IT革命中每十年就產(chǎn)生一波新的浪潮，每個新平臺都會創(chuàng)造更大的財富，催生新的巨頭，但只有極少數(shù)公司可以成功越過浪尖，爬到下場盛宴的鐵王座;某種程度上，人類都能一起共享“革命”帶來的碩果，但只有極少數(shù)人能“乘風馭浪”，握享時代的榮光!

回到現(xiàn)實中，自2007年iPhone誕生以來，移動互聯(lián)網(wǎng)也接近“十年之變”。下場革命的輪廓也漸漸明了，AI會是繼移動互聯(lián)網(wǎng)之后下一場大風暴成為越來越多人的共識。但還是太少的人能意識到，未來10年的生產(chǎn)力進步可能會等于幾千年的總和。我們正在經(jīng)歷了人類出現(xiàn)以來發(fā)展最快的70年，而且還會繼續(xù)加速!

也少有人會去反思：這樣的奇跡背后，上帝之手究竟來自于哪里，它會指引我們走向何方?我們又要如何下注?

從Mobile First到AI First的過渡必將引發(fā)IT軟硬件的全面革洗牌。革命是混亂，革命也是階梯!那么就從這混亂的革命中找找賺錢(或選股票)的機會!

身在何方的AI

筆者第一個想搞清楚問題是：這場革命，到底走到了哪一步?

當霍金和埃隆·馬斯克在互掐“AI時代來臨后，被AI玩爆人類應該怎么處置這個問題時”，馬爸爸發(fā)力大數(shù)據(jù)，李彥宏終于想開了，跟緊谷歌腳步搞自動駕駛;知乎上“怎樣成為阿里的算法工程師”下面的回答已經(jīng)超過80，大多數(shù)普通人說起AI時反應是：你說的那個阿爾法狗對戰(zhàn)柯潔啊..........

顯然沒有標準答案的問題，認知系統(tǒng)不同的人，看法會千差萬別!筆者翻了些資料，目前科學界主流比較認同的是工智能會朝這三個階段，一步一步往上跳：

弱人工智能：弱人工智能是擅長于處理某一單個方面的人工智能。比如Alfago只能下象棋，蘋果Siri目前只能作為你的語音助手。特斯拉的無人駕駛系統(tǒng)里也包含無數(shù)的弱人工智能，不要否認，我們已經(jīng)進入人工智能的世界中，只是現(xiàn)在level還比較低。甚至在弱人工智能中都屬于比較低級的階段

強人工智能：人類級別的人工智能。強人工智能是指在各方面都能和人類比肩的人工智能，人類能干的腦力活它都能干。創(chuàng)造強人工智能比創(chuàng)造弱人工智能難得多，我們現(xiàn)在還做不到。Linda Gottfredson教授把智能定義為“一種寬泛的心理能力，能夠進行思考、計劃、解決問題、抽象思維、理解復雜理念、快速學習和從經(jīng)驗中學習等操作,”強人工智能在進行這些操作時應該和人類一樣得心應手。

超人工智能：牛津哲學家，知名人工智能思想家Nick Bostrom把超級智能定義為“在幾乎所有領域都比最聰明的人類大腦都聰明很多，包括科學創(chuàng)新、通識和社交技能。”

目前AI的發(fā)展毫無疑問處于弱人工智能發(fā)展階段。但在弱人工智能階段，AI的發(fā)展也要被劃分為三個階段：技術驅(qū)動階段、數(shù)據(jù)驅(qū)動階段和場景驅(qū)動階段。我們現(xiàn)在處于弱人工智能的早期階段——技術驅(qū)動階段。

人工智能制勝的三寶

技術的發(fā)展一般要先于應用層面，所以現(xiàn)在我們看到各大巨頭無論是百度還是谷歌都在致力于這場革命的“基礎建設——開源平臺的建設。在此階段，數(shù)據(jù)量、運算力和算法模型是決定人工智能行業(yè)發(fā)展的三大要素，也是各大巨頭角力的三大山頭。數(shù)據(jù)量和算法可以分別比作人工智能的燃料和發(fā)動機，算力則是制約人工智能成“人”還是“成神”的基礎硬件——芯片(類似于我們大腦的容量)。我們可以從這三個層面看到一個大體的商業(yè)版圖：

