看主流厂商在人工智能市场的布局

    简单来说，人工智能就是研究如何让计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的过程。要完成这个过程就要让机器具备类似人来的“思维”，这就需要人类根据特定的应用需求来为机器构建能完成这一行为的智能算法及模型，也就是专门软件框架。除此之外，要让这些智能算法快速的运行起来，人类还需要为这些算法设计专用芯片，而这些专有的芯片在架构和功能上与传统的通用型芯片存在差别。换句话说，软件开发框架和芯片是当前推进人工智能应用必不可少的两大核心支撑。

 

    从去年开始，DeepMind公司开发的AlphaGo能在与顶尖的围棋选手的两次公开对弈中大比分战胜人类，所依赖的就是被优化的算法和强大的计算能力。而为AlphaGo开发算法就是基于Torch框架，这是一种能广泛支持把GPU放在首位的机器学习算法。但如今，随着谷歌将TensorFlow作为人工智能产品的软件开发框架，今后谷歌和DeepMind的所有产品将基于这一框架开发算法和模型。

 

    TensorFlow是一个能将复杂的数据结构传输至人工智能神经网中进行分析和处理过程的系统，谷歌最初是想将该系统应用于语音识别或图像识别等领域，但近年来随着人工智能的日渐广泛，TensorFlow对人工智能应用的支撑能力也越来越强。为支撑起TensorFlow框架的运行，谷歌专门推出了TPU处理器，一种专为运行TensorFlow应用而出现的处理器产品。谷歌此举有意逐步摆脱对CPU和GPU的依赖，构建更适合TensorFlow框架的硬件运行环境，进一步优化人工智能产品的性能，同时也是为了完全的掌控人工智能的生态。

 

    如果按照在人工智能领域的布局深度和广度进行排名，谷歌无疑是当前市场上的最强者。但并非没有威胁，微软、IBM、亚马逊都是潜在的市场竞争者。微软推出了基于人工智能应用的软件开发框架CNTK，用于搭建深度神经网络的计算网络工具包，可以让开发者通过一套极度优化的运行系统来训练和测试神经网络，微软利用它进行语音识别、机器翻译、图像识别、图像抓取、文本处理、语言识别与语言建模等工作。与此同时，微软正在对从Altera购买FPGA芯片通过软件加以改进，让收购来的芯片产品更适应人工智能产品的应用需求。微软以软件领域的绝对优势，通过收购硬件芯片厂商，正在全面构建自己的人工智能生态体系。

 

    除谷歌、微软之外，亚马逊也推出了深度学习框架MXNet，其核心是一个动态的依赖调度，能够自动并行符号和命令的操作。MXNet最大优点是轻量化、可移植性好、分布式并行，且能高效利用显存，这使得试用MXNet开发的应用能灵活的运行在移动设备上。在芯片领域，亚马逊为人工智能产品准备的芯片叫Volta，由于亚马逊的业务重心在云服务上，并没有投资芯片制造的计划，Volta芯片的制造目前主要由英伟达完成。

 

    IBM人工智能核心产品是Waston，定位在认知商业，通过对企业大量非结构化业务数据，包括文本、音频、视频和图像等进行推理、分析、对比、归纳、总结和论证，获取深入的洞察以及决策的证据。目前，IBM Waston采用的芯片仍然以Power处理器为主，但近年IBM为强化人工智能芯片的专业性，正在对一种名为TrueNorth的类神经元芯片进行性能优化。根据IBM提供的资料，TrueNorth芯片已经实现将4096个内核，100万个“神经元”、2.56亿个“突触”集成在直径只有几厘米的方寸之间，而且能耗不到70毫瓦。

 

    除了以上提到的凭借自身超强实力单独构建人工智能生态的厂商之外，还有一些是结合优势共同携手打造人工智能生态体系。比如Facebook和英伟达共同打造的人工智能平台Big Sur。英特尔通过成立人工智能联盟，与合作伙伴围绕人工智能技术及应用展开合作。

 

    人工智能是新兴技术的集大成者，发展人工智能产业需要开发专有芯片和智能化的软件及算法，需要大数据、云计算等新兴技术的支撑。从某种程度上讲，人工智能产业的发展水平考察的是一个国家的企业对新兴技术的综合掌握程度。放眼国内，百度、阿里巴巴、腾讯都在推出基于语音和图像识别的人工智能系统，但没有一家企业是基于自主研发的人工智能芯片和软件开发框架。这些核心技术的缺失让中国企业失去参与全球人工智能产业角逐的机会。