|
在最新一期的五年計劃中,，人工智能已被中國政府確定為國家重點工作,。國務院發(fā)布關(guān)于人工智能發(fā)展的指導方針，確立了到2030年成為世界主要人工智能創(chuàng)新中心的目標,。盡管相比美國,，中國在資金籌集、人才和基礎(chǔ)研究方面的差距仍然很大，中國人工智能領(lǐng)域的投資已位列全球第二,。在政府的積極助推下,，越來越多中國企業(yè)開始引入人工智能技術(shù)。根據(jù)2019年Gartner CIO的調(diào)查,，59%的中國受訪企業(yè)已經(jīng)或即將在未來12個月內(nèi)部署人工智能,，遠超37%的全球平均水平。基于Gartner 技術(shù)成熟度曲線,，在包羅萬象的人工智能中,，AI PaaS、邊緣AI,、AI加速處理器,，這三大關(guān)鍵技術(shù)領(lǐng)域將為垂直行業(yè)帶來巨額商機。預測：到2022年,，AI PaaS將成為中國人工智能/機器學習應用的主流技術(shù)選擇,。云人工智能和機器學習平臺服務統(tǒng)稱為AI云服務或AI PaaS。這些解決方案提供了AI建模工具,、SDKs/ APIs和相關(guān)的中間件,，幫助用戶在預先構(gòu)建的基礎(chǔ)設(shè)施上構(gòu)建/訓練、部署和使用機器學習模型,，涵蓋視覺,、語音和一般數(shù)據(jù)分類與預測模型等各種類型。AI PaaS具有專門的AI優(yōu)化芯片和大量的數(shù)據(jù)存儲,，擁有低成本,、低風險優(yōu)勢，可以提高企業(yè)采用人工智能的成功機會,，并且支持更簡單的部署和彈性擴展,。根據(jù)企業(yè)AI/ML技術(shù)的成熟程度，AI PaaS在中國提供不同層次的服務,。 對于AI開發(fā)經(jīng)驗有限的開發(fā)人員,，AI PaaS提供入門級的AI/ML訓練、模型驗證并推出服務來啟動AI/ML之旅,；
對于專業(yè)的AI工程師/開發(fā)人員,，AI PaaS提供特定AI能力(如圖像識別和語言翻譯)的SDKs/APIs，各種ML框架,，如TensorFlow,、Caffe、PyTorch和MindSpore,，以及為特定用例創(chuàng)建定制化模型的操作庫,；
對于AI專家/數(shù)據(jù)科學家,，AI PaaS提供了更高的靈活性，使他們能夠開發(fā)新的操作符,，創(chuàng)建特定領(lǐng)域的人工智能框架,，以及創(chuàng)建激活函數(shù)和神經(jīng)網(wǎng)絡；
AI PaaS中還提供了AI市場,，供開發(fā)人員買賣自己開發(fā)的模型,，以滿足特定的業(yè)務需求。
預測：到2021年,，中國大部分人工智能/機器學習推理將在邊緣設(shè)備而非云上進行,。邊緣AI指的是嵌入物聯(lián)網(wǎng)終端、網(wǎng)關(guān)和邊緣設(shè)備的人工智能技術(shù),，應用范圍涵蓋從自動駕駛到流分析,。邊緣AI主要集中在人工智能推理，但更復雜的系統(tǒng)可能包括局部訓練能力,，提供本地優(yōu)化的人工智能模型,。邊緣AI架構(gòu)主要有兩種類型：(1) 在物聯(lián)網(wǎng)終端進行數(shù)據(jù)抓取，然后將其傳輸?shù)轿挥谶吘売嬎銠C,、網(wǎng)關(guān)或聚合點的AI系統(tǒng),；(2) 嵌入物聯(lián)網(wǎng)終端的AI，在這種架構(gòu)中,，物聯(lián)網(wǎng)終端能夠運行AI模型來解釋在該終端抓取到的數(shù)據(jù),，并驅(qū)動某些終端的功能。在中國,，AI在邊緣的應用主要集中在對延遲有較高要求,、數(shù)據(jù)密集和具備隱私需求的用例中。