经济学人评AI行业现状：小心那些带着礼物来的极客们

编译 | 王宇欣、Rik R、王艺 来源 | 经济学人 占领了好莱坞电影的情节线、大量杂志和新闻的封面，这场人工智能与人类之间的较量吸引了世界的目光。末日预言家们警告说，人工智能将会彻底消除工作岗位、破坏律法并引燃战争。 但是这样的预言毕竟着眼于遥远的未来。当今关于人工智能的竞争无关人类与机器，而是在世界范围内的科技巨头中展开，这些巨头企业为了在这场竞争中取得领先地位，正狂热地进行投资。 数字数据的可用性呈指数形式增长，计算能力的日益强大以及算法的辉煌崛起激起了人们对计算机科学（这个以前晦涩难懂的领域）的关注。同中国国内的情况相同，西方的科技公司巨头，谷歌母公司 Alphabet、亚马逊、苹果、Facebook、IBM 和微软等都斥巨资增进其人工智能能力。 尽管科技企业内部在人工智能方面的投资难以计算，但单从收购方面来看，到 2017 年全球范围内与人工智能相关的收购总额已达 213 亿美元，是 2015 年的 26 倍。 机器学习是人工智能的一个分支，是与这些公司关系最紧密的一个领域。计算机筛选数据、进行模式识别、并在没有明确编程的情况下作出预测。这项技术现在被用于科技行业的各种应用，包括在线广告定位、产品推荐、增强现实以及自动驾驶汽车等。Uber 的人工智能研究负责人 Zoubin Ghahramani 相信人工智能将会像计算机的崛起那样点燃一场变革之火。 数据库的变革就是人工智能潜在影响的一个缩影。自 20 世纪 80 年代出现以来，数据库技术降低了例如库存管理等信息存储、分析、以及处理相关认知任务的成本。可以说有了数据库的支撑，才有了第一代软件。 风险投资公司安德森霍格沃兹基金的 Frank Chen 表示，人工智能将会使人类能够预测未来，并作出正确的反应。例如谷歌的 Gmail 在人工智能技术的协助下具备了根据邮件内容自动回复的能力，这也是人工智能未来的早期例证。 和过去的由个人电脑和移动电话等新技术所带来的浪潮一样，通过帮助科技巨头改造现有业务以及激发新业务，人工智能有潜力让科技世界重新洗牌。 但是它也带来一种威胁感。Jeff Bezos 的得力助手，亚马逊 Worldwide Consumer 首席执行官 Jeff Wilke 说道，「如果你是一家科技公司，你没有把人工智能作为自己的核心竞争力，那么你就要自己从其他领域寻找创新机会。」 在激烈竞争、高度期望以及大量炒作的推动下，这股人工智能热潮就像是第一次加州淘金热一样。尽管中国的公司如百度和阿里巴巴都在投资人工智能，并将技术部署在国内市场，但是技术的主要勘探者还是西方的科技公司。人们普遍认为谷歌母公司 Alphabet 在这一领域处于领先地位。该公司多年来已经从人工智能方面获取可观的利润并且拥有该领域世界著名的研究员。 但是现在仅仅是竞争初期，比赛还远未结束。在接下来的几年中，科技公司巨头们将通过三种方式进行正面交锋——继续人才争夺大战，帮助培养企业「大脑」；尝试比对手更高效地将机器学习应用在现存业务中；尝试在人工智能的帮助下创造新的盈利中心。 低能特才 当前人工智能市场环境下，最疯狂的就是人才的竞争。相比之下人才要比数据或者计算能力稀缺得多。市场对能够以创新型方法将机器学习技术应用于大规模数据集中的人工智能「建造者」需求激增，远远超过了学习这些技术的顶尖学生的数量。 微软的 Gurdeep Singh Pall 表示，今天的人工智能系统就像是「低能特才」一样，「他们在自己的领域有很强的能力，但是如果你不正确使用的话，就是一场灾难。」雇佣合适的人员对公司的生存至关重要（一些初创公司由于缺乏正确的人工智能人才而招致失败），这场人才的争夺掀起了一股掠夺学术部门的浪潮，各大公司纷纷在高校招揽教授甚至是一些尚未完成学业的研究生。 卡内基梅隆大学计算机科学学院院长 Andrew Moore 表示，招聘会现在就像是「感恩节或者黑色星期五的沃尔玛」一样疯狂。这一学院是人工智能领域领先的研究机构，其机器人部因为在 2015 年被 Uber 挖走而出名。 除招聘会外，一些学术会议，比如本周在加州长滩举行的 NIPS 也成为了储备人才的地方。最好的招聘对象就是那些学术界的人工智能明星学者，像 Facebook 的 Yann LeCun 和谷歌的 Geoffrey Hinton。这两位都是与大学保持联系的前教授，可以吸引别人和他们一起工作。除巨额薪水外，公司往往会拿出自己独有的数据财富用来吸引这些明星学者。 如果上述人才招揽方式都行不通，这些科技巨头们可能会买下整个初创公司。科技行业首次这样做还是在 2014 年，当时谷歌花费约 5 亿美元买下了一家没有收入也没有产品的初创公司 DeepMind，该公司唯一拥有的就是一群深度学习研究人员。 这笔交易促成了著名的 AlphaGo 的诞生，它在围棋领域击败了世界冠军。看到这一趋势，其他公司也纷纷斥资收购亏损的创业企业，这些创业公司的估值通常不以未来利润或是销售额来决定，而是取决于其拥有的员工，每个员工的价值可能高达 500 万到 1000 万美元。 叩开巨头的大门 公司对如何对待员工有不同的理念。