從互聯(lián)網(wǎng)時(shí)代到智能硬件時(shí)代，技術(shù)發(fā)展和商業(yè)模式創(chuàng)新一直都是相互影響的，技術(shù)發(fā)展會(huì)推動(dòng)商業(yè)模式創(chuàng)新，商業(yè)模式創(chuàng)新也會(huì)影響技術(shù)發(fā)展�？梢坏┌l(fā)生有技術(shù)發(fā)展不足以支持商業(yè)模式創(chuàng)新情況，商業(yè)模式創(chuàng)新就會(huì)止步不前。直到下一波技術(shù)革命來臨，商業(yè)模式創(chuàng)新才會(huì)繼續(xù)出現(xiàn)。

從“物聯(lián)網(wǎng)”到“萬物互聯(lián)”，海量數(shù)據(jù)被催生了出來，單純的觸摸屏交互已經(jīng)難以滿足用戶的多樣化輸入需求了。受技術(shù)發(fā)展因素的影響，商業(yè)模式創(chuàng)新開始止步不前。在這樣的情況下，一旦人工智能技術(shù)取得突破性進(jìn)展，商業(yè)模式就能實(shí)現(xiàn)創(chuàng)新發(fā)展，隨之而來的將是擁有巨大發(fā)展?jié)摿Φ氖袌?chǎng)空間。

現(xiàn)如今，Web2．0互聯(lián)網(wǎng)產(chǎn)品時(shí)代的現(xiàn)有技術(shù)已經(jīng)難以滿足商業(yè)模式的創(chuàng)新需求了。未來，商業(yè)模式要?jiǎng)?chuàng)新，就要依賴不斷進(jìn)步的技術(shù)，屆時(shí)人工智能將成為重要支撐。

人工智能未來的硬件架構(gòu)

近十年，計(jì)算機(jī)科學(xué)的研究重點(diǎn)在信息處理層面，基于此，我們將這個(gè)時(shí)代稱為“大數(shù)據(jù)時(shí)代”或者“數(shù)據(jù)大爆炸時(shí)代”。未來，隨大數(shù)據(jù)時(shí)代而生的這種信息處理能力將出現(xiàn)發(fā)展瓶頸，屆時(shí)，計(jì)算機(jī)科學(xué)的研究重點(diǎn)就會(huì)轉(zhuǎn)移到“突破計(jì)算機(jī)現(xiàn)有計(jì)算能力極限”方面，也就是顛覆馮·諾依曼的硬件架構(gòu)方面。

在人工智能技術(shù)的支持下，顛覆馮·諾依曼的硬件架構(gòu)將從底層的硬件架構(gòu)變革開始。到那時(shí)，硬件模式將擺脫對(duì)云計(jì)算的依賴，將從芯片層面直接對(duì)人工神經(jīng)網(wǎng)絡(luò)進(jìn)行模擬，以構(gòu)建一個(gè)完善的硬件大腦。這個(gè)想法或許是人工智能在硬件設(shè)備領(lǐng)域的終極解決方案。從現(xiàn)階段的技術(shù)層面來看，盡管這個(gè)想法的實(shí)現(xiàn)還需要很長時(shí)間的努力，但其大致方向已經(jīng)顯現(xiàn)了出來。

（1）人腦芯片

2014年8月，IBM公司宣布由IBM公司和紐約康奈爾大學(xué)合作進(jìn)行底層設(shè)計(jì)、由三星電子生產(chǎn)的百萬神經(jīng)元類人腦芯片——TrueNorth大獲成功。IBM公司的人腦芯片研發(fā)項(xiàng)目開始于2008年，美國五角大樓高級(jí)計(jì)劃研究局為其投資了5300萬美元。

經(jīng)過六年，這款集成了100萬個(gè)神經(jīng)元和2．56億個(gè)突觸的芯片終于問世。這款芯片相較于擁有1000億個(gè)神經(jīng)元和不可計(jì)量的突觸的人腦來說還有一定的差距，但是與蜜蜂的大腦已經(jīng)非常接近了。

現(xiàn)階段，這款芯片能夠以每秒每瓦460億次神經(jīng)突觸的速度運(yùn)作，能夠和人腦一樣對(duì)物體進(jìn)行探測(cè)與識(shí)別。簡單來說，在這款芯片運(yùn)作的過程中，能通過探測(cè)、識(shí)別模式將一些字母串聯(lián)在一起，以拼湊出完整的單詞和語句，對(duì)其進(jìn)行識(shí)別�？傮w來說，這種應(yīng)用還比較簡單，難以用于商業(yè)領(lǐng)域，與商業(yè)智能化的實(shí)現(xiàn)還有很大差距。

除IBM公司的TrueNorth芯片之外，英特爾、高通等公司也擁有自主芯片設(shè)計(jì)，他們的芯片設(shè)計(jì)獲得了工程師的高度評(píng)價(jià)，被稱為“神經(jīng)形態(tài)”。在未來，以TrueNorth為代表的二元芯片將被能模擬人腦聯(lián)系功能的芯片產(chǎn)品所替代。當(dāng)然，這一想法能否實(shí)現(xiàn)依賴于正確的神經(jīng)元結(jié)構(gòu)能否找到，其研究過程也需要經(jīng)過很長的時(shí)間。

（2）量子計(jì)算

目前常見的計(jì)算機(jī)是借助晶體管電路存儲(chǔ)數(shù)據(jù)的，屬于二進(jìn)制，只能完成一些簡單的建模與計(jì)算，面對(duì)復(fù)雜的建模和計(jì)算往往顯得有心無力。

