人工智能業態簡史：中國沒有錯過的拐點
自從今年國務院印發《新一代人工智能發展規劃》以來，國家層面發展人工智能產業，以此促進民生經濟的戰略可以說十分清晰。
而伴隨著中國對人工智能產業的重磅投入，越來越多的聲音開始將中美兩國的人工智能實力進行比較。無數智庫和數據機構，接連發布以兩國人工智能工程化、商業化、科研指數為為分析對象的報告。得出的結論各有不同，庫卡機器人，但中國的人工智能發展水準已經達到國際化水平卻是不爭的事實。
雖然在談及頂尖的人工智能技術時，我們更多討論的是Deepmind、OpenAI以及各大學的AI實驗室。但要知道，雖然AI領域的科研與產業關系密切，但學術水準終究不完全等同產業水平。
或許可以用另一個視角來看待中國的AI格局：AI產業化的關鍵因素中，中國企業一個也沒有遺漏。
讓我們從幾個維度梳理一下，以大數據+機器學習為主要特征的AI第三次次黃金周期中，AI的業態簡史與中國企業的表現。從更廣闊的視角看去，或許我們會認同，AI是一個中國沒有錯過，也不能錯過的技術拐點。
生態之源：深度學習框架
人工智能是一個標準的眾創型技術，每一個巧妙的算法、每一種靈光乍現的邏輯，都可能解開困擾整個人類的問題。所以帶給開發者、研究者工具和環境，讓他們施展自己的才華，就成為了AI企業最主要的任務之一。
最早提起深度學習平臺的時候，還是以加州大學伯克利分校推出的Caffe為主。其創造性地將卷積神經融入開發環境，構建了相對高效清晰的深度學習框架。
而在2015年底，谷歌開源了此前在內部使用的TensorFlow。隨著數次版本更新，一舉打破了Caffe的壟斷地位，成為了最活躍的深度學習框架。尤其隨著DeepMind全面使用，其社區資源得到了廣泛認可。
為了爭奪開發者生態Facebook、微軟、OpenAI等公司相繼推出了深度學習的開發平臺，重新試圖顛覆谷歌的霸主地位。目前世界上主流的深度學習平臺依舊有十幾個之多。
開發者環境有多重要，從Facebook憑借PyTorch在AI界得到的話語權提升就能知道。擁有良性的深度學習架構，是堆積AI開發生態的基礎。
這一點國內的企業也并未落后。比如百度最先推出了PaddlePaddle，宣布了國內企業進入這一領域。今年阿里云推出了PAI，主打與主流框架的環境友好度與便捷遷移。
目前來看，國內深度學習框架正在憑借開發環境、社區資源和企業激勵計劃，逐漸對歐美主流開發平臺形成沖撞。至少在AI研發的核心環節中，中國已經搶回了關鍵分。
硬實力的答卷：芯片代表的算力基礎
人工智能的神經網絡任務模型，是完全不同于傳統運算需求的全新任務形式。換句話說，傳統的硬件運算基礎也將不再符合人工智能的需求。
PC時代得芯片者得天下的說法，在人工智能時代似乎依舊奏效。
2011年，IBM就通過對人類大腦的模仿，推出了可商用的類腦芯片，可以說是人工智能芯片解決方案的基礎。但這種模式很快被證明實際價值不高，逐漸也就被束之高閣了。
此后FPGA、ACIS等處理人工智能任務的芯片類型相繼推出。而英偉達據說在一次實驗錯誤中發現了GPU可以很好的處理深度學習任務，也打開了GPU與人工智能狂飆突進的序幕。
目前英偉達TeslaV100號稱性能最強的AI專用處理器。而今年谷歌發布了專門應對深度學習任務的TPU芯片，也在AlphaGo身上大展神威。
而對于國內相關產業鏈來說，如何獲取到可以支撐人工智能研發與部署的運算能力、獲得智能AI化遷移的運算服務基礎，就成為了當務之急。
在主流神經網絡芯片制造依舊掌握在美國巨頭手里的情況下，國內企業更多采取了繞路迂回的辦法，比如通過云計算架構來輸出AI算力，匹配開發者的運算需求。
9月初，阿里云宣布推出了新一代異構加速平臺。其異構計算家族涵蓋GPU、FPGA在內的7款異構實例，并附帶全新高性能計算實例E-HPC。BAT和華為等云計算服務商輸出開放和定制化的算力供給，相對更加符合中國企業的需求。