1、算力

芯片又叫集成電路，算法必須借助芯片才能夠運行，而由于各個芯片在不同場景的計算能力不同，算法的處理速度、能耗也就不同。伴隨著摩爾定律發(fā)展的放緩，人類在精密制造領域(半導體)幾近極限。而數(shù)據(jù)量的增長卻呈現(xiàn)指數(shù)型的爆發(fā)，數(shù)據(jù)的擴張遠大于處理器性能的擴張，依靠處理器性能在摩爾定律推動下的提升的單極世界已經(jīng)崩潰。擁有超強算力兼具低能耗的芯片是我們步入AI時代的前提。人工智能芯片作為人工智能行業(yè)的重要底層架構(gòu)，其戰(zhàn)略重要性不言而喻。

算力這塊蛋糕，技術壁壘極高，進入門檻是極其高的。要么是上一輪浪潮中的贏家---Intel，IBM英偉達之流，要么是有zf背景加持的寒武紀，要么是互聯(lián)網(wǎng)行業(yè)野心勃勃的王者——微軟、谷歌?？傊?，這個領域是權(涉及到國家層面的較量)貴(新貴+舊勢力)們的游戲!

2、算法

我們現(xiàn)在經(jīng)常提到的“深度學習”是屬于人工智能算法(軟件)層面的。自從深度學習取得突破性進展以后，巨頭們頻頻開源，所有的巨頭都想成為AI時代下一個開發(fā)IOS的“蘋果”或是開發(fā)Andriod系統(tǒng)的“谷歌”。畢竟大佬的終極夢想都是我吃火鍋，你們剩下的吃火鍋底料。當這些大佬們把開源做好，就可以收割接下來做應用場景的AI(app)公司的韭菜。這些公司使用開源平臺進行算法的迭代時，開源平臺可以獲取數(shù)據(jù)，以及市場對應用場景熱度的反饋,掌握絕對的控制權和話語權。

自動駕駛系統(tǒng)和物聯(lián)網(wǎng)成為算法這塊蛋糕中，大佬們爭奪的現(xiàn)行焦點!后續(xù)會有更多的焦點，爭斗會一輪比一輪的猛烈。而這場游戲注定是大佬們玩的，前期巨大的投入，才能在后期收割，能玩的起的玩家不多!

3、大數(shù)據(jù)

筆者認同：

第一次工業(yè)革命以煤炭為基礎，蒸汽機和印刷術為標志，

第二次工業(yè)革命以石油為基礎，內(nèi)燃機和電信技術為標志，

第三次工業(yè)革命以核能基礎，互聯(lián)網(wǎng)技術為標志，

第四次工業(yè)革命以可再生能源為基礎，數(shù)據(jù)和內(nèi)容作為互聯(lián)網(wǎng)的核心為標志。

這三者中，作為燃料的大數(shù)據(jù)是離商業(yè)化場景最近的，也是機會最多，洗牌最慘烈的維度。大數(shù)據(jù)時代下的核心在于預測分析，在《Big date，大數(shù)據(jù)時代》這本書中，作者認為基于充分數(shù)據(jù)，95%的人的行為是可以預測的，大數(shù)據(jù)的模型就是幫人類做出決策分析。所以數(shù)據(jù)本身不產(chǎn)生價值，如何分析和利用大數(shù)據(jù)對業(yè)務產(chǎn)生幫助才是關鍵。數(shù)據(jù)和內(nèi)容作為互聯(lián)網(wǎng)的核心，不論是傳統(tǒng)行業(yè)還是新型行業(yè)，誰率先與互聯(lián)網(wǎng)融合成功，能夠從大數(shù)據(jù)的金礦中發(fā)現(xiàn)暗藏的規(guī)律，就能夠搶占先機，成為技術改革的標志。

不同于，算力和算法的維度，基本被大佬們占住了山頭。在大數(shù)據(jù)時代，很多行業(yè)有重新洗牌的機會。上圖中的七大行業(yè)就潛在著巨大的經(jīng)濟價值，自上而下分別是教育，運輸，消費品、電力、石油與天然氣、醫(yī)療護理、消費金融，每幾個領域里面，每個都有可能出大佬，我們現(xiàn)有的商業(yè)模式里，很多都可以被大數(shù)據(jù)摧毀重建。所以在現(xiàn)階段躺著掙錢的阿里和騰訊都在在瘋狂爭奪數(shù)據(jù)，它們的焦慮不是沒有道理的。

