硬件设备、产业场景都蓄势待发，人工智能时代到底离我们有多远?
上周，在一年一度的百度世界大会上，百度用技术展示了其在人工智能上取得的阶段性成果，更屡次强调互联网正进入人工智能时代。与此对比的是，百度最新财报显示，作为“技术百度”其大半收入来源于网络营销收入，人工智能从当下来看，并未给百度带来现实汇报，那么其心心念念的人工智能时代真的到来了么?本报告就从大周期科技驱动力变迁角度分析人工智能技术未来的机会和驱动力。
一、人工智能红利时代来临
三大趋势昭示人工智能的到来。
1.移动互联网红利面临消退
智能手机销量增速显著放缓。根据市场调研机构Gartner的统计，2016年第二季度全球智能手机共销售3.44亿部，仅小幅增长4.3%，前十大厂商中只有五家实现了增长。伴随智能手机普及率持续提升，移动互联网硬件红利面临消退。
智能手机龙头苹果公司出现衰势。二季度数据中，三星智能手机销售同比增长6.5%，以7674.35万部的销量、22.3%的份额高居榜首。苹果手机销量则出现了7.7%的下降(4439.5万部)，市场份额下滑1.7个百分点至12.9%，连续第三个季度表现疲软。财务数据方面，苹果出现连续50个季度已来的首次盈利负增长，亦成为美国对冲基金二季度第一大抛售标的。
苹果在手现金惊人，亦反映出新一轮科技进步方向不明朗。根据2015年各公司披露的数据，苹果共持有超过2150亿美元现金及现金等价物，其中绝大多数以持有海外有价证券的形式体现。高额在手现金既是苹果过往十余年科技进步、产品创新的累计体现，更是苹果把握住移动互联网硬件红利的最好证明。但同时，也从侧面说明，新一轮的科技进步方向仍不明朗，或者说，对于苹果而言，仍未找到更值得大规模投资的新方向。
2.人工智能方向初露端倪
与苹果的低迷相反，AWS快速成长并成为美国资本市场新宠。亚马逊AWS(AmazonWebService)凭借云计算业务的领先优势获得快速成长，2016年二季度，公司云计算业务营收破纪录地达到了28.9亿美元，高于市场28.3亿美元的预期。
云计算和大数据驱动“人工智能”快速发展。数以亿计的互联网终端每时每刻在产生和调用海量的数据，由此驱动的云计算和大数据业务蓬勃发展。越来越丰富的数据资源和越来越低廉的计算资源，使得机器可以应用海量数据进行一些以前只有人才能做的事情，比如语音识别、语义识别、图像识别，乃至无人驾驶。这些模拟人、延伸人、未来乃至超越人的，基于大数据和云计算的技术，被称为“人工智能”。
人工智能已受到越来越广泛的关注。斯坦福大学“人工智能百年研究”(AI100)于9月初发布了首份报告：《2030年的人工智能与生活》。该报告描述了目前人工智能相关技术、法律以及道德上的挑战，并对产业界、学界、政界三方人士提供了人工智能技术、应用、政策上的指导与建议。
对人工智能的关注亦被提升至国家高度。习近平主席在近期的 B20峰会开幕式上表示：“人工智能、虚拟现实等新技术日新月异，虚拟经济与实体经济的结合，将给人们的生产方式和生活方式带来革命性变化。”今年5月，美国政府亦在西雅图举办了第一次关于AI法律法规的白宫探讨会，探讨“政府应不应该对人工智能进行管理”。
3.人工智能60年，进入爆发期
人工智能的概念诞生于1956年的达特茅斯(Dartmouth)会议，至今刚好60年。1959年，图灵发表了一篇划时代的论文《计算机器与智能》，文中提出了人工智能领域著名的图灵测试——如果电脑能在5分钟内回答由人类测试者提出的一系列问题，且其超过30%的回答让测试者误认为是人类所答，则电脑就通过测试并可下结论为机器具有智能。
此后经历1956-1974年的推理期黄金时代，1974-1980年的第一次寒冬，1980-1987年知识期的再次发展，1987-1993年的第二次寒冬，以及1993-2010年学习期的复苏。人工智能在“预期-失望-技术进步-预期”的周期中循环前进。2010年后，大数据和云计算的兴起，推动人工智能进入爆发期。
当前，人工智能进步显著。1997年，IBM“深蓝”战胜国际象棋大师卡斯帕罗夫。2016年，谷歌“AlphaGo”战胜排名第三的世界顶级围棋高手李世石。两次人机大战也反映出二十年来人工智能所取得的巨大进步。
二、人工智能硬件：运算速度是关键
类比比特币挖矿芯片的发展规律(CPU、GPU、FPGA、ASIC)，业内认为AI专用芯片最终也会由GPU走向ASIC时代。
