易坊好文馆

  1. 首页 > 玩科技 >

人工智能|中国AI芯片提前进入肉搏期( 七 )

英伟达 人工智能 芯片 融资 投资 中国 公司 应用 行业 算法 财经 赵立东 葛群


第一个前提是自身能力 。 符志龙发现 ， 尽管业务重合度高的互联网巨头之间存在对于数据信息互通的担忧 ， 但一些互联网巨头重点扶持的芯片公司 ， 如果产品性能确实优异 ， 其他互联网公司也可以采购 。 “重要的是这家芯片公司的产品里是否让客户足够有动力做国产替换 。 ”
另外 ， 一个合理的商业模式很重要 。 一位产业投资人如此描述这种商业模式 ， 做AI云端训练芯片 ， 一定要跟客户紧密绑定 ， 你想用什么我就做什么 ， 边挣钱边迭代 ， 我做的比你快 ， 比你自己做更省钱 ， 成功几率更高 ， 这种合作模式就能够持续 。
但如果一家AI芯片的初创公司的模式是 ， 告诉客户自己的技术很厉害 ， 你需要给我付钱 ， 但是我们需要做一些研究 ， 需要一段时间 。 这种科学家思维的做法 ， 在讲求效率和利润回报的商业社会 ， 很难闯出来 。
真正的瓶颈
一位产业投资人告诉《财经》采访人员 ， 对这一次的AI芯片火热 ， 并不意外 。
90年代初 ， 他就经历过一次的AI浪潮 。
热火朝天的AI产业并不是一个新鲜事物 。 AI发展至今 ， 已经经历过三次浪潮 。
第一次是50年代 ， AI从诞生到模拟人 ， 最后失败了被冷落；第二次是60、70年代 ， 专家系统的热潮；第三次是80、90年代神经网络兴起 。
每一次 ， 都是在理论认知突破后尝试场景化、硬件化 ， 又都由于理论的局限 ， 造成产业的退潮 。
例如 ， 在90年代 ， 由于半导体产业基础薄弱 ， 硬件上实现AI算法专用芯片的难度和成本都很高 ， 算法的调试甚至需要调用到美国圣地亚哥的超级计算机 ， 大规模商业应用遥遥无期 ， 最终没有继续发展下去 。 但彼时 ， AI芯片产业化的趋势已经在酝酿中 。
不过 ， 这一次 ， AI产业的浪潮与以往不同 。 半导体产业的飞跃极大推进了AI理论的场景化、硬件化 。 再往后 ， AI产业发展的根本瓶颈已经不是芯片技术本身、也不是算力 ， 而在于建立在基础理论之上的 ， 对于算法和架构的突破 。
有一个例子可以解释这种从底层理论突破的逻辑——筷子夹汤圆 。 曾经 ， 大家认为神经网络能够解决一切问 ， 拼算力就像比谁夹东西夹得快 。 但大家没有去想筷子夹东西本身是不是一个错误的方法 。 因为 ， 筷子夹汤圆 ， 再怎么夹 ， 效率都有限 ， 但如果换一种方法 ， 拿一根长针去穿汤圆 ， 效率提高很多倍 ， 这才是跨度打击 。 从筷子 ， 到用针穿 ， 这就是从拼算力变为基础理论的突破 。
基础理论上的瓶颈反映到当下AI面临的挑战中 ， 例如 ， 在找到具体应用场景后 ， AI公司往往需要面临三大难题 。 首先是功耗问题 ， 以自动驾驶为例 ， 当理论上已证明算法可行 ， 但把算法放到真实场景中 ， 在车内测试 ， 现实情况是 ， 一旦开启自动驾驶模式 ， 航程旋即大幅度缩水 。 其次是本地化问题 ， 如果将算法和数据都放在云端 ， 一旦网络出现问题 ， 车的安全就失去保障 ， 故而在实际场景中 ， 必须有本地化处理的能力 。 第三 ， 是突破时间的限制 。 所有AI实际场景应用都有时间限制 ， 而现在的云端算法往往还不够快 。

推荐阅读


上一篇：四方|工信部副部长辛国斌：四方面发力推进机器人产业发展

下一篇：鲸鱼|我们为什么要寻找那头最孤独的鲸