21
几经沉浮，人工智能（AI）这次真火了。尤其在 IT 产业，各路资本看到“AI”这两个字母就两眼放光，初创企业纷纷寻找自己项目与人工智能的联系，主要巨头都宣布人工智能优先成为公司战略。
“硅谷现在投 AI 公司都不讲估值，”某投资人在一次公开演讲中说，“直接数人头，一个人 200 万美元。” 人工智能产业现如今真是花团锦簇，烈火烹油。
但我们还是要冷静梳理一下，人工智能对半导体产业会产生哪些影响？从云到端落地过程中存在何种技术挑战？率先商业化成功的人工智能应用会是哪些？人工智能技术会对人类生活带来哪些负面影响？有没有必要对人工智能技术发展进行限制？
人工智能投资水涨船高
（数据来源于 CBINSIGHTS）
从云入端，人工智能所面临的技术挑战
移动计算普及带来的高速增长结束之后，很长时间，半导体芯片产业都找不到新的增长点。“人工智能对于定制芯片的需求，无疑给芯片业发展打了一剂强心针。而且很可能造成一轮新的洗牌，”陈怡然表示，“传统计算与移动巨头英特尔、AMD 和高通等将会受到非常大的冲击。”
陈怡然现任杜克大学电子与计算机系副教授，兼杜克先进智能研究中心主任，从 2011 年就开始进行类脑计算与深度学习加速研究。他指出，如今的计算平台已经对 AI 的广泛应用做出很多妥协，例如 GPU 的低精度设计。“但是，通用性和高性能 / 低功耗永远是一对矛盾，最后 AI 计算平台可能会分为两种：针对通用 AI 平台的通用型 AI 芯片和针对特殊应用的定制化 AI 加速芯片。”
“未来 AI 平台将以异构系统为主，跟场景相互结合，并且有非常强的定制化需求。”深鉴科技 CEO 姚颂将 AI 平台按场景进行了分类，他表示，通用计算平台可以分为两类，一类是 GPU/TPU，一类是 FPGA。FPGA 更通用，但 GPU/TPU 更适合搭建机器学习训练平台—因为机器学习训练侧算法相对统一。在垂直行业，特别是前端设备，则更需要定制化芯片。“例如自动驾驶，可能需要一个视频图像识别能力极强的芯片，功耗 10 到 20 瓦；在手机端，可能需要一个较为通用的 AI 芯片，功耗 500 毫瓦；物联网终端设备，则只需要具有基础功能的 AI 芯片，功耗 100 毫瓦甚至更低。”
英特尔公司表示，人工智能还处于发展初期，随着技术发展，人工智能应用将经历一个“从前端走向后端，从云端走入终端”的过程。人工智能技术普及的难点可从两个方面体现出来：首先，当前人工智能突破主要靠有标记的数据训练出来，训练好的模型只适合某一类特定应用，跨领域能力不强；现有人工智能还没有真正走出计算机，其应用仍然捆绑在 PC 或手机上。
Arm 公司战略联盟业务发展总监金勇斌则认为，将人工智能从云端搬入终端，需要计算效能大幅提升，算法模型缩减，形成开放通用的软件生态，并确保传输中的安全问题。“这就要求整个产业在通用平台之上构建一个较以往更为开放，更灵活的协作模式与生态系统。”
陈怡然将从云入端的技术挑战总结为三类，即计算效能、存储性能、以及通信带宽。“三者分别决定数据的处理、存储，以及传输能力。算法与硬件可以就其中一项或者两项进行优化，但三者相互间永远是此消彼长（tradeoff）的关系。”
姚颂则将从云入端的挑战归结为效率问题。“一个是能量效率问题，另一个是成本效率问题，就是性价比。”姚颂表示，解决能量效率主要靠体系结构设计，以人工智能常用的 GPU 为例，由于其对通用性的追求，以及图像渲染等结构并未针对人工智能计算优化，所以其功耗一直较高，Nvidia 最小的 tx1 和 tx2 功耗也在 10w 级别。“这样的芯片很难用到前端摄像头应用，因为存在供电、散热、以及产品稳定性问题。”
所以，为了将 AI 芯片应用于前端场景，必须有专用的体系结构设计，以实现高能量效率，从而满足应用场景对系统功耗的要求。前端 AI 芯片的性价比需要考虑三个因素：采购成本、开发成本、以及实际性能。采购成本和开发成本相对容易理解，实际性能是如何影响 AI 芯片的系统成本呢？“传统 DSP 有一个较大的问题，峰值性能很高，但可能只用到 5%的实际性能，这样的情况，性价比就会有问题。”
哪一个应用市场会率先达到千亿美元规模？
人工智能产业还面临一个窘境。主打人工智能概念的公司估值不断上涨，人工智能人才被哄抢，待遇水涨船高，但真正由人工智能技术创造的市场价值并不高。战胜李世石的 AlphaGo 不是盈利项目，参加最强大脑的百度大脑，至少在娱乐节目这个方向上，也难盈利，Alexa 对亚马逊市值上涨助力不少，但 Echo 音箱的实际市场规模并不大。哪些领域能够较快将人工智能技术大规模落地并创造出巨大商业价值呢？
