摩爾定律已經(jīng)死了，對嗎？再想想。

是的，過去中央處理器的性能每年提高40%，現(xiàn)在放緩了，但是把中央處理器和其他處理器結(jié)合起來，性能每年提高100%以上。這一處理性能的大規(guī)模改進是前所未有的，再加上數(shù)據(jù)和人工智能的結(jié)合，必然會徹底改變我們考慮硬件設計、軟件編寫和技術(shù)如何應用于企業(yè)的方式。

每個行業(yè)都會被顛覆。經(jīng)常聽到這種說法。是的，絕對是真的。我們來看看為什么這樣，這一切意味著什么。

在本文的突破性分析中，我們將發(fā)布一些數(shù)據(jù)，表明我們正進入一個新的創(chuàng)新時代，廉價的處理能力必將推動機器智能應用的爆炸性發(fā)展。我們將提到新的瓶頸，以及這對未來十年的系統(tǒng)結(jié)構(gòu)和行業(yè)轉(zhuǎn)型意味著什么。

摩爾定律真的死了嗎？

在過去的十年里，我們沒有聽說過這個問題幾百次。關(guān)于EETimes的文章已經(jīng)討論過了，MITTechnologyReview(麻省理工科技評論),CNET,SiliconANGLE的文章已經(jīng)討論過了，甚至一些跟隨摩爾定律步伐的行業(yè)協(xié)會也已經(jīng)討論過了。作者的朋友和同事PatrickMoorhead說得非常正確：

>嚴格來說，摩爾定律意味著芯片密度每兩年翻一番，所以可以說摩爾定律不再有效。

的確如此。他完全正確。然而，他在前面加了嚴格意義上的是有原因的…原因是他是一個懂事的人，知道芯片行業(yè)是變招高手。

過去的性能曲線被分解了。

下圖顯示，嚴格意義上的摩爾定律死亡并不重要。

摩爾定律過去的結(jié)果實際上正在加速增長，增長也相當引人注目。這張圖顯示了蘋果電影系統(tǒng)的發(fā)展過程，從A9到A145納米仿生電影系統(tǒng)達到高峰。

縱軸顯示每秒的操作次數(shù)，橫軸顯示三種處理器類型的時間點:CPU以兆赫茲(1012赫茲)為單位(最下面幾乎看不到的藍線)的圖形處理單元和GPU以每秒兆赫茲(1012)次浮點運算為單位(橙色)的神經(jīng)處理單元和NPU以每秒兆次運算為單位(爆炸性灰色區(qū)域)。

很多人應該還記得，曾經(jīng)，我們忙于購買最新最強大的個人電腦，因為新型號的鐘表周期更快，也就是說，千兆赫茲更多。按照摩爾定律，性能每24個月翻一番，或每年增長40%左右。如今，CPU性能的提升已經(jīng)放緩到每年約30%，因此從技術(shù)上講，摩爾定律已經(jīng)死亡。

蘋果電影的系統(tǒng)性能打破了常規(guī)。

從各個方面來看，蘋果電影系統(tǒng)(SoC)的改進速度自2015年以來已經(jīng)超過每年118%。實際上，由于118%是上述三種處理器類型的實際數(shù)字實際數(shù)字。我們甚至沒有計算系統(tǒng)中數(shù)字信號處理器和加速器組件的影響，包括這些因素在內(nèi)的數(shù)字可以更高。

上圖右側(cè)顯示的蘋果A14非常強大，A14使用了64位結(jié)構(gòu)、多核和替代處理器類型。重要的是，這些處理能力在iPhone中做什么？人工智能應用類型不斷發(fā)展，從臉部識別到語音和自然語言處理、渲染視頻、幫助聽力障礙者等，最終可以將強化現(xiàn)實送到手掌。

