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。