人工智能不是什么新概念，人工智能也不是噱頭，人工智能已經提出來幾十年了，我們離真正的人工智能還很遠，但是在一步步接近。我就談談我對人工智能的理解：

新的量變引起質變

2011年諾貝爾經濟學獎獲得者ThomasJ.Sargen說：

人工智能其實就是統計學，只不過用了一個很華麗的辭藻，其實就是統計學。好多的公式都非常老，但是所有的人工智能利用的都是統計學來解決問題。

這個說法比較適合現當下的“人工智能”，因為現在所謂的“人工智能”多數是基于ML(Machine Learnin ，機器學習)的，都是決策樹、貝葉斯網絡等。現在的人工智能或者說機器學習是建立在大量數據的訓練基礎上的，比如將“人工智能”重新帶入人們視野的Alpha Go，就是在學習了大量的人類棋譜后變的無敵的。這種機器學習是基于人類的認知所做的學習，當深度學習出現后，人類就已經不太理解人工智能是怎么學習的了，比如下圖：當我們輸入Raw data后，深度學習得到的基本特征(Low-level features)已經不是我們可以理解的了，深度學習也是目前人工智能最熱的領域。 

機器學習(Machine Learnin )，深度學習(Deep Learning),人工智能(AI)的關系大致如下圖所示。現如今所謂的人工智能基本就是指機器學習(深度學習也是機器學習的一種)，未來會怎樣，誰又知道，但是可以肯定的是會越來越智能，從我們當前的弱智能逐步走向強智能。 

人工智能的影響

人工智能聽起來很酷，但是具體能干什么呢?這還要涉及很多其它領域的技術，比如云計算，比如5G這樣的通信技術。就以大熱的自動駕駛來說吧，自動駕駛分為5級，最高級的自動駕駛目前還無法實現。 

真正的無人駕駛是什么樣的呢?沒人知道，想象一下我們自己開車如何判斷道路情況，主要是通過眼睛觀察和耳朵聆聽，偶爾還需要通話，自動駕駛也要判斷這些消息，如何準確的得到呢?比如無人駕駛的汽車如何“看”到物體并有個整體的認知呢?這可能就需要用到目前手機領域比較熱門的TOF/結構光技術，這項技術最初是想用在VR/AR領域然而被蘋果用在了面部解鎖上，這項技術還會用在很多領域，比如VR看房。 

微軟，蘋果等大公司都在投入研發結構光/TOF技術，因為這是未來人工智能需要用到的很核心很基礎的一個功能。聽說華為自己研發的結構光技術將出現在即將發布的Mate20上，這是個值得稱贊的，掌握核心才是競爭力的體現，目前OPPO的結構光采用的是奧比中光的技術，小米采用的是MV的技術。

無鏈接，不智能

智能不智能，要看交互，獨立的東西智能程度是有限的，人與人一看語言、肢體動作等進行交互，人與機器的交互目前也主要是語音，不管是手機的智能語音平臺還是智能音箱這樣的產品都是如此。要實現這樣的技術，需要有云計算的支持，所以說人工智能還是一個從端到云的整體，有云平臺的廠家在未來可能會在人工智能領域更有優勢。國內目前云領域做的比較好的是阿里，另外一個值得關注的就是剛把云業務獨立并提升到戰略高度的華為，現在的發展勢頭也非常好。 

機器要學理解人的自然需要需要前面的提到的機器學習技術，機器能識別物體也是如此，我們拿出手機拍照，支持AI攝影的手機可以識別出所拍的場景和物體，這就是人工智能的體現，然后還可以針對性的進行優化，不支持AI拍照模式的手機已經開始落伍了，這不是噱頭。 

正確的識別出語音與圖像是設備與人交互的根本，而設備之間的交互則是通過通信完成的，當眾多的設備之間相互的通信的時候就組成了物聯網，更大一點就是智慧城市。設備之間的通信則是通過通信協議完成的，比如5G。3GPP為5G先定義了三大應用場景：eMBB(增強移動寬帶)、mMTC (海量機器類通信)和 uRLLC(超可靠低時延通信)，這三大場景都有自己的用途：

首先，eMBB實現10Gbps的傳輸速率，為用戶提供超高清視頻、VR/AR等身臨其境的業務體驗。

其次，mMTC以每平方公里百萬設備連接技術，支撐智慧城市、智能樓宇為代表的海量設備接入與互聯。

最后，uRLLC憑借超低時延超高可靠性的技術優勢，深入到車聯網、工業互聯網等垂直行業應用，并大大提升行業運營效率。

如此龐大且復雜的物聯網很難一步完成，不可能所有東西都通過網絡，這時候就必須引入本地化的智能控制與管理技術，這就是邊緣計算，與云計算形成互補。 

通信，云計算，邊緣計算等都是智能的重要組成部分。

芯片是人工智能的基礎

人因為有著發達的大腦，所以可以進行復雜的交流，設備的智能也是依靠大腦，這個大腦就是——芯片。人工智能在冷卻多年后再次進入人們的視野是因為Alpha go，而Alpha go的大腦就是谷歌的TPU，換句話說IC行業的進步是人工智能的基石。Nvidia的一飛沖天就是因為GPU更適合做這項工作，游戲的發展使得GPU越來越重要，人工智能的發展也決定著NPU/TPU等專用AI芯片越來越重要。麒麟970有著劃時代的意義，不在于它的性能、功耗如何，而在于它將AI芯片的作用凸顯了出來。 

麒麟970的NPU并不是沒有什么卵用的噱頭，在圖片識別，AI拍照方面的作用顯而易見但是這也不是太大的問題，其它沒有專用NPU的也可以通過DSP/GPU來實現。前不久華為發布的嚇人的技術——GPU Turbo，根據知名機構AnandTech的研究成果就是人工智能所帶來的：

GPU Turbo 實際上是華為通過神經網絡對每個游戲進行訓練，得到特定的模型，然后更新到固件中，推送給華為用戶。這個訓練過程，其實是為了幫助 Kirin 的 Mali GPU 找到游戲中每一刻功耗與性能的最佳甜蜜點，以此實現能效的提升。

蘋果最新的A12處理器也著重的突出了AI并開放了接口，這是大勢所趨，期待即將發布的搭載麒麟980的Mate20。聽說華為要自研NPU芯片?支持下，阿里新成立的平頭哥半導體也瞄準了這個領域，也期待寒武紀會帶來更好的芯片。

結語

人類社會的進步在于生產力的提升，而在生產力的提升中，生產效率至關重要。我們常說科技是第一生產力，科技提升的就是我們的生產效率，人工智能就是提升效率的體現之一，這是誰都無法阻擋的潮流。火車的出現讓馬夫這個職業成為了歷史，工業化讓很多手工業者下崗，面對人工智能，翻譯等行業也面臨被顛覆的危機，這都是高效率替代低效率，是促使攝會進步的。新的行業誕生會讓一部分人失去工作但是同時也會帶來其它的工作崗位，我們不需要太過關注，保護弱者并不是要阻礙科技進步。