曆經多年的發展, 隨著ICT等基礎設施越來越發達, 雲端計算將被強化, 亦有多家互聯網巨頭殺入這一市場. 但對於新入場的創業者和投資人來說——巨頭們的 '王者通吃' 效應, 以及成熟公司的奇高估值, 已將他們拒之門外.
雲端的機會已越來越少, 而通過越來越多的先進演算法, 越來越強大的終端側計算性能, 以及網路連接能力的高速發展, 工作負載也可以在終端側執行.
Gartner的數據顯示: 未來5年智能手機的出貨量累計將達85億部. 已經發生的現實是, 在2016年全年, 全球智能手機市場共出貨14.7億部. 根據高通的預判, 移動終端將成為全球最普遍的人工智慧平台.
未來, 終端側人工智慧將迎來巨大發展機遇.
雲端領域巨頭已出, '後生仔' 機會渺茫
當我們聊起人工智慧的時候, 不外乎演算法, 計算, 語音, 映像識別和視覺等關鍵詞. 事實上, 幾乎知名的國內外互聯網巨頭都在緊鑼密鼓地布局這幾個領域在 '雲' 上的應用.
比如, 阿里巴巴公布2018財年第一季度 (2017年4月至6月底) 的財報顯示, 該季度內阿里雲付費用戶數量由前一季度的87.4萬, 增長至101.1萬, 成為亞洲首家達到百萬級用戶規模的雲計算公司.
而百度CEO李彥宏也曾表示, 金融服務和雲計算業務收入促進了 (百度) 營收增長, 比如說個人云業務的拓展, 使用人數的增加.
馬化騰則多次表示, 未來的互聯網, 是在雲端用人工智慧方式處理大數據. 自2015年度財報首次提及騰訊雲起,雲業務在騰訊的財報中已經被多次強調. 在騰訊的2017年第一季度財報中,騰訊的雲服務及支付相關服務列入 '其他業務收入' ,同比增長224%.
除了在國內爭奪用戶市場, 阿里雲和騰訊雲都開始了海外布局. 而在海外, 雲計算市場的格局由亞馬遜, 穀歌, 微軟和IBM等廠商把控, 最大的玩家當屬亞馬遜. 身為全球最大雲計算廠商的亞馬遜, 中國BAT三家互聯網巨頭擁有的數據中心伺服器數量之和, 亦不及其一半. 而像亞馬遜這樣的大玩家早對中國市場, 也早已是虎視眈眈.
'雲' 的戰爭愈演愈烈. 可以觀察到, 無論是美國的 'GAFA' , 還是中國的 'BAT' , 均是有著多年發展積澱的企業, 該領域的爭奪戰依舊會呈現出強烈的馬太效應—— '雲' 需要大量的技術和數據的支援, 小公司們在技術上的投入難以與巨頭們抗衡, 同時難以獲取巨頭掌握的數據; 另一方面, 互聯網巨頭天然具備內容, 渠道, 用戶等優勢, 生態圈完備.
一言以蔽之就是, 想在 '雲端' 領域出頭的後來者, 機會已經越來越少.
廠商和資本為何向終端聚攏?
多年來, 當人們談及人工智慧計算或存儲的時候, 多數聚焦在如何強化雲端的運算能力. 對於手機終端的考慮, 則基本停留在如何更快更豐富地採集數據.
在多數人的認知裡, 與深度學習相關的處理和計算都放在雲端, 手機只是一個界面. 打個比方, 如果你想識別一個器物, 習慣於將其映像傳輸到雲端, 對比之後再返回手機終端.
但正如那個被無數次提及的例子:一輛無人駕駛車在行駛過程中需要作出快速反應, 一旦沒有網或者網不好, 人命將遭遇巨大威脅; 即便網路狀況良好, 如果系統依然需要將收集的道路和車輛資訊上傳雲端, 獲得結果後再處理, 這跟直接在汽車上完成處理相比, 當然是後者更靠譜.
靠譜——這也正是終端的優勢之一. 整體來說, 終端的優勢還包括: 隱私性, 這很容易理解, 數據隱私保護的問題; 低時延, 以及高效利用網路頻寬.
以往, 多數互聯網巨頭花了更多精力在雲端的發展, 一方面是基於其原有的業務形態, 另一方面, 這也和終端側技術的發展水平有著莫大關係.
終端側人工智慧所面臨的挑戰在於, 人工智慧工作負載本身非常複雜, 它需要大量, 密集的計算, 同時它有始終開啟且即時線上的需求; 而在終端側, 像是智能手機, 無人機, 汽車等, 它的計算環境是非常受限的, 因此它們完成人工智慧工作負載要克服熱效率, 電池續航時間, 記憶體以及存儲空間等問題.
但隨著移動技術的發展, 這些問題正在得到解決或優化. 目前, 移動處理器在製程工藝上已經來到了10納米的工藝節點, 更先進的製程工藝意味著更小的晶片尺寸, 更高的處理性能和更低的功耗.
