電影《模仿游戲》臨近結尾時，那個二戰時期為盟軍破譯了德國密碼系統“英格瑪”的圖靈，用一顆沾染氰化物的蘋果掐斷了自己的生命線——盡管他因為同性禁忌取向陷入輿論與道德雙重譴責，走得不那么體面。

而作為一名有著光怪陸離思想的天才，圖靈作出的貢獻遠遠不止于破譯那些該死的密碼。

人工智能的三次浪潮與危機

早在圖靈拿起那顆蘋果之前，他曾在論文中提出過一個模型，叫圖靈機；1950年又提出了一種判斷機器能否像人類一樣思維的方法，即圖靈測試。通俗一點解釋就是網友形容的：如果一臺機器能夠像紫薇一樣，和爾康從詩詞歌賦談到人生哲學，并且不讓爾康發現她是一個機器，那么這臺機器就算是很智能了。

圖靈給人工智能定下了發展的style。到了1956年，麥卡錫、紐厄爾、赫伯特西蒙等人在美國諾漢斯小鎮的達特茅斯學院中，開了個長達兩個月的小會——用機器來模仿人類學習以及其他方面的智能。這個會議最大的成就就是誕生了一個名字：人工智能。

此后，人工智能被廣泛應用于數學及自然語言領域，這是人工智能的第一次Happy Time。人們樂此不疲的研究各種算法以及計算工具，你所知道的幾何、代數和英語等問題，都能被一一解決。

然而第一次冬天來得太快。對于復雜問題，上世紀70年代的AI研究和計算能力根本無法承擔，超出一點點范圍就觸及到它們的盲區。人們失望了，資本也紛紛離場，人工智能陷入停滯。

轉機出現在1980年，那一年卡耐基梅隆大學為DEC公司制造了個“知識庫＋推理機”組合的系統——專家系統，采用了人工智能程序，它能讓DEC每年節約4000萬左右的費用，這樣的魅力讓商業沸騰了。

有了商業的青睞，人們開始覺得，人工智能會是一出好戲。但第二場寒冬再次不期而遇。1987至1993年現代計算機的出現及普及，讓PC開始走進世界，走入家庭，其費用遠低于專家系統所使用的專用計算機。人工智能再次感受到了寒冬的凜冽，人們開始逃離專家系統與人工智能。

后來隨著深度學習算法出現，再結合日益強大的處理器，人們對于AI的熱情被再次點燃。

1997年IBM的深藍擊敗世界第一國際象棋大師的新聞讓人炸鍋，那是第一次人們感受到被AI支配的恐懼。每秒2億步棋，70萬份大師對戰棋局數據，能搜尋并估計隨后的12步棋，人們終于意識到，機器可以超越“專家”而擁有“智能”。

接下來的故事大家都知道了：2011年Waston在美國電視問答節目擊敗兩名人類冠軍選手，四年后微軟ResNet獲得ImageNet冠軍，錯誤率僅為3．5％，一年后阿法狗戰勝圍棋世界冠軍李世石，第二年升級后的阿法狗又再次戰勝柯潔。

這是人工智能的第三次熱潮，人們感受到了AI在“智商”上存在超越人類的潛力。但是第三次熱潮到底能走多遠，有一個關鍵性的因素正在顯現。

AI需要的不僅僅是算法和大數據

不難發現，六十多年算法一次次的突破，數據在互聯網移動化浪潮下的空前豐富，算力在芯片作用下的提升，剛好支撐起了人工智能的騰飛。

如果說數據是人工智能高速運行的燃料，那么算力就是其發展的動力和引擎，可大數據爆發又給算力出了一道巨大的難題——AI負擔的數據體量在迅速增大，當前算力處理如此龐大的數據開始力不從心，曾經給了AI發展希望的東西都在被逐一打破失效。

自2012年以來，大型AI運算中用到的計算量呈指數式上升，并且每3．5個月計算量就會翻一倍，這一指標如今已經增長了30萬倍，以摩爾定律的正常速度運算能力只能提升12倍。

算力的核心，是芯片，通常就是CPU，CPU＝N個晶體管＝無數金屬線＋無數半導體材料，摩爾定律近乎失效導致集成電路上可容納的晶體管數量，隨著運算的迫切需求不斷疊加再疊加。可無限疊加是不可能的，晶體管工藝也已逼近原子量級。

一邊芯片體積不斷縮小，一邊半導體技術趨于物理學極限，最先進的晶體管已經小于可見光的波長，電子開關的尺寸比生物病毒還小。

不僅如此，計算成本也直沖云霄。阿爾法狗下一盤棋的電力開銷大約為3000美元，3萬多幅專業棋手對弈棋譜以及自我對弈產生的3000萬盤棋局，每小時消耗2000度電，下一盤棋的電力開銷大約為3000美元。這樣的成本凡人玩不起，想要人人都能AI的設想，似乎還遙不可及。

如何繞過CPU的物理極限釋放算力，是人工智能未來發展的首要難關。

智能計算讓AI從“芯”啟航

從互聯網巨頭到IOT企業，從BAT，到聯想、華為，很多企業發力AI，入局者如過江之鯽。但是誰能解決人工智能的難題并讓未來充滿想象空間，才是企業最好的入局方式。

阿里把人工智能應用到電商，百度深耕小程序，騰訊瞄準游戲與社交，聯想說要賭上身家性命去做AI但依然擺脫不了“聯想沒有技術”的魔咒，華為將“為智能世界提供極致算力”作為公司戰略方向之一，并成立智能計算業務部，清晰定位的正是人工智能的算力瓶頸。

中國的計算產業普遍缺“芯”，特別是核心芯片的設計和制造能力，馬云說要自己造芯，華為的智能計算也是以芯片為著力點釋放算力。沒人會懷疑馬云的商業頭腦，可聚焦到芯片，華為自然比阿里要有更多的話語權。

不可否認，硬件和研發能力一直是華為的強項。不管是手機上的麒麟芯片，還是去年發布的AI芯片昇騰310及910，都讓國人記憶深刻。昇騰系列芯片既可部署在數據中心進行AI訓練，還適合在邊緣甚至端側部署，用于AI推理。

除了AI芯片，華為還有多種自主研發的服務器芯片，有用于ARM服務器的鯤鵬920處理器芯片，還有用于通用服務器的智能融合網卡芯片、智能SSD控制器芯片、智能管理芯片等。這些芯片共同作用，可以有效分擔和卸載CPU的計算壓力，在系統級超越CPU芯片級的摩爾定律。

月中時候Gartner發布了2018年第四季度全球服務器市場數據報告，華為以收入同比增長45．9％成績成為季度表現最搶眼的一個服務器品牌，穩坐第三名的交椅。當華為系列芯片與服務器產品線相遇，華為的服務器產品可以進化成全新的智能計算產品。

就智能計算本身而言，傳統定義是指一種經驗化的計算機思考性程序，是輔助人類去處理各式問題的具有獨立思考能力的系統；在華為的詮釋下，智能計算是依靠底層芯片技術突破人工智能算力瓶頸，衍生出用的好、用的起的智能服務器和智能硬件。

以芯片實力打造智能化底座，是否這就是在第三次熱潮中撬動人工智能的支點？

也許，人工智能不應該僅限于阿法狗，也不能一直僅存在于科幻電影，而應該像智能手機一般落地普及。這才是人工智能的未來，或者說，人類的下一個進步。