自從今年國務院印發《新一代人工智能發展規劃》以來，國家層面發展人工智能產業，以此促進民生經濟的戰略可以說十分清晰。

而伴隨著中國對人工智能產業的重磅投入，越來越多的聲音開始將中美兩國的人工智能實力進行比較。無數智庫和數據機構，接連發布以兩國人工智能工程化、商業化、科研指數為為分析對象的報告。得出的結論各有不同，但中國的人工智能發展水準已經達到國際化水平卻是不爭的事實。

雖然在談及頂尖的人工智能技術時，我們更多討論的是Deepmind、OpenAI以及各大學的AI實驗室。但要知道，雖然AI領域的科研與產業關系密切，但學術水準終究不完全等同產業水平。

或許可以用另一個視角來看待中國的AI格局：AI產業化的關鍵因素中，中國企業一個也沒有遺漏。

讓我們從幾個維度梳理一下，以大數據+機器學習為主要特征的AI第三次次黃金周期中，AI的業態簡史與中國企業的表現。從更廣闊的視角看去，或許我們會認同，AI是一個中國沒有錯過，也不能錯過的技術拐點。

生態之源：深度學習框架

人工智能是一個標準的眾創型技術，每一個巧妙的算法、每一種靈光乍現的邏輯，都可能解開困擾整個人類的問題。所以帶給開發者、研究者工具和環境，讓他們施展自己的才華，就成為了AI企業最主要的任務之一。

最早提起深度學習平臺的時候，還是以加州大學伯克利分校推出的Caffe為主。其創造性地將卷積神經融入開發環境，構建了相對高效清晰的深度學習框架。

而在2015年底，谷歌開源了此前在內部使用的TensorFlow。隨著數次版本更新，一舉打破了Caffe的壟斷地位，成為了最活躍的深度學習框架。尤其隨著DeepMind全面使用，其社區資源得到了廣泛認可。

為了爭奪開發者生態Facebook、微軟、OpenAI等公司相繼推出了深度學習的開發平臺，重新試圖顛覆谷歌的霸主地位。目前世界上主流的深度學習平臺依舊有十幾個之多。

開發者環境有多重要，從Facebook憑借PyTorch在AI界得到的話語權提升就能知道。擁有良性的深度學習架構，是堆積AI開發生態的基礎。

這一點國內的企業也并未落后。比如百度最先推出了PaddlePaddle，宣布了國內企業進入這一領域。今年阿里云推出了PAI，主打與主流框架的環境友好度與便捷遷移。

目前來看，國內深度學習框架正在憑借開發環境、社區資源和企業激勵計劃，逐漸對歐美主流開發平臺形成沖撞。至少在AI研發的核心環節中，中國已經搶回了關鍵分。

硬實力的答卷：芯片代表的算力基礎

人工智能的神經網絡任務模型，是完全不同于傳統運算需求的全新任務形式。換句話說，傳統的硬件運算基礎也將不再符合人工智能的需求。

PC時代得芯片者得天下的說法，在人工智能時代似乎依舊奏效。

2011年，IBM就通過對人類大腦的模仿，推出了可商用的類腦芯片，可以說是人工智能芯片解決方案的基礎。但這種模式很快被證明實際價值不高，逐漸也就被束之高閣了。

此后FPGA、ACIS等處理人工智能任務的芯片類型相繼推出。而英偉達據說在一次實驗錯誤中發現了GPU可以很好的處理深度學習任務，也打開了GPU與人工智能狂飆突進的序幕。

目前英偉達TeslaV100號稱性能最強的AI專用處理器。而今年谷歌發布了專門應對深度學習任務的TPU芯片，也在AlphaGo身上大展神威。

而對于國內相關產業鏈來說，如何獲取到可以支撐人工智能研發與部署的運算能力、獲得智能AI化遷移的運算服務基礎，就成為了當務之急。

在主流神經網絡芯片制造依舊掌握在美國巨頭手里的情況下，國內企業更多采取了繞路迂回的辦法，比如通過云計算架構來輸出AI算力，匹配開發者的運算需求。

9月初，阿里云宣布推出了新一代異構加速平臺。其異構計算家族涵蓋GPU、FPGA在內的7款異構實例，并附帶全新高性能計算實例E-HPC。BAT和華為等云計算服務商輸出開放和定制化的算力供給，相對更加符合中國企業的需求。

而云計算之外，部署終端計算的微型AI芯片也在成為熱門話題。在手機上，蘋果推出了A11仿生芯片。而此前華為搶先發布了全球第一款移動AI芯片麒麟970。

基于芯片和算力的AI博弈已經在中美兩國的方方面面展開。未來云端一體化的AI算力似乎是更加切實的解決模式。云計算與硬件制造商之間的合縱連橫，也非常惹人期待。

萬物啟蒙：關于智能硬件浪潮

用AI加持普通終端，開啟萬物互聯的全新紀元，似乎早就成為了業界的共識。五花八門的AI硬件也很早就出現過。

但毫無疑問，亞馬遜的Echo開啟了智能語音+普及化硬件的新風口。一時間全球無數智能音箱崛起，一時間堪稱壯觀。

這個領域值得我們注意的，是中國企業對AI消費風潮的敏銳和戰略性投入。就像亞馬遜投入Echo的更大野心在打通家庭生態場景一樣。中國巨頭們先后投入AI硬件也難以離開生態化的誘惑。