人工智能市场价值
（数据来源于 Tractica）
“虽然大家把前景说得特别大，但当前人工智能还只在特定场景能够完成全面商业化。”姚颂分析，短期来看，人工智能商业化是否成功取决于两个因素：第一是需求大，即该应用场景对效率有很非常大的需求；第二是与当前人工智能技术发展相匹配，即该需求能由人的基本功能来实现，而不需要高超的经验。
姚颂认为，现在预测哪个行业最先突破千亿美元有些困难，但他最看好三个行业：智能安防、自动驾驶，以及工业自动化。“安防监控与平安城市短期内都会变成智能化，这个市场本来就是每年大几千亿人民币的规模，所以可能很快突破千亿美金。自动驾驶在五到十年内，有望突破千亿美金。而工业自动化，包括机器人在内，市场空间很大，也有可能在五到十年内突破千亿美金。”
陈怡然看好与图像、语音、以及视频处理相关的应用。“这方面应用太广泛了，我预计首先是安防，会首先突破（1000 亿美元市场规模），其次是医疗。”但他认为，由于受到伦理与法律限制，自动驾驶市场化进度之路会比较漫长。
金勇斌则表示，人工智能将在自动驾驶、视频安防、智能家居、以及垂直服务等领域率先取得突破。英特尔公司认为人工智能商业化落地最快的领域是金融、医疗和无人驾驶。
市场追捧造成人工智能人才薪资水平快速上涨，也引起不少人关注，如今为高端人才开出八位数年薪也不乏案例。尚未落实的商业应用，水涨船高的运营成本，当前人工智能人才薪资水平究竟是正常价值回归？还是已经有了较高的泡沫？
对人才待遇，陈怡然认为，现在还不存在太多泡沫。人工智能产业内普通程序员与硬件工程师的工资并不比同一公司其他行业高太多，高出部分主要由于市场需求而造成的调整（匹配市场需求以稳定队伍）。“领导层次工资确实不低，不过这部分薪金更多是以股票形式体现，基本工资和硅谷相比，其实并不太高。”
“整个行业可能只有 10%的人才需求被满足，所以每家都在疯狂地用极高薪水来招揽人才，这是供求关系导致的。可以说有泡沫，但正因为 AI 有泡沫，大家才愿意去为 AI 人才付费。”姚颂表示，2012 年以后深度学习才开始火起来，此前都没有这方面的人才积累，当前这个节点高水平人才很少，他预计这种紧缺状态还会持续，“未来五年内，AI 人才薪资高涨的趋势不会变。”
人工智能大规模落地后，到底还有哪些职业适合人类？
不止市场前景广大，有超越人类智慧潜力的人工智能，也被很多人视作威胁。霍金、马斯克和比尔盖茨等不止一次表达过对无限制发展人工智能的担心，现实中，已经有不少职业感受到人工智能的威胁，2017 年上半年，腾讯写稿机器人 Dream Writer 写稿量已经达到 2500 篇 / 天（其中科技财经类 2000 篇 / 天，体育类 500 篇 / 天）。
“凡是重复经验劳动都有可能被替代，比如秘书、律师、以及部分医生，人工智能发展还是可能会有限制，即人工智能只能做人类的辅助工具，而不是完全替代人。”陈怡然并不认为人工智能能够完全取代人类，但他对人工智能普及以后人类如何工作表示了悲观，“距离人工智能完全取代人类还有太远的距离，我个人并不担心。相反，我很担心我孩子将来找不到工作。”
金勇斌也认为，基于经验的重复性体力劳动和脑力劳动都将会被替代。对于发展人工智能的威胁，金勇斌并不担心，“基于目前对人工智能技术的认知，机器不可能产生感情和自主意识，机器自主决策是从大数据训练中产生的，所以我很难想象终极人工智能是什么样。”
对于人工智能产业创造的新职业，目前还都是以想象为主：把人类从重复体力与脑力劳动中解放出来，去从事更有创造力、更美好的工作。但世界上真有这么多以创造力为主的工作岗位吗？下围棋这种还算不算有创造力的工作？
不过，姚颂给出了一个由人工智能技术创造，并与之相关的新职业：数据采集标注。“这是一个新时代的石油产业，数据采集标注很可能需要非常多的人的投入。”
对人类能否与人工智能和谐相处，姚颂也表现了乐观态度：“在可以预见的几十年内，与我们相处的都会是具有单一功能的弱人工智能，即使它能够实现非常高的精度，非常智能化的操作，但也只应用在某一个具体领域，而且它完成的任务都是由人类来指定。”
弱人工智能对人类没有威胁，但如果人工智能技术自己产生了思维，具备自我学习能力，还会与人类相安无事吗？“从来没有一个高等生物，能够和低等生物和谐共处。如果有终极人工智能，与之相比，人类就是一种低等生物。如果不能自我更新，增加芯片改造自己，那么人类就只能被人工智能所奴役。”