而量子計(jì)算機(jī)則很好地彌補(bǔ)了普通計(jì)算機(jī)的這種缺陷，借由粒子的量子狀態(tài)存儲(chǔ)數(shù)據(jù)，借助量子算法對(duì)數(shù)據(jù)進(jìn)行操控，借助量子邏輯來完成通用計(jì)算，其擁有的強(qiáng)大并行計(jì)算能力能夠大幅提升計(jì)算機(jī)的計(jì)算速度。

在量子計(jì)算機(jī)研究方面做出突出貢獻(xiàn)的就是谷歌公司。谷歌公司秉持著“使機(jī)器人能夠像人一樣獨(dú)立思考”的理想，2014年開始與各科學(xué)家聯(lián)手對(duì)量子計(jì)算機(jī)的處理器進(jìn)行研究。這一研究究竟能否成功，現(xiàn)在還無法預(yù)見，只能在未來見分曉。

（3）仿生計(jì)算機(jī)

目前在通用的CPU、GPU基礎(chǔ)上形成的處理神經(jīng)網(wǎng)絡(luò)運(yùn)作效率較低。以谷歌大腦為例，谷歌大腦擁有的CPU數(shù)量達(dá)1．6萬個(gè)，要想完成識(shí)別動(dòng)物面部的無監(jiān)督學(xué)習(xí)訓(xùn)練，需要運(yùn)行7天。并且，谷歌大腦的100億個(gè)突觸相較于人腦的100萬億個(gè)突觸還有很大差距。

另外，以CPU、GPU為基礎(chǔ)形成的通用處理器，在構(gòu)建數(shù)據(jù)中心的時(shí)候，占地面積大、散熱功能差、消耗電量多。如此大的成本，一般的互聯(lián)網(wǎng)企業(yè)根本無力支付。面對(duì)這些問題，專門的神經(jīng)網(wǎng)絡(luò)處理器成了各家互聯(lián)網(wǎng)企業(yè)的必須設(shè)備。

仿生計(jì)算機(jī)就是為解決這個(gè)問題產(chǎn)生的，通過仿生計(jì)算機(jī)，大規(guī)模人工神經(jīng)網(wǎng)絡(luò)的構(gòu)建問題能得以有效解決。目前，在國內(nèi)，陳云霽團(tuán)隊(duì)就在仿生學(xué)原理的基礎(chǔ)上研發(fā)出了神經(jīng)網(wǎng)絡(luò)計(jì)算機(jī)。該計(jì)算機(jī)無須訪問內(nèi)存，使得通訊時(shí)間大為縮減（至少減少了90％），并能夠支持現(xiàn)有的、主流的機(jī)器學(xué)習(xí)算法。相較于那些主流的GPU來說，寒武紀(jì)神經(jīng)網(wǎng)絡(luò)計(jì)算機(jī)的性能比提升了21倍，性能功耗比提升了300倍。

從專用智能到通用智能

在專用智能時(shí)代，人工智能技術(shù)只能在特定領(lǐng)域、特定場(chǎng)景中應(yīng)用。例如，格靈深瞳的計(jì)算機(jī)視覺技術(shù)只能用于安防監(jiān)控領(lǐng)域，如果在商場(chǎng)中應(yīng)用，它的三維攝像頭就沒有辦法對(duì)顧客的基本特征進(jìn)行識(shí)別，無法根據(jù)顧客逗留時(shí)間的長短來分析其消費(fèi)偏好，更無法以此為依據(jù)開展精準(zhǔn)營銷。

無論是安防監(jiān)控領(lǐng)域?qū)�違法違規(guī)行為的識(shí)別與響應(yīng)，還是商場(chǎng)領(lǐng)域?qū)︻櫩拖�費(fèi)行為的識(shí)別與響應(yīng)，其基礎(chǔ)都是計(jì)算機(jī)視覺技術(shù)。但是在專用智能時(shí)代，因計(jì)算能力和建模能力不足，人工智能技術(shù)只能在特定領(lǐng)域使用，無法實(shí)現(xiàn)跨場(chǎng)景應(yīng)用。

未來，隨著人工智能技術(shù)的發(fā)展，當(dāng)專用智能時(shí)代步入通用智能時(shí)代后，人工智能技術(shù)的普遍適用性將得到大幅提升（圖1）。屆時(shí)，一個(gè)普通的監(jiān)控?cái)z像頭＋計(jì)算機(jī)視覺云平臺(tái)，在任何場(chǎng)合都能根據(jù)用戶需求對(duì)人群進(jìn)行識(shí)別，并做出分析和決策。

圖1人工智能技術(shù)的發(fā)展趨勢(shì)

現(xiàn)如今，通用智能時(shí)代距離我們還比較遙遠(yuǎn)。要想從專用智能時(shí)代邁進(jìn)通用智能時(shí)代，在計(jì)算資源層面必須超越現(xiàn)有的能力上限；在計(jì)算機(jī)建模層面必須突破線下深度學(xué)習(xí)算法的極限，真正實(shí)現(xiàn)“機(jī)器人像人一樣思考”。

在跨場(chǎng)景通用人工智能時(shí)代，應(yīng)用層企業(yè)的進(jìn)入門檻最低，平臺(tái)企業(yè)的進(jìn)入門檻最高，技術(shù)細(xì)分領(lǐng)域領(lǐng)先企業(yè)的進(jìn)入門檻居中。這也就意味著，屆時(shí)，應(yīng)用層企業(yè)的競爭會(huì)非常慘烈。