從京東的叮咚，到小米的小愛同學、阿里的天貓精靈，巨頭們顯然希望音箱成為家居場景AI化的入口。通過后續更多IOT+AI的想象力迸發，達成新的消費風口爆發。

在IoT矩陣更加完善的情況下，有理由相信機器視覺、圖像識別等AI技術會爭相進入消費智能硬件序列。開始體驗到AI之后，智能消費市場很可能才剛剛崛起。

從實驗室到物理世界：AI的場景化落地

假如AI技術只能待在實驗室中，那恐怕只會有今天百分之一的人關注它。

畢竟任何技術都需要在現實世界中檢驗自己的價值。而AI又是一項非常底層的技術，很容易與各行各業的效率、體驗和解決模式相連接，給人以意想不到的效果。

雖然我們今天已經習慣了很多AI帶來的價值，但想一想初次接觸谷歌ML的智能推薦、蘋果Siri的語音交互體驗，看到特斯拉的車輛收集數據反向訓練自動駕駛，那種驚喜感是溢于言表的。

或許得以于移動互聯網的鋪墊，相比于美國市場，中國有更大的AI市場和更好的AI接受環境。而中國企業也在AI的場景化落地領域造就了許多個“Chinafirst”。

比如說我們在語音交互領域，看到了百度的度秘、科大訊飛兩大巨頭齊飛。在機器視覺領域，出現了商湯、曠視等5大獨角獸，著實令人驚嘆。

這里不得不提到阿里云的ET大腦系列。ET城市大腦在杭州的部署，是人類史上第一次用大數據+人工智能方式來指揮真正的城市交通。

某種程度來說，在應用場景上，有“中國特色”的AI落地道路已經比歐美國家走的更遠。結合數據感知和大規模計算領域的能力，人工智能可以輸出為更多實際的社會價值。這種模式應該會在接下來的中國市場中不斷發酵成熟。

綜合來看，在中國企業利用人工智能達成具體行業的賦能和革新，需要的各領域產業基礎已經相繼成熟。而依托海量的用戶網絡數據，大數據、云計算、人工智能結合的應用邏輯，或許會成為中國特有的AI成熟方式。

更深層的未來：人才與研發聚合效應

很多大牛都坦誠的表示過，AI打到最后都是人才戰。

但這一點或許不太準確，因為能夠左右產業局面的科學家和技術專家畢竟是極少數，真正左右戰局的，應該是研發團隊和實驗室的成熟度和創新能力。

從DeepMind的科學狂人文化中，不難看出AI人才在企業實驗中的戰略意義。而這場另類賽道的競賽，其實很早就在我們身邊開始打響。

拋開歐美的AI實驗室文化和工程師文化不提，中國互聯網企業配備技術科研團隊也已不是什么新鮮事。

很早就成立的微軟亞洲研究院，其中一個研究方向就是人工智能領域的探索。這或許成為了一個示范，引出了中國互聯網巨頭們花樣繁多的AI人才聚合項目。

比如百度在2013年就建立了IDL（深度學習研究院），主要攻克深度學習、語音識別和智能訓練領域的技術難題。2014年，阿里成立了iDST（數據科學與技術研究院），據說肩負著在大數據時代彰顯阿里技術高度的重任。

另一個被廣泛關注的現象，是BAT三家相繼成立了AILab。

最早成立的百度硅谷AILab，一直在學術上比較活躍，成果也以論文和開源算法為主，酷似歐美大公司里的學院派。

今年3月，曾擔任百度研究院副院長和大數據實驗室負責人的張潼被任命為騰訊AIlab主任。相對來說，騰訊AIlab更加注重AI的工程化和應用化。研究領域集中在計算機視覺、語音識別、自然語言處理和機器學習，相對偏重騰訊的豐富場景與AI相融合。

今年7月，阿里AIlab宣布亮相，前南洋理工大學教授王剛宣布加入。相對于iDST，阿里AIlab偏重消費級AI產品的研發。從與AIlab同天亮相的天貓精靈中就可見一斑。

根據高盛的相關報告預測，未來世界上超過百分之八十的深度學習研究成果將在中國產生，而各大企業間的AI研發團隊與實驗室將是這些成果的主要驅動力。

更深的技術未來，永遠是由人來引發。

結束語

以上幾個部分，相當于從不同角度勾勒一段AI業態的發展史。很容易看出，中國人工智能在各個領域都沒有掉隊，至少都有可以躋身世界主流的話語輸出能力。

AI發展動力，源于整合優勢、沉浸學術、開發生態。中美之間的片面比較其實并沒有意義，知道中國優勢與弱項，并在此基礎上釋放更深層的創造力才是根本。

有人說，在硅谷開發者眼中能看到一種亞洲同行沒有的好奇心與浪漫。但在中國AI的從業者和開發者眼中，卻經常能看到一種不容有失的饑餓感。

那也是一種力量，一種十分值得驕傲的力量。

更多資訊請關注工業機器人頻道