一些公司，比如微软和 IBM 在人工智能研究方面投入巨额资金并且发表了大量论文，但是并不要求研究人员将他们的研究成果用于商业行为。与之相对的是苹果和亚马逊，这些公司并不具备大量的科研创新，而是将所有的工作都投入到产品的研发中。谷歌和 Facebook 则介于二者之间。 激烈的人才争夺战迫使一些以往神秘的公司变得更加开放。Facebook 人工智能研究实验室的领导人，LeCun 解释道，「如果你告诉他们，『过来咱们一起干吧，但是你却不和他们你到底在干什么』，那么人才不会过来的，你这是在谋杀他们的事业。」 在公司保密性以及人才吸引力之间做权衡对中国的巨头公司同样适用，中国公司正尝试在西方建立前哨基地并聘请美国研究人员。百度在 2013 年和 2017 年分别开设了两个以人工智能为重点的研究实验室。西方的人工智能研究人员对它们评价很高，但是更喜欢为美国的巨头公司们工作，部分原因是美国公司的透明度相对较高。 如果能够吸引到人工智能方面的合适人才，公司的整体进程将会迅速推进。安德森霍洛维茨基金的 Benedict Evans 表示，拥有人工智能就像「拥有一百万名实习生」一样。这种计算能力将被整合到企业现有的业务中。 人工智能的优势在企业对用户需求的预测当中体现得尤为明显。例如，自动推荐和建议功能影响着 上 3/4 的观看数，以及超过三分之一的亚马逊交易量。拥有流行应用 Instagram 的 Facebook 使用机器学习识别帖子、照片和视频的内容，并展示与用户相关的内容，此外，机器学习还被用于 Facebook 上垃圾信息的过滤。曾经，Facebook 通过时间线排列相关帖子，但是现在其通过相关性推荐帖子和广告，提升了用户的参与度。 Facebook 的人工智能应用小组的负责人 Joaquin Candela 表示，如果没有机器学习，Facebook 永远不会达到目前的规模。没有在搜索引擎中使用人工智能的公司、或者在此领域落后的公司，生存正在变得愈发艰难，例如雅虎的搜索引擎以及微软的 Bing。 亚马逊和谷歌在将人工智能应用在一系列业务方面的进展最为迅速。机器学习使得亚马逊的在线和物流操作效率更高。其在配送中心拥有大约 8 万台机器人，除此之外还使用人工智能对库存进行分类，决定哪些包裹装上哪辆卡车。 在生鲜订购流程中，亚马逊将计算机视觉用于识别草莓和其它水果的成熟和新鲜程度，以确定是否可以将其交给客户，并且亚马逊还在研发自动化无人机，将在未来用于订单交付业务。 至于谷歌，它使用人工智能分类 YouTube 上的内容，并去除能够引发争议的视频。另外，在 Google Photos 中，人工智能被用来识别人物并进行分组。同样，人工智能也被嵌入在谷歌的安卓操作系统中，帮助安卓更顺畅地工作，同时预测哪款应用最受人们的欢迎。 Google Brain 被认为是人工智能领域在提升机器学习应用方面最优秀的研究小组之一，进行了很多创新性的工作，例如改进搜索引擎算法。至于 DeepMind，这家英国公司可能从来没有为 Alphabet 创造很多的实际收入（围棋项目是一场公关活动），但是通过提高全球数据中心的能源效率帮助其节省了资金。 除上述 C 端产品外，人工智能还被广泛应用于企业界。IBM 人工智能平台 Watson 的负责人 David Kenny 预测，世界上将出现两类人工智能公司——面向消费者的人工智能服务供应商以及面向企业的人工智能服务提供商。实际上，这种最终局面的形成可以溯源到科技巨头们在云计算方面的布局。 供应商们正在争先恐后地将人工智能作为一种实现云端产品差异化以及拴住客户的方式。AWS、微软的 Azure 和谷歌云三巨头向其它公司提供应用程序编程接口（API）来输出自己的机器学习能力。例如，微软的云服务 Azure 帮助 Uber 建立了一个验证工具，可以让司机在工作时自拍以确认其身份。谷歌云提供了一个「求职 API」，可以帮助企业把最合适的岗位匹配给最合适的应聘者。 自助式人工智能的诞生 从零售业到媒体，很多其它行业都受益于云产业中人工智能的「民主化」。向那些没有能力或规模来独立建立复杂功能的公司提供人工智能服务，或可成为 2500 亿美元云产业中的一棵摇钱树。但是，供应商往往要为客户的复杂需求提供定制化 API，这需要大量的时间。靠软件销售与售后支持起家的微软，似乎在这一领域会做得不错。谷歌的云计算经理 Diane Greene 说，人工智能产品将变得「更近于自助式」，一切只是时间问题。 IBM 是另一位竞争者，为了为其 Watson 平台背书，它已经开展了一段大规模的营销活动。人工智能研究者往往对 IBM 不屑一顾，该公司有一大块咨询业务，并以时间效益高于代码质量的价值标准而闻名。 该公司的批评者还指出，虽然 IBM 已经在 Watson 上投资超过 150 亿美元，并在 2010 年到 2015 年间对外投资了 50 亿美元，但这些投资大多是以获取专有数据为目的，IBM 在并没有大量的独有数据。但是 IBM 的弱点可能无法阻止它前进的脚步，因为大多数企业老板都对于人工智能战略的制定倍感压力，但却愿意花大钱快速购买一个，绝不手软。 迄今为止，大多数的科技巨头都在试图利用人工智能从现有业务中获利。