2019年2月，美国总统特朗普签署启动了“美国人工智能倡议”，旨在从国家战略层面调动更多联邦资金和资源投入人工智能(AI)的研发。目前，全球有多个国家把人工智能列入国家战略，其中就包括了中国和美国。
近一年来，中美两国因紧张的经贸关系而备受关注， “美国人工智能倡议”正是公布于中美关系悬而未决的时期。有人认为，人工智能正是让中美经贸关系紧张的因素之一。此背景下，美国加大扶持人工智能的力度，足以彰显其希望在AI竞赛中胜出的决心。
然而，全球AI技术已经发展到了何种程度？中国AI发展现状如何？带着这些疑问，国际电子商情分析师采访了几位人工智能领域专家。
中美人工智能竞争或将更激烈
Imagination Technologies视觉及AI部门高级业务拓展总监Andrew Grant
去年12月，中美两国元首在阿根廷首会晤，双方达成共识， 停止升级关税等贸易限制措施，包括不再提高现有针对对方的关税税率，以及不对其他商品出台新的加征关税措施。今年3月2日，美国贸易代表办公室宣布， 对2018年9月起加征关税的自华进口商品，不提高加征关税税率，继续保持10%，直至另行通知。至此，中美在经贸关系方面的紧张程度暂缓。而2月，特朗普签署“美国人工智能倡议”，这标志着在人工智能上，中美的竞争将更紧张。
“美国人工智能倡议”的签署，将给中国的人工智能产业带来怎样的影响？或许在中美经贸关系刚得到缓解的现在，该话题显得稍微有点“敏锐”，但是Imagination Technologies视觉及AI部门高级业务拓展总监Andrew Grant依旧表述了自己的观点。
他表示，人工智能能够帮助人类解决一些重大问题，作为该趋势的信仰者，Imagination欢迎各国重新调整其对人工智能的关注和重视，其中包括美国政府针对人工智能的最新举措。中、英、法等国都针对人工智能颁布了相关文件，大家关注的焦点是：人工智能可帮助哪些领域提高生产力，做出更好的决策，产生更大的经济效益。(编者按：中国2017年7月颁布《新一代人工智能发展规划》、英国2018年4月颁布《人工智能行业新政》、法国2017年3月颁布《国家人工智能战略综合报告》。
Andrew补充说，意识到人工智能所带来的影响对成功至关重要。“虽然人工智能可以提高自动化程度，提升工业生产力，减少浪费并创造经济效益， 但是这也许并不能利益均沾。短期内， 可能会导致一些特定部门的工作被AI取代，不过从中长期来看，AI带来的终身学习的新机会对教育和劳动力转型而言十分关键，并在未来几十年里都受益匪浅。”
另外，Andrew也认为，美国联邦政府对人工智能关注度的提升对中国AI 产业而言并非坏事，将促使中国的AI企业更注重研发。“我们期望该行业能够快速进入良好的竞争格局，这将增加人工智能所针对的应用和场景，从而为所有人创造一个积极的环境。”
中国AI产业的优劣势
人工智能核心产业链可大致分为基础层、技术层和应用层三个部分。如果用一个金字塔来形容人工智能的整个组成部分，基础层处于最底端的位置，包括大数据、底层算法和核心处理器芯片， 是整个产业的基础；技术层处于中间位置，包括学习能力、判断能力、推理能力、逻辑能力(认知计算)，语音识别、语义理解、图像识别、生物识别(感知计算)；应用层位于最顶端，包括自动驾驶、虚拟助手、机器翻译、智能安防(应用服务)，智能硬件、无人系统、工业机器人、服务机器人(终端设备)。
当前，基础层的进步得以支撑技术及应用层的发展。实际上，目前在全球范围内，这三个层面都在共同进步、共同发展。值得注意的是，中国人工智能的优势主要集中在应用层上，Andrew和Wave Computing大中国区总经理熊大鹏博士都持这样的观点。
