文字 | 李俊美编 | 毛毛大徒弟

物理学家沃纳海森伯格说过：“人类有史以来第一次在世界上只面对自己挖掘大数据背后的人工智能智慧，而不再有其他任何伙伴或敌人”。人工智能（AI）挖掘大数据背后的人工智能智慧，这个人类创造的新“物种”，正在全方位颠覆着人们的认知，科幻般的场景正向我们快步走来。

清晨，推开窗，从停在窗外的无人机上取下自己购买的物品挖掘大数据背后的人工智能智慧；下午，自动按挖掘大数据背后的人工智能智慧你要求的口味订好与朋友一起就餐的饭店；晚上，冰箱自动准备好你想喝的饮料，顺便在冰箱上下单购买挖掘大数据背后的人工智能智慧了几样你喜欢的食物，你一边喝着可乐一边用手指在冰箱的屏幕上随意点播想看的视频，还顺便查看了明天的天气……

这不是一个科幻电影中的情景片段，这是离我们渐行渐近的的日常生活。从科幻变为现实的关键就是人工智能技术瓶颈的不断突破。

2017年人工智能火爆到无以复加，好像任何企业带上人工智能概念，都能在风投那里拿到更多钱。国家政府工作报告关注，科技巨头扎堆布局，风投创投痛下血本支持，越来越多的产业资本开始关注人工智能。然而，从手机上的计算器到无人驾驶汽车，再到未来可能改变世界的重大变革，到底什么是人工智能？它背后有怎样的故事？未来又将走向何方？

扑朔迷离的人工智能

什么是人工智能？简单说来，让计算机能如同人脑一样思考，并做出足够智慧的反应。但越是简单的概念，实现起来越是复杂。

人工智能（Artificial Intelligence），英文缩写为AI。人工智能原本是计算机科学的一个分支，它企图了解智能的实质，并产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。

中国工程院院士、中国人工智能学会理事长李德毅说，“我们不能简单地用‘人工智能＋’来模糊‘人工智能’的核心内容。”

人工智能的概念很宽泛，按照人工智能的实力将其分成三大类：强人工智能（Artificial General Intelligence AGI）、弱人工智能（Artificial Narrow Intelligence ANI）和超人工智能（Artificial SuperIntelligence ASI）。“强智能”也叫通用人工智能，是指能够解决不同领域各种问题的人工智能，它能够像人类那样学习、决策和反思。而目前为止通用人工智能还是一个理想，人工智能还是“弱智能”，可以通过计算能力解决某些专业问题，比如阿尔法围棋（AlphaGo）就局限于围棋领域。牛津哲学家、知名人工智能思想家尼克·博斯特罗姆（Nick Bostrom）将超级智能定义为“在几乎所有领域都比最聪明的人类大脑都聪明很多，包括科学创新、通识和社交技能。”超人工智能还离我们很远。

现在，人类已经掌握了弱人工智能。其实弱人工智能无处不在，人工智能革命是从弱人工智能，通过强人工智能，最终到达超人工智能的旅途。

微软（中国）有限公司首席技术官韦青说：“目前媒体上常说的人工智能，基础是数学，它的‘口粮’是数据，当通过巨大的计算能力，以特定的算法对数据进行运算处理后得出某种模型，再添加拟人的语音、图像和行动等形式，这样整体感觉到就好像很智能。如果把所谓‘人工智能’的这层迷雾剥除，我们可以看到它的本质其实是一种机器智能。”

AI六十年，周期冷热或奇点来临?

