自從今年國務院印發(fā)《新一代人工智能發(fā)展規(guī)劃》以來，國家層面發(fā)展人工智能產(chǎn)業(yè)，以此促進民生經(jīng)濟的戰(zhàn)略可以說十分清晰。

　　而伴隨著中國對人工智能產(chǎn)業(yè)的重磅投入，越來越多的聲音開始將中美兩國的人工智能實力進行比較。無數(shù)智庫和數(shù)據(jù)機構，接連發(fā)布以兩國人工智能工程化、商業(yè)化、科研指數(shù)為為分析對象的報告。得出的結論各有不同，但中國的人工智能發(fā)展水準已經(jīng)達到國際化水平卻是不爭的事實。

　　雖然在談及頂尖的人工智能技術時，我們更多討論的是Deepmind、OpenAI以及各大學的AI實驗室。但要知道，雖然AI領域的科研與產(chǎn)業(yè)關系密切，但學術水準終究不等同于產(chǎn)業(yè)水平。

　　或許我們可以用另一個視角來看待中國今天的人工智能機遇為何寶貴：AI產(chǎn)業(yè)化的最關鍵因素中，中國企業(yè)一個也沒有遺漏。

　　讓我們從幾個維度梳理一下，以大數(shù)據(jù)+機器學習為主要特征的AI第三次次黃金周期中，AI的業(yè)態(tài)簡史與中國企業(yè)的表現(xiàn)。從更廣闊的視角看去或許我們會認同，AI是一個中國沒有錯過，也不能錯過的技術拐點。

　生態(tài)之源：深度學習框架

　　人工智能是一個標準的眾創(chuàng)型技術，每一個巧妙的算法、每一種靈光乍現(xiàn)的邏輯，都可能解開困擾整個人類的問題。所以帶給開發(fā)者、研究者工具和環(huán)境，讓他們施展自己的才華，就成為了AI企業(yè)最主要的任務之一。

　　最早我們提起深度學習平臺的時候，還是以加州大學伯克利分校推出的Caffe為主。Caffe創(chuàng)造性地將卷積神經(jīng)融入開發(fā)環(huán)境，構建了比較高效清洗的深度學習框架。

　　而在2015年底，谷歌開源了此前在內(nèi)部使用的TensorFlow。隨著數(shù)次版本更新，一舉打破了Caffe的壟斷地位，成為了最活躍的深度學習框架。尤其隨著DeepMind全面使用，其社區(qū)資源得到了廣泛認可。

　　為了爭奪開發(fā)者生態(tài)Facebook、微軟、OpenAI等公司相繼推出了深度學習的開發(fā)平臺，重新試圖顛覆谷歌的霸主地位。目前世界上主流的深度學習平臺依舊有十幾個之多。

　　開發(fā)者環(huán)境有多重要，從Facebook憑借PyTorch在AI界得到的話語權提升就可見一斑。擁有良性的深度學習架構是整個AI技術生態(tài)的基礎。

　　這一點國內(nèi)的企業(yè)也并未落后。比如百度最先推出了PaddlePaddle，宣布了國內(nèi)企業(yè)進入這一領域。

　　而阿里云推出的PAI，以友好的開發(fā)環(huán)境和運算能力成為了新一代深度學習框架的代表。也為國內(nèi)開發(fā)者進入主流深度學習研發(fā)提供了優(yōu)質(zhì)基礎。

　　目前來看，國內(nèi)深度學習框架正在憑借開發(fā)環(huán)境友好程度、社區(qū)資源和企業(yè)激勵計劃，逐漸對歐美主流開發(fā)平臺形成沖撞。至少在AI研發(fā)的核心環(huán)節(jié)中，中國已經(jīng)搶回了關鍵分。

　　硬實力的答卷：芯片代表的算力基礎

　　人工智能的神經(jīng)網(wǎng)絡任務模型，是完全不同于傳統(tǒng)運算需求的全新任務形式。換句話說，傳統(tǒng)的硬件運算基礎也將不再符合人工智能的需求。

　　在PC時代，就有得芯片者得天下的說法，在人工智能時代似乎依舊奏效。

　　2011年，IBM就通過對人類大腦的模仿，推出了可商用的類腦芯片，可以說是人工智能芯片解決方案的基礎。但這種模式很快被證明實際價值不高，逐漸也就被束之高閣了。

　　此后FPGA、ACIS等處理人工智能任務的芯片類型相繼推出。而英偉達據(jù)說在一次實驗錯誤中發(fā)現(xiàn)了GPU可以很好地處理深度學習任務，也打開了GPU與人工智能狂飆突進的序幕。