Wave Computing大中国区总经理熊大鹏
Andrew表示，在应用层面上，得益于独创性、相关数据的获取渠道以及总体投资水平，拥有诸多业界领袖的中国已经取得了巨大进步。比如：商汤科技、旷视科技、百度、阿里巴巴和腾讯等领先厂商已经覆盖了不同领域，涉及领域包括从自动驾驶汽车和高级驾驶辅助系统(ADAS)到智能安防监控和购物等。他补充说：“为此，我们也从神经网络加速(NNA)半导体知识产权(IP)的角度看到了探索人工智能设计的兴趣和热情，Imagination Technologies为全球提供了开发神经网络加速器的IP。同时，大家也都在创建相关参考平台，例如Deep Speech和Apollo平台等。总而言之，中国在人工智能领域正在迅速地拥抱新技术和新机遇”
除了优势之外，熊大鹏也讨论了当前我国人工智能的薄弱环节。“算力核心技术的储备相对较弱。”他较为系统地解释，在AI的漫漫征途中，数据始终扮演着核心角色，涵盖了数据生成、传输、算法到数据处理等方面。其中，数据处理是极其重要的一环。“某种程度上说，数据处理能力和成本将和AI产业发展的速度成正比，算力越强、成本越低、AI产业的发展越快。”
当下，数据处理能力，即：算力，存在通用性的问题，业界同仁们也尝试用不同的技术解决不同应用场景的各种神经网络算法模型的数据处理问题。如果不能实现算力等基础技术的通用性，规模效应就难以实现，从而各个应用场景的AI解决方案成本就无法大幅降低。Wave Computing认为，通过技术的创新和发展解决算力架构通用性的问题，是解决AI成本偏高问题的重要维度之一。该公司的数据流驱动(dataflow)架构和相应的、基于软件可动态重构(CGRA)技术的数据流处理器(DPU)芯片，对于不同的网络和算法天然具有很高的通用性。
AI当道……
很多人说，人工智能吹响了第四次工业革命的号角，它将在不远的将来重塑许多甚至所有人的工作模式和生活。熊博士认为，当下AI早已经在各个应用领域显露身手，比如智能音箱、智能安防、智慧城市、智能驾驶等垂直领域涌现出的各种解决方案。在未来，AI将会在更多领域、更深层面发挥它的作用。
“尽管人工智能并非是推动第四次工业革命的唯一因素，但它可能是永远与之相关的因素。”Andrew则表示：“我们生活在最有趣、最令人兴奋的时代，您睁开眼就可以看到正在发生的进步。我们需要做的是思考对社会产生的更广泛的影响，我们必须确保人工智能的发展符合道德，个人数据的处理以及恶意行为者不能干扰数据、算法、网络和硬件。”
5G与AI的关系
同样是大家耳熟能详的话题，5G和人工智能都受到了广泛的关注，这两者之间存在着千丝万缕的联系。
据Andrew介绍，神经网络加速正促使应用在城市、汽车、工厂、机器人和视频监控摄像机中的网络边缘设备更加智能化。5G只是将其提升到新阶段的众多技术之一，并与人工智能一样，最能证明其价值的应用仍在开发中。与此同时，我们可以看到改进后的连接可使边缘应用完成更多的工作。
熊博士表示数据的传输是实现AI价值至关重要的一环。随着边缘计算的需求不断增加，比如：自动驾驶对数据传输的要求也极大增加，即要求巨大的数据传输带宽，也要求极小的传输延时。唯有5G可以极大的满足边缘计算设备不断激增的连接需求。连接边缘计算设备实现融合学习，将是AI技术进一步重塑各个垂直领域非常重要的技术节点，但同时也将对现有的数据连接技术提出极大的挑战。
清楚自身优势所在
在移动设备、智能监控、家庭娱乐、汽车和其它众多行业中，借助边缘端的人工智能，人们正在创建功能更强大、更自主且更易于使用的设备。在边缘网络部署低功耗嵌入式智能、并实现处理性能和灵活性平衡的一个关键挑战是成本和功耗。
