人工智能你怕了吗？请把这些公司列为重点关注

　　前一段时间谷歌“阿尔法狗”打败世界知名围棋选手李世石一度占领各大新闻头条，甚至引发大众关注。一时间，不管是科技界名人还是普通大众，都因此产生不同程度的不安。一部分不安是担心人工智能被心怀叵测的人利用，比如人工智能武器被利用酿成冲突惨剧，而普通大众的不安主要是同自身的切身利益有关，是与人工智能有关的职业和社会道德问题。

　　2015年1月31日，在美国硅谷的The BIG Talk峰会上，百度首席科学家吴恩达现身发表演讲，作为人工智能领域的专家，他认为不必对技术产生恐惧的情绪，人工智能不会导致世界末日，而是给人类社会提出了新的挑战。

　　而霍金泽持有不同观点，霍金在《独立报》上或能概括人工智能的威胁：“尽管人工智能的短期影响取决于控制它的人，但长期影响却取决于它究竟能否被控制。”

　　微软联合创始人比尔·盖茨（Bill Gates）称人工智能的出现实现了年轻科技迷们所有的儿时梦想。他说：“人工智能就是通往未来的途径，机器将越来越能干，甚至超过人类智慧。”

　　盖茨的西雅图邻居、亚马逊创始人杰夫·贝索斯（Jeff Bezos）同样对人工智能充满信心。他说：“很难评估人工智能对今后20年的社会将产生何种巨大的影响。”

　　盖茨与贝索斯都坚决支持研发人工智能技术。但是特斯拉电动汽车公司、美国太空技术探索公司SpaceX首席执行官马斯克，却对人工智能技术的进化感到担忧。马斯克说：“我很担心人工智能发展的某些方向，它们可能对未来产生负面影响。并非所有人工智能功能都是良性的。如果我们创造出超越人类智慧很多的超级人工智能，确保其处于良性状态非常重要。”

　　李开复老师的警告则更具激励性：人工智能的真实的危机在于未来机器将养活无所事事的人。其实，比这更可怕的应该是：直到这一猜想成为现实，人们才开始意识到问题的严重性。

　　那也不妨听听FaceBook公司人工智能实验室负责人Yann LeCun是怎么说的：“有些人是因为对人工智能的原理不理解而导致恐惧，有些人是为了个人名望而宣扬人工智能威胁论，有些人则是为了商业的利益推动人工智能威胁论。”

　　那么问题来了，什么是人工智能呢？让大家争议不断。

　　人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能是对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。现在人工智能已经成为世界三大尖端科学，与空间技术、能源技术并列。

　　提到人工智能不难想到人工智能芯片。什么是人工智能芯片？理解它，最好的办法是先思考人工智能软件需要什么：很好的处理速度，以及高处理速度所需的大功率。然而，处理器的运行方法也很重要。

　　为什么我们不能仅仅用高端的英特尔处理器芯片来实现人工智能？

　　“一个顶级的英特尔处理器包含过多的punch用来运行庞大的金融电子表格或是企业运营软件时，而为了深度学习的芯片优化将一些特定类型的问题（比如理解语音命令或识别图像）分成为无数的小块（bite-size chunks）。因为GPUs有数以千计的小型处理器核心挤在同一个硅片上，所以它们可以同时处理成千上万的小块。分配一个英特尔处理器到这种工作上将是一个巨大的资源浪费，因为每一个这种处理器都包含着几十个原本设计用来运行复杂算法的内核，而深度学习芯片只要去处理所有的那些小型任务，并不需要思考那么多复杂运算。”这段从MIT Technology Review引用的文字可以对此作出解释。

　　于是为打造芯片和硬件解决方法并优化人工智能任务的公司早就在行动啦。

　　1、KnuEdge

　　KnuEdge实际上并不是一个初创公司，它由NASA的前任负责人创立，已经在一个隐形模式下运营了10年。KnuEdge最近从隐形的模式中走出，并让全世界知道他们从一个匿名的投资人获取1亿美元的投资用来开发一个新的“神经元芯片”。

　　KUNPATH提供基于LambaFabric的芯片技术，LambaFabric将会通过与现在市场上的GPUs、CPUs和FPGAs完全不同的架构进行神经网络的计算。LambdaFabric本质上是为在高要求的运算环境下向上拓展至512000台设备而设计，机架至机架延迟时间只有400毫微秒，低功耗的256核处理器。KNUPATH技术以生物学原理为基础，将会重新定义数据中心和消费设备市场中的芯片级/系统级计算。

