下一代计算：AI 的黄金时代

由哈里森 · 发布日期 2016年2月26日 · 已更新 2016年3月10日

来源：medium

作者：Chris Dixon

译者：王婉婷李宏菲

70 年代的电脑，80 年代的互联网，21世纪初期的智能手机，而现在我们窥见到尚未到来的未来的碎片。我们正处于多个（而不是一个）新时代的入口，智能手机之争的和平红利，会带来新设备寒武纪式的大爆发，而人工智能技术会让这些设备变得更加智能和实用。每一代计算平台，都将带来完全不同业态的公司巨头，那么下一个 10 年将会怎样？

Chris Dixon身兼创业者（Hunch联合创始人、Founder Collective联合创始人）和投资人（多家科技企业，包括Skype、Foursquare、Kickstarter等的早期个人投资者）双重角色，对初创企业投资有丰富的实战经验。

全文部分

计算行业的进展主要发生在两个几乎互相独立的周期循环中：金融的周期和产品的周期。最近有许多关于我们在金融周期中身居何处的文章。金融市场总是受到大量关注，它们的波动难以预测，有时甚至无法控制。而与之相比，产品周期受到的关注相对较少，虽然它才是真正让计算行业得以进步的驱动力。我们可以通过研究历史并推广到未来的情况来尝试理解和预测产品周期。

大约每隔10~15年会产生一个新的计算时代

科技产品的周期是平台和应用互相之间的强化交互（reinforcing interactions）。新的平台产生新的应用，而新的应用又转而让新的平台更具价值，创造出一种积极的反馈循环。每时每刻都在发生更小的、分支性质的科技循环，但是每隔一段时间——从历史来看，大概是每10~15年——重要的新周期就会启动，彻底改变计算行业的面貌。

金融周期和产品周期几乎是互相独立的

个人电脑（PC）使得企业家们创造出了文字处理应用、表格应用、以及许多其他的桌面应用。互联网催生了搜索引擎、电子商务、电子邮件和短讯、社交网络化、SaaS商务应用、以及许多其他的服务。智能手机产生了移动短讯、移动社交网络、以及拼车之类基于需求的服务。现在，移动时代我们刚走过一半，很可能接下来还会看到更多的创新不断涌现。

每一个产品时代都能被分为两个阶段：

1）孕育期，新的平台刚刚被公布，但是非常昂贵、不完善，并且/或者使用不便。

2）成长期，一个能解决这些问题的新产品问世，开启一段高速增长时期。

Apple II是在1977年发布的（而Altair是在1975年），但是真正开启PC成长期的却是1981年IBM PC的发布。

每一年的PC销量（单位为千）

互联网的孕育期是在80年代和90年代早期，当时它基本上是学术圈和政府所使用的一个基于文字的工具。1993年Mosaic浏览器的出现开启了互联网的成长期，自那时起互联网的繁荣发展从未停止。

全球互联网用户增长

90年代就出现了功能型手机（非智能手机），而21世纪初期出现了Sidekick和Blackberry等智能手机的雏形，不过智能手机真正的成长期开始于2007年到2008年，先是iPhone面世，再是Android发布。自此，智能手机就受到越来越多人青睐——现在，大约有20亿人拥有智能手机。到2020年，全球将有80%的人都拥有一台智能手机。

全球每年智能手机销量（单位为百万）

如果这种10~15年的周期模式还将持续，那么下一个计算时代就将在未来数年进入繁荣发展的成长期。这也就意味着我们已经站在了它的孕育期中。硬件和软件方面都有一些重要的趋势，能让我们一窥下一个计算时代。在这里，我将梳理这些趋势，随后探讨未来将会是什么样子。

硬件：小型，廉价，并且无处不在

在大型计算机的时代，只有大型组织才能负担得起供养一台计算机的成本。小型计算机让更小的组织也能够负担得起，PC让家庭和办公室能够负担得起，而智能手机让个人能够负担得起。

计算机正在稳步缩小

我们现在进入了一个处理器和传感器越来越小、越来越便宜的时代，这使得未来计算机的数量将会超过人类的数量。这有两个原因。

第一个原因是，过去50年间半导体行业都在持续进步着（摩尔定律）。

第二个原因是Chris Anderson所谓的“智能手机之争的和平红利”：智能手机成功到让其他竞争者望尘莫及，使得大量投资涌向处理器和传感器方面。如果你拆开一台现代的无人机、VR头戴式设备、或是物联网设备，你会发现其中大部分都是智能手机会有的零件。