安全是汽車工業(yè)中最重要的考慮因素,。一輛自動駕駛汽車在高速行駛時每秒產(chǎn)生1 GB的數(shù)據(jù),，這些數(shù)據(jù)需要實時處理。因此,，在云中進行的人工智能推理可能會因為網(wǎng)絡延遲導致災難性的結(jié)果,。試想，如果一個孩子走在或穿過一條不斷有車輛行駛的馬路,，或者不遵守交通規(guī)則，由于網(wǎng)絡帶寬和連通性不可靠,，一輛自動駕駛汽車需要將傳感器收集的數(shù)據(jù)傳輸?shù)皆粕显僮鰶Q策,，那么會發(fā)生什么？用于自動駕駛的邊緣AI具備實時推理能力,，能夠?qū)崿F(xiàn)毫秒級別的延遲和單幀識別數(shù)百個對象,。流分析要求在低延遲下進行大規(guī)模數(shù)據(jù)處理,。出于安全監(jiān)控的目的，所有中國的大城市都部署了成千上萬,，甚至數(shù)百萬個高清監(jiān)控攝像頭用于面部識別和交通監(jiān)測,。如果流分析任務需要在云端完成，攝像機捕捉到的海量數(shù)據(jù)將會給網(wǎng)絡帶來巨大壓力,，更不用說應對即時響應的要求了,。許多供應商現(xiàn)在已經(jīng)將人工智能芯片嵌入到產(chǎn)品中，從而使邊緣AI作為流分析解決方案的一部分,，比如傳統(tǒng)的安全供應商以及商用無人機制造商,。消費類電子產(chǎn)品，如智能手機,、智能家電和智能設(shè)備（例如支持VPA的無線揚聲器）通過嵌入人工智能優(yōu)化芯片來實現(xiàn)智能,、低功耗、更快的本地數(shù)據(jù)處理和隱私保護的目標,。邊緣AI可以用來識別人臉/語音,、優(yōu)化圖片和執(zhí)行自然語言處理，速度比CPU/GPU快得多,，功耗也低得多,。通過避免將數(shù)據(jù)傳輸?shù)皆疲吘堿I能夠節(jié)省數(shù)據(jù)流量,，保護數(shù)據(jù)隱私,。在中國，智能消費類電子產(chǎn)品的應用仍在不斷擴展,，智能空間更加互聯(lián),，處于邊緣的人工智能可以跨設(shè)備使用。預測：到2025年,，至少有兩家中國人工智能加速處理器企業(yè)將成為全球市場的主要參與者,。隨著5G和物聯(lián)網(wǎng)的應用,，越來越多的非結(jié)構(gòu)化數(shù)據(jù)將由人工智能在云以及邊緣/終端上生成和處理,。數(shù)據(jù)的爆炸式增長將促使大量AI加速處理器需求的產(chǎn)生。
適用于云的深度神經(jīng)網(wǎng)絡ASIC深度神經(jīng)網(wǎng)絡（DNN）專用芯片ASIC是一個用于加速DNN計算的專用處理器,。DNN是統(tǒng)計模型,，支持檢測和分類輸入數(shù)據(jù)的模式，例如聲音和圖像或文本模式,。DNN ASIC能夠以更低功耗提供比CPU或GPU更高的性能,。Google發(fā)布其DNN ASICs（TPU）后，中國的一些云提供商也加入了市場競爭,，依靠自己的DNN ASIC在他們的業(yè)務領(lǐng)域內(nèi)提供推理,，并加快了訓練進程,。邊緣AI越來越多地出現(xiàn)在在對延遲有較高要求的應用，如自主導航,；受網(wǎng)絡中斷影響的應用,，如遠程監(jiān)控、自然語言處理和面部識別,；以及數(shù)據(jù)密集型應用,，例如流分析中。綜上所述,，中國的AI生態(tài)版圖正在迅速擴張并成為重要的投資領(lǐng)域,，包括大型云提供商、軟件供應商和初創(chuàng)公司在內(nèi)的各類公司都在快速發(fā)展,。企業(yè)架構(gòu)和技術(shù)創(chuàng)新領(lǐng)導者應當與正在開發(fā)的新興技術(shù)保持同步,，合理評估機會與風險，從而這一生態(tài)系統(tǒng)中受益,。
|