　　目前英偉達Tesla V100號稱性能最強的AI專用處理器。而今年谷歌發(fā)布了專門應對深度學習任務的TPU芯片，也在AlphaGo身上大展神威。

　　而對于國內(nèi)相關產(chǎn)業(yè)鏈來說，如何獲取到可以支撐人工智能研發(fā)與部署的運算能力、獲得智能AI化遷移的運算服務基礎，就成為了當務之急。

　　9月初，阿里云宣布推出了新一代異構加速平臺。其異構計算家族涵蓋GPU、FPGA在內(nèi)等7款異構實例，并附帶全新高性能計算實例E-HPC?？梢哉f通過具體的服務對接將AI算力供給到了產(chǎn)業(yè)環(huán)境中。而且阿里云的解決方案似乎更加開放和定制化，比較符合中國企業(yè)的需求。

　　而云計算之外，終端的AI芯片也成為熱門話題，特斯拉的無人駕駛芯片一度成為熱門。在手機上，蘋果推出了A11仿生芯片。而此前華為搶先發(fā)布了全球第一款移動AI芯片麒麟970。

　　不難看出，基于芯片和算力的AI博弈已經(jīng)在中美兩國的方方面面展開。而未來，云端一體化的AI算力似乎是更加切實的解決模式。云計算與硬件制造商之間的合縱連橫，也非常惹人期待。

　　萬物啟蒙：關于智能硬件浪潮

　　用AI加持普通終端，開啟萬物互聯(lián)的全新紀元，似乎早就成為了業(yè)界的共識。五花八門的AI硬件也很早就出現(xiàn)過。

　　但毫無疑問，亞馬遜的Echo開啟了智能語音+普及化硬件的新風口。一時間全球無數(shù)智能音箱崛起，一時間堪稱壯觀。

　　這個領域值得我們注意的，是中國企業(yè)對AI消費風潮的敏銳和戰(zhàn)略性投入。就像亞馬遜投入Echo的更大野心在打通家庭生態(tài)場景一樣。中國巨頭們先后投入AI硬件也難以離開生態(tài)化的誘惑。

　　從京東的叮咚到小米的小愛同學，一時間智能音箱成為巨頭的戰(zhàn)略要地。而比較惹人注意的，是阿里的天貓精靈，打通了阿里旗下文娛生態(tài)、電商生態(tài)和技術實力之間的界限，顯然構筑了更廣泛的智能體驗視野。

　　天貓精靈這樣的智能音箱，更有可能成為家居場景AI化的入口。通過后續(xù)更多AI賦能的想象力迸發(fā)，達成消費和家居體驗的全面升級。

　　在萬物互聯(lián)矩陣更加完善的情況下，有理由相信機器視覺、圖像識別等AI技術會爭相進入消費智能硬件序列。開始體驗到AI之后，智能消費市場很可能才剛剛崛起。

　　從實驗室到物理世界：AI的場景化落地

　　假如AI技術只能待在實驗室中，那恐怕只會有今天百分之一的人關注它。

　　畢竟任何技術都需要在現(xiàn)實世界中檢驗自己的價值。而AI又是一項非常底層的技術，很容易與各行各業(yè)的效率、體驗和解決模式相連接，給人以意想不到的效果。

　　雖然我們今天已經(jīng)習慣了很多AI帶來的價值，但想一想初次接觸谷歌ML的智能推薦、蘋果Siri的語音交互體驗，看到特斯拉的車輛收集數(shù)據(jù)反向訓練自動駕駛，那種驚喜感是溢于言表的。

　　或許得以于移動互聯(lián)網(wǎng)的鋪墊，相比于美國市場，中國有更大的AI市場和更好的AI接受環(huán)境。而中國企業(yè)也在AI的場景化落地領域造就了許多個“China first”

　　比如說我們在語音交互領域，看到了百度的度秘、科大訊飛兩大巨頭齊飛。在機器視覺領域，出現(xiàn)了商湯、曠視等5大獨角獸，著實令人驚嘆。

　　這里不得不提到阿里云的ET大腦系列。ET城市大腦在杭州的部署，是人類史上第一次用大數(shù)據(jù)+人工智能方式來指揮真正的城市交通。隨后，提高百分之一產(chǎn)能的ET工業(yè)大腦、看X光片準確率高于人類醫(yī)生的ET醫(yī)療大腦，以及可以監(jiān)控水土污染和海洋環(huán)境的ET環(huán)境大腦相繼上線。