在现代的半导体时代，重心从单独的CPU转向了特殊芯片的集合，这也被称为系统级芯片（systems-on-a-chip）。

计算机价格始终在稳步下降

典型的系统级芯片中，捆绑了高能效的ARM CPU以及特殊用途的芯片，比如专注于图像处理、交流、能源管理、视频处理等不同方面的芯片。

Raspberry Pi Zero：只需5美元的1GHz Linux计算机

这种新的架构让基础计算机系统的价格从大约100美元下降到了大约10美元。Raspberry Pi Zero是一款1 GHz的Linux计算机，你只需要花5美元就能买下它。用差不多的价钱，你还可以买到可以运行Python、具备wifi功能的微型控制器（microcontroller）。这些芯片很快就会降到连1美元都不用的地步了。届时，往计算机中添加几乎任何东西都会变得很合算。

与此同时，高端处理器领域仍然有让人瞩目的进展。其中尤为重要的是GPU（图像处理器），最好的GPU产自Nvidia。GPU的实用性不只在于传统图像处理方面，也在于机器学习算法和虚拟现实/增强现实的设备。Nvidia的路线图中预见到未来几年间将会发生重大的性能提升。

Google的量子计算机

一项或许会成为黑马的技术是量子计算，它现在基本上还只处于实验室中，但是如果能形成商用的话可能将会为某些类别的算法带来量级的性能提升，比如生物领域和人工智能领域的算法。

软件：AI的黄金时代

今天的软件领域中有许多令人兴奋的事正在发生。分布式系统是一个不错的例子。随着设备的数量爆炸式增长，有一些事情正在变得越来越重要：

1）多台机器间的并行任务。

2）设备间的交流和协调。能引起人们兴趣的分布式系统技术包括Hadoop和Spark之类用于并行处理大数据问题的系统，以及用于确保数据和资产安全的比特币技术和区块链技术。

不过，也许最激动人心的软件突破正在人工智能（AI）领域中发生。AI的漫长历史伴随着炒作和破灭。Alan Turing自己曾经预测，到2000年时，机器将能够成功地模仿人类。而我们现在有理由认为AI可能终于进入了它的黄金时代。

“机器学习是一种核心的、变革式的方法，我们能借此重新思考我们正在做的一切事情。”——Sundar Pichai，Google CEO

AI领域中，很多目光都聚焦在深度学习上。2012年Google的一个计划使用了大批计算机来学习识别YouTube视频中的猫咪。这个计划现在极为出名，也让深度学习这种机器学习技术变得炙手可热。深度学习基于的神经网络技术可以被追溯到1940年代，而神经网络的死灰复燃是几个因素组合的结果，包括新算法、廉价的并行计算、以及唾手可得的大型数据集。

ImageNet挑战赛的错误率（红线是人类水平的表现）

仅仅将深度学习当做硅谷的另一个流行语而不加理会似乎是个诱人的想法。然而，这种狂热在理论和现实世界问题上都得到了令人印象深刻的证据支持。例如，ImageNet挑战赛——一项流行的机器视觉比赛——冠军的错误率在采用深度学习技术之前大概处于20%~30%的水平之间。使用深度学习技术以后，每一届挑战赛中脱颖而出的算法，准确率都在稳步提升，到2015年时已经超过了人类的水平。

与深度学习相关的许多论文、数据集、以及软件工具都已经被开源了。这带来了民主化效应（democratizing effect），让个人和小型组织也能够搭建出强大的应用。WhatsApp只用了50位工程师就搭建出了一个服务9亿用户的全球短讯系统，而之前世代的短讯系统都需要数以千计的工程师才能搭建出来。这种“WhatsApp”效应正在AI领域中出现。Theano和TensorFlow之类的软件工具，加上用于训练的云端数据中心以及部署起来不算昂贵的GPU，使得小型工程师团队也能搭建起技术最前沿的AI系统。

例如，这是一个程序员独自用TensorFlow做的一个业余项目，实现为黑白照片上色的功能：

左边：黑白色；中间：自动上色；右边：真实颜色

而这里是一个小型创业公司创造的实时物体分类器：

Teradeep实施物体分类器

这当然是由科幻电影中知名的一幕场景而衍生出的应用：

终结者（1984）

由大型科技公司发布的第一款深度学习应用是Google照片的搜索功能，它聪明到让人震惊：

用户（在没有元数据的情况下）搜索“大本钟”照片

我们不久之后就会见到，所有的产品在智能上都会有明显的升级：语音助手、搜索引擎、聊天机器人、3D扫描仪、语言翻译器、汽车、无人机、医疗影像系统、以及更多其他的产品。

