【GMIC 2017】吴恩达的离职带热 AI 话题张宏江说 AI 将成为水电煤一样的基础设施

百度吴恩达的离职让 AI 成为热点话题，人工智能（AI）在无人驾驶、医疗、金融等领域的应用给未来商业生态带来了无尽遐想。中国在这波 AI 浪潮中占有什么样的位置？云服务等基础设施在未来 AI 中将扮演什么样的角色？在国内的 AI 创业中，AI 是噱头概念、还是真实可触的现实？

2017 年 3 月 22 日，在以色列举办的 GMIC 全球移动互联网大会上，前金山 CEO 张宏江博士接受了界面新闻记者专访，阐述了自己对 AI 的理解。张宏江毕业于丹麦科技大学，获电子工程博士学位，曾是微软亚洲研究院的创始人之一、金山 CEO。

张宏江认为，AI 的下一步高速发展离不开三个主要条件：数据、更快的硬件和更普遍可用的算法。

随着全球设备、机器和系统的连接，大量的无结构数据被创造出来；神经网络有了更多的数据，就变得更为有效。手机、IoT 、低成本数据存储和处理（云）技术的成熟使得可用数据集的大小、结构都有了极大增长。

例如，特斯拉收集了 780mn 英里的驾驶数据，而且通过他们的互连汽车，每 10 小时就能增加 100 万英里的数据。此外，Jasper 有一个平台，能让多家汽车制造商和电信公司进行机器间的交流，这家公司于今年 2 月份被 Cisco 收购。Verizon 在 8 月份做了类似的投资，宣布收购 Fleetmatics。Fleetmatics 做的是将汽车上的远程传感器通过无线网络连接到云软件。

未来，5G 网络的上线将会加速数据生成与传输的速率。据 IDC 的 Digital Universe Report 显示，年度数据生成预期到 2020 年达到 44zettabytes，表明我们正在见证应用这些技术的使用案例。

与之类似的还有硬件成本的降低。GPU 的再次使用、低成本计算能力的普遍化，特别是通过云服务，以及建立新的神经网络模型，已经极大增加了神经网络产生结果的速度与准确率。

GPU 和并行架构要比传统的基于数据中心架构的 CPU 能更快地训练机器学习系统。通过使用图像芯片，网络能更快的迭代，能在短期内进行更准确的训练。

同时，特制硅的发展，比如微软和百度使用的 FPGA，能够用训练出的深度学习系统做更快的推断。另外，从 1993 年开始超级计算机的原计算能力有了极大发展。在 2016 年，单张英伟达游戏显卡就有了类似于 2002 年之前最强大的超级计算机拥有的计算能力。

在数据和计算能力大幅提升背后，算法是配套设施。

更好的输入（计算和数据）使得更多的研发是面向算法，从而支持深度学习的使用。例如伯克利的 Caffe、Google 的 TensorFlow 和 Torch 这样的开源框架。比如，刚开源一周年的 TensorFlow，成为了 GitHub 上有最多 forked repositories 的框架。虽然不是所有的人工智能发生于普遍可用的开源框架中，但开源确实在加速发展，而且也有更多先进的工具正在开源。

总结起来，AI 兴起背后的本质原因是大量数据的产生：从 2013 年到 2020 年，数据将以每年 40% 的速率增长：传统零售巨头沃尔玛每 4 小时产生 2.5PB 级的数据量；推特上每天的推文量在 5 亿条左右；今日头条每天要完成 6BT 的请求、完成 6.3PB 的数据处理量（1PB=1024BT）。

下图展示的是最近几年各个应用软件图片上载的情况：

张宏江认为，中国因为人口众多，在数据来源、AI 产业上的能力是不输发达国家的，目前处于各自在发力狂奔的状态。

张宏江目前比较看好的两个国内 AI 创业项目是 Face++ 和今日头条，代表了两个不同的 AI 创业方向：Face++ 是人脸识别技术服务提供商，通过 AI 训练提高人脸识别的精准度，业务做得较早，建立了行业门槛；今日头条则是从行业本身出发，把新闻推送业务做起来，再把 AI 放进去改善产品。这是两种完全不同的发展模式。