　　对比其他相似的芯片，这个芯片技术应提供2倍到6倍的性能优势，并且公司已经通过销售他们的样机系统获得了收入。在“KnuEdge伞形结构”下，KnuEdge由3个单独的公司组成，KnuPath提供他们的芯片，KnuVerse提供通过验证的军事级的语音识别和验证技术，Knurld.io是一个允许开发者们去简单地融合语音验证到他们的专利产品的公共云API服务（Public cloud API service）。KnuEdge宣称，现在只需要对着麦克风说几个词就可以做到验证电脑、网络、移动应用和物联网设备。以后再也不用记住密码将会是一件多棒的事情？

　　2、Nervana

　　创立于2014年，位于圣地亚哥的初创公司Nervana Systems已经从20家不同的投资机构那里获得了2440万美元资金，而其中一家是十分受人尊敬的德丰杰风险投资公司（Draper Fisher Jurvetson，DFJ）。The Nervana Engine（将于2017年问世）是一个为深度学习专门定做和优化的ASIC芯片。这个方案的实现得益于一项叫做High Bandwidth Memory的新型内存技术，同时拥有高容量和高速度，提供32GB的片上储存和8TB每秒的内存访问速度。该公司目前提供一个人工智能服务“in the cloud”，他们声称这是世界上最快的且目前已被金融服务机构、医疗保健提供者和政府机构所使用的服务，他们的新型芯片将会保证Nervana云平台在未来的几年内仍保持最快的速度。

　　3、地平线机器人

　　由中国人创立于2015年的初创企业Horizon Robotics（地平线机器人）已经从包括Sequoia和传奇的风险资本家Yuri Milner等投资人获得了未透露金额的种子基金。2016年7月1日，地平线机器人获得了新一轮融资，这笔投资将用来加大对自动驾驶和智能家居领域的研发投入，加快产品研发和落地速度；推进人工智能芯片和系统的研发。他们正在着手于建立一个一站式人工智能解决方案，定义“万物智能”，让生活更便捷、更有趣、更安全。

　　地平线致力于打造基于深度神经网络的人工智能“大脑”平台 - 包括软件和芯片，可以做到低功耗、本地化的解决环境感知、人机交互、决策控制等问题。其中，软件方面，地平线做了一套基于神经网络的 OS，已经研发出分别面向自动驾驶的的 “雨果” 平台和智能家居的 “安徒生” 平台，并开始逐步落地。硬件方面，未来地平线机器人还会为这个平台设计一个芯片——NPU （Neural Processing Unit），支撑自家的OS，到那时效能会提升2-3个数量级（100-1000 倍）。

　　4、中星微电子

　　说起国内的人工智能芯片，不得不提一下，今年6月 20 日，率先推出中国首款嵌入式神经网络处理器（NPU）芯片中星微，这是全球首颗具备深度学习人工智能的嵌入式视频采集压缩编码系统级芯片，并取名“星光智能一号”。这款基于深度学习的芯片运用在人脸识别上，最高能达到98%的准确率，超过人眼的识别率。该芯片于今年3月6日实现量产，目前出货量为十几万件。

　　该NPU采用了“数据驱动”并行计算的架构，单颗NPU（28nm）能耗仅为400mW，极大地提升了计算能力与功耗的比例，可以广泛应用于高清视频监控、智能驾驶辅助、无人机、机器人等嵌入式机器视觉领域。

　　5、krtkl

　　创立于2015年的krtkl致力于创造“一个微小的无线电脑用来创造一些完全不同的东西”。技术人将会迷恋Snickerdoodle，一个双核ARM处理器、FPGA、WIFI、蓝牙，起价于65美元，“以最小、最难做、最实惠赋能机器人、无人机和计算机视觉等的平台”。这个产品事实上是通过众筹获得了超过16万美金的资金。最新的信息是说他们已经收到了Snickerdoodle初级版本，并且很快就会出货。

　　6、Eyeriss

　　Eyeriss事实上还不是一个初创公司，但是因为它是由MIT开发并且获得了大量的媒体报道，所以我们不能从这个名单中排除它。Eyeriss是一个高效能的深度卷积神经网络（CNN）加速器硬件，能够让移动设备执行自然语言处理和面部识别等任务，而无需连接至互联网。显然，这是让操作系统的机器学习变得更加便携的最新尝试。

　　换言之，智能手机、可穿戴设备、机器人、自动驾驶汽车、以及其它物联网设备，都能够在本地处理复杂的深度学习任务，这点在此前一直非常难以做到。深度学习依赖于大规模的计算机处理性能，而“GPU加速”就是比较常见的一种方式。尽管能够胜任，但它也有一个最大的缺点——费电。

　　该硬件比起现有的图形处理器GPUs更加高效、Eyeriss的能效为传统方法的十倍。美国国防部高级研究计划局（Darpa）提供部分资金，由Vivienne Sze领导的MIT团队在今年的会议上公开了芯片，是最先进的神经网络首次在定制芯片上进行演示。