“很容易就能预测到之后10000间初创企业的商业计划：往某样东西上加入AI。这是一笔好生意，并且已经开始出现了。”——Kevin Kelly

制作AI产品的初创企业将会需要把目光聚焦在特定的应用上，以此与那些已经把AI置于发展重心的大型科技公司相竞争。AI系统随着收集到的数据越来越多会变得越来越好，这意味着良性的数据网络循环（更多的用户→更多的数据→更好的产品→更多的用户）。绘制地图的初创企业Waze使用这种效应生成了比它那些资金多得多的竞争者们更好的地图。成功的AI初创企业会采用类似的策略。

软件+硬件：全新的计算机

有许多各式各样的新计算平台现在都处于孕育期，随着它们将硬件和软件领域的最新进展与自身整合，在不久的将来它们会变得更好——并且可能进入成长期。虽然它们在设计和包装上十分迥异，但是它们都有共同的主题：通过在真实世界上叠加一层智能的虚拟层，为我们带来全新的能力、或是增强我们现有的能力。这里是对其中一些新平台的简要概览：

汽车。Google、Apple、Uber以及Tesla之类的大型科技公司正在往自动驾驶汽车方面投入大量资源。半自动驾驶汽车，比如Tesla的Model S，已经上市，并且能力将会快速提高。全自动驾驶需要等待更多的时间，不过可能不会超过5年。拥有和人类司机一样的驾驶能力的自动驾驶汽车已经出现了，然而，鉴于文化原因和管理原因，全自动驾驶汽车可能需要达到比人类驾驶员好得多的水平才能被允许广泛应用。

全自动驾驶汽车正在为周围环境绘制地图

预期将有更多投资注入自动驾驶汽车领域。除了大型科技公司之外，大型汽车厂商也开始认真看待自动驾驶的问题。你甚至能看到一些初创公司也做出了有趣的产品。深度学习软件工具已经如此优良，以至于只需要一个程序员就能独立制作出半自动驾驶汽车：

自产自用的自动驾驶汽车

无人机。今天的消费者级无人机内置了现代的硬件（大部分是智能手机用到的零件，再加上一些机械部分），但是在软件上还相对简易。在不远的未来，我们将目睹整合了先进的计算机视觉和其他AI的无人机，这些技术让无人机变得更安全、更易操作、也更实用。借助无人机拍摄的娱乐录像将继续流行，而使用无人机拍摄的重要的商业视频也将会出现。有不计其数的危险工作涉及到攀爬建筑物、高塔、以及其他的结构，而许多这些工作都能被无人机取代，更为安全也更为高效。

全自动的无人机飞行

物联网。物联网设备显而易见的应用是节约能源、安保、以及增添便利性。Nest和Dropcam是前两个类别的知名案例。增添便利性这一类中，最有趣的产品之一就是Amazon的Echo。

物联网的主要应用类别

大部分人把Echo当做一个噱头——直到他们亲身体验之后为它的实用性而惊叹不已。这很好地展示了将随时待命的语音作为一种用户交互方式是何等的有效。我们还需要一段时间才能拥有可以真正执行交流对话任务的通用智能。但是，就像Echo展现出的那样，语音在今天的受限语境中已经能发挥作用了。最近深度学习方面的进展使得它能够被引入生产设备（production devices）中，这样一来，语言理解的提升将会更为快速。

物联网也将会在商务情景中得到应用。例如，拥有传感器和网络连接的设备对于监控工业设备而言极为实用。

可穿戴设备。今天的可穿戴计算机受限于许多方面，包括电池、交互方法、以及处理方法。获得了成功的那些可穿戴设备都是聚焦于健康监控之类的狭隘的应用上。随着硬件零件的继续改进，可穿戴设备将能够支持丰富的应用，就像智能手机一样，向各式各样的新应用敞开怀抱。像物联网一样，语音可能会成为最主要的交互方式。

电影《她（Her）》中的可穿戴超级智能AI耳机

虚拟现实。2016对于VR来说是激动人心的一年：Oculus Rift和HTC/Valve Vive的发布（可能还会有Sony Playstation VR），意味着舒适而沉浸的VR系统终于将要向公众开放了。VR系统需要做到足够好，才能避免“恐怖谷”的问题。适合的VR设备需要特殊的屏幕（高分辨率、高刷新率、短余辉光），强大的图像处理卡，以准确追踪用户位置的能力（之前发布的VR系统只能追踪用户头部的转动）。今年，公众将第一次得以体验所谓的“临场感”——当你的感官被完美地欺骗、让你感觉自己完完全全被传送到了虚拟的世界中。