關于品舜| 聯系我們| 手機版

廣州品舜電子科技有限公司

矽谷四大人工智能巨頭比拼,你看好誰

發表時間:2017-02-14

 人工智能已經在全球刮起一次前所未有的技術浪潮,回歸到行技術和産業本身來看,矽谷在這一領域的布局是非常超前和根深蒂固的。其中,IBM、谷歌、英偉達和英特爾四大巨頭紮根最深,來看下他們在人工智能領域到底有哪些布局。
  IBM:入局早,深刻受益行業發展紅利
  人工智能是IBM在2014年後的重點關注領域。IBM在AI領域無出其右,如80年代的專家系統、1997年擊敗國際象棋冠軍卡斯帕羅夫的深藍計算機、2011年在美國智力競賽節目《危險邊緣》中戰勝其人類對手的沃森系統均出自IBM。IBM在AI領域布局圍繞沃森和類腦芯片展開,試圖打造AI生态系統。目前IBM已撤銷全球業務咨詢GBS和技術服務GTS等部門,并轉型成認知解決方案和雲平台公司。
  IBM未來十年戰略核心是智慧地球計劃,IBM每年在其投入研發投資約在30億美元以上。未來IBM的創新解決方案在智慧能源、智慧交通、智慧醫療、智慧零售、智慧能源和智慧水資源等領域全面開花,涵蓋節能減排、食品安全、環保、交通、醫療、現代服務業、軟件及服務、雲計算、虛拟化等熱點方向。
  2016年Q3,以沃森為代表的認知解決服務實現營收128.89億美元,營收增長迅速,占比高達22.17%,IBM在AI領域盈利開始爆發。我們預計2016-2018年IBM認知解決服務分别實現營業收入190.39億元、218.95億元、240.84億元,屆時認知解決服務占IBM營收比例将達24.56%、26.89%、28.72%,成為驅動IBM業績增長的主要業務。
  沃森引領認知商業:
  目前,IBM不再将沃森作為單一系統開展業務,而将其功能分割成不同組成部分,每個部分都可被租用出去以解決特定商業問題。以IBM沃森為代表的認知技術将商業帶入認知商業時代,幫助各行業挖掘商業價值,重塑産業格局。IBM在替客戶提供創新解決方案,客戶不斷向沃森輸入自己企業數據并對沃森進行訓練。
  認知商業時代中,以認知計算、大數據分析、物聯網、異構計算、神經元芯片Synapse、認知型機器系統等為代表的一批新興前沿技術應用逐步走進新能源利用、污染防治、城市管理、生态改善、醫療、交通、食品安全追溯及社區服務等領域。
  沃森在分析問題并确定最佳解答時,運用了先進自然語言處理、信息檢索、知識表達、推理和機器學習技術,來收集大量證據、生成假設、并進行分析和估。目前,沃森已開發40種不同産品,包括常見語言識别服務等。沃森善于認知,專為理解、推理和學習而設計,有機會戰勝從前無法完成挑戰,如智勝醫療挑戰、智勝水資源管理挑戰、智勝保險詐騙挑戰、智勝時尚挑戰、智勝環境挑戰、智勝并購風險挑戰等。
  沃森+醫療構建智慧保健平台:
  沃森在醫療領域主要關注腫瘤和癌症的診斷,其優勢在于自然語言處理,通過挖掘非結構化數據尋找深層關系。沃森醫療商業戰略為:
  1、深度聚焦腫瘤領域,并向其他領域擴展;
  2、通過大規模收購獲取數據資源;
  3、通過合作等擴展使用場景,輸出生态能力。
  彙聚了醫療保健數據、人力、能力、客戶後,Watson Health将成為潛力巨大的醫療保健大平台,沃森認知計算助力智慧醫療領域。沃森效率、精确度大幅高于人類,認知計算+醫療前景廣闊,IBM深刻受益行業發展紅利。
  強力研發類腦芯片:
  此外,IBM還憑借其強大的認知計算能力,應用于數字顧問、虛拟助理、雲計算、科學研究等多領域,大力研發量子計算電路,開放量子計算平台,推出多款并行式類腦芯片,提升AI算力。2015年11月,IBM開源了人工智能基礎平台SystemML,可支持描述性分析、分類、聚類、回歸、矩陣分解及生存分析等算法,沃森整合了諸多SystemML功能。
  谷歌:軟硬件結合,開源系統構建AI生态
  谷歌大數據檢索核心技術領先于全世界,并建立了全球最大的數據庫系統。廣告盈利是谷歌的主要盈利模式,目前九成以上營收來自其廣告系統。2015年8月,谷歌宣布架構重組,設立母公司Alphabet,谷歌由搜索引擎公司全面轉向為覆蓋諸多領域的高科技企業。
