论文部分内容阅读
近年来，人工智能发展速度很快，如果说十年前人工智能还是“草色遥看近却无”，今天已经“百花齐放春满园”。数据爆发式的增长，算法创新的加速，以及计算能力的快速提升，让人工智能在全球范围内迅速从一个学术热点变成投资热点、产业热点。人工智能产业正在快速上规模，市场需求也开始井喷。
人工智能能够从数据当中获取信息和知识，相比以前的计算机技术的应用来讲，溢出效益更显著，影响力也更大，所以，对于制造业转型升级、对于目前国家在推动的新旧动能转换，人工智能要发挥越来越重要的作用，而计算力是推动产业人工智能化的主要动力。
人工智能计算力也是生产力
当前，我们正在进入智慧时代。在智慧时代，计算力就是生产力。生产力有几个要素，劳动者、劳动工具、劳动对象。在计算力的发展过程中，已经引发了几次生产力变革，前几次对于劳动资料、劳动工具的改变是主要的。进入智慧时代，生产力的三要素都深受人工智能的影响，产生革命性的变革，但是和前几次不同的是，人工智能技术会对劳动者本身有很大的影响，未来人工智能和人的混合智能会成为趋势。
在10年前，全球最值钱的10个企业，绝大部分是一些传统产业，做能源、金融、通信，今天全球最值钱的公司基本是做互联网人工智能相关的企业，像苹果、谷歌，国内的像阿里、腾讯等，这些企业一方面是全球规模最大的企业，同时，在计算力的消耗方面，他们也是全球最大的。在计算力方面的投资，是对企业的价值，尤其是未来发展潜力评估的依据。
国内城市中，在计算力投资方面做得好的城市，經济发展也排在前几位，在新旧动能转换也比其他城市快。从这个层面来讲，计算力的投入，人工智能的投入，对于经济发展、社会发展的作用，已经越来越明显了。
人工智能对于计算力的需求是指数级增长
近年来人工智能技术应用发展很快，2011年谷歌大脑学会了认识猫。到今天，图像图形识别，在认知计算等方面发展都很快，在这个过程中计算力的提升发挥了重要作用。人工智能的兴起，算法和数据的发展提供了支撑，计算力、计算技术的创新起了更关键的作用。
在实际的应用当中，相比云计算和大数据等应用，人工智能对于计算力的需求几乎是无止境的。传统的计算，像事务处理，对于计算力需求不是很大，因为应用规模和场景有限。
进入人工智能领域的时候，人工智能对于计算力的需求不是线性的增长，而是指数级的增长，从2012年到现在，每三个半月，用于人工智能计算的计算量会翻一倍。
从2012年到现在，人工智能计算的能力增长了30万倍，同时期的芯片性能提高了30倍左右，这远远超过了摩尔定律。所以，计算力的提升，对于体系结构也提出了挑战，在半导体技术逐步接近极限的情况下，计算机发展迎来了体系结构创新的黄金期，计算力的提升更多是通过体系结构创新来满足的。
人工智能一个最大的挑战是识别度不高，准确度不高，提高准确度就要提高模型的规模和精细度，提高线下训练的频次，这需要更强的计算力提升，准确度也是算出来的，比如大型互联网公司或者明星人工智能创业公司，他们有能力部署规模比较大的人工智能计算平台，算法的模型已经达到千亿参数，万亿的训练数据集规模，这些公司在人工智能的训练方面处于领先位置。他们训练出来的算法，处于领先位置。
在投资方面，用户在人工智能领域的资金有50%以上也是投在了这些方面，这几年英伟达发展很快，因为他们做GPU有很强的优势。
人工智能基础架构产品在中国未来五年的复合增长率超过33%，这个增长速度是普通IT基础设施投资的三倍还多，现在像阿里等互联网企业在开发人工智能芯片，也出现了寒武纪等开发专用人工智能芯片的公司。随着计算需求的增长，会有越来越多新的架构、芯片和其他技术出现。
产业人工智能化需要解决生态问题
人工智能正在从人工智能本身的产业化向各个产业的人工智能化发展，也就是从人工智能产业化向产业人工智能化发展。前几年，人工智能发展的主体基本上是大互联网企业，再加上人工智能的创业公司，像BAT等。互联网企业都是自己使用，用来升级原来的业务或者推出新的运营业务，像天猫购物的智能推荐。人工智能创业公司开发算法、做训练后，更多的还是要向投资者证明，需要投入更多的钱。在这个过程当中，还是以投入人工智能本身的产业发展为主。这几年这个过程在悄然变化，看起来不是很快，但是已经在发生了。这些变化老百姓在生活中也经常会体会到，比如现在去银行办业务，面对的是智能终端设备而不是人工。现在电信运营商、大型企业的热线服务，在接电话处理业务的已经不再是人工，而是一个智能系统。这些变化使很多企业都认识到了人工智能带来的巨大潜力。
要发展人工智能，让人工智能进入各个传统产业，不能仅仅靠技术本身，生态的作用会越来越重要。技术要产业化，生态的作用巨大。中国的人工智能投资已经跟美国相当，但在核心技术的投入和面向应用的深度研究还有待加强。国内很多人工智能的应用，都是单点单技术的应用，像人脸识别、考勤打卡，交通监控管理，这些方面应用比较多。应用是人工智能产业发展的瓶颈，也是最大的机会，要从根本上解决应用的问题，要建立开放融合的人工智能生态，从底层硬件到上层应用软件，产业的上、中、下游要紧密配合，面向多样化个性化的用户需求，向终端用户提供整体解决方案，才能让人工智能用起来，用好它。
