人工智能正在渗透到各个行业的话术里。犹如世纪初的互联网泡沫一样,似乎每个行业都在被人工智能所重新定义或塑造,但实际情形并不乐观。正如我在之前几期会员通讯里所言,此次人工智能热潮的推动力部分来自于深度学习算法的突破,其最大的提升就是图像、语音与自然语言处理的巨大进步,除此之外,别无其他。
换句话说,不管是创业者还是传统巨头,如果觊觎「人工智能」四个字带来的聚光灯效应,都应该在上述三大领域做一番努力。当然,还需要计算能力、海量数据以及可以调节算法的人才,只有这几个条件满足,才真正可以称之为所谓的「人工智能公司」。
过去两到三年时间,各大科技公司正在从不同层面切入人工智能领域,依照自己的能力寻找产业链上的不同位置,由此形成了人工智能产业链上的三类公司。
第一类:面向 C 端的互联网服务商
这一类的企业以 Facebook、Google 等互联网公司为代表。事实上,在深度学习潮流来到之前,这些公司都已经形成了相对成熟的业务体系,比如 Google 坐拥全球桌面互联网流量入口的「摇钱树」位置,可谓扼住了除中国之外全球互联网的命脉,而 Facebook 则一直位居全球第一社交媒体的位置。
看起来,一个是搜索引擎,一个是社交媒体,但本质上,两家公司却又都是内容供应商。前者更多是被动推荐,当你搜索时才会提供内容,后者则是主动推荐,要知道自 2006 开始,Facebook 就用 NewsFeed 「干扰」你所看到的社交状态。
而到了 2013年,当 Google 将 Geoffrey Everest Hinton 招入公司不久,FB 挖来 Yann LeCun 担任其人工智能实验室负责人,自此开始,深度学习或者说人工智能正是进入两大互联网公司的产品体系里。
Google 随后几年在语音、图像方面的进步,比如 Google Photo 以及 Gmail 的「Smart Reply」功能,都得力于深度学习算法带来的图像识别与自然语言处理的巨大提升。
而在 Yann LeCun 领导下,Facebook 的改变也是显而易见的,不管是自动识别用户上传的非法图像还是研发 FB Messenger 的虚拟助理 M,LeCun 的研究团队都扮演了重要角色。
这构成了 Google、FB 人工智能应用的第一个层次:消费者层面。在第二个层面上,两家公司都将深度学习融入到广告销售里。换句话说,两家公司将人工智能技术用在分析、挖掘用户行为里,从而更好地销售广告,下图展示了 FB 过往几年的收入状况,正是广告收入支撑了其业务。
也因此,Google、FB 这一类的公司,将人工智能放在自己的产品体系里,一面「免费」卖给普通用户,一面卖给广告主,与之类似的还有国内的今日头条。
第二类:面向 B 端的互联网公司和 IT 公司
我曾在之前的一期会员通讯里提到过一点,人工智能在企业级市场的应用还处在初级阶段。而提供面向企业级人工智能产品的公司,无一例外都是云计算企业,而他们所切入的领域也很有特点,大致有以下几个方面。
其一,数据密集型。这不难理解,深度学习算法也好,其他机器学习算法也好,数据都是必不可少的条件,当下缺少数据的人工智能是不可能的,比如很多厂商所言的智慧城市,都是建立在城市这个数据大集合的分析挖掘基础之上。
其次,围绕语音、图像做文章,尤其是图像。图像在企业级市场的应用场景非常多,几乎每个行业都有自己的图像使用需求,从工厂质检(制造业)到医疗影像再到城市监控图像等等,而制造、医疗、城市交通,已然成为巨头们争夺的重点。
第三,所有这些人工智能产品都以云服务的形式售卖。上周张亚勤谈及云和人工智能的关系时这样说:人工智能时枪弹,而云是枪管。这很好形容两者之间的关系。也因此,传统的云计算公司 AWS、Azure 可以相对轻松地推出人工智能产品,而新锐厂商,如 Google、阿里云以及 IBM,无一例外都将人工智能作为售卖云计算产品的招牌,下图是 Google Cloud 人工智能科学家李飞飞在 Google Cloud 开发者大会上的演讲。