在接下来的几年里，它们希望通过人工智能来建立起新的业务，其中虚拟助手便是一个竞争激烈的领域。虽然智能手机很了解它们的用户，但由人工智能驱动的虚拟助手则能使关系更进一步，智能音箱同理。 苹果是第一个探路者，它于 2010 年收购了语音助手 Siri。从那时起，亚马逊、谷歌和微软相继投入巨资，因此其语音助手的识别效果变得越来越好。后来，三星、Facebook 和百度也竞相提供这些产品。 通用人工智能之战 目前还不清楚智能音箱的市场是否足够大，但可以肯定的是，人们将越来越多地从文本交流转向互联网交互。「所有这些公司都明白，谁解决了消费者的痛点，谁就将统治这个市场，」《The Master Algorithm》一书作者 Pedro Domingos 说到。 进一步展望未来，增强现实（augmented-reality，AR）设备是人工智能服务商的另一个机会。诸如即时通讯应用 Snap 和游戏 Pokémon Go 等移动应用程序都是增强现实的早期案例，不过增强现实的潜力远非如此，它将彻底变革人类与互联网的关系。人们不再通过一个小屏幕来消费数字信息，而将拥有一种三维的、无处不在的体验。增强现实设备将提供便携式的人工智能功能，比如同声传译和面部识别。 在增强现实领域的竞争中，科技巨头们还处于热身阶段，并没有太大进展。谷歌和苹果已经推出了增强现实软件开发包，它们都希望开发人员在其平台上构建基于增强现实的应用程序，还有一些科技公司正急于开发增强现实硬件。 谷歌很早就推出了一款增强现实眼镜的原型 Google Glass，但是它失败了。微软开发的 HoloLens 价格在 3000-5000 美元之间，是一款小众产品。其它公司，包括 Facebook 和苹果，都被外界认为正在计划它们自己的产品。跻身人工智能前列，就相当于在这些新兴领域遥遥领先。 没有什么比自动驾驶汽车更能反映这一点了。科技公司正在全速建造大型专有数据集，并利用计算机视觉来训练其系统去识别现实世界中的物体。自动驾驶技术潜力巨大，因为个人交通是一个巨大的市场，全球总值约 10 万亿美元。而且任何一个切入自动驾驶汽车领域的公司都可以将其知识能力运用于其它基于人工智能的项目，比如无人机和机器人。 人们对搜索引擎或许会货比三家，以体验感为衡量标准，但是在选择自动驾驶汽车时，则更倾向于那些安全性最佳的厂商，这意味着，那些最有能力利用人工智能仿真现实世界，并拥有最少崩溃记录在案的公司将获益无穷。 各个公司解决这一问题的方式不相同。中国巨头百度正试图创建一个自动驾驶汽车操作系统，就像谷歌的移动设备平台 Android 一样（尽管目前还不清楚该公司打算如何盈利）。Alphabet、 Uber、Tesla 和一群鲜为人知的初创公司，以及越来越多的汽车制造商，也都有它们自己的战略和打法。（传闻苹果公司已经缩小了其在自驾车领域的企图心。） 科技公司的人工智能战略正在将世界由虚拟软件推向实体硬件，自动驾驶汽车只是其中的一个侧面。许多公司，包括 Alphabet、苹果和微软，都都在投资建立专用而强大的「人工智能芯片」，为它们的各种产品提供动力。它们将与该领域的霸主 NVIDIA 公司展开竞争，后者生产的强大芯片可用于自动驾驶汽车和虚拟现实等人工智能领域。 目前还不清楚像 Alphabet 和苹果这样的公司会把这些芯片卖给竞争对手还是自用。它们有理由利用其创新来改进自己的服务，而不是把成果租售给竞争对手。这样一来，只有很少量的公司在底层计算能力方面占有强大优势，可能会产生问题。 芯片行业的趋势引出了一个更广泛的问题，即人工智能力量是否会进一步收拢在当今的数字巨头手中。鉴于它们拥有丰富的数据、强大的计算能力、先进的算法和人才，早期的投资布局更是让它们如虎添翼。回顾巨头成长的历史，数据库和个人电脑的兴起为一小撮科技公司（数据库方面是 Oracle 和 IBM，个人电脑领域是微软和苹果）开辟了先发优势，即便那只是暂时的。 以人才、计算能力和数据为衡量标准，谷歌似乎领跑人工智能。它能够负担最聪明的人才以及五花八门的项目，从无人机到汽车再到智能软件，那些对机器学习感兴趣的人很少会离开谷歌。在人工智能这件事上，其它公司不得不认真学习，但谷歌的创始团队是早期的机器学习爱好者，谷歌认为这是一种竞争优势。 人工智能的精神家园 一些有社会影响力的人物，比如 Elon Musk（特斯拉和火箭公司 SpaceX 的老板）担心 Alphabet 和其他公司垄断人工智能人才和专家。Elon Musk 和硅谷其他一些重量级的人物资助了 OpenAI，一家非营利性的研究机构，专注于人工智能研究并且不与任何企业产生联系。马斯克以及其他一些人担心，如果某家公司最终攻破了通用智能问题，会发生什么。 所谓通用智能是指计算机可以在没有明确编程的情况下执行任何人类的任务。这样的愿景已经存在了几十年，但是这并不妨碍谷歌对这一情况进行讨论。Google Brain 的老板 Jeff Dean 表示，我们绝对想要攻破通用人工智能。如果一个公司能够获得这种技术，它可以完全改变竞争格局。 同时，突破通用智能很大程度上取决于科技公司的开放和合作态度。除了发表文章，如今许多公司都将其机器学习框架开源，为竞争对手和独立开发者提供曾属于公司内部的工具。