余凯：人工智能的冰与火之歌

余凯：人工智能的冰与火之歌

2006年到2016年，是深度学习的普及和推广期，人工智能技术在很多应用中取得了突破性进展，但所有成果均为感知方面的应用，如图像识别、语音识别等。

而从2016年开始，随着AlphaGo和自动驾驶等人工智能系统的出现，人工智能技术的应用开始从感知过渡到决策。未来10年，如何优化决策是人工智能的重点课题。

2016年AI圈尤其活跃

AI计算硬件不断推出。英伟达股票市值在一年间从100亿美元增长到500亿美元，震惊业界。究其原因，是处理器架构因为人工智能的需求正在被重新定义。Google也推出了“TPU（Tensor Processing Unit，张量处理器）”。除此之外，包括地平线机器人在内的不少公司也正朝着这个方向去探索。

算法不断升级。如生成式对抗网络等算法的突破性进展，人们看到除了CNN、RNN、LSTM，计算机技术在不断推陈出新，让这个行业变得越来越有意思。

开源平台不断成熟。在2016年，开源平台体系在不断成熟，如TensorFlow、Caffe等。值得一提的是，由中国学生发起的MXNet成为了亚马逊AWS官方训练平台，是很了不起的成绩。

AlphaGo事件。围棋大师与人工智能的比赛，改写了从街头百姓到政府部门的全社会对人工智能的认知，实现了大家均认为不能实现的事情。

人才流动加速。Hinton的得意门生、CMU副教授Ruslan加入苹果公司，担任苹果人工智能研究总监。斯坦福大学的李飞飞教授也加入了谷歌。

OPEN AI LAB与嵌入式人工智能

历史上，技术创新和商业模式的创新都是相伴相生的，怎么打造良性的产业生态是业界所关注的。地平线、ARM、安创空间、全志联合成立了OPEN AI LAB，希望把技术向半导体厂商、开发者开放，大家一起去定义嵌入式人工智能的标准。

为什么把技术突破口选在嵌入式人工智能？过去，推动人工智能的核心要素可以概括为大数据、大计算、大平台——三者是在互联网和云端支持人工智能的技术与服务。其实，除了从云端部署人工智能，很多场景急需在设备端部署人工智能，使设备具备环境感知、人机交互、决策控制的能力。以自动驾驶为例，如果有孩子横穿马路，当自动驾驶系统感知到之后，如果需要把信号传送到云端再做决策，万一当时网络不稳定，结果将是不可想象的。因此，人工智能的产业应用亟需达到本地计算、实时决策。

创业公司做项目一定要选择大公司不大容易进入的维度。BAT在数据、人才、资源、服务方面的势能，创业公司很难去挑战。但本地低功耗人工智能计算不是他们的强项，也不是他们的业务重点。我认为，创业一定要选难度较大的事情去做——嵌入式人工智能需要把软硬件结合，并重新定义处理器架构，这是非常复杂的工程。地平线机器人希望把嵌入式人工智能构建成一种开放生态，使其未来在端上产生很多创新，让意想不到的创新发生。开放式生态可以把许多想法从一个创意变成产品，而这些想法和产品又会反哺地平线机器人的发展。

AI团队的招聘心得

现在，人工智能人才还是比较稀少，产业显得比较小众，没那么容易变现。一些从事人工智能算法的人才，他们有几年深度学习经验就迫不及待地想“改变世界”，反而没有意识到，真正有价值的事情都是困难的事情、有壁垒的事情。我经常告诉他们，创业是一场艰苦的修行，而不是一场Party，一旦坚持下来，无论是在“路上”还是在“山顶上”，那种满足感和成就感都是无与伦比的。

当公司做的方向跟主流方向不一样时，吸引来的人才是为难得和特殊的，因为他们是经过自己冷静思考来加入的，往往是推动公司做一番事业的人才。地平线机器人有幸在很短的时间内招到了顶尖人才，包括算法、软件系统专家和硬件专家。我在百度时领导的团队平均年龄是26岁，而地平线工程师平均年龄是32岁——偏重搞技术的公司，对资深人才的需求更为迫切。

对于一个商业公司来讲，算法人才和产品经理同等重要。我认为，所谓“研究大牛”，要有自己的思考和深厚的积累，能够持续地创新。能创造性地做出世界级成果的人是非常稀缺的。一个算法人才一般经过1～3年的深度学习，就会用开源平台去训练模型，而这些人还谈不上是“研究大牛”。“研究大牛”是很稀缺的人才。当然，产品经理也非常重要，因为产品经理定义需求。如果一个新事物的技术水平很高，但不能解决实际问题与需求，因此技术水平再高也没有实际价值。

人工智能创业公司与未来发展

从目前来讲，绝大部分人工智能创业公司都是基于GPU等计算平台和基于Caffe、TensorFlow等开源平台，用比较成熟的模型结构来训练，然后做一些解决问题的Demo，差异化不明显，在算法方面壁垒确实也不高。这就导致在一些标准问题里，各创业公司的效果都差不多，技术差距也并不大。核心原因之一就是中国人工智能原创性技术太少。

很多观点认为，中国在AI产业的人才、技术储备、研究、创新都有优势，我不太认同。真正做出AlpahGo这样的创新，中国还差些火候，而且国内也缺乏孵化这种创新的土壤。2016年深度学习原创性的基础研究在大步向前发展，然而几乎没看到哪些创新是国内产生的。

观察我国十几年的产业周期可以发现：以往多数项目均为To C产品——都是以产品创新和微创新为鲜明特征。中国没有经历通过技术创新为主的经济增长模式，而硅谷等地已经历了好几波技术创新。中国大部分投资机构和创业者，并不擅于技术类投资以及To B项目，不太习惯对这类公司进行估值。

实际上，人工智能产业仍处于早期阶段，重大应用场景还在不断摸索，产出的确非常低。但如果回到“.com”时代，你会发现当时的商业模式也是探索了很长时间。资本市场确实有追逐短期回报的现象，所以接下来，即便整个AI投资市场趋冷也并不奇怪。

AI行业与“.com”时代一样，即便是趋冷，但也不会影响到整体的趋势。因为AI确实在推动产业发展，实实在在地在创造价值，它不会进入彻底被遗忘的寒冬。实事求是地说，如果按照投资机构的计算方法，AI泡沫在一定程度上是存在的，创业公司确实估值比较高，而市场进展也并不尽如人意，但是到2017年或2018年一定会有所变化。从长期趋势来看，适当泡沫纯属正常，就像啤酒有泡沫味道才更好，正因为泡沫才让各公司都有机会去登上舞台，亮个嗓子。

我对2017年充满了期待，希望未来人工智能处理器硬件行业会有大的突破，同时相关算法上继续持续创新，在某些应用场景上出现重大突破，如医疗、自动驾驶、智能家居等。

（根据余凯在2016年雷锋网第100期硬创公开课的分享整理）