么：
- AI Day 演讲视频全集：除去最后的特斯拉 Bot，都是非常精彩的技术分享；
- Lex Fridman 的 11 分钟解读：这是一个概览，最后的特斯拉 Bot 也可以忽略；
我想用加州大学伯克利分校计算机科学家 Stuart Russell 对当下机器人的一句评价作为结尾：「How do we feel about our changes in feeling? It’s all rather a lot for a poor robot to grasp」。
未来驾驶：概念车、安全争议与现实困境
没有什么比 8 月的百度世界大会最能展示自动驾驶的现实困境了。
当李彦宏站在央视新闻直播间谈到自己对未来驾驶的想法，进而展示「汽车机器人」之后，我相信观看直播的 所有人都会不由自主地发出「哇」的一声，因为它的确很酷，如下图：
很快，你就会明白这不过是一种概念演示罢了，即便外场主持人带着明星亲自体验了一番，即便你不是老司机，你大概也能知道这样一辆没有车内方向盘、踏板的车辆根本不可能在公共道路上行驶，而其外部设计的炫酷车门、内部的超大曲面屏、零重力座椅等等，也是一种不计成本制造出来的展示品而已。
真正的自动驾驶车辆是下图这个样子，这是百度此次发布的自动驾驶出行平台「萝卜快跑」的车辆，从模样上说，这与炫酷的汽车机器人相比简直就是「原始机器」，其自动驾驶的等级——也从「汽车机器人」的 L5 级别（全自动驾驶）降低到 L4 或 L3（我没有查到确切的数字）。
在汽车机器人面前，「萝卜快跑」也没有多少 PR「价值」，下面这段官方表态就是该平台的价值：
百度此次推出的萝卜快跑，结合了Apollo过去两年的运营实践，能向大众提供商业运营和多元化增值服务，加速全民无人化出行时代到来。通过萝卜快跑，用户能够打到具备汽车机器人雏形的百度 Apollo无人车。
从「哇」到「唉」，这俨然就是当下自动驾驶发展的缩影，这个行业距离「改变世界」还有一段非常长的 路，最新一期 Bloomberg Business 报道了 Waymo，标题也是行业的现实，这家公司几乎完成了 99%，但还有 1% 是最难的。
而在过去一段时间里，很多汽车公司极其不负责任地渲染其自动驾驶软件能力，极大误导了普通消费者对自动驾驶的认知，而一旦出现事故，汽车公司第一时间跳出来强调自己的产品只是「一款驾驶辅助系统」，特斯拉如此，蔚来也是如此。
也是在 8 月，美国交通管理部门正式启动对特斯拉 Autopilot 系统的调查，这并不是针对特定事故的调查，而是瞄准 Autopilot 系统，调查部门希望了解这套系统到底如何应对道路上的可能情况，以及，又是什么原因，导致装备该系统的特斯拉车辆出现了事故。
公开资料显示，自 2015 年 10 月特斯拉发布 Autopilot 以来，全球已知与 Autopilot 有关的事故已经造成至少 6 人死亡，其中美国 3 人，中、日、挪威三国各 1 人，至于伤员，就无法统计了。
近期自动驾驶领域还有几件值得关注的事情：
- 创业公司 Argo AI 获得加州自动驾驶载客运营牌照，将在公共道路上提供免费的出租车服务；
- 奥迪发布「自动驾驶+电能」的概念车 Skysphere，酷，但也是概念；
- 丰田旗下的自动驾驶公司 Woven Planet 收购高精地图公司 Carmera，后者是一家只有 50 人的创业公司，此前，Woven Planet 以 5.5 亿美元买下了 Lyft 的自动驾驶业务；
- 英伟达也在近期收购了高精地图公司 DeepMap；
- Aurora 的上市计划正在加速进行中，该公司将以 SPAC 形式完成 IPO，预计市值达到 110 亿美元；
- 由于中国政府近期对科技公司的严厉政策，自动驾驶创业公司小马智行暂停美国 IPO 计划，该公司此前也计划通过 SPAC 的形式完成 IPO。
如果你真的希望了解更多自动驾驶领域的发展情况，下面几份行业报告，或许可以帮助到各位：
- 人工智能带给汽车产业的变革机遇非常大，从芯片到算法再到数据，由此构成了观察汽车产业链变革的一个重要窗口，你可以在这里下载这份报告；
- 未来驾驶终端领域最值得关注的底层芯片与软件解决方案，你可以在这里免费获取这份报告；
- 就目前来看，L3、L4 级别自动驾驶的发展，依然需要激光雷达的技术突破，这篇报告，从技术、行业与公司等不同方面，展现了激光雷达领域的关注要点，你可以在这里免费获取该报告；
从产业现状出发，接下来我们延伸一个问题：自动驾驶汽车真的比人类司机安全吗？
在关于自动驾驶的营销话术里，「自动驾驶比人类安全」被提及的次数最多，但这又是一个非常笼统的说法，如何定义「安全」？科技公司的解释普遍是：相比于人类，自动驾驶系统不会「疲劳驾驶」，也不会被其他外部事情导致分心，从而保障驾驶安全。
由此也引出另一个问题：很多交通事故更像是意外，此时的自动驾驶系统一定比人类安全吗？
答案恐怕并不容易回答。
那我们来说一些比较确定的事情。其一，人类驾驶行为中，「常识」占据了相当大的位置，所谓「常识」，就是当我们在路上看到动物的时候，会自然放慢车速，当看到道路拥挤的时候，会根据自己的时间安排，选择别的路线或者加塞「挤」过去。
这些「常识」判断的行为并非来自驾校老师的教导，回忆一下，你的驾校道路环境有多么简单？封闭的道路上，没有来来往往的行人和自行车，更没有外卖或快递车辆。驾校告诉我们的，不过是我们与汽车之间的关系（或者说如何驾驶车辆），而现实世界的驾驶，就是把驾驶车辆的技术与对现实世界的常识理解结合起来的过程。