人工智能60多年的发展，就是在起起伏伏、寒冬与新潮、失望与希望之间的无穷动韵律，寻找着理论与实践的最佳结合点。

1956年以前,数学、逻辑、计算机等理论和技术方面的研究为人工智能的出现奠定了基础。德国数学家和哲学家莱布尼茨把形式逻辑符号化，奠定了数理逻辑的基础。英国数学家图灵1950年在其著作《计算机与智能》中首次提出“机器也能思维”，图灵被誉为“人工智能之父”。

1956年夏季,在美国达特茅斯大学举办的研讨会首次使用了“人工智能”这一术语,这标志着人工智能学科的诞生。

1956年到1974年的第一次浪潮在算法方面出现了很多世界级的发明，其中包括一种叫做增强学习的雏形（即贝尔曼公式），增强学习就是谷歌AlphaGo算法核心思想内容。现在常听到的深度学习模型，其雏形叫做感知器，也是在那几年间发明的。那时，即使最杰出的AI程序也只能解决问题中最简单的部分,发展遇到瓶颈。AI更像是“玩具”,无法解决更为复杂的问题。

1982年，随着Hopfield神经网络和BT算法的提出，人工智能再次迎来发展的高潮，出现了语音翻译等概念和成果。但受于神经网络能力的限制，无法解决复杂问题，人工智能又逐渐陷入沉寂。人工智能这两次浪潮仅仅是提出了人工智能的概念，并带动了几种算法的出现，却远远没有达到投入使用的程度，至于商品、服务、产业更是如同空中楼阁。

2006年，随着深度学习技术、图像识别技术和IC产业的高速发展星空体育app，沉寂了几十年的人工智能再次取得惊人的突破。2016年，Google旗下DeepMind团队的AlphaGo以4:1战胜顶尖人类职业棋手李世石，成为AI研究成果的一个里程碑，也成为AI火热迸发的催化剂。而奇点大学校长、谷歌工程总监雷·库兹韦尔更是用“奇点”来描绘电脑智能与人脑智能相互融合的那个美妙时刻。

算法经济将引导人工智能走向何方?

2016年IBM在全球范围内倾全力推出的“认知商业”，被认为是真正意义上的人工智能商业化第一波浪潮，其背后的大逻辑是全球正在进入一个模型算法经济时代。

什么是算法(Algorithm)？算法是一系列解决问题的清晰指令,算法代表着用系统的方法描述解决问题的策略机制。机器学习算法大致可以分为3种：监督学习（如回归、分类）、非监督学习（如聚类、降维）和增强学习，其根本是基础数学模型。人工智能前60年，主要通过有监督的深度学习算法，解决语音识别、图像识别、自然语言理解等总样本量有上限的相对“有穷大”问题。

在算法经济时代，算法连通了人、事物、业务及信息，将创造全新的商业价值。未来，算法将成为企业的核心资产，代替企业把大数据转化为商业洞察、自动化业务流程以及差异化产品与服务。一句话，算法将统治世界。

韦青说，微软对技术研发底层的投入，是其立身之本。在微软亚洲研究院，有众多数据科学家，多年埋头苦干，做的全是最底层的科学研究工作。韦青坚信，长期的基础研究所带来的进步，是很难被超越的，除非有一种彻底的技术方向性的变革。

“人工智能的实现，需要强大的计算能力、优秀的算法和优质的数据，这三大核心要素交互驱动。其中数据的作用非常巨大，就像人类需要吃饭，需要学习知识才能成长，机器需要数据才可以产生智能。中国具备产生海量数据的优势，但是现实的情况是缺乏优质的数据以及相应的标准化数据结构。在这点上，国家的标准委员会或标准组织应该要主动负起责任，帮助业界建立起人工智能所必需的数据标准。否则多么海量的数据，也会产生例如英文中常说的‘garbage in，garbage out’（进的是垃圾，出来的也只能是垃圾）。”

“芯”够强，才能走更远

人工智能，需要完成大规模的计算，仅有好的数学模型或算法还不够，还需要强力计算引擎支持，这个“引擎”就是各种功能芯片，即集各种功能或者特定功能于一身的IC（特别是各种功能的CPU）。

IC产业一直以来是中国的隐痛。2016年全球半导体市场规模达到3400亿美元，世界前二十强没有一家中国公司，中国华为的海思半导体，年销售44.5亿美元，只能排在第二十一位。Intel、三星、高通、德州仪器、Nvidia等国外巨头牢牢地占据着IC生态链的最上游。

《中国制造2025》报告说，2020年中国芯片自给率要达到40%，2025年要达到50%。这意味着2025年中国的IC产业规模要达到世界的35%，超过美国位列世界第一。虽然这是总体产值，单就产品结构来讲，美国、韩国处在高端，中国处于低端。中国的IC产业仍然任重道远。