Andrew认为Imagination的神经网络加速器(NNA)是其优势所在。这是一种小型化的专用处理器，在相同的芯片面积和功耗预算下，它能以在CPU或GPU上不可能实现的速率执行卷积神经网络(CNN)所需的集中算力。“NNA通常在1至2平方毫米的芯片面积内提供每秒超过一万亿(tera)次的操作，而功耗预算还低于1瓦。为此，Imagination推出了全新的Series3NX NNA系列，该系列经过精心设计，通过提供灵活性和可扩展性以及领先的性能，来推动人工智能在边缘网络市场的大规模应用。”
熊博士介绍，Wave的优势主要集中在其数据流驱动架构(Dataflow Architecture)和软件可动态重构处理器(CGRA)两方面。
“Wave一直致力于解决异步大规模并行计算(CGRA)的问题，这个架构特别适合于AI的深度学习。与传统架构相比，基于数据流的驱动架构为AI计算提供了数量级的性能改进。Wave将旗下的数据流驱动架构和MIPS嵌入式RISC多线程CPU核及IP进行整合，致力于为下一代AI技术的发展提供源动力。”他补充说：“Wave是目前为止唯一将数据流驱动和CGRA芯片架构产品化、商用化的公司。”
然而，在这场注定将旷日持久的竞争中，企业该如何保持优势、不断发扬光大？
熊博士认为，首先要选择正确的技术发展方向，其次持续投入研发以保持技术的先进性，同时紧贴市场和客户需求、潜心打造生态、为客户提供卓越的产品和服务体验。他表示，这是持续保持企业竞争力永远的、也是唯一的选择。
Andrew从投资方面进行了补充。他表示，如果一家企业希望在未来保持竞争优势，那么它应该对现有的人工智能投资呈指数级增长，并将其视为未来的发展之道。整个组织应该参与到引入人工智能的过程之中，并探寻可加以改进和做出相关调整的方法。“这是历史上的一个分水岭，拥有无限机遇。”
AI产业化刚开始，离泡沫化还很远
据研究机构Gartner预估，2018年全球AI产值将达1.2万亿美元，较去年增加70%。另外，预计到2022年，全球AI产值将达3.9万亿美元。巨大的产值带来极大的成长空间，近年来，AI产业遍地开花，诞生许多新企业。截止至2018年年底，全球大概约有3500家AI初创企业。以美国、中国、以色列为主，全球六成AI初创企业集中在这三个国家。
在AI产业如火如荼发展的同时， 业界也出现了一些呼吁警惕泡沫化的声音。
熊博士表示，所谓“泡沫”是一种经济失衡现象。放在AI的范畴，说AI“ 泡沫化”是认为：AI现在所表现的产业价值已超出它的本身价值。“但我们认为AI的产业化发展之路才刚刚开始， 它离真正体现‘AI技术的价值’和实现‘AI技术价值大规模普及’的目标还有很长的路要走。在产业化发展初期， 通过资本的投入催生各种AI技术的探索和孵化、对不同应用场景AI解决方案的尝试是非常有意义的，这将大大的推进AI技术的发展和成熟进程。”
Andrew认为，目前人工智能行业不存在泡沫。“事实上，我们认为还应该投入更多的资源，增加研究经费和开放思维去实现人工智能。然而，人工智能这一流行语被过度使用，并且经常被许多为了狂追潮流的公司滥用，甚至他们的产品中很少或根本没有实际的人工智能。”他还表示，当术语“人工智能(AI)”变得较少使用，但实际上无论是狭义的还是广义的人工智能变得无所不在时，人工智能才会进入广泛受益阶段。“具有讽刺意味的是，随着技术日益成熟，由于人工智能已经被构建在我们与之互动的一切事物中，它们将变得更加无形和普及。”Andrew说。
本文为《国际电子商情》2019年4月刊杂志文章。