其二，当下任何一个自动驾驶车辆的决策过程都没有常识，无论是特斯拉基于 AI 算法的 FSD 还是其他未量产的、使用激光雷达的自动驾驶车辆，这些车辆的决策，更像是一种「学习」的过程，把尽可能遇到的场景与解决方案计算出来，并以最低的延迟、最快的速度发送出来。
其三，驾驶过程一定是意外频发的过程，长期体验过城市早晚上下班高峰的人，他/她的所见所闻足以写出一本关于「道路意外事件」的故事书，这是现实世界里的现实状况，但对自动驾驶车辆来说，则是噩梦。
巨大的计算规模与低延迟的计算要求本身就是一对矛盾，更不要说，当下被广泛应用于自动驾驶的计算机视觉算法存在被破解的可能，之前的一份研究里，研究人员只是对限速标志做了一些干扰，就让自动驾驶车辆误以为是 85 英里/小时（真实情况是 35 英里/小时）。
结合上述三个确定的事情再去看「自动驾驶比人类司机更安全」的营销话术，或许能够更清晰理解去局限性，科技公司有意无意让公众忽略背后的限制条件和限制词。
上图展示的是中国境内的自动驾驶分级标准，当下的竞争点还在 L4 级别，结合最近的激光雷达赛道之争、特斯拉发布 FSD 订阅产品、上海世博园附近的自动驾驶接驳服务，距离 L4 级别自动驾驶的落地还有一定的距离，在这样用众多限制因素的驾驶环境里，「自动驾驶比人类司机更安全」的宣传还会有很多，但我们应该知道，所谓自动驾驶，远不应该是这样。
云：全球市场一览
过去两个月云计算领域有诸多值得复盘的产业动态。
两份数据
7 月 Gartner 公布了全球公有云 IaaS 市场数据，如下图所示。
整体上看，2020 年全球公有云 IaaS 市场还在持续增长，年增长率超过 40%，整个市场价值达到 643 亿美元。
市场份额方面，AWS、微软、阿里云继续位居前三，三家公司的市场份额总和超过 60%，凸显出 IaaS 市场的集中效应。不过，AWS 的领先优势继续缩小，得力于超过 50% 的增长，微软与阿里云的市场份额不断扩大。
这个榜单里最值得关注的是华为，Gartner 给出的增速是 202%，不过由于华为的数据并不透明，我们很难判断这个增长背后的原因以及具体产品构成是什么。
IaaS 市场的增长离不开疫情的推动，过去一年半的时间里，疫情导致工作、教育活动迁移到线上，在刺激包括 Zoom 在内的 SaaS 公司快速增长的同时，也催生了巨大的基础设施需求，由此形成云计算市场异常繁荣的景象。
但正如我在之前多期「AI Insider」会员通讯里所言，云计算的增长会越来越多出现在距离客户最近的地方，不管是 AI、云原生还是边缘计算，这些名词背后所代表的，正是云计算公司推出越来越多面向客户业务的产品，「你的利润就是我的商机」，这也是云巨头们的共同想法。
而在 8 月份，另一份来自 Gartner 的数据：Gartner 云基础设施和平台魔力象限出炉。
「魔力象限」是 Gartner 的一种研究方法，包括纵轴和横轴两个指标，其中横轴是前瞻性（Completeness of Vision），反应的是企业的技术能力、市场领导力、创新能力等；纵轴是执行力（Ability to Execute），主要考量产品的易用性、服务能力和技术支持能力。
Gartner 官方这样区分四个象限：
- 领导者象限：很好地执行了当前愿景，并为未来做好了充分准备；
- 远见者象限：了解市场发展方向，或者有改变市场规则的设想，但执行效果不尽如人意；
- 特定领域者象限：成功专注于一个小的细分市场，或者目标不明确，创新和表现未能超越竞争对手；
- 挑战者象限：当前表现很好，或者可能在大部分细分市场占据主导地位，但未表现出对市场方向的了解；
所以，正常情况下，一家企业进入魔力象限的顺序为挑战者、特定领域、远见者和领导者（当然这不是绝对情况，有时因为标准的变化或者企业发展情况的变化而不同）。
最近两年的 Gartner 云基础设施和平台魔力象限反映出行业的诸多变化态势。
其一，2020 年 ，该魔力象限首次将平台即服务（PaaS）纳入评估体系，包括函数即服务、数据库即服务以及私有云的能力等，这也展现出云服务争夺的焦点已经从基础设施服务向更上层的平台服务迁移。
其二，近期发布的 2021 云基础设施和平台服务魔力象限里，阿里云进入到远见者象限。
考虑到该象限只统计海外市场的产品和技术能力，这部分意义也是 Gartner 对阿里云海外扩张的肯定。
其三，如果把时间拉长一点，看看 2018、19 的数据，你会发现，全球云基础设施的玩家们已经固定，短期内不会有新的挑战者出现，接下来就是 AWS、Azure、GCP 与阿里云博弈、竞争的时代。
主要云计算公司的财报
先看亚马逊，在 2021 财年第二季度财报中，云计算业务同比增长 37%。本季度营收达到 148.1 亿美元，高于分析师预测的 142 亿美元，同比增长 37%，高于上一季度的 32%。
接下来，随着 AWS 迎来新任 CEO，AWS 的战略方向是否会发生一些变化，值得长期关注。
微软的 2021 财年第四季度财报显示，季度营收 462 亿美元，同比增长 21%。
其中的关键数字，如果从产品和服务上划分微软的营收，可分为：
- 产品：189 亿美元；
- 服务：272.14 亿美元；