业内人士指出,普通的处理器就好比瑞士军刀,虽然通用,但不专业。厨师要做出像样的菜肴，就必须使用专业的菜刀，而专门的深度学习处理器就是这把更高效、更快捷的“菜刀”。同时，随着AI应用的快速扩展，针对性的功能、算法也需要反复迭代和优化，由此一些特定功能的CPU需要快速升级。早在2011年，IBM就通过对人类大脑的模仿，推出了可商用的类脑芯片，但由于种种原因这种芯片大规模的推广应用受到很大限制。同时，由于功能不断地扩展，芯片的生产流程过长、成本过高，这种模式很快被证明实际价值不高，逐渐也就被束之高阁了。

全球科研界和企业团队竞相开发更加适用的人工智能芯片，更是芯片巨头豪赌的盛宴。美国NVIDIA公司在人工智能和深度学习上面势头强劲。据介绍，NVIDIA的GPU在深度学习方面的处理效率是CPU的数倍，甚至是秒杀英特尔引以为豪的至强处理器。业界普遍认为GPU在人工智能、深度学习算法上的优势远高于CPU，目前NVIDIA与IBM正联手对付英特尔。

英特尔也不甘示弱，以167亿美元大手笔收购做可编程处理芯片的 Altera公司，这也是英特尔有史以来最大一笔收购案。通过收购Altera的可编程处理芯片，英特尔成功在大数据运算处理方面得到了提升，并由此计划推出新的至强融合(Xeon Phi)系列处理器，这个系列的处理器将针对于大数据高性能运算以及人工智能。

再看国内，人工智能芯片企业普遍弱小，处于中低端。没有强大的IC产业支撑的AI是虚幻的梦境，AI表面的繁荣也掩盖不了虚弱的产业基础。强大的IC产业是中国人工智能产业无法回避的挑战和必须跨过的门槛。

应用端的“卡位战”

亚马逊将自己的孵化器落地在上海繁华市区的小资园区上，烟火气十足。作为一个开源平台之外星空体育，这还是一个商业典范。

各国高科技企业普遍将人工智能视为下一代产业革命和互联网革命的技术引爆点。密集投入，巨头引领，全球AI加速赋能。据Pitchbook数据统计，当前，全球每年有100多亿美金，累计1000多亿美金，持续投入到全球AI的发展。谷歌、亚马逊、苹果等巨头、引领，AI并购潮起，数据和人才成为并购争夺的重点。在资本和巨头的悉心呵护下，明星初创独角兽不断涌现，AI加速赋能，面向医疗、金融、安防、教育、交通、物流等各类行业的企业级(B端)和消费级(C端)AI应用层出不穷，人工智能芯片战场上的硝烟才刚刚燃起。

当前人工智能应用的研究热点主要集中在自然语言处理、机器学习、人工神经网络等领域。随着开源平台的进一步开放，算法和芯片的进一步提升，人工智能的核心竞争将从技术竞争转向人才和应用场景竞争。谷歌、微软、Facebook等大公司以及卡耐基·梅隆大学、纽约大学等高校纷纷开源核心的机器学习算法，IBM 的Watson认知计算云服务，谷歌的TensorFlow、微软的DMTK、Facebook的Torch、卡耐基·梅隆大学的Petuum、加州伯克利分校的Caffe等，都提供了成熟的人工智能和深度学习算法模块。为什么这么多大公司都纷纷开源自己的核心机器学习算法呢？原因很简单：争夺AI生态的制高点。

AI巨头不断开放的开源平台将带来下游应用的蓬勃发展。创梦亚马逊AWS联合孵化器CEO赵晔表示，AI就像美国淘金时代的一把铁锹。而AI企业，更像是卖铁锹的人，而矿产恰恰是通过各种计算平台获得的数据资源，淘金热才刚刚开始。

