核心提示：全球范围内的AI初创公司不断涌出，互联网科技巨头时不时也发出“all in AI”的言论，于此同时，机器人已无声地渗透到人类生活和生产的各个层面，全世界各大城市俨然已是机器人的试验场，但它们够“智能”了吗？
不知不觉中，机器人已经无声地渗透到人类生活和生产的各个层面。特别是随着人工智能、深度学习等技术和各类硬件设备的结合，让机器智能成为全世界的流行词。这几乎是“all in AI”的时代，全球范围内的AI初创公司不断涌出，互联网科技巨头时不时也发出“all in AI”的言论，就连一向强调业务“边界”的华为也于近日高调宣布进入AI芯片市场，期望以架构设计者以及生态主导者的双重身份带动自身和行业的发展。
事实上，世界各地的城市正成为机器人的试验场（包括人类本身），不管人类是否已经做好准备，这一切已经是现在进行时。不过，目前为止，这些机器智能的表现如何呢？
纽约时报记者前不久在中国的大城市里做了一些深入的观察。因为短短几年里，中国已成为全球技术主力，正在塑造着互联网的未来。现在，中国有数亿人使用智能手机上网购物、支付账单、理财投资，有些方式甚至比美国更先进。这里有着最广阔和丰富的机器智能应用场景——机器人在餐厅为顾客服务；人工智能可以给学生的作业打分；人脸识别技术广泛应用于服务业。《纽约时报》记者认为，“中国已经为未来做好了准备，即使未来还没有到来。不过，这种繁荣可能是一件好事，因为有用的产品会找到自己的位置，而无用的产品则会被淘汰。”但他也同时表示，“为技术而拥抱技术”的思潮有时会带来一些不尽如人意的结果。
老实说，目前来临，很多机器人表现“智能”的方式尚处于笨拙阶段。比如说，使用机器人的餐厅里，真人服务员说，机器人服务员给他们带来了更多、而不是更少的工作——机器人能把放食品的托盘送到顾客面前，但无法将其放到餐桌上；在某餐厅午餐的一小时时间里，一名服务员有三次不得不把一个机器人放倒，清理机器人关节里的食物残渣。
但以上种种“服务不到位的机器人”，并不影响科技公司的投入热情，据追踪风险投资的研究公司CB Insights的数据，2017年，中国初创企业获得了全球人工智能方面的近一半投资。据从事技术研究的国际数据公司(I)的数据显示，预计到2020年，中国在机器人研发上的支出将占全球30%以上。而在人工智能硬件产业链最基础的底层芯片部分，根据Gartner估计，AI芯片在2017年的市场规模为48亿美元，2020年预计达到146亿，其中云端应用可望达到105亿。业界深信机器智能的未来无限潜能。
而至于机器智能与人类如何协作发展，大多数人工智能专家认为，在未来，人类可以与智能系统一起工作：技术不足以完全接管，或者决策人类的生产方式。很多重要的策略，还无法完全交付给机器。麻省理工学院教授、《我们自己的机器人》一书作者大卫明德尔对此指出，这种混合决策应该比让人工智能单独工作能产生更好的结果。
为了让机器不再“笨拙”，从芯片厂商到系统、算法公司，很多科技公司正在从各个层面出发，致力于让机器智能“更接地气和善解人意”，甚至接近人脑。尽管复制人类大脑还有很长的路要走，但人类大脑已被用作构建人工智能系统的有效模型，并继续由全球的研究机构来建模。最新的神经网络试图复制效率和计算能力，芯片架构也开始通过紧密耦合处理器和内存来复制人类大脑。
在AI芯片部分，AI技术的发展以及AI芯片在各个行业领域的广泛应用让半导体厂商振奋，特别是深度学习神经网络，通过结合神经网络算法的创新以及高带宽、高性能半导体设计的创新而飞速发展。