　　阿里云的系列部署，顯然走了一條有“中國特色”的AI落地道路。結合數(shù)據(jù)感知和大規(guī)模計算領域的能力，人工智能可以輸出為更多實際的社會價值。這種模式應該會在接下來的中國市場中不斷發(fā)酵成熟。

　　綜合來看，在中國企業(yè)利用人工智能達成具體行業(yè)的賦能和革新，需要的各領域產(chǎn)業(yè)基礎已經(jīng)相繼成熟。而依托海量的用戶網(wǎng)絡，組成大數(shù)據(jù)、云計算、人工智能三位一體的價值邏輯網(wǎng)絡，或許會成為中國特有的AI成熟方式。

　　總之，場景化中的創(chuàng)造力會是接下來中國AI最令人期待的一點。

　　更深層的未來：人才與研發(fā)聚合效應

　　很多大牛都坦誠地表示過，AI打到最后都是人才的戰(zhàn)爭。

　　但這一點或許不太準確，因為能夠左右產(chǎn)業(yè)局面的科學家和技術專家畢竟是極少數(shù)，真正左右戰(zhàn)局的，應該是研發(fā)團隊和實驗室的成熟度和創(chuàng)新能力。

　　從DeepMind的科學狂人文化中，不難看出AI人才在企業(yè)實驗中的戰(zhàn)略意義。而這場另類賽道的競賽，其實很早就在我們身邊開始打響。

　　拋開歐美的AI實驗室文化和工程師文化不提，在中國，AI企業(yè)配備技術科研團隊也不是什么新鮮事。

　　很早就成立的微軟亞洲研究院，其中一個研究方向就是人工智能領域的探索。而本土企業(yè)BAT的AI人才聚合項目也并不落后。

　　比如百度在2013年就建立了IDL(深度學習研究院)，主要攻克深度學習、語音識別和智能訓練領域的技術難題。而2014年，阿里也成立了iDST(數(shù)據(jù)科學與技術研究院)。據(jù)說iDST肩負著大數(shù)據(jù)時代，彰顯阿里在底層技術層面高度的重任。到今年，iDST陸續(xù)囊入金榕、華先勝、任小楓等科學界大牛，iDST在前瞻性研究和商業(yè)場景上的能力達到了歷史高點。這之后的故事值得期待。

　　另一個廣為關注的現(xiàn)象，是BAT三家相繼成立了AI Lab。

　　最早成立的百度硅谷 AI Lab，一直相對在學術上比較活躍，成果也以論文和開源算法為主，酷似歐美大公司里的學院派。

　　今年3月，曾擔任百度研究院副院長和大數(shù)據(jù)實驗室負責人的張潼被任命為騰訊AI lab主任。相對來說，騰訊AI lab更加注重AI的工程化和應用化。研究領域集中在計算機視覺、語音識別、自然語言處理和機器學習，相對偏重騰訊的豐富場景與AI相融合。

　　今年7月，阿里AI labs 宣布亮相，前南洋理工大學教授王剛宣布加入。相對于iDST，阿里AI labs偏重消費級AI產(chǎn)品的研發(fā)。從與AI labs同天亮相的天貓精靈中就可見一斑。

　　根據(jù)高盛的相關報告預測，未來世界上超過百分之八十的深度學習研究成果將在中國產(chǎn)生，而各大企業(yè)間的AI研發(fā)團隊與實驗室將是這些成果的主要驅(qū)動力。

　　更深的技術未來，永遠是由人來引發(fā)。

　　寫在最后

　　以上幾個部分，相當于從不同角度勾勒一段AI業(yè)態(tài)的發(fā)展史。很容易看出，中國人工智能在各個領域都沒有掉隊，至少都有可以躋身世界主流的話語輸出能力。

　　未來的AI發(fā)展動力，來源于整合優(yōu)勢、沉浸學術、開發(fā)生態(tài)?；蛟S中美之間的簡單比較其實并沒有意義，知道我們有哪些優(yōu)勢、哪些弱項，然后在此基礎上釋放更深層的創(chuàng)造力才是根本。比如說即將到來的阿里云棲大會，據(jù)說也會將人工智能作為重點關注目標，推出對人工智能的新理解與技術成果。

　　交流和各展所長，往往才是技術進化的真正動力。就像有人說，在硅谷開發(fā)者眼中能看到一種亞洲同行沒有的好奇心與浪漫。但在中國AI的從業(yè)者和開發(fā)者眼中，卻時長能看到一種不容有失的饑餓感。

　　那也是一種力量，一種十分值得驕傲的力量。