×

登录 是一种态度

logo
手机
访问
公众
账号
󰀳 返回
顶部

从上游芯片到终端应用 全球智能战略递进中

核心提示:世界范围内的智能战略正在不断推进。从人脸识别、智能翻译,到远程医疗、智能投顾、无人驾驶、线上教育、智能物流,这些应用的背后离不开前沿智能技术。从上游芯片到终端应用,提升计算力、布局智能化,成为各国制定国家战略的一大重点。

世界范围内的智能战略正在不断推进。从人脸识别、智能翻译,到远程医疗、智能投顾、无人驾驶、线上教育、智能物流,这些应用的背后离不开前沿智能技术,以人工智能、大数据、深度学习等为代表的技术,正在以我们想不到的速度蔓延、渗透到全球各个行业,制造、交通、金融、通讯、医院、教育乃至政府服务,都正在经历一场前所未有的技术变革。

工业4.0、AI芯片以及应用落地、大数据、云等技术和应用成为所有国家绕不过去的战略。从上游芯片到终端应用,提升计算力、布局智能化,成为各国制定国家战略的一大重点。比如,韩国日前刚刚宣布其智能战略,将在未来5年内投资2.2万亿韩元(约合130亿元)开发核心人工智能(AI)技术,以在2022年前成为该领域的全球巨头。根据韩国科学和信息通信部宣布的计划,韩国政府将牵头制定一个包括研发在内的国家人工智能计划,以加入世界强国的行列。该部门将首先在国防、医药和安全领域发起大型AI项目。韩国政府表示,它的目标是在本土开发出能与其他强国(以美国和中国为首)相媲美的AI技术,最终减少韩国对这些国家的依赖。

而全球范围内,各大巨头纷纷角力争抢技术发展的制高点。谷歌将人工智能作为整体发展战略,微软宣布重组成立人工智能平台部门,苹果在全球狂挖人工智能人才。其中,作为AI时代基础设施的AI芯片,也成为目前行业最热门的领域。

从应用场景角度看,目前AI芯片主要有两个方向,一个是在数据中心部署的云端,一个是在消费者终端部署的终端。从功能角度看,AI芯片主要做两个事情,一是Training(训练),二是Inference(推理)。Training即用大量标记过的数据来“训练”相应的系统,使之可以适应特定的功能,比如给系统海量的“猫”的图片,并告诉系统这个就是“猫”,之后系统就“知道”什么是猫了;Inference即用训练好的系统来完成任务,比如你将一张图给之前训练过的系统,让它得出“是不是猫”这样的结论。在目前大多数的AI系统中,Training和Inference是相对独立的过程,对计算能力的要求也不尽相同。Training需要极高的计算性能,需要较高的精度,需要能处理海量的数据,需要有一定的通用性,以便完成各种各样的学习任务。Inference相对来说对性能的要求并不高,对精度要求也要更低。Training将在很长一段时间里集中在云端,Inference的完成目前也主要集中在云端,但随着越来越多厂商的努力,很多的应用将逐渐转移到终端。

Compass Intelligence近日公布了全球AI芯片榜单(下图)。可以看到,在AI芯片领域,从硬件到软件,都几乎被全球的科技巨头瓜分了。

 

芯片巨头Nvidia(英伟达)已牢牢占据AI芯片榜首,由于其CUDA开发平台的普及,英伟达的GPU是目前应用最广的通用AI硬件计算平台。除了有实力自研芯片的企业(全世界也没几家),如果需要做AI相关的工作,必定需要用到Nvidia的芯片。现在所有的AI软件库都支持使用CUDA加速,包括谷歌的Tensorflow,Facebook的Caffe,亚马逊的MXNet等。

