EEPW论坛

AI在最近10年发展极为快速，可以说为全球带起产业革命。不过在这高速成长的成绩背后，AI带给人类的是革命性的进化？还只是现有的服务的优化而已？

就目前的状况而言，仍比较接近后者。

中国的AI进展非常惊人，在短短数年间，从算法、应用到硬件、芯片，已经构筑起极为完整的生态。然而，中国的AI生态算是成熟、并可以自给自足的闭环吗？ 

现在的AI生态的确可以解决特定的问题，但展望未来，我们希望AI能为人类社会带来什么改变？甚至创造什么可能性？其实还需要业界共同思考。

中国的AI由应用驱动，上游生态缺乏

与欧美追逐最上游的技术不同，中国的AI发展可以说是由最底端的应用驱动。

最早从2010年开始的AI技术发展，几乎都集中在视觉识别这个领域，不论是商汤、旷视、依图、云从，几乎都是往这个方向走。而其根本原因可以从政府对监控技术与设备的需求追溯起。而因为这个市场的需求庞大，许多后进者也几乎都是从这个领域开始。

视觉识别AI后来延伸到了金融应用、手机图像处理、自动驾驶、无人仓储、无人商店等应用上，除了无人商店还没有真正成功的案例外，其余领域都有相当突出的表现。

随后，自然语言方面的AI应用兴起，从以语言识别输入，到自然语言对话，诸如科大讯飞、百度、搜狗，都在相关的自然语言处理方面有不小的建树。而相关的产品则主要集中在语音助理方面，服务内容根据终端硬件的类型不同而定制。

虽然中国AI的应用蓬勃发展，但是最上游的计算核心硬件方面，却还是严重倚赖外来的输入。举例来说，目前市面上的云端计算服务方面，其所采用的处理器平台超过九成都是使用英特尔的方案。而机器学习需要的计算硬件则是几乎清一色彩用NVIDIA的GPU产品。

AI芯片发展主要还是为差异化，并提高附加价值

当然，中国厂商也积极推动自有方案的发展，比如说华为的升腾方案，寒武纪的NPU方案，地平线的征程和旭日处理器方案，华为的AI方案基本上没有独立供应给市场，而寒武纪虽然有部份国家背景支持，但其除了华为以外的商业应用落地速度并不够快。而地平线芯片产品的定位与华为升腾类似，但其取得包括Audi在内的一线车厂、IoT设备制造商等全球超过20家客户支持，且投资者遍及海内外，在声势上明显胜出一筹。

然而AI芯片本身的设计难度与CPU和GPU并不在同一个量级，后二者中国厂商几乎自行设计的能力极为缺乏，这方面并除了技术能力的不足，缺乏生态的积累亦是关键。不过在AI芯片方面状况不同，由于应用分散，芯片设计商可以针对不同应用发展具备独特个性的AI芯片。AI芯片结构较CPU、GPU简单，若搭配片上内存、缓存或网络的设计调整，可以变化出针对不同环境的方案。

另一方面，采购第三方芯片一来成本高，二来架构掌握度不够高的话，可能就无法发挥出芯片效能，而依此打造出来的方案也就没有吸引力可言。

诸如地平线、云知声、云从、海康威视等都是基于自家方案需求而进行AI芯片设计的公司，对这些公司而言，设计自有芯片是维持方案竞争力的唯一方式。

但是在这种情况之下，IP设计业者，或者是纯粹做AI芯片的公司，恐怕就很难找到出路。由于潜在的大客户都偏好自行研发，剩下规模较小的客户才有可能外购，而AI芯片本身架构并不复杂，其设计目的主要还是为了算法的实现，换言之，IP或独立的AI芯片开发商一来市场空间不足，二来他们不是直接对终端客户，不一定了解最末端客户的需求，因此定位相当尴尬。寒武纪后来也推出自己的芯片方案，分别主打云端与边缘计算，但仍难摆脱这个窘况。

另一方面，2018年因为加密货币暴跌，导致挖币芯片设计业者转向AI芯片寻找第二春，比特大陆也是在此时推出他们的AI芯片。虽然比特大陆没有自己的终端方案，但取而代之的是，他们跑遍了各大终端客户寻找出路，后来也真的被他们找到几个安防领域的客户。

不过随着加密货币的飙涨，比特大陆可能又会将重心移向挖矿芯片，目前该公司已经向台积电下了芯片代工订单，据信就是2018年公布的7nm挖矿芯片。

挖矿芯片和AI芯片的计算架构其实大同小异，同样都是塞了一堆乘加器，然后可以进行大量并行计算工作的架构，最大的差异在于根据应用的不同而会采用不同算法，比特大陆这个作法也算是能左右逢源，分散风险。

还有哪些场景需要AI？

从监控、银行、手机再到汽车，除了已经这些在市面上已经很普遍的AI应用以外，未来AI还有哪些发展方向？

以下列举出三个方向仅供参考。

国家/国际级应用

往上大到国家，甚至全球层级，AI可以作为气候预测之用。由于近年来温室效应转剧烈，气候变化多端，传统的计算机模型计算已经不符需求，为了更好的掌握气象，能够在暴风雨、洪灾等灾害级气候到来之前就提前疏散或者是进行其他准备工作，可以大幅减少生命财产的......

阅读原文：