芯片世界里的群雄爭霸

人們越來越看好人工智能的前景及其潛在的爆發(fā)力，而上面三個領域里，要說已經(jīng)開始創(chuàng)造現(xiàn)金流的要屬“算力”這個領域。筆者接下來想重點談談這個這個領域里相對應的投資機會。

無疑此階段大獲全勝要屬英偉達，憑借自身旗下的GPU芯片，股價飆出天際。但筆者想說大局未定?；蛘哒f，你錯過了英偉達，還有其他的選擇。

1、移動端的新選擇

GPU最初是作為應對圖像處理需求而出現(xiàn)的芯片。其特點為擅長大規(guī)模并行運算，可以平行處理大量信息。在人工智能技術發(fā)展早期，因其優(yōu)異的大規(guī)模數(shù)據(jù)處理能力，GPU被使用在多個項目之中。谷歌的圖像識別項目、AlphaGo項目、特斯拉/沃爾沃等諸多汽車廠商的輔助駕駛系統(tǒng)和無人駕駛實驗中，均使用了GPU作為加速芯片。

然而，從芯片底層架構(gòu)來講，由于GPU并非專為深度學習設計的專業(yè)芯片，未必為人工智能加速硬件的最終答案。

在人工智能市場高速發(fā)展的今天，人們都在尋找更能讓深度學習算法更快速、更低能耗執(zhí)行的芯片。目前，能夠適應深度學習需要的芯片類型除了GPU還有FPGA和ASIC等。

再者，GPU不適合移動端的，人們迫切的希望能把人工智能也帶到移動終端，尤其是能夠結(jié)合未來的物聯(lián)網(wǎng)應用。

對于移動端人工智能硬件的實現(xiàn)方法，有兩大流派，即FPGA派和ASIC派。FPGA流派的代表公司如Xilinx主推的Zynq平臺，而ASIC流派的代表公司有Movidius(被英特爾收購)。兩大流派各有長短。

FPGA的是對應特定應用場景，針對特定用戶需求是的專用類芯片。它優(yōu)勢是，如果計算機需要改變，它可以被重新裝配。FPGA巨頭們扎堆在美國，F(xiàn)PGA最強的公司有Xilinx，Altera，Lattice,等，各自都有自己的獨門秘密武器。其中Xilinx是全球FPGA的霸主，千萬門級，16納米的領先者;Altera(被英特爾收購)是宇航級的開拓者，其他任何一家的產(chǎn)品，都是工業(yè)級、軍工級，宇航級產(chǎn)品不可缺少的核心芯片，也是全世界國家從事尖端科技的短板和苦主。

2、后起之秀，AI定制芯片必為趨勢

假如把FPGA比作科研研發(fā)專用芯片，那么ASIC就是確定應用市場后，大量生產(chǎn)的專用芯片?；诖耍瑥S家可以針對特定用戶場景使用FPGA進行研發(fā)，當算法成熟、芯片設計固定后可以以ASIC的方式進行大規(guī)模生產(chǎn)。因此，毫不意外的，作為全定制設計的ASIC芯片，針對適用的應用場景，ASIC的性能和能耗都要優(yōu)于市場上的現(xiàn)有芯片，包括FPGA和GPU。

目前，人工智能類ASIC的發(fā)展仍處于早期。其根本原因是，ASIC一旦設計制造完成后電路就固定了，只能微調(diào)，無法大改。而硬件的研發(fā)設計與生產(chǎn)成本很高，如果應用場景是否為真市場尚不清晰，企業(yè)很難貿(mào)然嘗試。此外，能設計出適用于人工智能芯片的公司必然是要既具備人工智能算法又擅長芯片研發(fā)的公司，進入門檻較高。

除了上面這兩種，還包括谷歌推出的TPU--加速人工智能算法的專用處理器。目前一代TPU面向Inference，二代面向訓練。

除了算力這個維度，算法和數(shù)據(jù)這兩個維度都還有太多太多可以去探究的機會，篇幅和有限，筆者只能泛泛而談這場革命，然而AI帶來的巨變會在接下來的10年影響到每一個人，望大家一起探之思之。

總結(jié)

我們總是高估未來兩年的變化，卻低估未來十年的變化。

但是科技的發(fā)展如同浪潮一般，時刻更替交錯，晝息之間，且往往是顛覆性改變。對于一個弄潮者來說，最幸運的就是在有生之年能夠趕上一波大潮”?？辞宕髣?，方可乘勢而為。

浪潮已起，但遠未及巔!