更进一步，按照部门划分：
- 生产力与业务流程部门：146.91 亿美元，同比 25% 增长；
- 智能云部门：173.75 亿美元，同比 30% 增长；
- 个人计算业务：140.86亿美元，同比 9% 增长；
微软 CEO 纳德拉在财报分析师会议上回答了很多关于云业务的提问，包括：
- 微软在全球数字转型中拥有从基础设施到应用的一整套解决方案；
- 云计算的发展趋势是「分散化」，这不仅是未来满足政府监管的需求，更是企业的需求；
- 微软 Teams 正在成长为一个平台，可以承载包括微软自身产品在内的不同类型产品；
你可以在这里获取微软财报分析师会议的文本。
在阿里巴巴上月发布的 2022 财年第一季度财报中，阿里云营收 160.51 亿元人民币。
营收之外，还有几个关键数字：
- 阿里云贡献了阿里巴巴 8% 的收入；
- 连续三个季度盈利，经调整 EBITA 收入 3.4 亿元人民币；
本季开始，钉钉正式从阿里巴巴的「创新业务」迁移到云计算业务中，由于钉钉还处在业务投资阶段，影响了云计算业务的整体营收。阿里巴巴新闻稿称，目前包括复星集团、山东能源集团、蒙牛乳业等公司在内的大型企业都采用了钉钉。
接下来的几个看点：
- 阿里云如何进一步优化客户多样性，避免又一个「Tiktok」时刻？
- 面对腾讯、华为的「攻势」，阿里云的政企市场战略的新进展？
- 阿里云的东南亚「出海」战略进展？
IDC 一季度中国公有云市场数据显示，中国 Iaas+PaaS 市场规模达到 46.32 亿美元（约合 301 亿元人民币），增速 49.08%，高于全球市场。
市场份额方面，如上图所示，阿里云排名第一，占据 40% 的市场份额。
延伸阅读：阿里巴巴 CEO 张勇的公开信、阿里巴巴财报分析师会议的文本。
Google 母公司 Alphabet 的二季度财报显示，营收 618.80 亿美元，同比增长 62%。
本季度 Google Cloud 业务营收 46.3 亿美元，同比增长 54%。从营收与亏损两个维度重新审视一下 Google Cloud 的「规模效应」：
- 2020-Q1：营收 27.8 亿美元，亏损 17.3 亿美元；
- 2020-Ｑ2: 营收 30.1 亿美元，亏损 14.3 亿美元；
- 2020-Q3: 营收 34.4 亿美元，亏损 12.1 亿美元；
- 2020-Q4: 营收 38.3 亿美元，亏损 12.4 亿美元；
- 2021-Q1: 营收 40.5 亿美元，亏损 9.94 亿美元；
- 2021-Q2: 营收 46.3 亿美元，亏损 5.91 亿美元；
Google Cloud 成立了一个面向企业客户 CTO 的机构：「The Office of the CTO」（简称为「OCTO」）。其目的是「将客户变成自己的 CTO」，通过与客户 CTO、CEO 等高层的紧密联系，真正理解客户的需求，从而研发更符合市场需求的产品。
目前，苹果与字节跳动（海外业务）是 Google Cloud 的两大客户。
- 过去一年，苹果在 Google Cloud 的支出增加了 50%，达到 3 亿美元/年；
- 字节跳动在 Google 云服务商拥有 500PB 数据；
通过一副可交互的信息图认识 Google Cloud 上的复杂产品线，全景展示 Google Cloud 的产品，每个节点都可以点击，并且都可以跳转到相应的产品页面，感兴趣的朋友可以在这里查看原图。
中国云计算的上云与云上
上云：利用低价甚至免费的形式，中国的云计算公司还在鼓励企业上云。
云上的不同能力显然也是企业选择在哪家公司「上云」的标准之一：
- 政务云市场：IDC 的数据显示，华为云市场份额 32.17%；
- 视频云市场：IDC 数据称，2020下半年，中国视频云基础设施市场规模 31.1亿美元，腾讯、阿里、百度、华为、金山占据前五，瓜分 63.4% 的市场份额。
- 电力行业：阿里云联合南方电网构建了南网调度云超算平台；
接下来，「增长」是永不变的方向，但问题是从哪里增长：
- 公有云 IaaS：新的行业需求在哪里？
- PaaS：机器学习/深度学习或许是一个方向；
- SaaS：中国不存在真正意义上的 SaaS 公司；
- 政企混合云：这可能是最确定的方向，但没有哪一家有十足的胜算；
- 私有云：还记得 a16z 的一份分析报告吗？公有云未必是企业最有成本的选项；
- 多云：这在海外市场已经成为潮流，但在中国市场能引起多大波澜，目前还是未知数。
巨头·AWS·阿里云·微软
7 月，亚马逊有众多利好消息，其中最关键的其不断「抗争」的 JEDI 项目被终止。
JEDI 全称为「Joint Enterprise Defense Infrastructure」，这是美国国防部一项关于基础设施上云的重要项目，总预算达到 100 亿美元，包括亚马逊、微软、甲骨文等公司参与了该项目的投标。
2019 年 11 月，微软获得了这份为期 10 年、价值 100 亿美元的巨额合同。但很快，亚马逊就启动了「抗争计划」，2020 年 2 月，在提交给联邦法院的文件中，AWS 要求整个 JEDI 项目的决策者们——包括时任总统特朗普、两任国防部长——出庭作证，以了解决策过程中是否有白宫方面的干预。
