矽谷金牌創投人：我心目中的下一個盤算時期 AI的黃金時期

【內容擇要】拆開當代化無人機、VR頭盔大概物聯網裝備，你會發明個中大多是源自智妙手機的零部件。在當代半導體時期，核心已從自力CPU轉向包括瞭多種專業芯片的體系級芯片。

Chris Dixon系美國有名科技始創投資人，投資過的公司包含Kickstarter、 Warby
Parker、Stripe、Pinterest、Foursquare、Flatiron Health、Bloomreach、Stack
Exchange、Optimizely， Skype、Sift Science、Oyster、Behance （被Adobe收買）、TrialPay
（被Visa收買）、Smart Things （被三星收買）、OMGPOP （被Zynga收買）、Truaxis
（被Mastercard收買）、DocVerse （被Google收買）、ScanScout （IPO）、Invite Media
（被Google收買）。

盤算行業存在兩個相對自力的周期，一個是金融周期，另外一個是產物周期。最近，許多人都在糾結的一件工作是，今朝全部行業到底處在金融周期的哪一個階段？金融市場吸收瞭大批的眼光，這些市場每每會湧現難以預感的顛簸，偶然還異常激烈。比擬之下，產物周期吸收的存眷較少，隻管它才是推進盤算行業進步的真正動力。經由過程回想曩昔、瞻望將來，我們能夠試著去懂得和猜測產物周期。

眼下，我們正在進入處置器和傳感器愈來愈小、愈來愈廉價的時期，電腦的數目將大大跨越人類。這有兩個緣故原由。一是半導體行業在曩昔50年裡的賡續提高（摩爾定律）；二是克裡斯·安德森（Chris
Anderson）所說的“智妙手機戰鬥的寧靜盈餘”——因為智妙手機的飛速成長，處置器和傳感器獲得瞭大范圍投資。拆開當代化無人機、VR頭盔大概物聯網裝備，你會發明個中大多是源自智妙手機的零部件。在當代半導體時期，核心已從自力CPU轉向包括瞭多種專業芯片的體系級芯片。

典范的體系級芯片包括高能效的ARM
CPU和用於圖象處置、通信、能源治理、視頻處置和其他方面的公用芯片。這類新架構將基本盤算體系的價錢從約莫100美圓拉低到10美圓閣下，電腦乃至隻要5美圓。這些芯片電腦的本錢很快就會降到1美圓以下，在全部產物中都植入電腦沒有再是個夢。同時，高端處置器也完成瞭惹人註視的機能晉升，特殊是GPU，現在其用處不但是傳統的圖象處置，還可用於機械進修算法和假造/加強實際裝備。依照今朝幾傢廠商的計劃，將來幾年GPU機能還會有很大的晉升。

量子盤算技巧的遠景還未可知，今朝根本上僅限於試驗室裡，但假如在貿易上變得可行，這項技巧將使生物和野生智能等范疇的某些算法完成奔騰式機能晉升。

軟件：野生智能（AI）的黃金時期

現在軟件范疇有許多沖動民氣的希望。散佈式體系就是一個好例子。跟著盤算裝備數目的爆炸式增加，多裝備並行處置義務，和裝備之間的通訊和協同愈來愈主要。值得存眷的散佈式體系技巧包含並行處置大數據題目的Hadoop和Spark等體系，和能夠掩護數據和資產的比特幣/區塊鏈。但最沖動民氣的軟件沖破是在AI范疇。野生智能這個觀點已炒作瞭很長時光，但之前一向沒能拿出點像樣的器械來。盤算機科學之父阿蘭·圖靈（Alan
Turing）曾預言，到2000年盤算機就可以勝利模擬人類，但是呢……

隻管如斯，我們有充足的來由以為AI如今終究邁向它的黃金時期。在AI范疇，深度進修賡續出現使人欣喜的提高。這是一種機械進修技巧，其觀點的遍及，要歸功於谷歌（Google）昔時誰人讓電腦進修甚麼是貓的項目。實在，派生出深度進修的野生神經收集早在上世紀40年月就有人提出來瞭，依附新的算法、低本錢的並行盤算才能和普遍可用的大數據集，才讓它變得可行起來。

ImageNet盤算機視覺辨認挑釁的毛病率（紅線=人類表示）

我們這些通俗人很輕易把深度進修誤以為來自矽谷的又一個時興術語。但眼下在這個范疇裡，不管是技巧實際照樣適用結果，都可謂欣喜連連。比方，在ImageNet盤算機視覺辨認挑釁中，在沒有采取深度進修技巧之前，得勝算法的毛病率在20%到30%，而在應用它以後，精確率賡續進步，客歲終究跨越瞭人類。

與深度進修有關的許多論文、數據集和軟件對象如今都是開源的。因而每一個人、每一個機構都能夠獵取它們，用以打造壯大的運用。WhatsApp發明瞭一款環球性的挪動談天運用，隻靠50名工程師就辦事瞭9億用戶，而前幾代談天軟件則須要數千名工程師來支撐。這類“WhatsApp效應”也湧現在AI范疇。像Theano和TensorFlow如許的軟件對象，再加上用於練習盤算機的雲數據中間和廉價的GPU，使得小范圍的工程師團隊也能打造先輩的AI體系。

