2017年人工智能产业回顾与展望

　　2017年初，在沉寂大半年之后，升级版AlphaGo化身为Master出现于互联网，并以60比0的傲人战绩轻松拿下参与挑战的所有国内外顶尖棋手，随后在与世界排名第一的柯洁的对决中又以3比0的战绩完虐人类最后的一点自信与尊严。当人类再一次臣服于冰冷的机器脚下，不禁让我们开始思考人工智能的未来。

　　AlphaGo之父，人工智能尚处于初级阶段

　　关于人工智能的概念，目前业界还没有一个统一的定义。1956年第一次人工智能会议——达特茅斯会议将人工智能定义为：使一部机器的反应方式像一个人在行动时所依据的智能。但是经过60年的发展，人工智能已经渡过了简单地模拟人类智能的阶段。当前人工智能主要以研究人类智能活动规律，构建具有一定智能的人工系统或硬件，以使其能够完成某些只有人类才能进行的工作，并对人类智能进行拓展的边缘学科。

　　按照人工智能的发展水平和应用范围可以将人工智能大致划分为三个层次，即专用人工智能、通用人工智能和超级人工智能。

　　专用人工智能：如计算机视觉、语音识别、生物识别等，以一个或多个专门的领域或功能应用为主。目前大多数的人工智能应用就属于这个层次。

　　通用人工智能：即让机器具备像人类一样的工作能力，这种能力主要在于自动地认知和拓展。目前最前沿的人工智能研究只是具备最初步的通用能力。

　　超级人工智能：指具有自我意识，包括独立自主的价值观、世界观等。超级人工智能是人类能够对生命结构进行全面而深入的理解后才有可能达到的水平。

　　对于人工智能当前的发展水平，AlphaGo之父杰米斯·哈萨比斯今年4月份在剑桥大学做的一次演讲中就此做了较为理性的阐述。他认为，当前的人工智能技术仅能在某一领域发挥作用和功能，因此只能被定义为“狭义人工智能”，与通用人工智能仍然有很大差距。在人工智能发展的路上，人类才刚刚起步，未来还有很远的路要走。

　　加紧布局，人工智能取得新突破

　　2016年，当谷歌高喊从Mobile First向AI First战略转型时，人工智能产业的竞争开始呈现出白热化。到2017年，由谷歌、IBM、苹果领衔的国际豪强与以百度、阿里巴巴、腾讯组团的国内新贵持续加大投入，深化对人工智能产业的布局。面对激烈的市场竞争，政府也在推出各种政策以及加大对人工智能产业的扶持力度来引导产业的发展。

　　政策层面

　　2017年，国务院发布了《新一代人工智能发展规划》，开始从战略上积极引导人工智能产业的发展，为中国企业把握新一轮产业变革机遇提供政策支撑。同时为将规划落到实处，11月科技部牵头15个部委联合召开新一代人工智能发展规划暨重大科技项目启动会，宣布成立新一代人工智能发展规划推进办公室，并公布首批国家新一代人工智能开放创新平台名单。在这份名单上，百度、阿里巴巴、腾讯、科大讯飞榜上有名。

　　产业层面

　　谷歌发布了第二代TPU，每颗带宽 600GB/s，算力达到 45 TFLOPS。最大的特点是模组化能力出众，谷歌的用法是将 4 颗 TPU 放在一块电路板上组成一个 180 TFLOPS 的模组“Cloud TPU”，用它们来替换深度学习云机房里的 CPU 和 GPU，单机最多可以拼接 256 块 Cloud TPU，算力最高达到 11.5 PFLOPS。

　　微软发布了人工智能硬件加速计划——“脑波计划”。该计划包括一个大量芯片组成的分布式计算架构和一套直接运行在芯片上的操作系统。硬件核心是 DPU，即一个基于 FPGA架构的深度神经网络处理单元。目前这种芯片单颗计算力约 10 TFLOPS。目前DPU既能支持微软自己的 CNTK 深度学习框架，同时也支持竞争对手 Google 的 TensorFlow 框架。

　　英伟达发布了全新Volta架构GPU——Tesla V100 Tesla GPU。V 的命名来自英伟达最新最顶级的 12 纳米 Volta 微架构。由 640 枚被英伟达命名为“张量核心” (Tensor Cores) 组成的。计算性能达到 15 TFLOPS(单精度)、120TFLOPS(深度学习)，根据来自业界专家的分析和评估，V100 是目前人工智能领域适合做神经网络科研的显卡。

　　英特尔今年最大的动作是组建了一个名为AIPG人工智能部门。同时还宣布已经与Facebook等厂商合作于今年底之前推出Nervana神经网络处理器。相对谷歌、微软和英伟达相对单一的芯片种类，英特尔的人工智能芯片产品包括CPU、FPGA、显卡、至强融核和 VPU等多种类型产品。

　　除提到的这些主流的芯片巨头之外，Facebook正在与高通合作开发自己的深度学习芯片;百度通过与Xilinx的合作开发基于FPGA架构的XPU;苹果也将在新款手机里加入人工智能协处理器;国内人工智能芯片领域独角兽企业寒武纪，发布面向低功耗场景视觉应用的寒武纪1H8、拥有更广泛通用性和更高性能的寒武纪1H16，以及可用于终端人工智能产品的寒武纪1M。

　　技术层面

　　2017年，很多人工智能应用都实现了性能提升。以机器视觉为例，以往基于寻找合适的特征来让机器辨识物体状态几乎代表了计算机视觉的全部。但是随着对多层神经网络的深入探索，2017年的机器视觉已经发生了重大转变，自学习状态成为了视觉识别的主流。目前领先的机器视觉产品，已经能让机器从海量的数据库里自行归纳物体特征，然后按照该特征规律识别物体。据统计，2017年机器视觉和语音识别领域，准确率已经由此前的70%提升到95%以上。

　　此外，语义识别是人工智能应用中最难突破的应用难点，但2017年，谷歌、苹果和亚马逊今年都推出了可以用语音命令来控制的音响、洗衣机和家电设备。在国内阿里巴巴和百度也推出了类似的音响和家电产品。在语音交互领域，科大飞讯、腾讯都已经推出了市场化的功能产品。可以认为，基于大数据、并行计算的深度学习算法正在给自然语言处理带来长足的进展。

　　正视差距，中国企业需奋起直追

　　从当前人工智能产业的发展现状分析，美国已经实现对人工智能产业的全方位布局。美国拥有一批既能进行人工智能芯片开发又能提供平台开发框架的领先企业，在深度学习算法的研究方面也非常前沿。从上游到下游，产业生态布局已经十分完善。除此之外，资金和人才优势也是其他国家不可比拟的。

　　相对而言，中国目前只能实现人工智能产业局部布局，仍然依靠BAT等互联网巨头来引领产业发展。2017年，以百度、阿里巴巴、腾讯为代表的企业已经实现了对无人驾驶汽车、机器视觉、语音识别和人脸识别等领域的布局，在很多方面已经初步实现产业化。但反观最核心的芯片和平台框架，目前仅有华为、寒武纪等极少数企业能实现自主化的人工智能芯片开发，很难撼动国外对人工智能芯片和平台框架的垄断局面。中国人工智能产业要实现可持续的自主化发展，必须在芯片和平台框架层面实现自我突破。未来，我们不以弯道超车为目标，只期待通过我们的努力能与全球领先企业一起并道前行。