随后，一名联邦法官下令暂停 JEDI 项目，而在五角大楼内部审查宣布没有问题之后，AWS 通过一份官方声明表态，所谓的评估「不过是试图验证一个有缺陷的、有偏见的、政治腐败的决定」。
坦率来说，这份声明并没有提供更多细节，不过是一种态度表达而已从亚马逊的角度去看，他们要证明自己是「那个被政治迫害」的企业，而并不是自己的技术、产品无法满足国防部的需求，这对 AWS 保持云计算市场的影响力至关重要。
今年 2 月，美国国防部再次表态，由于 AWS 持续的法律行动，五角大楼或将放弃与微软签署的价值 100 亿美元的 JEDI 项目。
而在 7 月，美国国防部正式宣布终止 JEDI 项目，五角大楼的声明称，终止 JEDI 的原因在于该项目已经不合时宜，微软也接受了这个决定。
与此同时，一个全新的项目「Joint Warfighter Cloud Capability」（或许会被称为 JWCC）即将启动，新项目实施时间不会超过 5 年，微软、亚马逊、IBM、甲骨文等巨头将参与新一轮投标，预计 2021 年 10 月出结果。
至此，延续多年的 JEDI 的口水与利益之争宣告结束。
JEDI 从一开始就充满了政治色彩，一方面，美国科技巨头们对于联邦政府的影响力与日俱增，不仅影响相关政策，也触及到联邦政府部门的采购决策，特朗普政府上任之后，其对不同科技公司的好恶，也在一定程度上左右了国防部最终的选择，这也是 AWS 一贯以来坚持的宣传策略；另一方面，作为一个面向军事领域的云计算项目，单一云计算供应商的决策也令整个行业感到困惑，特别是在多云战略开始成为行业共识的情况下，倘若五角大楼坚持 JEDI 的项目，也将对联邦政府其他部门的基础设施升级产生消极影响。
JEDI 被终止的另一个结果是，资本市场对亚马逊未来获得新合同充满信心，助推亚马逊股价继续上涨，从而也让贝佐斯再次成为全球最富有的人。
也是在 7 月，属于 Andy Jassy 的亚马逊时代开始了，WSJ 当时做了一个很有趣的设计，如下图，贝佐斯将亚马逊的「钥匙」交给了 Andy Jassy。
这也意味着，Adam Selipsky 即将成为 AWS CEO，我曾在 AWS 确定新任 CEO 后提及两点挑战：其一，「AWS 最大的竞争对手是亚马逊」，这句话看似矛盾，但透露出的潜台词是，由于亚马逊激进的电商策略，势必加大与某些垂直行业的对立与矛盾，这也将影响 AWS 的客户拓展，比如大量线下连锁超市都会有意无意避开 AWS，而去选择微软 Azure 或 Google Cloud。
其二，亚马逊长期以来坚持的「Day One」文化，是否能在第二棒 CEO 手里继续保持下去？随着贝佐斯离任、Andy Jassy 接任、Adam Selipsky 出任 AWS CEO，亚马逊完成了从创始人到职业经理人的领导层更迭。
与此同时，亚马逊从创立到现在已经过去了 26 年，而 15 岁的 AWS 也成为云计算领域的绝对巨头，庞大的公司规模与市场占有率，让外界不禁怀疑：这家巨头是否能保持贝佐斯一手构建的「Day One」文化，继续围绕客户需求不断创新。
AWS 正在组建一个办公领域的「反抗联盟」，以对抗微软。多家媒体披露，亚马逊正在和包括 Dropbox、Slack 在内的软件公司谈判，其要点是依托 AWS 平台，向企业客户提供一个协同办公的软件包，挑选的软件也对应微软 365 中的产品，比如 Word、Excel、Teams 等。
消息人士称，上述谈判已经进行超过一年，此举被认为是 AWS 从基础设施向生产力程序扩张的关键步骤，过去几年，借助「Office+Azure」，微软在云服务市场增长迅速，不断夺取 AWS 的市场份额，这也使得 AWS 压力骤增。
阿里云。路透社援引消息人士的话称，阿里巴巴正在参与芯片公司紫光的股权竞标，目前紫光集团的债务高达 310 亿美元，该公司计划剥离其在深圳上市的紫光股份 46.45% 的股份，这部分股权的售价可能达到 77 亿美元。
也是在 7 月，阿里云与上汽奥迪达成合作，双方将在车联网、全域营销、智慧物流等领域展开合作。
阿里云与科技媒体「钛媒体」联合制作的《云栖战略参考》发布了第一期，主题是阿里云掌门人张建锋谈如何管理超大规模研发团队，整个访谈太偏 PR 风格，不知道后续会不会有新的洞见。
微软。微软 7 月正式发布了云电脑 Windows 365，该产品基于 Azure 虚拟桌面，为用户提供 Windows 10 或 Windows 11 的体验，用户可以通过浏览器，在包括 PC、iPad、智能手机等平台上访问。
8 月 2 日开始该产品已经正式提供给企业客户，其费用模式按照每位用户/月的方式收取，提供 Business、Enterprise 两个产品，每个产品里还有三种不同规格的选择。
此前我在「AI Insider」里讨论过这个产品的逻辑，微软的做法与阿里云的云电脑「无影」定位相似，都是通过设备侧的完整体验实现「云端一体」。
从「无影」到 Windows 365，这一类产品无论是否存在硬件，本质上都是在延伸云计算的场景，特别是通过整合云上的基础设施（计算能力）、软件能力（钉钉、Office），降低云的使用门槛，进一步扩大云计算用户基础。
微软 7 月还大幅降低了云应用商店的佣金，由此前的 20% 降低到 3%，并立即生效。目前包括 AWS、Google 在内的云计算公司，其佣金比例还是 20%，此举对于吸引更多中小企业加入微软云应用商店意义重大，而且考虑到微软在 Office、Teams 领域正在面临来自 AWS、Google 的竞争，或许这个政策也将对微软 Office 平台的应用市场产生重要影响。