很快，我們將看到各類產物的“智能”顯著晉升，包含：語音助手、搜刮引擎、談天機械人、3D掃描器、說話翻譯機、汽車、無人機、醫療成像體系等等。打造AI產物的始創公司必需高度存眷詳細的運用，如許能力和那些將AI擺在優等地位的大型科技公司一較高低。網絡的數據越多，AI體系就會越優良，這意味著有大概發生一種良性的數據收集閉環（更多用戶→更多半據→更好產物→更多用戶）。輿圖始創公司Waze應用數據收集效應來打造更好的輿圖，比資金薄弱很多的合作敵手加倍精準。估量其他勝利的AI始創公司也將采用相似計謀。

軟件+硬件：新電腦

在整合瞭硬件和軟件新沖破以後，今朝處於醞釀階段的各類新盤算平臺已然呼之欲出，個中有一些大概會進入到增加階段。固然它們的計劃和整合各有各的門路，但有一個配合的主題：把智能假造層面嵌入實際天下，為我們供給更新、更強的才能。以下是對幾種新平臺的扼要先容：

汽車。谷歌、蘋果、優步（Uber）和特斯拉（Tesla）等大型科技公司正在將大批資本用於研發主動駕駛汽車。像特斯拉Model
S如許的半主動駕駛汽車已公然發賣，並將賡續舉行快速迭代。全主動駕駛將須要更長的時光能力完成，但大概五年內就會上市。實在能做到全主動駕駛的汽車已有瞭，險些沒有比人類司機差，隻不外遭到文明和羈系方面的身分限定，大概它必需比人類司機精彩很多，能力獲得普遍承認。

估計對主動駕駛汽車的投資將大幅增長。除大型科技公司以外，大型汽車廠商也開端賣力地看待主動駕駛技巧。始創公司也沒有甘寥寂，說沒有定能弄出來一些風趣的產物。深度進修軟件對象已變得異常壯大，法式員單槍匹馬就可以編出半主動駕駛軟件來：

無人機。現在的花費級無人機，固然硬件很壯大，但軟件卻太骨感。在沒有久的未來，無人機將整合先輩的盤算機視覺技巧和其他AI體系，使它們變得加倍平安、更容易於操控、加倍多用處。在持續作為自娛自樂的對象以外，也會有主要的貿易用例。觸及到攀爬樓宇、高塔和其他修建物的傷害事情，都能夠交給無人機完成，而且更平安、更高效。

物聯網。物聯網裝備的顯著用例包含節能、平安和方便。Nest和Dropcam就是前二個種別的好例子。在方便種別中，最故意思的產物之一是亞馬遜（Amazon）的Echo智能音箱。大多半人認為Echo隻是個噱頭，但用過以後，他們就會驚奇地發明這款產物何等適用，它很好地解釋瞭語音界面有何等高效。

具有廣義野生智能、能夠舉行周全對話的機械人大概還須要一段時光能力出生，但正如Echo所示，如今語音技巧已能勝任有限的語境。跟著賡續沖破的深度進修技巧被運用在量產裝備上，AI對說話的懂得才能應當會更上一層樓。物聯網在企業市場也用處遼闊。比方，帶有傳感器和能聯網的裝備在產業裝備監控范疇就大有效武之地。

可穿著裝備。現在的可穿著盤算裝備受制於幾個身分，包含電池、通訊和處置才能。今朝為止得到勝利的可穿著裝備運用規模還較窄，好比康健狀態監控。跟著硬件持續改良，可穿著裝備將像智妙手機那樣支撐豐碩的運用，並開拓出遼闊的新運用范疇。和物聯網一樣，語音大概將成為重要的用戶界面。

假造實際。對付假造實際而言，2016年是沖動民氣的一年：Oculus Rift和HTC/Valve
Vive的宣佈意味著舒服的沉醉式假造實際體系終究到達能夠發賣的程度。假造實際體系必需充足好，能力避開“恐懼谷”圈套。好的假造實際體系須要特別的屏幕、壯大的顯卡和精確追蹤用戶地位的才能。本年，通俗花費者終究能體驗一下甚麼叫做“設身處地”——你的感不雅被完整誘騙，感到全部人都被傳送到假造天下中。

假造實際頭盔將來還會持續改良，而且價錢變得加倍親平易近。須要提高的重要范疇包含：1）用來襯著和拍攝假造實際內容的新對象；2）用手機和頭盔間接追蹤和掃描的機械視覺；3）出現宏大假造情況的散佈式背景體系。

加強實際。加強實際大概將在假造實際以後到來，由於除假造實際的大部門軟硬件請求以外，加強實際還須要分外的技巧。比方，加強實際須要先輩的低耽誤機械視覺，以便真切地將實在物體和假造物體整合到統一個互動場景中。隻管如斯，加強實際大概會比人人預感的更早完成適用化。

下一個盤算時期是甚麼？

盤算時期每隔10到15年更迭一次的形式大概已停止，末瞭一個遵守這類形式的，就是我們今朝身處的挪動時期。新的時期或許還要一段時光能力到來，大概在我前面提到的那些新趨向中隻要一部門能闖出臺甫堂來。我本人以為，我們將迎來的還找個新時期，沒有會是曩昔幾輪那樣一傢獨大的時期，而是齊頭並進的時期。

“智妙手機戰鬥的寧靜盈餘”致使新裝備的大發作，而軟件特別是AI的成長將使這些裝備變得智能和有效。前面提到的許多前沿技巧如今已存在，並將在沒有久的未來被普遍應用。不雅察人士指出，那些新裝備許多都處於“為難的芳華期”，那是由於它們還處於醞釀階段。就像上世紀70年月的PC、80年月的互聯網和21世紀初的智妙手機一樣，我們正窺見還沒有真正到臨的將來。將來將是如許的：隻管市場起升沉伏，人們熱忱也潮起潮落，但盤算技巧一向在穩步邁進。