源起之初：云計算，第一批吃到肉的海外巨頭

所謂人工智能，其實就是讓機器具備像人一樣的智能。但是一直以來，計算機其實都是很“笨”的，一些對于人類來說易如反掌的任務(wù)，對于計算機來說卻難于登天：比如認清楚這張照片里的動物是什么？

對于人類來說，我們看到了一只在野外坐著的灰貓，而對于計算機而言，它看到的卻是圖像中的一組數(shù)字；我們看到的貓耳與貓眼，在計算機看來只是數(shù)字88和23的區(qū)別。

由此衍生出的一門重要學(xué)科叫做計算機視覺（Computer Vision，CV），而分清楚“貓”、“狗”這兩類外形相似的動物、并且在圖片中圈出這只貓的位置，一直是這門學(xué)科的冠上明珠級別的難題，近20年來一直難有進展。

直到2012年。

2012年的初冬，發(fā)生了一件大事情。在2012年計算機視覺屆的“奧林匹克”——ImageNet挑戰(zhàn)賽的賽場上，出現(xiàn)了一位另類玩家，一位來自多倫多大學(xué)的老教授，Geoffrey Hinton。Hinton和他的團隊們第一次用上了GPU芯片和深度學(xué)習(xí)算法，讓計算機識圖的錯誤率猛然降低了數(shù)倍，成為計算機視覺歷史上的一個重要節(jié)點。

在2015年的ImageNet大賽上，微軟亞洲研究院團隊更是憑借GPU與深度學(xué)習(xí)算法，第一次讓計算機的識圖能力超過了人類。人類識圖錯誤率約為4%，而冠軍團隊機器識圖的錯誤率為3.57%。

一石激起千層浪。GPU芯片與深度學(xué)習(xí)算法一下成了人工智能屆的“網(wǎng)紅”，無數(shù)科學(xué)們都開始將研究重心轉(zhuǎn)移到它們身上。

深度學(xué)習(xí)算法可以理解為實現(xiàn)人工智能的一種電腦程序，它讓計算機通過對大量素材的學(xué)習(xí)（比如成千上萬張不同種類的“貓”圖片），讓機器自己總結(jié)出“貓”的特征，下次你再給它一張貓的照片，無論是黑貓、白貓、波斯貓，它都能認出來。

在圖片分類、識別興起之后，視頻識別、語音識別、翻譯、語音助手等一系列AI應(yīng)用應(yīng)運而生。

其實，GPU的本命更加廣為人知——顯卡。陰差陽錯地，科學(xué)家們發(fā)現(xiàn)GPU芯片的并行計算架構(gòu)與深度學(xué)習(xí)一拍即合，猛然把機器原先需要幾個月的“學(xué)習(xí)”時間壓縮到了幾天、甚至幾個小時之內(nèi)，兩強搭檔，在2012年的ImageNet上大放異彩。

不過，英特爾、IBM等老牌云服務(wù)器芯片廠商同樣在積極布局這一市場，各自通過并購、投資、研發(fā)等方式不斷切入云AI芯片市場。

與此同時，谷歌作為創(chuàng)新科技的代表企業(yè)，也從2014年起開始打造屬于自己的云AI芯片——TPU（張量處理單元），谷歌的AI程序AlphaGo（阿爾法狗）就是靠它提供的強大計算能力戰(zhàn)勝了全球圍棋第一高手柯潔。大約20天前，谷歌宣布將TPU的強大計算能力通過谷歌云將向用戶開放。

谷歌AI中國中心總裁&谷歌云AI研發(fā)主管李佳曾經(jīng)向記者表示，AI芯片的熱潮將會長時間影響AI行業(yè)，芯片的進步將會對人工智能行業(yè)發(fā)展帶來一個正向的支持，通過算力的進步與發(fā)展，未來將會給人工智能帶來更多的機會、更大的想象空間。

自此，人工智能迎來了自學(xué)科建立60年以來最大規(guī)模的市場應(yīng)用爆發(fā)潮，從曾經(jīng)遙不可及的前沿技術(shù)忽然一夜之間就來到了我們身旁，成了家喻戶曉的風(fēng)口話題。

如果說2015-2016年是AI芯片巨頭們廝殺激烈的爭奪戰(zhàn)，那么接下來的2016-2017年則是國內(nèi)AI芯片創(chuàng)業(yè)市場逐漸升溫加熱、最終大紅大火、進入白熱化競爭的時段。隨著市場的進一步升溫發(fā)酵，到了2017年年底，市場競爭達到了前所未有的激烈程度。

僅僅是在2017年10月-11月這兩個月間，就有四間國內(nèi)AI芯片公司同時宣布獲得千萬美元以上的大額融資，如果從2017年8月開始算起，四個月間至少有十幾款A(yù)I芯片面市。芯片產(chǎn)品升級周期普遍長達12-24個月，如今這樣密集火熱的市場轟炸，簡直有如一場AI芯片的集體狂歡。