GPU：NVIDIA是绝对老大
决定计算速度的一个重要因素是ALU(Arithmetic&logicalUNIt，算数逻辑单元)的数量。
CPU架构中的大部分被Cache和控制电路占据，仅有几个ALU单元，因而CPU更擅长复杂的逻辑控制，计算能力只是CPU很小的一部分。
而GPU则包括数以千计的更小、更高效的核心，因此常被称为“众核”;GPU只有非常简单的控制逻辑并省去了Cache，适合把同样的指令流并行发送到众核上，进行海量数据的快速处理。事实证明，在浮点运算、并行计算等部分计算方面，GPU可以提供数十倍乃至于上百倍于CPU的性能。
随着智能汽车的深度学习方案受到关注，GPU或将迎来爆发式高增长。
目前国际GPU市场被NVIDIA和AMD两大公司瓜分。截至2015年第二季度，NVIDIA市场份额已达到82%。谷歌无人驾驶汽车所采用的技术部件中，就采用了NVIDIA的移动终端处理器Tegra(4核CPU+256核GPU)。
NVIDIA推出多种深度学习软件、库和工具。NVIDIA推出了一系列的深度学习GPU将各个数据训练迭代周期从几个星期缩短为几天。实际上，GPU 在仅仅三年内便将深度神经网络(DNN)的训练速度提高了50倍(这一速度远远超过摩尔定律)，预计未来几年还将再提高10倍。
FPGA：有助于提升运算速度
硬件加速：FPGA(可编程门阵列)利用硬件运算，具有显著速度优势。FPGA的输入到输出之间并没有计算过程，只是通过烧录好的硬件电路完成信号的传输，因此运行速度非常高，可达CPU的40倍。
FPGA国际市场：四大厂商垄断。目前在全球市场中，Xilinx、Altera两大公司对FPGA的技术与市场占据绝对垄断地位，两家公司占有将近 90%市场份额，专利达6000余项之多。剩余市场份额主要被Lattice和Microsemi所占有，这两家的专利也达3000多项。
ASIC：针对特定场景的高速度
专用加速：ASIC(专用集成电路)是针对专门应用而设计的集成电路，是针对特定工作负载时速度最快且执行效率最高的处理方案。与通用集成电路相比，ASIC具有体积更小、功耗更低、性能提高、保密性增强、成本低等优点。
ASIC可分为三类：
1)全定制ASIC，各层掩膜都是按特定电路功能专门制造的;
2)半定制ASIC，单元电路是用预制的门阵做成的，芯片的金属连线是按电路功能专门设计制造的，即掩膜可编程门阵;
3)可编程ASIC，单元电路、金属连线和I/O引脚都是可编程的，FPGA即可用于设计可编程ASIC。
从成本上来看，全定制设计周期最长，设计费用最高，适合于批量很大或者对产品成本不计较的场合;半定制的设计成本低于全定制，但高于可编程ASIC，适合于有较大批量的ASIC设计;用FPGA设计ASIC的设计成本最低，但芯片价格最高，适合于小批量ASIC产品。
现在的大部分ASIC设计都是以半定制和FPGA形式完成的。
三、人工智能与产业场景深度融合是方向
智能家居：AI推动实现跨越式发展
智能家居的应用场景起步较早，市场快速增长。《2016-2021年中国智能家居市场分析及投资前景咨询报告》指出：中国智能家居市场规模在2016年将出现明显增长。至2017年，市场规模将达到1000亿元人民币。到2020年，预计中国智能家居行业市场规模将超过2500亿元，年复合增长率约为 40%。
智能家居产品持续推陈出新。目前许多公司已经推出了相应的智能家居产品，如海尔Ubot机器人的定位是家庭安全卫士、家庭智能管家、儿童启蒙陪伴、老人贴心陪护以及日常生活助手。魅族通过智能家居路由器进军智能家居。格力推出的智能家用中央空调系统由格力空调、基于Wifi的格力云控、格力智联APP等组成，通过智能手机控制，形成智能空调系统。
无人驾驶：AI成为汽车大脑，无人驾驶未来已来
当前，汽车业巨头和科技型公司纷纷进入无人驾驶领域，传统汽车巨头倾向于通过ADAS辅助驾驶的方式完成渐进式的驾驶智能，科技型公司则更直接的切入无人驾驶领域。此外，通过图像识别、语音识别等方式，未来汽车还将实现行人习惯判断、路况分析、与驾驶员或车内乘员语音交互等功能。
近日HIS发布的报告称，到2025年车内AI人工智能系统的数量将从2015年的700万台增加至1亿2200万台;同时基于AI技术打造的相关系统的新车配售率会从2015年的8%增加至2025年的109%。
