一、科技巨頭紛紛布局人工智能領(lǐng)域

　　巨頭通過持續(xù)收購儲備人才和技術(shù)來增加人工智能的本錢。谷歌 2014 年收購 DeepMind，其與 Google X 和谷歌人工智能實驗室（Tensor Flow）共鑄谷歌人工智能傳奇，DeepMind 亦因 AlphaGo 大戰(zhàn)而李世石而聞名于世。微軟全球七大研究院，研究覆蓋人工智能、深度學習等。IBM 建立 12 大研究院，1997 年戰(zhàn)勝國際象棋冠軍的“深藍”亦出自 IBM 之手。此外，國外巨頭如 Facebook，國內(nèi)巨頭如 BAT 等，亦成立研究院布局人工智能。兼并收購方面，近年來，蘋果、谷歌、因特爾、微軟、Facebook 等科技巨頭在人工智能領(lǐng)域累計進行了數(shù)十次兼并收購。蘋果在 AI 領(lǐng)域的并購更是多達每年 20-30 起。

五大科技巨頭（亞馬遜、IBM、微軟、Alphabet、Facebook）將聯(lián)合制定人工智能道德標準

　　二、海外科技巨頭主導(dǎo)基礎(chǔ)層和技術(shù)層，國內(nèi)企業(yè)將在應(yīng)用層充分變現(xiàn)

　　人工智能產(chǎn)業(yè)鏈三層結(jié)構(gòu)：基礎(chǔ)層，技術(shù)層，應(yīng)用層。基礎(chǔ)層以硬件為核心，專業(yè)化、加速化的運算速度是關(guān)鍵。技術(shù)層專注通用平臺，算法、模型為關(guān)鍵，開源化是趨勢。應(yīng)用層與產(chǎn)業(yè)場景的深度融合是發(fā)展方向，主流場景包括棋盤游戲、私人助理、無人駕駛、語音理解、圖片識別、實時翻譯等。判斷海外科技巨頭將主導(dǎo) 基礎(chǔ)層和技術(shù)層的發(fā)展，而國內(nèi)企業(yè)在應(yīng)用層將獲得更佳的變現(xiàn)機會。

人工智能產(chǎn)業(yè)鏈：基礎(chǔ)層，技術(shù)層，應(yīng)用層

　　三、基礎(chǔ)層：重金投入硬件，提升運算速度

　　類比比特幣挖礦芯片的發(fā)展規(guī)律（CPU 、GPU 、FPGA 、ASIC ），認為 AI 專用芯片最終也會由GPU走向 ASIC 時代。2009 年比特幣的創(chuàng)始人中本聰用他的電腦 CPU 挖出第一個創(chuàng)世區(qū)塊，挖礦速度約為 20-40MH/s。2010 年 GPU 挖礦系統(tǒng)發(fā)布，挖掘速度可達300-400MH/s，但其問題在于功耗過大，在普通家庭不適合大規(guī)模部署。2011 年末，基于FPGA 芯片的挖礦設(shè)備出現(xiàn)，一個 FPGA 芯片的挖礦速度約為 200MH/s，功耗降低為 GPU的 1/40，但 FPGA 昂貴的價格使得它只能成為少數(shù)人的玩物。2013 年，全球首臺基于 ASIC芯片的 Avalon 礦機量產(chǎn)，由于其專用性，可實現(xiàn)低功耗高速度，并且大規(guī)模生產(chǎn)的成本也低于 FPGA，ASIC 挖礦時代從此開始。

比特幣挖礦經(jīng)歷了 CPU、GPU、FPGA、ASIC 四個階段

CPU、GPU、FPGA、ASIC 用于比特幣挖礦的速度和功耗

　　GPU（圖形處理器）眾核同步并行運算，適于智能汽車深度學習。決定計算速度的一個重要因素是 ALU的數(shù)量。CPU 架構(gòu)中的大部分被 Cache 和控制電路占據(jù)，僅有幾個 ALU 單元，因而 CPU 更擅長復(fù)雜的邏輯控制，計算能力只是 CPU 很小的一部分。而 GPU 則包括數(shù)以千計的更小、更高效的核心，因此常被稱為“眾核”；GPU 只有非常簡單的控制邏輯并省去了 Cache，適合把同樣的指令GPU （圖形處理器）眾核同步并行運算，適于智能汽車深度學習。決定計算速度的一個重要因素是 ALU的數(shù)量。CPU 架構(gòu)中的大部分被 Cache 和控制電路占據(jù)，僅有幾個 ALU 單元，因而 CPU 更擅長復(fù)雜的邏輯控制，計算能力只是 CPU 很小的一部分。而 GPU 則包括數(shù)以千計的更小、更高效的核心，因此常被稱為“眾核”；GPU 只有非常簡單的控制邏輯并省去了 Cache，適合把同樣的指令流并行發(fā)送到眾核上，進行海量數(shù)據(jù)的快速處理。事實證明，在浮點運算、并行計算等部分計算方面，GPU 可以提供數(shù)十倍乃至于上百倍于 CPU 的性能。隨著智能汽車的深度學習方案受到關(guān)注，GPU 或?qū)⒂瓉肀�發(fā)式高增長。