比如，谷歌的 TensorFlow 框架就尤为受到欢迎。Facebook 已经开源了自己的两个框架——Caffe2 和 Pytorch。 开放具有战略性优势，在开发者使用开源框架的同时，这些框架也在被调试，并且其身后的公司也会赢得声誉。另一个非盈利研究小组，艾伦人工智能研究所的 Oren Etzioni 打趣说：「要小心那些带着礼物而来的极客们。」 人工智能领域的一些专家担心像 TensorFlow 这样的框架会先吸引开发者使用，再进行收费，或者用其他方式利用这些研究员获取收益，这样谨慎的考虑或许是明智的。不论是在硅谷还是在世界各地，很少有人考虑到这股淘金热还有很长一段路要走。大多数技术人员被人工智能的光辉前景以及潜在的收益消耗了太多时间，以至于他们没有时间担心未来。 ]]> 原文： http://ift.tt/2nHOqP9 机器知心

听说IBM发布了一款「为AI而生」的芯片？这事儿要从AI数据的传输与存储说起

撰文 | 邱陆陆 今天许多科技新闻的头条，都是美国东部时间 12 月 5 日，IBM 在纽约的 The AI Summit 上发布了主打「企业级 AI」的服务器，AC922。                            AC922 宣传片  虽然被一众科技媒体冠名为「IBM 发布了 AI 芯片」，但事实是 IBM 在公布了全新的 POWER 架构——POWER9 之后将近 20 个月，终于发布了第一款基于 POWER9 的服务器系统。 只不过，这次的新系统在数据的输入输出方面作出了一些特殊的设计，修建了一条处理器与其他加速器以及内存之间的「高速公路」，让服务器能够胜任那些依赖大量高速数据传输与存储的任务——比如人工智能相关的任务。 硬件名词太多有点懵？没关系我们逐个聊一聊。 服务器其实是通过网络向用户提供服务的计算机，除了「特别强」以及「摸不着」之外，和我们手里的电脑本质上没区别。IBM 生产的就是这种专供企业级用户使用的服务器处理器。类比到电脑上，就是 CPU。 CPU 的中文名称叫做中央处理器，常常被比作计算机的「大脑」，是一个什么都能算的全能选手。全能选手为了顾及「全面」，难免欠缺一些在特定任务上的「特长」。 因此想要大量进行某一类特定计算时，我们往往会给 CPU 配一个术业有专攻的副手，我们通常称之为「加速器」。对于想要运行人工智能相关算法的人来说，这个「加速器」可能是 GPU，也可能是 FPGA 或者是 ASIC。 GPU（独立 GPU）基本被英伟达一家承包了。虽然从「图形处理器」的名字就能看得出来，这类芯片的初衷只是处理图形，但是由于图形算法和人工智能算法处理的对象归根结底都是矩阵，所以 GPU 跑起人工智能算法，性能也还不错。 FPGA 的大部分市场份额在赛灵思（Xilinx）和阿尔特拉（被英特尔收购了的 Altera）手中。 它的全名是现场可编程门阵列，是一块需要工程师「现场」给它「编程」告诉它做什么的白板。虽然用起来难度系数明显高于 GPU，但是其可编程的特性决定了这是一款可塑性极强的芯片，可以「哪里不会点哪里」，并且性能上的进步速度也远快于 CPU 和 GPU。 ASIC 叫做专用集成电路，指专门为某一任务定制的芯片（GPU 也可以算做专门为图形任务定制的 ASIC）。专门为人工智能而定制的 ASIC 有谷歌的 TPU 和英特尔收购的 Nervana，但是人工智能 ASIC 的市场尚未规模化，TPU 是谷歌自用款，并不在市面上流通，Nervana 则尚未出货。 回到 IBM，在处理器方面，IBM 的专长是企业级高性能服务器的开发，其 POWER 架构相比于英特尔主导的 X86 架构，在可用性、稳定性上都有可以称道的地方，当然了，价格更加可称道。 除了服务于航空、金融等高端商用客户之外，POWER 架构也一直与 IBM 在 AI 方面的工作紧密相连。2011 年因为在常识问答类节目中力挫人类冠军选手赢得百万奖金的 IBM Watson 系统，就采用了之前的 POWER7 处理器。 这一代 POWER9 的筹备时间迄今已有 4 年，虽然单片的处理速度可能不及 Intel Xeon，但是他们瞄准了 AI 算法如今对于专门的加速芯片的需求以及加速芯片与通用芯片之间数据方面「算完了来不及存」的尴尬境况，着重强调了数据吞吐量，旨在建立其在机器学习应用方面的优势。 从官网上对 POWER 9 处理器的介绍中就可以看出，IBM 强调了 POWER9 最多可以达到 x86 架构 9.5 倍的 I/O 带宽，2 倍的处理核心数量，最多高 2.6 倍的内存空间以及 1.8 倍的内存带宽。 让我们把这些数字翻译成人话： 核心数更多意味着更强的计算能力。虽然单个核心上比不过英特尔，但是 POWER 的核心并行的时候线性性很好，类似打群架靠人数取胜。 带宽的提升与数据在不同芯片间的移动相关。如果你想要给你的服务器配上加速器跑人工智能算法的话，总要把数据在存储数据的内存和服务器之间、服务器和加速器之间、多个加速器彼此之间来回移。 现在的服务器上，这些数据跑来跑去的「公路」上由于带宽不足总是「堵车」，IBM 帮你把上面说的那几条公路都修成了高速公路。