  谷歌在2011年成立AI部門,目前已經有100多個團隊用上了機器學習技術,包括谷歌搜索、Google Now、Gmail等,并往其開源Android手機系統中注入大量機器學習功能(如卷積神經網絡開發Android手機語音識别系統)。谷歌目前産品和服務依靠主要AI技術驅動,如谷歌使用深度學習技術改善搜索引擎、識别Android手機指令、鑒别其Google+社交網絡的圖像。
  谷歌AI途徑為:
  1、覆蓋更多用戶使用場景,從互聯網、移動互聯網等傳統業務延伸到智能家居、自動駕駛、機器人等領域,積累更多數據信息;
  2、積累底層人工智能技術,研發更高級的深度學習算法,增強圖形識别和語音識别能力,對信息進行更深層加工、處理。谷歌試圖将AI滲透到了旗下各産品,為用戶帶來更多使用場景、及更智能化功能。
  研發+并購坐擁兩套AI系統:
  2015年11月谷歌開源第二代深度學習系統Tensorflow。Tensorflow可編寫并編譯執行機器學習算法代碼,并将機器學習算法變成符号表達的各類圖表,縮短重新寫代碼時間。TensorFlow可模仿人類大腦工作的方式并識别出模式,被用于語音識别或照片識别等多領域。另外,使TensorFlow編寫的運算幾乎不用更改就能在多種異質系統上運行。在開放源代碼後,所有工程師都将幫助谷歌修改和完善這項技術,谷歌收到反饋以後,可推出更好地服務和産品,進而推動整個AI産業發展。
  DeepMind創立于2010年,其将機器學習和系統神經科學最先進技術結合,建立強大通用機器學習算法。2014年1月,谷歌耗資2.63億美元收購Deepmind,同年12月,谷歌通過DeepMind與牛津大學的兩支AI研究隊伍建立了合作關系。2015年2月,Deepmind系統學會了49款雅達利經典遊戲。2016年3月,由Deepmind研發AlphaGo以4:1嘉績擊敗世界圍棋冠軍李世石,激發全世界對人工智能的關注。當前AlphaGo專注于棋賽發展,但其未來還将應用于醫療診斷,或投入無人駕駛等領域,以加速AI商業化進程。
  虛拟助理融合智能家居,推進生态建設:
  谷歌認為智能家居領域将是未來AI應用的一個重要市場,目前世界各國的智能家居滲透率均較低,為此Google正加速以Nest、Google Assistant為基礎智能家居生态系統建設,通過一系列并購、開放平台的建立、軟件硬件一體化來打造這個生态系統。
  谷歌2016年5月,推出語音智能助手Google Assistant,是語音識别、人工智能、自然語音理解的集大成者。Google Assistant能完整地理解上下文語境并回答問題,将和Alexa,Siri和Hound等智能助手競争。相比Google Now主要用于手機和PC上,Google Assistant則開始融入各種設備(Google Home、Allo聊天機器人)。根據MarketsandMarkets預測,自然語言處理市場規模将從2016年76.3億美元增長至2021年的160.7億美元,年增速達16.1%。
  2014年6月,谷歌通過Nest耗資5.55億美元收購了基于雲端的家庭監控公司Dropcam,10月又收購了智能家居中樞控制設備公司Revolv,Revolv将參與Nest Works with Nest開放計劃。2016年5月推出Google Home(智能音箱)。Google Home是一個基于Google Assistant語音控制的智能音箱。相比亞馬遜Echo而言,Google Home将利用谷歌龐大數據庫去理解用戶需求。
  傳感器結合AI算法研發無人駕駛原型車:
  谷歌無人駕駛汽車項目始于2009年,2011年為其收購510Systems、AnthonysRobots等公司。目前無人駕駛行駛裡程達180萬英裡,且成功發布了全球第一款完全能夠自動駕駛的原型車豆莢車,并宣稱到2020年谷歌自動車将正式上市。
  谷歌無人駕駛以技術驅動,側重于基礎技術研究及AI核心科技開發。在攻克相關深度學習及大腦技術開發等軟件算法基礎上,集成各種傳感器。2015年12月,谷歌和福特将成立一家合資公司,基于谷歌AI技術研發無人駕駛汽車,可節省造車技術的時間和資金。