7 月，MWC 在巴塞罗那举行，疫情与中国厂商的缺席使得今年的大会格外冷清，技术咨询机构 Digits to Dollars 在一篇 MWC 汇总中提及，云正在「吃掉电信运营商」，比如AT&T 与微软达成合作，将旗下的 5G 移动网络基础设施迁移到 Auzre 云上，与此同时，微软也将采购 AT&T 运营商级别的网络管理技术，从而优化 Azure 的网络管理。
另一方面，以微软为代表的云计算公司，近几年开始收购电信软件领域的公司，比如 metaswitch、Affirmed 都已经被微软收购，这使得云计算公司可以在基础设施之上，向电信公司售卖更多软件与服务。
可以预见的是，未来电信公司与云计算的绑定会越来越紧密，而今后的 MWC 上，AWS、Azure、阿里云等云计算巨头们，也会成为新的主角。
腾讯云。腾讯云 7 月与宁德时代签署战略合作协议，新闻稿称，「双方宣布在人工智能技术研发、成果转换、人才培养等方面开展深入合作，共建『宁德时代-腾讯云AI联合创新基地』，打造体系化全流程AI生产力」。
其中产品层面的合作包括：
- 腾讯云提供数据中心、私有云和 AI 算法平台；
- 将腾讯优图实验室在计算机视觉的技术应用到能源质检领域；
与此同时，媒体从腾讯官网招聘页面发现，该公司在最近两个月增加了多个芯片相关的职位招聘，包括芯片架构师、芯片验证工程师、芯片设计工程师、高性能渲染芯片软硬件资深架构师等，工作地点可选北京、上海、深圳。
《证券时报》援引此前马化腾对芯片的表态：
过去我们觉得这个产业链离我们很远，做软件、做服务离芯片好像远了一点。但实际上，我们做了很多数据中心，包括云，我们对很多服务器端，甚至包括芯片的需求是有一定的影响力的。我们可以倒逼芯片设计行业针对我们的服务和需求做设计
随后腾讯官方回应称，该公司的确在研发芯片，但并非通用芯片，而是一些特定领域的芯片。
这条信息被热议很大程度上符合中国网民对「芯片卡脖子」的担忧，但必须看到一个事实，所谓中国芯片公司的崛起，并不是直接瞄准英特尔这样的对手，直接生产可以驱动个人电脑或智能手机的处理器，更多还是从特定场景——比如机器学习、边缘设备等方面——入手，提供一系列特定领域的解决方案。
基础研究·脑机接口
DeepMind
上月的时候，DeepMind 的一篇论文展示了一个新项目：Xland。
细节，如果说此前的 Alphago 是人类针对某个特定领域设计的 AI 模型，那么 Xland 是要通过构建一个更通用的环境，让 AI 模型自己学习不同领域的知识。
- Xland 是一个可以生成由静态拓扑和可移动对象组成的 3D 环境的引擎，可以创建模拟多种环境；
- DeepMind 将强化深度学习算法应用其中，每个智能体（AI 模型）在 XLand 的 4,000 个独特世界中玩了大约 700,000 个独特的游戏，并在 340 万个独特任务中经历了 2000 亿个训练步步骤；
发现，DeepMind 指出，一些智能体能够表现出类似「因果性」的行为，但目前还没有更进一步的证据。
我的思考：这个项目证明了通过强化学习模拟人类/动物获取智能的方式，也就是通过与环境的互动，从零开始认识环境，但这背后的代价：
- 昂贵的算力；
- 复杂的模型；
- 长时间的训练；
但即便如此，我们依然无法将 Xland 环境与真实环境对等起来，也不能将在 Xland 环境里训练的 AI 模型直接拿到现实世界应用，这仅仅是一个方向。
延伸阅读：
过去两个月，DeepMind 还有两个值得关注的研究突破。比如一个适用于问答的新算法 PonderNet，简单来说，就是可以优化系统对输入问题的「思考时间」（也就是计算处理时间），从而提升系统回答问题的速度。
你可以通过这里获取介绍该算法的论文。
另外，DeepMind 详细介绍 AlphaFold 相关算法，2020 年 11 月，DeepMind 的 AlphaFold 成功破解了生物学 50 年来的巨大难题「蛋白质折叠」。
蛋白质是人类理解生命组成的关键要素，目前已知的众多疾病，比如各种癌症都与蛋白质相关，但是蛋白质 3D 结构由于复杂且庞大的折叠方式，如何预测这些折叠方式成为长期困扰生物学的难题，AlphaFold 在蛋白质结构预测评估机构（Critical Assessment of protein Structure Prediction，CASP）组织的测试中获得 94 GDT，这意味着该系统具备了预测蛋白质结构的能力。
DeepMind 近期将 AlphaFold 的相关算法发表在《自然》杂志，AlphaFold 采用了多序列对齐机制，还结合了蛋白质结构的物理与生物学知识设计深度学习算法。
DeepMind 还将该项目的源代码放在了 Github 。
作为典型背靠大厂的 AI Lab，DeepMind 过去几年持续推出一系列影响行业的基础研究，但国内大厂的 AI Lab，似乎陷入到一个停滞不前的怪圈，「新智元」为此做了一番梳理：
- （阿里）达摩院半死不活；
- 腾讯优图沦落为内部算法外包；
- 百度AI Lab在Andrew离职后一蹶不振；
- 字节 AI Lab 直接变成业务中台；
而这背后的原因，远不是所谓内卷就能完全解释的。