比如，芯片自动化设计解决方案提供商科技（Synopsys, Inc），正在与世界各地细分市场中领先的AI 芯片供应商合作，提供采用经过验证的可靠IP解决方案，帮助他们降低芯片设计风险，加快产品上市速度，并为AI设计人员带来关键的差异化优势。新思科技认为，专用处理需求、创新内存架构和实时数据连接构成了人工智能芯片的DNA，而针对未来AI设计的挑战，该公司也提供了许多专业处理解决方案来消除存储器瓶颈，包括存储器IP、带有TCAM和多端口存储器的芯片SRAM编译器等，同时提供了全面的实时数据连接选项。这些IP解决方案是下一代AI设计的关键组件。
为了让机器智能更“懂”人类，其中自然语言理解成为AI的一大核心任务。到目前为止，经历了从符号智能到统计学习、再到深度学习的发展和演化。深度学习虽然风头正劲，却也暴露出在解决语言理解问题中的诸多缺陷。而神经符号系统是深刻而实用的技术方向，因此业界也提出一种思路，认为深度学习和符号智能的结合将是下一代自然语言理解的新范式，或将是解决自然语言理解这一困难任务的唯一路径，让机器真正变得“善解人意”。
而在更广阔的应用场景部分，业界纷纷扎根于机器智能的垂直应用领域，这也将是让AI落地的实质方向。近两年，全球IT巨头纷纷布局人工智能领域，例如谷歌相继收购DeepMind、Kaggle为代表的人工智能公司、IBM打造Watson平台、百度进军无人汽车、阿里联合杭州市政府打造“城市数据大脑”、腾讯成立AI实验室……以AI深入垂直应用探寻落地模式是各家一致的做法。目前，在无人驾驶、工业4.0、智能安防和智慧医疗等垂直应用领域，机器智能都处于快速渗透阶段。
很多国际一线的芯片厂商都在积极布局自动驾驶和医疗领域。此前，奥迪与芯片厂商英伟达达成了合作，基于英伟达的DRIVE计算平台，运用计算机科学的建模决策的方式模拟人类大脑的工作方式。高通和同样对自动驾驶高度重视。在收购Mobileye之后，英特尔的自动驾驶事业部(ADG)就与Mobileye合并，并且建立了一支由100辆汽车组成的测试车队。在国内，英特尔与一汽、北汽、长城等都已建立合作。而在今年年初，高通就与三大汽车厂商捷豹路虎、本田和宣布合作，使用骁龙820A平台为汽车上的车载信息处理、电子仪表，及后座娱乐等方面提供支持。医疗领域也是被业界看好的下一个爆发市场。比如英特尔与本土创业公司汇医慧影与开发了一套“人工智能乳腺全周期健康管理系统”， 涉及人工智能参与乳腺影像判读以及人工智能辅助临床决策等，同时可以根据术后复查数据，人工智能参与动态监控，患者自助式参与治疗。
而像华为这样的技术平台公司，则希望通过打造手机端、云、IoT等“全场景”的技术支持，让AI应用于各行各业的行业实践。华为近日在其2018华为“全联接大会”（HUA WEI CNECT）上分享了其AI发展战略以及AI的场景解决方案。华为公司董事、战略Marketing总裁徐文伟认为，人工智能落地三大场景，第一是海量重复场景、第二是专家经验型场景、第三是多域协同场景。在徐文伟看来，人工智能正在成为全行业的基础设施，AI不再是一道难以逾越的技术门槛，而是会变成像水和电一样随手可及的应用工具。
人工智能、机器智能的发展已进入“下半场”，深入垂直行业应用的落地已经发生，不过这还只是万里长征的第一步，“all in AI”的征程才刚刚开始。
-电子元器件采购网（www.ruidan.com）是本土元器件目录分销商，采用“小批量、现货、样品”销售模式，致力于满足客户多型号、高质量、快速交付的采购需求。自建高效智能仓储，拥有自营库存超过50,000种，提供一站式正品现货采购、个性化解决方案、选型替代等多元化服务。
