人工智能產業背后的計算力

近年來，人工智能發展速度很快，如果說十年前人工智能還是“草色遙看近卻無”，今天已經“百花齊放春滿園”。數據爆發式的增長，算法創新的加速，以及計算能力的快速提升，讓人工智能在全球范圍內迅速從一個學術熱點變成投資熱點、產業熱點。人工智能產業正在快速上規模，市場需求也開始井噴。

人工智能能夠從數據當中獲取信息和知識，相比以前的計算機技術的應用來講，溢出效益更顯著，影響力也更大，所以，對于制造業轉型升級、對于目前國家在推動的新舊動能轉換，人工智能要發揮越來越重要的作用，而計算力是推動產業人工智能化的主要動力。

人工智能計算力也是生產力

當前，我們正在進入智慧時代。在智慧時代，計算力就是生產力。生產力有幾個要素，勞動者、勞動工具、勞動對象。在計算力的發展過程中，已經引發了幾次生產力變革，前幾次對于勞動資料、勞動工具的改變是主要的。進入智慧時代，生產力的三要素都深受人工智能的影響，產生革命性的變革，但是和前幾次不同的是，人工智能技術會對勞動者本身有很大的影響，未來人工智能和人的混合智能會成為趨勢。

在10年前，全球最值錢的10個企業，絕大部分是一些傳統產業，做能源、金融、通信，今天全球最值錢的公司基本是做互聯網人工智能相關的企業，像蘋果、谷歌，國內的像阿里、騰訊等，這些企業一方面是全球規模最大的企業，同時，在計算力的消耗方面，他們也是全球最大的。在計算力方面的投資，是對企業的價值，尤其是未來發展潛力評估的依據。

國內城市中，在計算力投資方面做得好的城市，經濟發展也排在前幾位，在新舊動能轉換也比其他城市快。從這個層面來講，計算力的投入，人工智能的投入，對于經濟發展、社會發展的作用，已經越來越明顯了。

人工智能對于計算力的需求是指數級增長

近年來人工智能技術應用發展很快，2011年谷歌大腦學會了認識貓。到今天，圖像圖形識別，在認知計算等方面發展都很快，在這個過程中計算力的提升發揮了重要作用。人工智能的興起，算法和數據的發展提供了支撐，計算力、計算技術的創新起了更關鍵的作用。

在實際的應用當中，相比云計算和大數據等應用，人工智能對于計算力的需求幾乎是無止境的。傳統的計算，像事務處理，對于計算力需求不是很大，因為應用規模和場景有限。

進入人工智能領域的時候，人工智能對于計算力的需求不是線性的增長，而是指數級的增長，從2012年到現在，每三個半月，用于人工智能計算的計算量會翻一倍。

從2012年到現在，人工智能計算的能力增長了30萬倍，同時期的芯片性能提高了30倍左右，這遠遠超過了摩爾定律。所以，計算力的提升，對于體系結構也提出了挑戰，在半導體技術逐步接近極限的情況下，計算機發展迎來了體系結構創新的黃金期，計算力的提升更多是通過體系結構創新來滿足的。

人工智能一個最大的挑戰是識別度不高，準確度不高，提高準確度就要提高模型的規模和精細度，提高線下訓練的頻次，這需要更強的計算力提升，準確度也是算出來的，比如大型互聯網公司或者明星人工智能創業公司，他們有能力部署規模比較大的人工智能計算平臺，算法的模型已經達到千億參數，萬億的訓練數據集規模，這些公司在人工智能的訓練方面處于領先位置。他們訓練出來的算法，處于領先位置。

在投資方面，用戶在人工智能領域的資金有50%以上也是投在了這些方面，這幾年英偉達發展很快，因為他們做GPU有很強的優勢。

人工智能基礎架構產品在中國未來五年的復合增長率超過33%，這個增長速度是普通IT基礎設施投資的三倍還多，現在像阿里等互聯網企業在開發人工智能芯片，也出現了寒武紀等開發專用人工智能芯片的公司。隨著計算需求的增長，會有越來越多新的架構、芯片和其他技術出現。

產業人工智能化需要解決生態問題

人工智能正在從人工智能本身的產業化向各個產業的人工智能化發展，也就是從人工智能產業化向產業人工智能化發展。前幾年，人工智能發展的主體基本上是大互聯網企業，再加上人工智能的創業公司，像BAT等?；ヂ摼W企業都是自己使用，用來升級原來的業務或者推出新的運營業務，像天貓購物的智能推薦。人工智能創業公司開發算法、做訓練后，更多的還是要向投資者證明，需要投入更多的錢。在這個過程當中，還是以投入人工智能本身的產業發展為主。這幾年這個過程在悄然變化，看起來不是很快，但是已經在發生了。這些變化老百姓在生活中也經常會體會到，比如現在去銀行辦業務，面對的是智能終端設備而不是人工?，F在電信運營商、大型企業的熱線服務，在接電話處理業務的已經不再是人工，而是一個智能系統。這些變化使很多企業都認識到了人工智能帶來的巨大潛力。

要發展人工智能，讓人工智能進入各個傳統產業，不能僅僅靠技術本身，生態的作用會越來越重要。技術要產業化，生態的作用巨大。中國的人工智能投資已經跟美國相當，但在核心技術的投入和面向應用的深度研究還有待加強。國內很多人工智能的應用，都是單點單技術的應用，像人臉識別、考勤打卡，交通監控管理，這些方面應用比較多。應用是人工智能產業發展的瓶頸，也是最大的機會，要從根本上解決應用的問題，要建立開放融合的人工智能生態，從底層硬件到上層應用軟件，產業的上、中、下游要緊密配合，面向多樣化個性化的用戶需求，向終端用戶提供整體解決方案，才能讓人工智能用起來，用好它。

整體來講，無論是人工智能產業化，還是產業人工智能化，未來的發展空間巨大，需要社會各界共同投入。人工智能仍然是黑科技，在很多領域的應用都剛剛開始，未來的發展空間非常大，產業規模相當可觀。