脑机接口
融资：伊隆·马斯克的脑机接口公司 Neuralink 获得 2.05 亿美元的 C 轮融资。
细节：
- 投资方来自 Google 风险投资、Perter Thiel 的创始人基金以及 Open AI CEO Sam Altman；
- 创立于 2016 年的 Neuralink 在过去两年完成了 3.63 亿美元融资；
FDA 许可：Neuralink 的竞争对手之一 Synchron 公司近期获得美国 FDA 许可，旗下脑机接口产品 Stentrode 获得了临床研究性器械豁免(Investigational Device Exemption ，IDE)申请。
接下来：
- 今年晚些时候在纽约西奈山医院开始一项早期可行性研究；
- 研究将进一步验证该产品在严重瘫痪患者中的安全性和有效性；
与此同时，Facebook 也展示脑机接口研究新进展，这是一个令人激动的突破：
- 该研究由 FB、UCSF 共同参与；
- 通过将大脑信号转化为语音，可以部分恢复因严重瘫痪而导致失语的患者交流能力；
- 相关研究已经发表在《新英格兰医学周刊》，感兴趣的朋友可以在这里阅读该研究论文。
资源·报告
重新审视欧盟 AI 监管法律草案。今年 4 月欧盟提出监管 AI 的法律草案，你可以在欧盟官网获得该法律草案的文本。本期我再推荐非盈利组织 SocArXiv 的一份解读报告，报告认可了欧盟在 AI 不同等级风险方面的分类，但在诸如执法方面有非常大的不足，你可以通过这里免费获取这份报告。
美国联邦政府的 AI 使用与管理框架。这份报告介绍了美国联邦政府未来如何使用 AI，旨在通过机构与算法层面的治理，确保 AI 系统满足需求，并且通过分析系统的数据，进一步评估与衡量系统性能，从而确保合规性，整个机制会是一个动态调整的过程。
你可以在这里免费获取这份 112 页的报告。
11 个关于 AI 伦理的短视频。我曾经推荐过非盈利教育机构 Fast.ai 去年的一门数据伦理的在线公开课，近期这门课的授课老师 Rachel Thomas 整理了一份包含 11 个短视频的 AI 伦理播放列表，每个视频 6–13 分钟不等，如果你没有时间听完这门公开课，不妨通过这 11 个视频快速了解 AI 伦理的争议与解决方案。
自然语言处理是目前火热的领域，斯坦福大学教授 Christopher Potts 的这个视频，详细阐述了自然语言处理的历史进程，并对未来的发展提供了一些预测和思考，非常值得收藏。
全球 AI 公司研发指数。这是由 CSET 发布的一份实时更新的指数，汇总了全球主要 AI 公司在研发领域的进展，如下图，包括论文出版数量、顶级 AI 会议论文数量以及专利。
你可以在这里查看这份指数，建议将其加入书签，随时查看更新。
印度尼西亚如何成为中美人工智能企业竞争的要地？CSET 的这篇报告给出了几个线索，非常推荐。
中俄两国的 AI 合作。在中美持续技术对抗的现实里，中国与俄罗斯过去两年的技术合作值得关注，2020 和 2021 是两国科技创新合作年，两国合作的重点是生物技术、AI 与机器人。
CSET 的这份研究报告从学术和投资两个领域梳理了中俄 AI 合作，列举其中的几个数字：
- 研究：2010——2019 年两国研究人员联合发布了 296 篇 AI 论文，其比例仅占中国 AI 论文的 0.1%，约占俄罗斯同期 AI 论文的 2%；
- 投资：2016 年-2019 年，有记录的投资合作为 12 笔共计 8.79 亿美元，还有至少 5 笔投资没有具体数字；
你可以在这里免费下载这份研究报告。
业界·其他
元宇宙
英伟达近期推出 Omniverse，将其定义为全球首个为元宇宙建立的基础设施平台。
所谓「元宇宙」（英文是「Metaverse」），简单来说就是一个与现实世界平行的虚拟世界，这个词本身是一个科幻小说的词语，出自知名科幻小说作家斯蒂芬森的小说 Snow Crash 。
目前关于「元宇宙」的定义或切入角度有很多，如果根据上面的定义来看，大致上可以划分为几个方向：
- 硬件层面：VR 设备、智能手机（比如 iPhone 相机上的激光雷达）、未来的智能眼镜；
- 用户体验层面：比如基于 VR、AR 的游戏、社交产品；
- 平台层面：这里需要为内容创作者提供一系列可以制作、分发以及变现内容的工具与产品；
- 基础设施层面：面向虚拟世界的算力平台；
如果你还不理解，可以去看看前几年斯皮尔伯格导演的电影《头号玩家》，这部电影里的游戏场景就是「元宇宙」。
从这个角度上看，英伟达的 Omniverse 面向的是平台与基础设施的能力，基于英伟达在数字建模、渲染的技术积累，帮助更多开发者与公司快速切入到元宇宙领域，英伟达表示，该产品已经与包括 Adobe、Autodesk 在内的众多公司建立了合作关系。
除英伟达之外，Facebook 也是元宇宙的积极探索者，扎克伯格上月公开表示自己是元宇宙的信徒，他在采访中有这么一句话，充分表达了扎克伯格对元宇宙的看法，「自然」，这是互联网下一阶段应有的样子：
So I don’t think that this is primarily about being engaged with the internet more. I think it’s about being engaged more naturally.