不过,其他老牌芯片巨头都没闲着,特别是Intel通过“买、买、买”奋力将自己挤进头部玩家的位置。微软在最新的Build大会上公布了基于英特尔FPGA的AI方案,而英特尔的FPGA业务正是通过收购Altera获得的。互联网厂商Google也“乱入”了前五。这要归功于它的TPU,虽然Google不直接售卖芯片,但是它通过云服务提供TPU的调用服务。Google很早就开源了Tensorflow软件平台,这使得Tensorflow成为最主流的机器学习软件平台。而Tensorflow最佳的计算环境自然是Google自己的云服务了,这样一来,Google通过软件、硬件以及云环境的打通,在AI芯片领域的占有重要一席。不久前,谷歌在I/O大会发布了其第三代TPU,并宣称其性能比去年的TUP 2.0提升8倍之多,达到每秒1000万亿次浮点计算,同时谷歌展示了其一系列基于TPU的AI应用。

在中国的智能市场,不仅有BAT这样的巨头参与并全面出击,还有一批人工智能、大数据领域的创新企业开始跻身“独角兽”行列。如专注智能家庭机器人研发的优必选,刚刚以8.2亿美元再次刷新了人工智能领域融资纪录;如专注计算机视觉技术的商汤科技,其人脸识别、图像识别产品已实现工业级应用;如专注智能语音及语言技术的科大讯飞,语音识别相关核心技术已达世界领先水平; 如专注大数据价值挖掘的TalkingData,在帮助国内传统企业数字化转型的同时也积极探索技术创新与出海;如专注人工智能芯片研发的寒武纪,推出了世界首款商用深度学习处理器;如专注无人飞行器研制的大疆,已成为事实上的全球民用无人机霸主……

资本对半导体芯片的热情也被AI技术彻底点燃,在这一领域的多笔融资已经超过亿元。

 

(整理自网络)

不过这一切,在阿里巴巴董事局主席马云看来,还处于“幼儿园时代”,世界到现在为止还是智能时代的前夜。但他同时强调,很多东西在未来5到10年会发生翻天覆地的变化。“我们必须认识到未来的变革之大,将超过我们的想象力。”

资本市场青睐、技术快速演进,为智能战略的布局推荐创造了良好的环境。下一步,重视落地应用是关键。

在上周举行的世界智能大会主论坛上,阿里巴巴、富士康、IBM、华为、特斯拉、AMD等行业大佬们在针对“智能社会”的主题展开探讨时,都将聚焦点放在AI、大数据、IoT等智能应用的落地上。大数据、物联网、互联网,带来了数据大爆炸,为人工智能等智能化技术的发展带来养料,但如果不能找到合适的商业应用,智能的生命力将非常有限。

华为技术有限公司云BU副总裁陈崇军认为,实践和解决问题应该是检验人工智能的唯一标准。他强调,现阶段人工智能最重要的一点是要应用,人工智能不能停留在实验室,不能停留在技术上。华为首先利用人工智能解决了自己的问题:“以前华为生产线一个工人盯四台焊接机,用肉眼看这些板的故障,不但速度慢、效率低,还经常出错。用了云EI自动光学检测服务,设备成品率从95.2%提升到99.55%,员工的工作量降低了48%。”

富士康科技集团总裁郭台铭则提出,“实体制造+数字经济等于工业互联网”。“我们的几百座‘关灯工厂’都用我们的机器联网,现在每天产生几百个TB的数据,经过我们自己做的硬件进行处理、储存及网络传送,随时都可控制。打开手机便可以看到任意一个工厂。” 郭台铭提到,到2025年,工业互联网创造82万亿美元的经济产值,占全球经济总量的一半。

IBM副总裁、大中华区董事长陈黎明则指出,人工智能时代和互联网时代的“赢者通吃”不一样。它使很多传统企业重新站在起跑线上。通过互联网能够收集到的数据只占数据总量的20%,有80%的数据是在企业防火墙之后。通过大数据分析、人工智能,如何挖掘这些数据的潜力,这正是传统企业应该思考的问题。过去一些初创型新兴企业对传统行业带来了很大冲击,但是根据对全球12000名企业高管进行的一项调查显示,74%的被调查者认为,将来当他们所在行业的一些龙头企业把人工智能融入企业流程的时候,这些企业将重新去引领行业发展,成为行业变革的引领者,而不是被颠覆者。

无疑,业务场景化是人工智能等智能应用落地的核心。打通底层大数据服务上层行业应用的路径,形成用大数据加速智能转型和产业发展并最终整体优化人类社会和生活的闭环,才是智能战略的真正价值。

0