这些「高速公路」包括，与英伟达合作的下一代的 NVLINK，由 IBM 发起、包括谷歌等众多巨头参与的 OpenPower 组织所用的 新一代 CAPI，也有常见的 PCIe，从 3.0 升级到了 4.0。 内存的提升则就更加简单粗暴了，存数据的空间更大了。 综合起来的效果，IBM 拿了几个常见机器学习框架跑了几个计算机视觉模型做例子： 同样是带着 4 块英伟达最新的 Tesla V100 GPU，用 Caffe 训练 2240*2240 大小的图像迭代 1000 次，AC922 的速度是英特尔至强 E5 的 3.8 倍。用 TensorFlow 测试 ResNet 模型，AC922 每秒处理的图像数量是至强的 1.35 倍。 当然了，这些数据只是 IBM 内部测试公布的数据，第一批 AC922 型号将于 12 月中旬发货，估计明年 1 月我们就能看到来自第三方的测评报告了。 IBM 工程师 Stefanie Chiras 检查 IBM POWER 系统服务器中的 POWER9 芯片 总的来说，IBM 看到了业界对于「针对人工智能和机器学习算法进行优化」的芯片与系统的需求，以此作为卖点推出了 POWER9 这一代架构。 美国能源部在 2014 年启动的超算计划 CORAL 将在 18 年启用 POWER9，而在会上，IBM 副总裁 Sumit Gupta 声称「有一大批现在正在使用 PowerAI（IBM 的人工智能软件工具箱）的客户将会在本月收到他们的新机」，听起来似乎有不少订单的样子。 相比于此，我们更期待亚马逊、谷歌这样的服务器与人工智能双料大玩家能在未来表现出对 POWER9 的兴趣——那会是 IBM 打了一场漂亮的 AI 硬件攻坚战的最好证明。 ]]> 原文： http://ift.tt/2AKrCDm 机器知心

终于承认！马斯克证实特斯拉在造AI芯片，而且是世上最好的AI硬件

允中 发自 凹非寺量子位 出品 | 公众号 QbitAI 加州长滩，这几天还真是热闹。 连一向不停念叨"AI威胁论"的硅谷钢铁侠伊隆·马斯克，也跑到这个海边小城，借NIPS大会召开之机呼朋唤友，拉着一票产学两界的研究员搞了个大爬梯。 而且还趁势宣布了一个大消息： 特斯拉正在制造世界上最好的AI芯片！ 和马斯克一同出席这次活动的，还有特斯拉的硬件副总裁吉姆·凯勒。（如果你不熟悉这个名字，请先记住，稍后我们详细说）。 "吉姆正在研发专门的AI硬件，我们觉得会是实际上最好的AI硬件"，马斯克在跟人聊天时，谈到凯勒加盟后的近况，不知是有意还是无意间透露的这样一个消息。 所谓专门的硬件，可能未来会用在特斯拉车上，用以完成自动驾驶相关的计算工作。目前，特斯拉的自动驾驶系统Autopilot依赖于英伟达的GPU工作。 同一天，英伟达也在长滩搞了一个大爬梯，宣布推出全新的GPU：Titan V。据说性能是Titan Xp的九倍，但是售价只提高到3000美元一块哦~ 回到特斯拉的活动现场。谈到为何要自己制造芯片，凯勒表示使用定制化的专用硬件，可以更好的提高效率；而马斯克则谈到功耗和成本方面的好处。 一同出席当天活动的还有特斯拉AI总监Andrej Karpathy。（感觉这话很新闻联播） 特斯拉的AI芯片大计 这是特斯拉首次对外证实研发AI芯片一事。 关于这件事的传闻，其实一直不绝于耳。今年9月，有消息称特斯拉已经收到自研AI处理器的首批样品，并且正在进行相关测试。 当时也是因为一个意外事件，让特斯拉的秘密行动提前被察觉。芯片制造商格罗方德（GlobalFoundries）的CEO在加州的一次技术会议上，不经意的提到特斯拉就是他们的一个合作案例。 这一下就引发了外界的关注：原来特斯拉真在谋划研发芯片！ 特斯拉这个AI芯片并非完全独立开发，而是构建在AMD的知识产权基础上。代工方格罗方德也是一家从AMD拆分出来的晶圆厂，后来把股份彻底卖给了中东土豪，不过根据双方的协议，格罗方德2020年前都要向AMD供应晶圆。 还记得开头提到的吉姆·凯勒嘛？ 他也是一位出自AMD的大神。去年一月，凯勒加入特斯拉出任出任副总裁，负责Autopilot自动驾驶系统硬件等业务。 在凯勒的职业生涯中，他曾先后参与Alpha 21164和21264两款处理器的设计；他是AMD Athlon K7架构的关键人物；AMD K8的首席架构师；主持设计了苹果A4、A5两代移动处理器；AMD Zen核心的负责人。 堪称是各类主流芯片的集大成者。特斯拉把这么一位请到公司里，不造个芯片什么的，坦白讲，说得过去嘛？ 芯片争夺战 在人工智能浪潮的冲击下，计算力的重要性进一步得到凸显。例如像英伟达这样的企业，踩着一个接一个的风口，不断地发展壮大。 而想做芯片这个生意的企业也越来越多。 比方最近量子位就报道过，一直专注计算机视觉的AI创业公司依图，最近就正在着手进军芯片业务；而另一家国内的创业公司地平线，也将推出自己的芯片产品；还有异构智能，号称他们的AI芯片比谷歌功耗低，比寒武纪计算力高。 说到寒武纪，这家国内芯片界的独角兽企业，之前已经让华为手机芯片拥有了AI能力，在他们上个月初公布的发展路线图表明，这家公司未来不但要发布深度学习处理器，而且要为自动驾驶应用发布寒武纪1M处理器。 