如何实现「自然」呢？上文提到了元宇宙各个层次所涉及的服务与产品，这意味着所有现有的所有技术都需要进一步发展：
- 提供一个自然而然的服务出口；
- 像感受现实生活一样感知元宇宙里的情感变化；
- 获得金钱上回报；
- 获得的金钱继续在现实世界与元宇宙里消费；
元宇宙的概念足够宏大，其涉及到产业链也非常长，而目前看过去，这更像是扎克伯格推销 FB 的一种方式，而围绕扎克伯格的言论，也在形成一股投机潮流，其未来发展如何，还需要谨慎观察。
商汤科技赴港 IPO
近期，商汤科技已经向港交所提交 IPO 招股说明书，此前的数据显示，该公司的估值高达 120 亿美元。
你可以在这里免费下载商汤科技的 IPO 招股说明书，接下来谈谈其中的几个要点。
产品，商汤目前提供软件开发平台和商业平台，类似云计算里的 PaaS 和 SaaS，SenseCore 是面向客户开发的标准软件开发平台，在此基础上，衍生出几个产品：
- 面向商业（通用领域）：方舟企业开放平台；
- 面向城市：方舟城市开放平台；
- 面向生活场景：SenseME、SenseMARS 和 SenseCare；
- 面向汽车：绝影智能汽车平台；
客户，报告给出了比较笼统的数字，大致可以了解到其客户规模：
- 软件平台的客户数量合计已超过 2400 家，其中包括超过 250 家《财富》500 强企业及上市公司；
- 119 个城市；
- 超过 30 余家汽车企业；
- 向超过 4.5 亿部手机及 200 多款手机应用程序提供服务；
营收与亏损，商汤的财务数字是典型的 AI 创业公司，先看营收：
- 2018 年：18.534 亿元；
- 2019 年：30.266 亿元；
- 2020 年：34.462 亿元；
- 2021 上半年：16.518 亿元；
调整后的亏损：
- 2018 年：2.205 亿元；
- 2019 年：10.371 亿元；
- 2020 年：8.784 亿元；
- 2021 上半年：7.262 亿元；
主要股东：
- 个人股东：创始人汤晓鸥（21.73%）、联合创始人兼CEO徐立（0.9%）、SenseTalent（徐立、王晓刚、徐冰所持B类股票）持股12.17%；
- 机构股东：软银（14.88%）、淘宝中国（7.59%）、春华资本（3.08%）、银湖资本（3.05%）、IDG资本（1.42%）。
对于商汤科技而言，现阶段上市既是对过往投资人的一种「交代」，也是为了获得更多融资渠道，以继续投入到包括 AI 芯片以及 SenseCore 等在内的基础技术研发之中，其招股说明书也明确提到，募集资金的 60% 将用于上述基础设施研发。
但现阶段的商汤依然有着诸多挑战：
- 商业层面：国内 AI 落地的争夺战越发激烈，从创业公司到 BBATH（传统 BAT 与字节和华为），都挤在这样一条赛道上；
- 内部政策层面：中国高层今年以来的互联网高压政策，未来政策的走向，对各类上市公司都是一个潜在危机；
- 外部政策层面：商汤已被列入美国商务部的黑名单，无法获得美国的技术和产品，其影响到底如何，目前还是一个未知数；
中国最高院出台面部识别相关规范
7 月末，《最高人民法院关于审理使用人脸识别技术处理个人信息相关民事案件适用法律若干问题的规定》正式公布，并已于 8 月 1 日施行。该规定已经在最高院网站上全文公布，详见这里。
为什么重要：明确面部信息采集的适用范围以及个体的相关权利，比如经营场所面部识别的应用标准：
- 在宾馆、商场、银行、车站、机场、体育场馆、娱乐场所等经营场所、公共场所违反法律、行政法规的规定使用人脸识别技术进行人脸验证、辨识或者分析，属于侵害自然人人格权益的行为。
但是，有几个情况例外：
- 为维护公共安全，依据国家有关规定在公共场所使用人脸识别技术；
- 为应对突发公共卫生事件，或者紧急 情况下为保护自然人的生命健康和财产安全所必需而处理人脸信息；
- 为公共利益实施新闻报道、舆论监督等行为在合理的范围内处理人脸信息的；
全球视野：全球范围来看，尽管围绕面部识别的道德和法律争议很多，但资本依然看好这个市场，根据 Crunchbase 的数据：
- 截止到 7 月底，面部识别公司的融资总额就超过 5 亿美元，2020 全年只有 6.22 亿美元；
- 以色列创业公司 AnyVison 7 月完成 C 轮 2.35 亿美元融资；
- 美国公司 Clearview AI 完成 3000 万融资；
8 月最后一期 Bloomberg Business 封面（如下图）关注美国超市巨头 Target 的面部识别与监控，配发的封面文章是一个围绕面部识别技术、对有色人种偏见与城市安全的故事。
根据 Engadget 援引美国联邦政府的一份报告显示，有 10 个联邦政府机构计划或扩大使用面部识别技术，你可以在这里免费获取这份报告。
最近面部识别还有另外一组消息：
- Facebook 被韩国政府罚款 64.6 亿韩元（约合 3750 万人民币），原因是 FB 未经用户同意制作、存储超过 20 万韩国本地用户的面部模板；
- 印度将在火车站部署面部识别系统，该技术由俄罗斯创业公司 NtechLab 提供。
Fast Company 一篇专栏文章对于面部识别的争议给出一个有趣的解释，本质上说，这是人类对自己外观、身份如何被识别的担忧与不安。面部识别技术与 19 世纪的颅象学并没有根本的进步，「虽然面部识别看起来是未来主义的，但这项技术从根本上来说是向后看的，因为它的功能依赖于过去的自我形象和过时的分类方法」，文章这样写道。
芯片·产业
芯片市场：资本与市场
芯片王座让位。新一季财报里，三星营收超过英特尔，成为全球营收最多的芯片公司。