而云計算之外，庫卡機器人驅動器維修，部署終端計算的微型AI芯片也在成為熱門話題。在手機上，蘋果推出了A11仿生芯片。而此前華為搶先發布了全球第一款移動AI芯片麒麟970。
基于芯片和算力的AI博弈已經在中美兩國的方方面面展開。未來云端一體化的AI算力似乎是更加切實的解決模式。云計算與硬件制造商之間的合縱連橫，也非常惹人期待。
萬物啟蒙：關于智能硬件浪潮
用AI加持普通終端，開啟萬物互聯的全新紀元，似乎早就成為了業界的共識。五花八門的AI硬件也很早就出現過。
但毫無疑問，亞馬遜的Echo開啟了智能語音+普及化硬件的新風口。一時間全球無數智能音箱崛起，一時間堪稱壯觀。
這個領域值得我們注意的，是中國企業對AI消費風潮的敏銳和戰略性投入。就像亞馬遜投入Echo的更大野心在打通家庭生態場景一樣。中國巨頭們先后投入AI硬件也難以離開生態化的誘惑。
從京東的叮咚，到小米的小愛同學、阿里的天貓精靈，巨頭們顯然希望音箱成為家居場景AI化的入口。通過后續更多IOT+AI的想象力迸發，達成新的消費風口爆發。
在IoT矩陣更加完善的情況下，有理由相信機器視覺、圖像識別等AI技術會爭相進入消費智能硬件序列。開始體驗到AI之后，智能消費市場很可能才剛剛崛起。
從實驗室到物理世界：AI的場景化落地
假如AI技術只能待在實驗室中，那恐怕只會有今天百分之一的人關注它。
畢竟任何技術都需要在現實世界中檢驗自己的價值。而AI又是一項非常底層的技術，很容易與各行各業的效率、體驗和解決模式相連接，給人以意想不到的效果。
雖然我們今天已經習慣了很多AI帶來的價值，但想一想初次接觸谷歌ML的智能推薦、蘋果Siri的語音交互體驗，看到特斯拉的車輛收集數據反向訓練自動駕駛，那種驚喜感是溢于言表的。
或許得以于移動互聯網的鋪墊，m.dekuna.com，相比于美國市場，中國有更大的AI市場和更好的AI接受環境。而中國企業也在AI的場景化落地領域造就了許多個Chinafirst。
比如說我們在語音交互領域，看到了百度的度秘、科大訊飛兩大巨頭齊飛。在機器視覺領域，出現了商湯、曠視等5大獨角獸，著實令人驚嘆。
這里不得不提到阿里云的ET大腦系列。ET城市大腦在杭州的部署，是人類史上第一次用大數據+人工智能方式來指揮真正的城市交通。
某種程度來說，在應用場景上，有中國特色的AI落地道路已經比歐美國家走的更遠。結合數據感知和大規模計算領域的能力，人工智能可以輸出為更多實際的社會價值。這種模式應該會在接下來的中國市場中不斷發酵成熟。
綜合來看，在中國企業利用人工智能達成具體行業的賦能和革新，需要的各領域產業基礎已經相繼成熟。而依托海量的用戶網絡數據，大數據、云計算、人工智能結合的應用邏輯，或許會成為中國特有的AI成熟方式。
更深層的未來：人才與研發聚合效應
很多大牛都坦誠的表示過，AI打到最后都是人才戰。
但這一點或許不太準確，因為能夠左右產業局面的科學家和技術專家畢竟是極少數，真正左右戰局的，應該是研發團隊和實驗室的成熟度和創新能力。
從DeepMind的科學狂人文化中，不難看出AI人才在企業實驗中的戰略意義。而這場另類賽道的競賽，其實很早就在我們身邊開始打響。
拋開歐美的AI實驗室文化和工程師文化不提，中國互聯網企業配備技術科研團隊也已不是什么新鮮事。
很早就成立的微軟亞洲研究院，其中一個研究方向就是人工智能領域的探索。這或許成為了一個示范，引出了中國互聯網巨頭們花樣繁多的AI人才聚合項目。
比如百度在2013年就建立了IDL（深度學習研究院），主要攻克深度學習、語音識別和智能訓練領域的技術難題。2014年，阿里成立了iDST（數據科學與技術研究院），據說肩負著在大數據時代彰顯阿里技術高度的重任。
另一個被廣泛關注的現象，是BAT三家相繼成立了AILab。
最早成立的百度硅谷AILab，一直在學術上比較活躍，成果也以論文和開源算法為主，酷似歐美大公司里的學院派。