2017年人工智能產業回顧與展望

　　2017年初，在沉寂大半年之后，升級版AlphaGo化身為Master出現于互聯網，并以60比0的傲人戰績輕松拿下參與挑戰的所有國內外頂尖棋手，隨后在與世界排名第一的柯潔的對決中又以3比0的戰績完虐人類最后的一點自信與尊嚴。當人類再一次臣服于冰冷的機器腳下，不禁讓我們開始思考人工智能的未來。

　　AlphaGo之父，人工智能尚處于初級階段

　　關于人工智能的概念，目前業界還沒有一個統一的定義。1956年第一次人工智能會議——達特茅斯會議將人工智能定義為：使一部機器的反應方式像一個人在行動時所依據的智能。但是經過60年的發展，人工智能已經渡過了簡單地模擬人類智能的階段。當前人工智能主要以研究人類智能活動規律，構建具有一定智能的人工系統或硬件，以使其能夠完成某些只有人類才能進行的工作，并對人類智能進行拓展的邊緣學科。

　　按照人工智能的發展水平和應用范圍可以將人工智能大致劃分為三個層次，即專用人工智能、通用人工智能和超級人工智能。

　　專用人工智能：如計算機視覺、語音識別、生物識別等，以一個或多個專門的領域或功能應用為主。目前大多數的人工智能應用就屬于這個層次。

　　通用人工智能：即讓機器具備像人類一樣的工作能力，這種能力主要在于自動地認知和拓展。目前最前沿的人工智能研究只是具備最初步的通用能力。

　　超級人工智能：指具有自我意識，包括獨立自主的價值觀、世界觀等。超級人工智能是人類能夠對生命結構進行全面而深入的理解后才有可能達到的水平。

　　對于人工智能當前的發展水平，AlphaGo之父杰米斯·哈薩比斯今年4月份在劍橋大學做的一次演講中就此做了較為理性的闡述。他認為，當前的人工智能技術僅能在某一領域發揮作用和功能，因此只能被定義為“狹義人工智能”，與通用人工智能仍然有很大差距。在人工智能發展的路上，人類才剛剛起步，未來還有很遠的路要走。

　　加緊布局，人工智能取得新突破

　　2016年，當谷歌高喊從Mobile First向AI First戰略轉型時，人工智能產業的競爭開始呈現出白熱化。到2017年，由谷歌、IBM、蘋果領銜的國際豪強與以百度、阿里巴巴、騰訊組團的國內新貴持續加大投入，深化對人工智能產業的布局。面對激烈的市場競爭，政府也在推出各種政策以及加大對人工智能產業的扶持力度來引導產業的發展。

　　政策層面

　　2017年，國務院發布了《新一代人工智能發展規劃》，開始從戰略上積極引導人工智能產業的發展，為中國企業把握新一輪產業變革機遇提供政策支撐。同時為將規劃落到實處，11月科技部牽頭15個部委聯合召開新一代人工智能發展規劃暨重大科技項目啟動會，宣布成立新一代人工智能發展規劃推進辦公室，并公布首批國家新一代人工智能開放創新平臺名單。在這份名單上，百度、阿里巴巴、騰訊、科大訊飛榜上有名。

　　產業層面

　　谷歌發布了第二代TPU，每顆帶寬 600GB/s，算力達到 45 TFLOPS。最大的特點是模組化能力出眾，谷歌的用法是將 4 顆 TPU 放在一塊電路板上組成一個 180 TFLOPS 的模組“Cloud TPU”，用它們來替換深度學習云機房里的 CPU 和 GPU，單機最多可以拼接 256 塊 Cloud TPU，算力最高達到 11.5 PFLOPS。

　　微軟發布了人工智能硬件加速計劃——“腦波計劃”。該計劃包括一個大量芯片組成的分布式計算架構和一套直接運行在芯片上的操作系統。硬件核心是 DPU，即一個基于 FPGA架構的深度神經網絡處理單元。目前這種芯片單顆計算力約 10 TFLOPS。目前DPU既能支持微軟自己的 CNTK 深度學習框架，同時也支持競爭對手 Google 的 TensorFlow 框架。

　　英偉達發布了全新Volta架構GPU——Tesla V100 Tesla GPU。V 的命名來自英偉達最新最頂級的 12 納米 Volta 微架構。由 640 枚被英偉達命名為“張量核心” (Tensor Cores) 組成的。計算性能達到 15 TFLOPS(單精度)、120TFLOPS(深度學習)，根據來自業界專家的分析和評估，V100 是目前人工智能領域適合做神經網絡科研的顯卡。

　　英特爾今年最大的動作是組建了一個名為AIPG人工智能部門。同時還宣布已經與Facebook等廠商合作于今年底之前推出Nervana神經網絡處理器。相對谷歌、微軟和英偉達相對單一的芯片種類，英特爾的人工智能芯片產品包括CPU、FPGA、顯卡、至強融核和 VPU等多種類型產品。

　　除提到的這些主流的芯片巨頭之外，Facebook正在與高通合作開發自己的深度學習芯片;百度通過與Xilinx的合作開發基于FPGA架構的XPU;蘋果也將在新款手機里加入人工智能協處理器;國內人工智能芯片領域獨角獸企業寒武紀，發布面向低功耗場景視覺應用的寒武紀1H8、擁有更廣泛通用性和更高性能的寒武紀1H16，以及可用于終端人工智能產品的寒武紀1M。

　　技術層面

　　2017年，很多人工智能應用都實現了性能提升。以機器視覺為例，以往基于尋找合適的特征來讓機器辨識物體狀態幾乎代表了計算機視覺的全部。但是隨著對多層神經網絡的深入探索，2017年的機器視覺已經發生了重大轉變，自學習狀態成為了視覺識別的主流。目前領先的機器視覺產品，已經能讓機器從海量的數據庫里自行歸納物體特征，然后按照該特征規律識別物體。據統計，2017年機器視覺和語音識別領域，準確率已經由此前的70%提升到95%以上。

　　此外，語義識別是人工智能應用中最難突破的應用難點，但2017年，谷歌、蘋果和亞馬遜今年都推出了可以用語音命令來控制的音響、洗衣機和家電設備。在國內阿里巴巴和百度也推出了類似的音響和家電產品。在語音交互領域，科大飛訊、騰訊都已經推出了市場化的功能產品。可以認為，基于大數據、并行計算的深度學習算法正在給自然語言處理帶來長足的進展。

　　正視差距，中國企業需奮起直追

　　從當前人工智能產業的發展現狀分析，美國已經實現對人工智能產業的全方位布局。美國擁有一批既能進行人工智能芯片開發又能提供平臺開發框架的領先企業，在深度學習算法的研究方面也非常前沿。從上游到下游，產業生態布局已經十分完善。除此之外，資金和人才優勢也是其他國家不可比擬的。

　　相對而言，中國目前只能實現人工智能產業局部布局，仍然依靠BAT等互聯網巨頭來引領產業發展。2017年，以百度、阿里巴巴、騰訊為代表的企業已經實現了對無人駕駛汽車、機器視覺、語音識別和人臉識別等領域的布局，在很多方面已經初步實現產業化。但反觀最核心的芯片和平臺框架，目前僅有華為、寒武紀等極少數企業能實現自主化的人工智能芯片開發，很難撼動國外對人工智能芯片和平臺框架的壟斷局面。中國人工智能產業要實現可持續的自主化發展，必須在芯片和平臺框架層面實現自我突破。未來，我們不以彎道超車為目標，只期待通過我們的努力能與全球領先企業一起并道前行。