- 数据：三星 197 亿美元 VS 英特尔 196 亿美元；
- 原因：内存芯片的需求推动三星营收持续上涨，而疫情导致的 PC 芯片需求正在回落，英特尔增长乏力；
- 接下来：英特尔的代工业务如何，会成为其增长的关键，签下高通只是一个开始。
收购，富士康宣布 9080 万美元收购一家位于台湾新竹芯片工厂。
- 看点：富士康希望借助收购旺宏电子的一家未投产工厂，加速进入汽车芯片领域；
- 接下来：该工厂未来将成为富士康全球半导体中心；
- 监管背景：汽车芯片短缺，引发中国监管部门对哄抬价格的关注 ：「加强市场审查，打击囤积居奇、哄抬价格和串通等非法行为」；
- 产业背景：7月，中国乘用车销量同比下降 6.2%，6 月份下降了 5.1%；
英伟达 400 亿美元收购 ARM 目前正面临诸多变数，英国和中国市场监管部门已经表达了担忧，而欧盟将在下月正式开始相关调查，FT 上月的一篇评论建议软银（ARM 现在的母公司）考虑 B 计划，比如将 ARM 包装上市，但时间并不等人，这个市场的变化非常快：
- 产业挑战：芯片产业的「冬天」即将到来；
- 新架构的挑战：Risc-V 架构性能不断提升而且还是开源产品；
也是在上月，WSJ 援引消息人士的话称，台积电将全面提高芯片代工价格，涨幅从 10% 到 20% 不等，新价格将在今年晚些时候或明年施行。
融资，中国资本市场对芯片创业公司的热度有多大，不妨看看这家半年完成三轮融资的创业公司：爱芯科技。
- 融资速度：4 月完成 Pre-A 和 A 轮，8 月完成 A+轮；
- 投资方：创投领投，联想之星、聚投资领投，耀途资本、万物资本、韦豪创芯、美团、GGV纪源资本、美团龙珠、冯源资本、元禾璞华、石溪资本、天创资本以及高德地图创始人成从武等；
- 业务：高性能、低功耗的人工智能视觉处理芯片，2020年12月第一颗芯片 AX630A 已实现量产；
- 创始人：仇肖莘博士曾任紫光展锐CTO、美国博通公司副总裁，并曾担任AT&T Labs首席科学家；
在疯狂的资本之外，还有观察芯片的另一个维度，技术。
AI 芯片基准测试 MLPerf 发布了最新成绩单，这份测试展示的是不同芯片在不同数据集上的能力。
为什么重要：这份不断更新的测试说明了两点。
- AI 芯片的发展速度非常快，Google、英伟达几乎是在「军备竞赛」；
- 不存在「统治级」的 AI 芯片；
产业链
探秘 ASML 公司。在中美技术对抗的大背景下，光刻机巨头 ASML 公司成为全球关注的焦点，可以毫不夸张地说，没有这家公司的技术，生产高端芯片都是不可能的事情，这远不是喊几句口号或刻苦钻研就能解决的技术困境。
去年的时候，德勤给出了一份亚太半导体市场分析报告，相对客观地勾勒出目前中国所处的产业位置，重点关注以下这些数字：
其一，中国大陆半导体产业在全球主要国家/地区的营收占比不足 5%。
其二，亚洲地区前十大半导体公司，只有两家中国大陆公司入围，这两家公司也是大家熟悉的（华为）海思和中芯国际。
其三，围绕半导体产业链的多个环节，中国大陆有一定优势，但和其他亚洲国家/地区一样，缺乏产业链上游的知识产权、材料与设备的技术能力，这个领域属于荷兰与美国。
产业·AI 芯片
AI 芯片是芯片领域的另一个焦点，本月的 HotChip 大会上，IBM 展示自己首款 7 纳米 AI 芯片 Telum，该芯片将被部署到 IBM 下一代 Z 系列大型机以及 LinuxONE 服务器中，主要面向金融行业的客户。
HotChip 可谓观察当下芯片公司 AI 发展的重要窗口：
- 英特尔分享了更多关于 Ponte Vecchi GPU 的技术细节，其竞争对手是英伟达的 A100；
- 英伟达继续强调 DPU 的价值；
- 高通展示了其 Cloud 100 芯片的最新能耗比，全面对比英伟达；
- 创业公司 Esperanto 展示了基于 RISC-V 架构的 AI 芯片潜力，这是一个非常值得关注的领域；
除此之外，Synopsys CEO Aart de Geus 分享了该公司如何将 AI 纳入到芯片设计与优化流程里，这个演讲提供了很多有用信息，比如下面这张图：
围绕 AI 芯片还有几个值得注意的信息：
- 百度 AI 芯片「昆仑 2」的相关进展；
- 创业公司 Cerebras 的强大 AI 芯片组，可支撑更大的机器学习模型；
- 三星未来三年将投资 2000 亿美元，其中会有很大一部分用在芯片、AI 领域的技术研发；
除了 AI 芯片，还有很多公司在使用 AI 优化芯片设计与生产，比如芯片设计公司 Motivo ，该公司上月获得英特尔投资，这家成立五年的芯片设计公司，利用 AI 技术构建一个芯片设计引擎，该公司的愿景是将芯片设计过程从三年精简到三个月。
无独有偶，三星也在使用 AI 技术加速芯片设计工作，该公司目前使用 Synopsys 公司的软件产品 DSO.AI 来设计其 Exynos 系列芯片，这些芯片可能会被用在智能手机或其他物联网设备上，不过，目前三星还未给出这些芯片的上市时间以及具体用途。
AI 加速设计芯片正在成为新的潮流：
- 今年 6 月，Google 发布了一篇利用强化学习加速芯片设计的论文，并将其应用到下一代 TPU 的设计中，你可以在这里查看这篇论文；
- 2019 年，Google AI 负责人 Jeff Dean 的一篇论文提供了一个认识深度学习、计算架构与芯片的认知框架，不需要太多技术背景，便能理解其发展方向，你可以在这里查看该论文。
尾巴
以上就是 2021 年 7 月& 8 月份的「AI Insider Monthly」，欢迎成为「AI Insider」订阅会员，获取每周的专属会员邮件。