赵晔说，“在新AI和云计算、大数据的时代，没有人能证明他的算法是最优秀的，只有通过机器学习，只有通过更多数据实践，才能在这个行业做领跑，现在认为正确的或者最有效率的算法，在未来的应用场景里，它不一定是最佳实践。所以现在很难有企业在AI端做垄断。人工智能其实更多是一种赋能，就是你去选择适合自己的一个AI平台或者符合一个赋能工具。”

比如说我们在语音交互领域，看到了百度的度秘、科大讯飞两大巨头齐飞，在机器视觉领域，出现了商汤、旷视等5大“独角兽”令人惊叹。综合来看，中国企业利用人工智能达成具体行业的赋能和革新，需要的各领域产业基础已经相继成熟。而依托海量的用户网络，组成大数据、云计算、人工智能三位一体的价值逻辑网络，或许会成为中国特有的AI成熟方式。

人工智能是一个标准的众创型技术，每一个巧妙的算法、每一种灵光乍现的逻辑，都可能解开困扰整个人类的问题。所以带给开发者、研究者工具和环境，让他们施展自己的才华，就成为了AI企业最主要的任务之一。亚马逊孵化器的赵晔说，“人工智能产业还是一个创新的生态，他的创新和原来的创新不太一样，他的方向可能是双向驱动，甚至反向驱动能力更强星空体育客户端。创梦孵化器希望能够结合更多的资源，包括政府的资源、资本的资源，能够为创业者提供一个更好的实验场景或者市场场景，在双向驱动的活塞中间点，把握创新的方向和创新的需求。这个场景就是一个真实的人工智能场景。”

年逾古稀的李德毅院士畅想着人工智能时代的美好愿景。第一次工业革命引发了“机器问题”，大量工人被机器取代。人工智能的发展也将引起就业结构的巨大变化。不久的将来，,我国老年人、残疾人和儿童，可能每人都拥有一台形态各异的服务机器人。形形色色的服务机器人将在全社会普及使用，翻译、新闻报道、助理、客服、交易、会计、司机、家政、咨询等工作，将被人工智能代替。

“人工智能是‘国之重器’，但只炒作概念是没有未来的。少谈点情怀，少谈点演示和评比，脚踏实地地去考虑能不能把这种能力用来提高人类的福祉，改变人的生活方式，助力传统产业的产能再造和转换，才是人工智能的真正未来。”

一位老鞋匠就算年逾花甲，也还是在精益求精。他说，手艺就是做到老学到老。一双鞋的诞生凝结了老鞋匠一生的经验与智慧，但终将面临如何传承的问题。如果在60岁这一年，制鞋机器人工匠出现了。这个制鞋机器人工匠会将老鞋匠一生的制鞋经验、制鞋流程进行数字化解析，他就有能力做出跟老工匠亲手做出来一样很牛的一双鞋。这样，所谓的人工智能公司就可以把老工匠的这种技能翻译成电脑语言进行存储，然后让电脑变得智能。于是，无形中这个工厂就有了一千个、一万个甚至无穷多个原本不可多得的老鞋匠。迭代了一百代之后，这些制鞋机器人就比老鞋匠还要聪明了。

老鞋匠的故事，就是现在被吹得天花乱坠的人工智能以后要走的路径。

韦青说，“就好像人类发展史上从石器时代进化到铁器时代，这样隔代工具的进化对社会上的生产者来说打击是致命的，因为这是一种降维打击（注：“降维打击”一词源于小说《三体》）。”韦青说，“用这种思路就可以理解为什么说人工智能所引发的危机非常大。因为当具备这种人工智能的竞争优势后，一个国家、公司或个人，不管在历史上多么落后，都可能迅速超越传统上很先进、但不具备这种优势的国家、公司或个人。这才叫弯道超车，这是一种先进生产力打破旧有生产关系的弯道超车。还要说明的是，人工智能是一个使能的工具，需要一个被使能的对象。理解了这种关系，以上海为例，如果能够具备这种使能的能力，当把这种能力应用到传统产能转换上，就变成了产能转化的加速器，它转化的将不只是上海的产能，可以是全国各地的产能，甚至是世界的产能。”

AI产业在国内正狂飙突进，中国基础研究的模型与算法、IC产业的强大离我们的距离，正是AI梦想照进现实的真实距离。