当然,除 IaaS 之外,还有大量 PaaS、SaaS 的公司提供人工智能服务,比如 Salesfore 针对企业 CRM 推出一系列智能化产品,国内的科大讯飞、思必驰,则是语音技术封装为 PaaS 模块提供给企业,而诸如商汤科技这类的公司,就是基于计算机视觉的 PaaS 供应商。
综上,企业级市场是一个相对简单(直接面向客户即可),却又异常复杂(需要应对复杂应用场景)的领域。目前来看,人工智能可以发挥的地方还十分有限,究其原因,一方面是人工智能技术限制,另一方面则是企业在部署新技术上的多重考量,既有成本也有安全。
第三类:面向 B 端的芯片供应商
过往,这一类企业常常躲在暗处,基本属于闷声发财的公司。比如早年间的英特尔,曾牢牢掌控 PC 的核心部件 CPU 的生杀大权。而到了人工智能时代,似乎大家都习惯了舞台上绚丽的灯光,首先出场的就是英伟达。
英伟达的崛起离不开深度学习的火热。即便是英特尔,也需要承认一个事实:英伟达的 GPU 在深度学习模型训练方面要比传统 CPU 更有效率。这也构成了英伟达过去一年多股价暴涨的原因所在,下图展示了英伟达最近几个月的股价状况。
英伟达的 GPU 主要面向企业数据中心,亚马逊、微软都是其客户。除此之外,英伟达还在计划将 GPU 卖给自动驾驶市场,比如和百度自动驾驶团队的结盟,其目的就是让 GPU 成为未来自动驾驶竞争中的必备硬件,从而强化其产业影响力。
英特尔也不甘示弱。通过收购 Altera、Nervana,在自家 CPU 之外,增加了 FPGA 与神经网络的 VPU,在这些人才和技术收购之后,英特尔实现了除 GPU 之外的深度学习芯片产品线的全覆盖。特别是 FPGA ,其优势在于能比 GPU 拥有更强大也更灵活的机器学习训练能力。目前,英特尔占据全球 FPGA 市场 36% 的市场份额,未来的人工智能芯片领域竞争也是英伟达和英特尔之间的较量。
一个值得注意的现象,相较于过往硬件产业链上的各司其职,如今围绕深度学习的硬件之争正步入混战的阶段。在芯片领域,Google 自主研发的 TPU 已应用在其机器学习平台 Tensorflow 上,未来会不会作为单独的硬件出售还不清楚。而包括亚马逊、微软、阿里巴巴在内的巨头,也在纷纷研发相应的芯片,一方面可以快速适配业务,另一方面也是为了在这个混乱战局中抢得先机。
这一点在智能手机芯片市场也愈发明显。根据极客公园的梳理:2017年 5 月,ARM 在发布新一代 CPU 架构 Cortex-A75 和 A55 时,重点强调了提高 AI 运算能力的 DynamIQ 设计。今年 7 月,高通开放了自家的神经处理引擎(Neural Processing Engine,NPE)的 SDK,帮助开发者使用骁龙 SoC 进行 AI 相关的运算。
而当华为宣布要将下一代麒麟 970 处理器打造为人工智能处理器以及苹果上周发布 iPhone X 的时候,手机芯片领域的战役俨然成了一场三国杀:
- 高通为核心的安卓阵营,短期内,包括三星、小米在内的企业还无法研发出真正意义上的人工智能芯片,也包括给华为麒麟 970 提供人工智能处理能力的创业公司寒武纪;
- 苹果的 A 系列处理器,目前苹果已经具有了手机 CPU、GPU 以及神经网络引擎的研发能力;
- 华为的海思芯片,今年麒麟 970 的人工智能处理能力来自另一家公司寒武纪,按照华为的一般行为方式,未来一定会有自己的人工智能处理器;
综上,和 PC、手机时代一样,芯片依然占据了行业的上游市场,英伟达、英特尔将在服务器、数据中心领域展开一场肉搏战,而手机领域的竞争就是苹果一家独自应对高通、华为以及无数个具有自主研发能力的创业公司的挑战。