智能医疗：AI带来康复机器人的春天
《超能陆战队》中萌化人的机器人“大白”深入人心。随着人工智能技术的演进，“大白”或将真正成为现实中的机器人。在智能医疗体系中，康复医疗产业方兴未艾。据估计，2015到2020年，康复机器人市场将由0.43亿美元增长至18亿美元，年复合增长率为211%。
Re Walk是康复机器人的典型应用之一。成立与2001年的外骨骼康复机器人Re Walk能够帮助患者能够重新站立并如同正常人行走。该技术依赖于ReWalk强大的智能中央处理系统和高精度传感器，智能系统能够通过检测重心位置的细微变化控制运动，模仿使用者习惯的自然步伐，并为用户提供适合的行走速度。
金融科技(Fin Tech)：AI注入活力，引领行业发展新方向
Fin Tech是Financial Technology(即金融科技)的缩写，指金融和信息技术的融合型产业，应用的技术包括大数据、智能数据分析、人工智能、区块链等前沿技术。
智能化是Fin Tech的重要发展方向，主要有以下四类应用：自动报告生成，量化交易，金融搜索引擎，智能投资顾问等。
AI掀起“智能投顾”热潮。金融行业与技术核心的人工智能结合引发了一波智能投顾的热潮。这股浪潮来自硅谷的Fintech企业，包括 Betterment、Wealth-Front、Personal Capital等新兴公司以及老牌投资服务公司嘉信理财等。2015年全球最大资产管理公司贝莱德基金(Black Rock)花费1.5亿至2亿美元收购理财初创公司“未来顾问”(Future Advisor)，为公司机器人理财顾问业务做准备。
智能安防：聚焦智能视频分析，AI提升分析能力
安防系统每天产生的海量图像和视频信息造成的信息冗余问题催生了带有AI的计算机视觉技术在安防领域的应用。融合了AI技术的智能视频分析具备对图像视频进行自动分析、识别、跟踪、理解和描述的特点，近年来被业内普遍看好。
四、值得长期关注的前瞻技术
前瞻：越来越重的云端、越来越轻的终端、越来越快的传输速度。伴随未来AI技术持续发展，数据量和运算量将持续显著提升，而终端设备将呈现分布式和轻量化，如可穿戴设备、VR等。终极看，云端的运算可能越来越复杂，如果5G普及后实现10G峰值速度和1ms延时量级，分布式的终端设备有可能更轻巧灵活(更放心地依赖云端)。值得长期关注的技术包括：5G、云计算、VR、物联网、车联网V2V/V2X等。
5G技术是面向2020年以后的第五代移动通信系统。5G的到来，将会大幅提高网络部署和运营的效率，带来相比目前的4G超百倍的性能提升，具备超高速率、超低延时和海量连接等多特征，满足多样化业务需求，是实现终极万物互联的核心技术。5G有望实现10GB/s的最高速度，小于1ms的延迟时间，提供1000亿+的连接支持。中国三大运营商均制定了5G网络商用的计划，如果前期工作进展顺利，预计最快可能在2018年开始投入5G网络建设，到2020年正式启动商用。
物联网技术有助于获取现实世界中更丰富的数据。Gartner的数据显示，目前物联网设备数量已经达到49亿台，BIIntelligence预计到 2018年物联网设备数量将超过PC、平板电脑与智能手机存量的总和。Gartner预计，到2020年全球将会有240亿台物联网设备联网，而思科、华为及爱立信则估计连接数将会达到500-1000亿。
云计算让成本低廉的大规模并行运算得以实现。云计算使得大规模运算任务能有效地拆分然后在不同节点并行运算，而云平台为核心算法提供非常容易的应用接面，使得新一代的应用开发，管理及分发能轻易地建立新的生态系统。IDC估计云端数据占总数据的比例从2012年的16%增长到2020年的37%。人工智能核心数据分析技术与“云计算+大数据”的共同发展与整合尤其重要。 ForresterResearch预测云计算市场将在2020年达到2410亿美元的规模，而IDC预测大数据技术与服务市场将在2017年达到324 亿美元。
五、风险因素
尽管现在出现众多人工智能发展的利好消息，但仍存在很多风险，例如，GPU等硬件性能提升进程慢于预期;市场对于人工智能和深度学习的预期显著高于技术进步速度;AI出现明显的失误并导致较大的事故;法规加大AI监管力度等。