CPU 與 GPU 的架構(gòu)對比

　　硬件加速：FPGA利用硬件運算，具有顯著速度優(yōu)勢。FPGA 內(nèi)部包含大量重復(fù)的 IOB、CLB和布線信道等基本單元。FPGA 在出廠時是“萬能芯片”，用戶可根據(jù)自身需求，用硬件描述語言（HDL）對 FPGA 的硬件電路進行設(shè)計；每完成一次燒錄，F(xiàn)PGA 內(nèi)部的硬件電路就有了確定的連接方式，具有了一定的功能；輸入的數(shù)據(jù)只需要依次經(jīng)過各個門電路，就可以得到輸出結(jié)果。換言之，F(xiàn)PGA 的輸入到輸出之間并沒有計算過程，只是通過燒錄好的硬件電路完成信號的傳輸，因此運行速度非常高，可達 CPU 的 40 倍。而正是因為FPGA 的這種工作模式，決定了需要預(yù)先布置大量門陣列以滿足用戶的設(shè)計需求，因此有“以面積換速度”的說法：使用大量的門電路陣列，消耗更多的 FPGA 內(nèi)核資源，用來提升整個系統(tǒng)的運行速度。

FPGA 架構(gòu)

　　專用加速：ASIC （專用集成電路）是針對專門應(yīng)用而設(shè)計的集成電路，是針對特定工。作負載時速度最快且執(zhí)行效率最高的處理方案。與通用集成電路相比，ASIC 具有體積更小、功耗更低、性能提高、保密性增強、成本低等優(yōu)點。ASIC 可分為三類：1）全定制 ASIC，各層掩膜都是按特定電路功能專門制造的；2）半定制 ASIC，單元電路是用預(yù)制的門陣做成的，芯片的金屬連線是按電路功能專門設(shè)計制造的，即掩膜可編程門陣；3）可編程 ASIC，單元電路、金屬連線和 I/O 引腳都是可編程的，F(xiàn)PGA 即可用于設(shè)計可編程 ASIC。從本上來看，全定制設(shè)計周期最長，設(shè)計費用最高，適合于批量很大或者對產(chǎn)品成本不計較的場合；半定制的設(shè)計成本低于全定制，但高于可編程 ASIC，適合于有較大批量的 ASIC 設(shè)計；專用加速：ASIC （專用集成電路）是針對專門應(yīng)用而設(shè)計的集成電路，是針對特定工。 作負載時速度最快且執(zhí)行效率最高的處理方案。與通用集成電路相比，ASIC 具有體積更小、功耗更低、性能提高、保密性增強、成本低等優(yōu)點。ASIC 可分為三類：1）全定制 ASIC，各層掩膜都是按特定電路功能專門制造的；2）半定制 ASIC，單元電路是用預(yù)制的門陣做成的，芯片的金屬連線是按電路功能專門設(shè)計制造的，即掩膜可編程門陣；3）可編程 ASIC，單元電路、金屬連線和 I/O 引腳都是可編程的，F(xiàn)PGA 即可用于設(shè)計可編程 ASIC。從成本上來看，全定制設(shè)計周期最長，設(shè)計費用最高，適合于批量很大或者對產(chǎn)品成本不計較的場合；半定制的設(shè)計成本低于全定制，但高于可編程 ASIC，適合于有較大批量的 ASIC 設(shè)計；用 FPGA 設(shè)計 ASIC 的設(shè)計成本最低，但芯片價格最高，適合于小批量 ASIC 產(chǎn)品。現(xiàn)在的大部分 ASIC 設(shè)計都是以半定制和 FPGA 形式完成的。

Xilinx 在 UltraScale 架構(gòu)中加入 ASIC 技術(shù)

　　四、技術(shù)層：“開放”謀求大生態(tài)

　　類比 Android系統(tǒng) ， 開源平臺或?qū)⒊蔀槿斯ぶ悄苤匾�入口。�?shù)據(jù)顯示，在截至 2016 年 2 月末的三個月內(nèi)，Android 中國城市的銷售份額從去年同期的 73%增至 76.4%。在美國和歐洲五大市場（包括英國、德國、法國、意大利和西班牙），Android 的市場占比同樣遙遙領(lǐng)先于 iOS，這很大程度上要歸功于其開源特性。Android 系統(tǒng)雖然并不能直接帶來收入，卻成為谷歌把控移動互聯(lián)網(wǎng)的入口，谷歌借此保證了谷歌搜索、谷歌地圖等應(yīng)用的龍頭地位，進而保證其廣告業(yè)務(wù)的盈利。在人工智能平臺上，谷歌或許有同樣的野心，通過將 TensorFlow 開源達到 Android系統(tǒng)所占有的優(yōu)勢。

　　五、應(yīng)用層：試水與場景融合

　　人工智能最終需要通過合適的應(yīng)用場景獲得變現(xiàn)能力。AI 源于技術(shù)，終于場景，有變現(xiàn)能力的場景包括：無人駕駛汽車、智能家居、Fintech 等。AI 與產(chǎn)業(yè)場景的深度融合是應(yīng)用層變現(xiàn)的關(guān)鍵，科技巨頭在該領(lǐng)域以試水布局為主。蘋果 AI 利用自身的手機和手表產(chǎn)品場景。谷歌人工智能業(yè)務(wù)繁雜，多領(lǐng)域遍地開花，包括 AlphaGo、無人駕駛汽車、智能手術(shù)機器人等。微軟在語言語義識別、計算機視覺等領(lǐng)域保持領(lǐng)先。IBM 最早布局人工智能，“萬能”Watson 推動多行業(yè)變革。百度推出“百度大腦”計劃，重點布局無人駕駛汽車。

蘋果 Siri 語音助手可準確理解用戶指令

Apple Watch 可智能檢測運動狀態(tài)