在国外市场上，Google早已经开始制造专属的AI芯片，TPU的威力驱动AlphaGo一次又一次的创出佳绩；苹果A11仿生芯片已经应用在新一代的iPhone中；英特尔、高通、赛灵思等芯片公司也都在用各自的方式谋划AI芯片。 为什么特斯拉也要研发AI芯片？ 归根结底还是为了自动驾驶做准备。无人车有大量数据需要处理，AI芯片事关特斯拉自动驾驶的未来。而且重要的是，特斯拉不希望这么核心的无人车部件，还得仰人鼻息。 老黄你说对不对？ —完— 欢迎大家关注我们的专栏：量子位 - 知乎专栏 诚挚招聘 量子位正在招募编辑/记者，工作地点在北京中关村。期待有才气、有热情的同学加入我们！相关细节，请在量子位公众号(QbitAI)对话界面，回复"招聘"两个字。 量子位 QbitAI · 头条号签约作者 վ'ᴗ' ի 追踪AI技术和产品新动态 via 量子位 - 知乎专栏 http://ift.tt/2B4dYeT RSS5

完成B轮2.1亿元融资的51VR，想要在VR中训练AI

撰文 | 王艺 又一家 VR 公司拥抱 AI。 12 月 5 日，虚拟现实公司 51VR 宣布获得 B 轮 2.1 亿元融资，为今年中国 VR 领域单轮最高融资额。本轮融资由当代、商汤科技联合领投，Star VC、光速安振、绿民投、松禾资本、浦发硅谷银行等超 10 家投资机构、战略伙伴及个人投资者参与。 官方披露，51VR 自 2015 年成立以来，客户和业务保持了每年超过 400% 的快速增长，公司目前已经服务了来自海内外超过 350 家企业客户，包括万科、碧桂园、BMW、汽车之家、JQZ Group、中国移动、中国铁建等企业。 当天，51VR 还发布了瞄准自动驾驶场景的三款新品，用 VR 进行自动驾驶训练的 Cybertron-Zero，为消费者提供自动驾驶沉浸式乘车体验并为自动驾驶公司搜集消费者体验数据的 Cybertron-Matrix，以及为自动驾驶实路测试人员设计的 AR 眼镜 Cybertron-Eyes，佩戴该眼镜的测试人员能够在自动驾驶汽车的行进过程中实时了解到车辆系统的相关数据以及决策情况。 不难看到，这家公司正希望用其 VR 技术为 AI 训练提供基础设施。或许在 VR 寒冬 AI 热潮的今天，此举是对于一家 VR 公司来说最好的做法。 VR 已经是过去式了吗？ 「我们往往太过于高估技术为近两年带来的变革，但是又会低估它未来十年的影响。」51VR 创始人兼 CEO 李熠在发布会上引用了这句话。 51VR 创始人兼 CEO 李熠 这句话用来形容 VR 行业再贴切不过。李熠回忆道，2015 年到 2017 年这三年间，VR 圈同行们见面打招呼的方式发生了戏剧性的变化，从「听过 VR 吗？你开始做了吗？」到「这轮又融了多少，估值涨了几倍？」再到「还活着呢吗？转行了吗？」。 2014 年，Facebook 以 20 亿美金的高价收购 Oculus，VR 技术一炮打响；2016 年，也就是 VR 行业最疯狂的一年，不论一级市场还是二级市场，扯上 VR 的公司股价都能飙升；但。但到了 2017 年，画风直转急下，几乎没有人再提 VR。 短短三年时间，VR 行业从炙手可热到天寒地冻，经历了天翻地覆的变化李熠却说，他不相信 VR 是昙花一现的技术。 他认为，虚拟现实跟 AI 的是数据源和训练大脑的关系，让 VR 与 AI 技术相互融合，相互促进，是当今 VR 行业的下一个增长点。不过，AI 到底会不会成为 VR 的救命稻草？还需时间来证明。 事实上，51VR 不是第一家拥抱 AI 的 VR 公司。在今年 3 月 HTC Vive 生态圈大会上，来自加州的人工智能企业 ObEN 宣布在中国打通了 VR 与社交平台，让近 9 亿微信用户有了通过人工智能技术体验 VR 场景的捷径。 在基于微信的 VR 场景中，用户可以邀请好友共同赴某地游玩。系统通过用户上传的照片建立虚拟电子形象，还具备戴眼镜戴帽子等换装功能。更多的，若用户愿意念上一段歌词，加上已经上传的自拍照片，系统还能自动生成一段本人的演唱视频。 VR + AI 的想象力在哪里 而拥抱 AI 背后，无非是进行两手考量——是否具有行业领先的技术以及相对成熟的应用场景。 李熠与投资方 Star VC 创始人任泉 技术储备方面，从公司的人员构成以及业务范围便可见一斑。资料显示，51VR 现有超过 240 人，65% 以上为计算机图形学、机器视觉及深度学习等领域研发人员，来自于清华、浙大、上海交大、斯坦福、UCL、UIUC 等一线高校，曾就职于微软亚洲研究院、Autodesk、Crytek、CCP 等公司。 在应用场景方面，将虚拟现实技术和 AI 结合最好的方向在于无人驾驶领域。李熠也分析称，无人驾驶领域对于仿真测试的需求是刚需。总的来看，VR 从以下三个方面助力无人驾驶的训练过程： 首先，VR 可以提高自动驾驶系统的安全性。举个例子，一辆车行驶在高速公路上，对面迎面开来一辆同样高速行驶的卡车，这样的场景在实际路测当中是几乎不可能遇到的。而且即使遇到了，数据也很难保存下来。 