移動技術的規模效應更是不容小覷. 根據Gartner的數據, 自2017年起的未來5年內, 智能手機的出貨量累計將達85億部, 智能手機無疑將成為全球最普遍的人工智慧平台. 高通全球副總裁, 高通創投董事總經理沈勁此前曾表示, 如今線上的流量入口越來越少, 越來越貴, 以後的入口是各個大大小小的終端, 包括手機, 攝像頭, 感測器, 機器人等. 我們需要掌握這些入口, 如果不掌握這些入口, 這些價值將一直停留在雲端. 這也正是終端側人工智慧的重要性.
高通中國區董事長孟樸在主題為《5G成就智能時代》的演講中也曾表達類似的觀點. 同時他還認為, 在萬物互聯的智能時代, 5G將發揮重要作用. 5G不僅能提供每秒數千兆的傳輸速率, 更低的時延以及更高的可靠性, 更重要的是, 它可以支援蜂窩基站連接海量的設備, 這是3G, 4G無法實現的,'未來機器學習會在雲端和終端協調發展' .
聯想CEO楊元慶也曾表示, 人工智慧包含兩大重要方面, 感知能力和認知能力. 他認為, 智能終端是人的感官, 雲就是大腦, 把智能終端和雲大腦完美地結合起來, 就是人工智慧未來的方向.
一時間, 終端計算越來越被看好, 廠商和資本開始密集向終端聚攏.
9月初, 華為發布麒麟970, 帶有獨立NPU(神經網路單元) 專用硬體處理單元; Intel先後收購了Altera, Yogitech等多家公司, 獲得了在FPGA等領域的相關技術; 軟銀以234億英鎊的價格收購ARM, 意在嵌入式人工智慧; 特斯拉在沒帶英偉達的情況下, 悄悄自己搞出無人車AI晶片在投產測試. 剛剛發布的新一代iPhone手機裡, 全部配備蘋果A11 Bionic處理器, 裡面同樣配備了專門處理AI需求的神經引擎.
資本方面, 和雲端有關的公司估值已是越來越 '高不可攀' , 終端晶片最近逐漸成為AI領域的熱點賽道.
今年8月, 寒武紀科技宣布完成1億美元A輪融資, 成為全球AI晶片領域第一個獨角獸公司; 10月底, 國內AI晶片初創公司深鑒科技完成A+輪融資, 其投資方包括螞蟻金服, 三星風投, 招商局創投和華創資本, 融資約4000萬美元……
高通關注終端側人工智慧
雖說對於人工智慧是這幾年才有提出的概念, 但作為全球移動通信領域的領先企業, 高通在人工智慧領域已耕耘了超過十年.
2007年, Qualcomm就開始探索麵向計算機視覺和運動控制應用的機器學習脈衝神經方法, 隨後還將其研究範圍從仿生方法拓展到了人工神經網路——主要是深度學習領域. 2017年7月, Qualcomm開始向開發者提供驍龍神經處理引擎 (Snapdragon Neural Processing Engine, SNPE) 軟體開發包. SNPE是首個面向驍龍移動平台設計的深度學習軟體框架, 可支援TensorFlow, Caffe/Caffe2, 具有自動轉換器無需修改, 通過SDK對性能進行分析, 然後統一整合. 它向開發者提供軟體工具, 面向搭載驍龍移動平台的移動終端和其他類型的網路邊緣終端, 加速深度神經網路工作負載運行.
前不久, 高通剛剛宣布收購專註於前沿機器學習技術的阿姆斯特丹大學附屬公司Scyfer B.V., 以充實其相關人才團隊. Scyfer已為全球多個不同行業的公司打造了人工智慧解決方案, 涵蓋製造業, 醫療業和金融業.
10月20日上午, 國內最大的人工智慧創業公司商湯科技也與高通共同宣布, 雙方將圍繞移動終端和物聯網領域, 在人工智慧 (AI) 和機器學習 (ML) 方面展開合作. 商湯科技的演算法會針對高通的驍龍平台進行針對性優化, 而高通的驍龍晶片則會向商湯開放 '能力' , 從而將充分發揮演算法+晶片的融合優勢.
從投資角度來說, 高通創投——作為高通公司內設的創投部門, 自2003年進入中國以來已投資了近40家企業, 其中不乏前沿科技領域的公司. 截至目前, 高通在人工智慧領域投資的相關公司和項目包括: 美國大腦集團(brain), 它用七年時間, 從研究人的大腦開始, 到提供軟體, 應用於機器人, 實現移動性, 導航性; 還有美國人臉識別公司Clarifai; 中國智能語音公司雲知聲等.
沈勁曾公開表示, 智能手機的規模效應可以帶來技術的快速迭代, 成本的快速降低, 手機功耗的降低, 以及手機體積的減小. 同時, 智能手機的規模效應還將輻射到其它行業, 包括需要使用晶片和硬體的各個行業, 例如智慧城市, 汽車, 醫療衛生, 網路, 可穿戴設備, 工業物聯網, 智能家居等.
對於創業者和投資人來說, 圍繞著終端智能展開的領域將持續誕生大量機會. '如果大家關注智能硬體或物聯網, 我相信IoT+AI將是一個很好的創業方向. ' 沈勁表示.