  聯手NASA研發量子硬件,發布TPU進軍芯片市場:
  谷歌已建立量子人工智能實驗室(QuAIL),該實驗室由美國宇航局(NASA)、大學空間研究協會共同承辦。2013年,谷歌已利用D-Wave機器在Web搜索、語音/圖像模式識别、規劃和行程安排、空中交通管理、機器人外太空任務等應用中進行量子計算的探索,并支持任務控制中心的操作。2014年,谷歌利用其在D-Wave機器上經驗來開發量子硬件,通過聘任加州大學物理學教John Martinis及其團隊,來建立谷歌的專屬量子芯片。
  2016年5月,谷歌發布為機器學習特别研發的TPU(張量處理單元)芯片。TPU芯片在計算精度降低時更耐用,用更多精密且大功率機器學習模型。通過快速應用這些模型,用戶得到更正确結果。Google宣稱,TPU将機器學習能力提高三代,TPU将摩爾規律向前推進7年。在深度學習領域,TPU也比GPU和FPGA單位耗電量性能提升10倍。
  NVIDIA:GPU大勢中,布局端到端AI平台
  基于傳統PC GPU業務漸于飽和、及對AI潛在市場強烈看好,NVIDIA正積極謀求戰略轉型。2015年Q1已不再提及傳統PC GPU業務,并将戰略重點投向遊戲、專業工作站、數據中心和汽車電子等四大市場,NVIDIA GPU 芯片目前在虛拟現實、人工智能和無人駕駛汽車等領域位于重要中心。2016年Q2,NVIDIA實現營收高達14.3億美元,同比上年增長24%,同比2016年Q1增長9%,這主要是受遊戲、數據中心及專業虛拟化、Tegra無人駕駛系等産品強勁需求驅動。AI芯片市場需求旺盛,呈現爆發增長态勢。
  與CPU相比,GPU具有數以千計的計算核心,及強大、高效并行計算能力,可實現10-100倍應用吞吐量,特别适用于AI海量訓練數據情形。目前深度學習解決方案幾乎完全依賴NVIDIA GPU。根據艾瑞咨詢,2020年全球AI市場規模達1190億元,市場潛力巨大。據機構預測,硬件市場占AI市場份額将達30%。此外,NVIDIA還專門設計了全球首款針對深度學習的GPU架構(Pascal架構)。
  AI領域,NVIDIA不想做單純的硬件或者軟件廠商,緻力于打造于基于AI平台化公司,構建端到端的深度學習平台。NVIDIA CEO黃仁勳表示,未來NVIDIA将是基于人工智能平台化的公司,業務将涵蓋智慧城市、交通、超級運算等領域。
  NVIDIA在AI和自動駕駛領域,形成了以Tesla P100和DGX-1為核心的訓練體系,以P4/P40和Tensor-RT為核心的數據中心推理體系,及以Jetson TX1與Jetpack2.3、DRIVEPX2與Driveworks為核心的智能設備體系。NVIDIA在上述領域從硬軟件到解決方案上都進行了全面布局,構建了端到端的深度學習平台。
  英特爾:研發+收購搶奪芯片市場份額
  近年來,英特爾傳統業務表現不佳,為避免對PC、服務器的過度依賴,公司基于主業積極謀求戰略轉型,将業務從PC芯片、移動芯片拓展至數據中心(雲服務)、物聯網、人工智能等領域,還提出2016重建計劃,将未來工作重心從PC芯片轉向物聯網和雲計算。随着戰略轉型推進,預計未來三年英特爾數據中心、物聯網營收增速将維持在5%-10%之間。
  根據CB Insights,英特爾在AI領域總投資額排在第二位,這将加強AI核心競争力。未來英特爾将打通從雲端數據中心到設備終端,曆經大數據處理環節,再回到雲端數據中心等AI閉環,打造AI生态系統以謀求領導地位。英特爾AI終端布局聚焦于人機交互,通過提供英特爾Curi模塊、Edison計算平台、Cedar Trail芯片平台、RealSense實感技術及淩動處理器等技術,進一步提升終端設備智能化水平,并将設備數據上傳至後端數據中心。AI後端布局主要是研發适合機器學習CPU芯片(如Xeon Phi)、及FPGA芯片,以拓展AI計算性能。
  軟件上,緻力于數學核心函數庫和數據分析加速庫:
  目前,英特爾已開源針對深度學習數學核心函數庫深度學習神經網絡(Intel MKL-DNN),以供MKL深度學習神經網絡層的使用。2015年發布數據分析加速庫DAAL,可幫助第三方開發者在Intel底層硬件上更好進行機器學習模型的搭建和訓練。Intel在2017年還将在數學核心函數庫産品中發布神經網絡API,供開發者直接調取,降低了開發者入門機器學習的門檻。
  此外英特爾還圍繞AI領域進行了一系列收購(如體感識别公司Omek Interactive、Hadoop咨詢公司Xtremeinsights、自然語言處理初創企業Indisys、聯想記憶Saffron Technology、半導體廠商Altera、半導體功能性安全方案廠商Yogitech、計算機視覺公司Itseez、AI初創公司Nervana、計算機視覺公司Movidius)。
  硬件上,三管齊下對抗NVIDIA GPU:
  英特爾芯片雖以高速處理數字著稱,但NVIDIA GPU芯片在處理
  借助英特爾底層芯片架構,京東、奇虎360将機器學習模塊可擴展性提高10倍,部分機器學習周期縮短8倍。未來百度Deep Speech平台數據中心将使用這款Xeon Phi芯片,以最大限度地提高自然語言的語音的解析速度。預期未來至強Phi将廣泛應用于語音識别、圖像識别、及自動駕駛等領域。
  同時,2016年8月,英特爾耗資4億美元收購深度學習初創企業Nervana,通過Nervana Systems在矽層實現機器學習,而非基于GPU架構。Nervana針對神經網絡設計了Engine芯片,在深度學習訓練時,Engine芯片比傳統GPU的能耗和性能優勢更為突出(據稱Nervana處理器速度可達到GPU的10倍)。收購Nervana,Intel可将CPU優勢延伸至深度學習領域,縮短開發深度學習應用、及應用推廣時間。
  此外,2015年12月,英特爾以167億美元收購了FPGA廠商Altera。目前英特爾正開發統一的接口,試圖将Altera的FPGAs和英特爾至強系列處理器封裝到一顆芯片,新芯片将以互補、配合方式完成深度學習訓練。2016年4月,英特爾與科大訊飛聯手推出的深度學習計算平台,借助英特爾至強處理器及Altera FPGA的底層硬件技術,依托科大訊飛在自然語言處理、語音識别方面的核心技術,可實時将發言者的語音轉化成文字,準确率高達95%。未來至強、FPGAs一體化芯片将大幅提高CNN影像識别、目标探測、發現大數據規律的效率。
  在無人駕駛、機器視覺領域頻頻發力:
  英特爾在車聯網領域頻頻發力,着力研發ADAS高級駕駛助手系統,并與衆多汽車廠商進行合作測試。在中國與中交興路組建車聯網聯合創新中心,共同探讨智能車載終端技術、車聯網雲平台、行業大數據解決方案及業務模式創新。
  英特爾還在機器視覺領域進行系列重磅收購,以加速無人駕駛項目推進。2016年5月,英特爾收購計算機視覺(CV)算法公司Itseez,Itseez助力英特爾研發創新型深度學習的CV應用(如數字安全監控、自動駕駛、工業檢測),以打造從汽車到安全系統的物聯網(IoT)。2016年9月,英特爾收購計算機視覺開發商Movidius。Movidius技術被用于Google、大疆、聯想等公司,為無人駕駛飛機、安全攝像頭、AR/VR耳機等智能設備提供視覺功能。收購後,Movidius将與英特爾的RealSense技術配合。
  結語
  筆者認為,随着谷歌、IBM等巨頭相繼開源AI平台,NVIDIA、英特爾公司深攻AI芯片,AI商用化的技術壁壘大幅降低,AI将迎來商用化高潮。智能家居、無人駕駛、模糊檢索等領域将率先發展。
  目前來看,IBM、谷歌在基礎層、技術層、應用層全面布局。IBM已經轉型成認知解決方案和雲平台公司,沃森将開啟認知商業時代。谷歌則聚焦機器學習,并充分發揮平台優勢,構建軟硬件結合生态。NVIDIA和英特爾作為傳統芯片公司,面臨着PC、移動智能終端等市場逐漸飽和的壓力,以及AI市場強勁的市場前景,緻力于研發可行的AI硬件,并在AI框架和商業化應用有着諸多嘗試。


展開
http://m.juhua657526.cn|http://wap.juhua657526.cn|http://www.juhua657526.cn||http://juhua657526.cn