然而，这样的场景对于自动驾驶汽车来说又是非常重要的，因为自动驾驶汽车安全性的最大的衡量标准就是面对突发情况车辆如何决策。那么，对于这样的场景，也就是业界所称临界情况，唯一的训练方法就是在模拟系统中构建。 第二，VR 技术能够提速自动驾驶系统的训练过程。51VR 子公司 RealDrive CEO 陈禄这样形容道：「所谓天上一日，地下一年」。实际路测的无人驾驶汽车每年大概能够搜集几百公里的训练数据，然而在基于云计算的虚拟世界中，自动驾驶汽车每天就可以行驶上百万公里。在 VR 的协助下，自动驾驶汽车的训练速度和迭代速度会大大加快，其研发的周期也会缩短，成本也会随之降低。 最后，VR 系统能够帮助自动驾驶汽车变得更聪明。AlphaGo Zero 完全不依赖任何外部数据就打败了 AlphaGo，证明了强化学习技术的能力。然而，强化学习技术目前只是用在下棋、游戏等虚拟场景。 因为以当前的技术水平来看，强化学习技术只能在模拟环境当中进行训练。因此，若要使用强化学习技术对无人驾驶车辆进行训练，虚拟场景是必须要素。陈禄甚至预测：「未来最聪明，最安全的自动驾驶算法一定是基于强化学习的。」 「51VR 最大的投资价值在于它已经在虚拟现实这个细分方向上建成了一套完备的技术生产环境。」本次投资的领投方之一商汤科技认为。接下来，商汤还会与 51VR 一起探索，如何在虚拟的环境中供应 AI 技术，产生一些体验完全不同的产品。 商汤科技联合创始人徐冰还谈到，当前 AI、VR 时代与互联网时代不同，尚不存在成熟的技术生产环境以及人才储备，因此公司需要自己建设，包括算力、软件平台、操作系统、以及大量的数据。一家公司投入了多少成本生产技术，最终技术产生了多少收益，在商汤看来是火热的人工智能时代的商业根本。 ]]> 原文： http://ift.tt/2iJZvtE 机器知心

终于承认！马斯克证实特斯拉在造AI芯片，而且是世上最好的AI硬件

允中 发自 凹非寺量子位 出品 | 公众号 QbitAI 加州长滩，这几天还真是热闹。 连一向不停念叨"AI威胁论"的硅谷钢铁侠伊隆·马斯克，也跑到这个海边小城，借NIPS大会召开之机呼朋唤友，拉着一票产学两界的研究员搞了个大爬梯。 而且还趁势宣布了一个大消息： 特斯拉正在制造世界上最好的AI芯片！ 和马斯克一同出席这次活动的，还有特斯拉的硬件副总裁吉姆·凯勒。（如果你不熟悉这个名字，请先记住，稍后我们详细说）。 "吉姆正在研发专门的AI硬件，我们觉得会是实际上最好的AI硬件"，马斯克在跟人聊天时，谈到凯勒加盟后的近况，不知是有意还是无意间透露的这样一个消息。 所谓专门的硬件，可能未来会用在特斯拉车上，用以完成自动驾驶相关的计算工作。目前，特斯拉的自动驾驶系统Autopilot依赖于英伟达的GPU工作。 同一天，英伟达也在长滩搞了一个大爬梯，宣布推出全新的GPU：Titan V。据说性能是Titan Xp的九倍，但是售价只提高到3000美元一块哦~ 回到特斯拉的活动现场。谈到为何要自己制造芯片，凯勒表示使用定制化的专用硬件，可以更好的提高效率；而马斯克则谈到功耗和成本方面的好处。 一同出席当天活动的还有特斯拉AI总监Andrej Karpathy。（感觉这话很新闻联播） 特斯拉的AI芯片大计 这是特斯拉首次对外证实研发AI芯片一事。 关于这件事的传闻，其实一直不绝于耳。今年9月，有消息称特斯拉已经收到自研AI处理器的首批样品，并且正在进行相关测试。 当时也是因为一个意外事件，让特斯拉的秘密行动提前被察觉。芯片制造商格罗方德（GlobalFoundries）的CEO在加州的一次技术会议上，不经意的提到特斯拉就是他们的一个合作案例。 这一下就引发了外界的关注：原来特斯拉真在谋划研发芯片！ 特斯拉这个AI芯片并非完全独立开发，而是构建在AMD的知识产权基础上。代工方格罗方德也是一家从AMD拆分出来的晶圆厂，后来把股份彻底卖给了中东土豪，不过根据双方的协议，格罗方德2020年前都要向AMD供应晶圆。 还记得开头提到的吉姆·凯勒嘛？ 他也是一位出自AMD的大神。去年一月，凯勒加入特斯拉出任出任副总裁，负责Autopilot自动驾驶系统硬件等业务。 在凯勒的职业生涯中，他曾先后参与Alpha 21164和21264两款处理器的设计；他是AMD Athlon K7架构的关键人物；AMD K8的首席架构师；主持设计了苹果A4、A5两代移动处理器；AMD Zen核心的负责人。 堪称是各类主流芯片的集大成者。特斯拉把这么一位请到公司里，不造个芯片什么的，坦白讲，说得过去嘛？ 芯片争夺战 在人工智能浪潮的冲击下，计算力的重要性进一步得到凸显。例如像英伟达这样的企业，踩着一个接一个的风口，不断地发展壮大。 而想做芯片这个生意的企业也越来越多。 比方最近量子位就报道过，一直专注计算机视觉的AI创业公司依图，最近就正在着手进军芯片业务；而另一家国内的创业公司地平线，也将推出自己的芯片产品；还有异构智能，号称他们的AI芯片比谷歌功耗低，比寒武纪计算力高。 说到寒武纪，这家国内芯片界的独角兽企业，之前已经让华为手机芯片拥有了AI能力，在他们上个月初公布的发展路线图表明，这家公司未来不但要发布深度学习处理器，而且要为自动驾驶应用发布寒武纪1M处理器。 