整体来讲，无论是人工智能产业化，还是产业人工智能化，未来的发展空间巨大，需要社会各界共同投入。人工智能仍然是黑科技，在很多领域的应用都刚刚开始，未来的发展空间非常大，产业规模相当可观。
人工智能能够从数据当中获取信息和知识，相比以前的计算机技术的应用来讲，溢出效益更显著，影响力也更大，所以，对于制造业转型升级、对于目前国家在推动的新旧动能转换，人工智能要发挥越来越重要的作用，而计算力是推动产业人工智能化的主要动力。
人工智能计算力也是生产力
当前，我们正在进入智慧时代。在智慧时代，计算力就是生产力。生产力有几个要素，劳动者、劳动工具、劳动对象。在计算力的发展过程中，已经引发了几次生产力变革，前几次对于劳动资料、劳动工具的改变是主要的。进入智慧时代，生产力的三要素都深受人工智能的影响，产生革命性的变革，但是和前几次不同的是，人工智能技术会对劳动者本身有很大的影响，未来人工智能和人的混合智能会成为趋势。
在10年前，全球最值钱的10个企业，绝大部分是一些传统产业，做能源、金融、通信，今天全球最值钱的公司基本是做互联网人工智能相关的企业，像苹果、谷歌，国内的像阿里、腾讯等，这些企业一方面是全球规模最大的企业，同时，在计算力的消耗方面，他们也是全球最大的。在计算力方面的投资，是对企业的价值，尤其是未来发展潜力评估的依据。
国内城市中，在计算力投资方面做得好的城市，經济发展也排在前几位，在新旧动能转换也比其他城市快。从这个层面来讲，计算力的投入，人工智能的投入，对于经济发展、社会发展的作用，已经越来越明显了。
人工智能对于计算力的需求是指数级增长
近年来人工智能技术应用发展很快，2011年谷歌大脑学会了认识猫。到今天，图像图形识别，在认知计算等方面发展都很快，在这个过程中计算力的提升发挥了重要作用。人工智能的兴起，算法和数据的发展提供了支撑，计算力、计算技术的创新起了更关键的作用。
在实际的应用当中，相比云计算和大数据等应用，人工智能对于计算力的需求几乎是无止境的。传统的计算，像事务处理，对于计算力需求不是很大，因为应用规模和场景有限。
进入人工智能领域的时候，人工智能对于计算力的需求不是线性的增长，而是指数级的增长，从2012年到现在，每三个半月，用于人工智能计算的计算量会翻一倍。
从2012年到现在，人工智能计算的能力增长了30万倍，同时期的芯片性能提高了30倍左右，这远远超过了摩尔定律。所以，计算力的提升，对于体系结构也提出了挑战，在半导体技术逐步接近极限的情况下，计算机发展迎来了体系结构创新的黄金期，计算力的提升更多是通过体系结构创新来满足的。
人工智能一个最大的挑战是识别度不高，准确度不高，提高准确度就要提高模型的规模和精细度，提高线下训练的频次，这需要更强的计算力提升，准确度也是算出来的，比如大型互联网公司或者明星人工智能创业公司，他们有能力部署规模比较大的人工智能计算平台，算法的模型已经达到千亿参数，万亿的训练数据集规模，这些公司在人工智能的训练方面处于领先位置。他们训练出来的算法，处于领先位置。
在投资方面，用户在人工智能领域的资金有50%以上也是投在了这些方面，这几年英伟达发展很快，因为他们做GPU有很强的优势。
人工智能基础架构产品在中国未来五年的复合增长率超过33%，这个增长速度是普通IT基础设施投资的三倍还多，现在像阿里等互联网企业在开发人工智能芯片，也出现了寒武纪等开发专用人工智能芯片的公司。随着计算需求的增长，会有越来越多新的架构、芯片和其他技术出现。
产业人工智能化需要解决生态问题
人工智能正在从人工智能本身的产业化向各个产业的人工智能化发展，也就是从人工智能产业化向产业人工智能化发展。前几年，人工智能发展的主体基本上是大互联网企业，再加上人工智能的创业公司，像BAT等。互联网企业都是自己使用，用来升级原来的业务或者推出新的运营业务，像天猫购物的智能推荐。人工智能创业公司开发算法、做训练后，更多的还是要向投资者证明，需要投入更多的钱。在这个过程当中，还是以投入人工智能本身的产业发展为主。这几年这个过程在悄然变化，看起来不是很快，但是已经在发生了。这些变化老百姓在生活中也经常会体会到，比如现在去银行办业务，面对的是智能终端设备而不是人工。现在电信运营商、大型企业的热线服务，在接电话处理业务的已经不再是人工，而是一个智能系统。这些变化使很多企业都认识到了人工智能带来的巨大潜力。
要发展人工智能，让人工智能进入各个传统产业，不能仅仅靠技术本身，生态的作用会越来越重要。技术要产业化，生态的作用巨大。中国的人工智能投资已经跟美国相当，但在核心技术的投入和面向应用的深度研究还有待加强。国内很多人工智能的应用，都是单点单技术的应用，像人脸识别、考勤打卡，交通监控管理，这些方面应用比较多。应用是人工智能产业发展的瓶颈，也是最大的机会，要从根本上解决应用的问题，要建立开放融合的人工智能生态，从底层硬件到上层应用软件，产业的上、中、下游要紧密配合，面向多样化个性化的用户需求，向终端用户提供整体解决方案，才能让人工智能用起来，用好它。
整体来讲，无论是人工智能产业化，还是产业人工智能化，未来的发展空间巨大，需要社会各界共同投入。人工智能仍然是黑科技，在很多领域的应用都刚刚开始，未来的发展空间非常大，产业规模相当可观。