在国外市场上，Google早已经开始制造专属的AI芯片，TPU的威力驱动AlphaGo一次又一次的创出佳绩；苹果A11仿生芯片已经应用在新一代的iPhone中；英特尔、高通、赛灵思等芯片公司也都在用各自的方式谋划AI芯片。 为什么特斯拉也要研发AI芯片？ 归根结底还是为了自动驾驶做准备。无人车有大量数据需要处理，AI芯片事关特斯拉自动驾驶的未来。而且重要的是，特斯拉不希望这么核心的无人车部件，还得仰人鼻息。 老黄你说对不对？ —完— 欢迎大家关注我们的专栏：量子位 - 知乎专栏 诚挚招聘 量子位正在招募编辑/记者，工作地点在北京中关村。期待有才气、有热情的同学加入我们！相关细节，请在量子位公众号(QbitAI)对话界面，回复"招聘"两个字。 量子位 QbitAI · 头条号签约作者 վ'ᴗ' ի 追踪AI技术和产品新动态 via 量子位 - 知乎专栏 http://ift.tt/2B4dYeT RSS5

刚刚！没参加饭局的马云用iDST的语音技术买了张地铁票，竟然没说唤醒词

撰文 | 王艺 搭地铁，有几个步骤？ 你可能需要掏出手机，打开地图软件，搜索到到达目的地的路线后，才能买票进站。有时，哪怕知道终点站，可能也记不清应该搭乘的是几号线。 12 月 5 日，阿里巴巴、蚂蚁金服和申通地铁集团联合推出新一代售票机，可以让乘客用语音交互的形式买票，具有指定站名或票价购票、目的地模糊搜索购票等功能。也就是说，站在机器旁，你只需要告诉它「我要去中山公园」，它就会自动调用云端的高德地图服务，确定目的地最近的地铁站后直接出票。 在上海申通地铁公司，马云亲自体验了「动动嘴」买票乘地铁。申通地铁公司与阿里巴巴联合，正在逐步对上海的自动售票机进行改造升级，并将于明年覆盖上海主要地铁线。 签约仪式现场，图片来自澎湃记者 对阿里巴巴而言，项目意义重大。此前，我们更多听到阿里巴巴在城市道路交通等方面的布局。现在，阿里巴巴通过售票机、闸机、客流预测，开始覆盖智能票务、公共交通管理等，进一步完善其城市大脑的范畴。 当然，这背后仍然少不了达摩院 iDST 的身影。这是上周声学专家、原宝利通（Polycom）声学设计与信号处理首席工程师冯津伟加入阿里巴巴 iDST 语音团队之后，该语音团队又完成的一件大事。作为项目主要负责人，iDST 语音团队负责人鄢志杰认为，地铁智能购票系统所用的多模态交互就是阿里巴巴 iDST 团队对下一代人机交互可能性的一种尝试——你只要走近机器，不需要唤醒，它就会自动与你发生交互。 或许未来就没有唤醒词这个概念了。」鄢志杰说。 更方便的语音购票如何实现？ 地铁站人多嘈杂，准确识别语音命令是个挑战，鄢志杰团队把计算机视觉技术融合到语音识别技术中，攻克了嘈杂环境下的远讲降噪问题。                 实测视频  他们为系统添加了光学摄像头模块，通过识别机器视角内人员的嘴部动作识别说话人，并判断说话人与机器的距离以及确定拾音角度。这些视觉信号将会与音频信号相融合，通过一个大的麦克风阵列以及配套的软件信号处理器进行抑制干扰与信号增强，最终做到准确拾音。 在语音交互方向上，强噪声、强干扰下的人机交互问题一直都是 iDST 的研究重点。鄢志杰解释说，这些视觉、听觉结合的技术被称为「多模态融合技术」，是人机交互发展的新方向。今年云栖大会上，阿里巴巴宣布成立达摩院，而达摩院的成立初衷之一便是实现下一代人机交互。 目前，以智能音箱、语音助手等语音对话系统为代表的人机交互，最大的局限在于需要唤醒词，且仅限于家居、车载等相对封闭且安静的环境。而下一代人机交互要适用于更多更复杂的场景，地铁购票项目则是阿里巴巴 iDST 团队的第一次试水。 地铁购票是起点，底层技术还会被广泛复制 大约半年前，鄢志杰所在的团队开始孵化这一底层技术的研发，由五个人组成的小分队负责。在这次项目方案中，iDST 内部也有合作，「光学摄像头，是任小枫团队给我们 API 的调用，我们做了多模态整合。」鄢志杰说。 鄢志杰透露，地铁项目给团队带来的挑战是系统稳定性以及快速学习能力。在地铁这样的公共服务设施中，系统需要全天候工作。并且不像互联网云端项目方便修改，地铁项目的修改灵活性要稍差一些。 另外，项目正式上线运营后，大规模的用户涌入，如何识别用户千奇百怪的交互方式也是团队需要面对的难点之一，这需要系统具备很强的快速学习能力，迅速适应用户的自然表达方式。 而这只是项目底层技术——嘈杂环境下远讲降噪技术第一个使用场景，并非针对项目定制。在地铁语音购票之外，它还有很强的普适性。在如机场、火车站、展会、社区、餐厅、商场等开放的嘈杂场景下，该技术都能发挥作用。例如社区问讯系统、电梯广告交互系统、景区导览等。 鄢志杰表示：「这些嘈杂环境是用户生活中最常遇到的，同时从技术层面来说本身又是最难的一类场景。」 阿里巴巴正积极寻找新场景，与合作伙伴一起开发落地途径。鄢志杰表示，团队希望这一技术能走到每一个人身边。「之前我没有见到过哪一家公司能在这么嘈杂的公共环境下做远距离的交互。」鄢志杰说，这是阿里人工智能的底气。 ]]> 原文： http://ift.tt/2AFcbdF 机器知心