處理功能走向邊緣-網(wǎng)絡，存儲成瓶頸。

近日，我們報道了微軟首席執(zhí)行官薩提亞-納德拉(SatyaNadella)史詩般的說法：吾輩攀登中心化高峰。下面的圖片描述了一幅非常有說服力的畫面。上面提到的處理能力正以前所未有的速度迅速發(fā)展。而且成本也在下降。A14芯片的單位成本是50美元，蘋果公司在其V9公告中表示，即將發(fā)布的芯片可以放在冰箱里，可以優(yōu)化能源使用，每年可以節(jié)約10%的電力消耗。據(jù)說這種芯片只需1美元，1美元就能節(jié)約10%的冰箱電費。

處理功能多種多樣，價格低廉?？纯窗嘿F的瓶頸在哪里:網(wǎng)絡和存儲。那么這意味著什么呢？

這意味著處理功能將被推到邊緣，即數(shù)據(jù)誕生的地方。存儲和網(wǎng)絡將越來越分布和分散。定制芯片和處理功能可以嵌入人工智能，可以優(yōu)化工作負載的延遲、性能、帶寬、安全和價值。

記住，大部分數(shù)據(jù)(99%)都留在邊緣。我們以特斯拉為例。特斯拉汽車創(chuàng)建的絕大多數(shù)數(shù)據(jù)不會返回云。這些數(shù)據(jù)甚至不會持久。特斯拉可能會保存5分鐘的數(shù)據(jù)。有些數(shù)據(jù)偶爾會連接到云，用來訓練人工智能模型。下面我們會回來討論這個問題。

以上圖表顯示，如果您是一家硬件公司，那么您最好開始考慮如何使用藍線，即處理能力的爆炸。依我們看，戴爾科技、惠普、PureStorage、NetApp等公司有兩種方式，要么開始設計定制芯片，要么被顛覆。亞馬遜網(wǎng)絡服務公司、谷歌和微軟都在這樣做，思科和IBM都在這樣做。就像云計算顧問SarbjeetJohal所說的，已經(jīng)不是爺爺?shù)陌雽w業(yè)務了。

如果你是一名軟件工程師，你必須編寫應用程序收集的所有數(shù)據(jù)，充分發(fā)揮這一巨大的處理功能，創(chuàng)造我們以前從未見過的新功能。

AI無處不在。

處理能力的大幅提高和廉價芯片必將為下一波人工智能、機器智能、機器學習和深度學習提供強大的動力。

人工智能和機器智能有時會被交換和使用。機器智能的概念源于我們與作家DavidMoschella的合作。有趣的是，他在自己的書《看數(shù)字》中說機器智能沒有人工因素:

>機器智能沒有人工因素，拖拉機強大，沒有人工因素。

只是細微的差別，但是精確的語言往往能讓事情變得清晰。我們經(jīng)常聽到人們談論機器學習和深度學習，認為它們是人工智能的子集。機器學習將算法和代碼用于數(shù)據(jù)，可以變得更聰明。例如，建立更好的模型，獲得人類或機器的增強智能和更好的決策。這些模型將在不斷迭代中獲得更多數(shù)據(jù)和改進。

深度學習是基于更復雜的數(shù)學和更先進的機器學習。

上圖右側(cè)列出了人工智能的兩個廣泛要素。我們在這里想說的是，現(xiàn)在人工智能的大部分活動都集中在建立和訓練模型上。這些活動大多發(fā)生在云中。我認為人工智能推理將在今后幾年帶來最激動人心的革新。

AI推理釋放了巨大的價值。

AI推理是指模型的部署，即從傳感器中獲取實時數(shù)據(jù)，在本地處理數(shù)據(jù)，利用云開發(fā)良好的培訓，實時進行微調(diào)。

我們舉個例子。我們喜歡汽車的例子。觀察特斯拉有一定的啟發(fā)性，也是一個能說明邊緣可能演變的好模型。然后想象一下，汽車轉(zhuǎn)彎時需要一個優(yōu)化性能和安全性的算法。該模型的輸入包括摩擦力、道路狀況、輪胎角度、輪胎磨損、輪胎壓力等數(shù)據(jù)。模型創(chuàng)建者不斷測試和添加數(shù)據(jù)，迭代模型，最后一切都可以部署。

接著，該模型的智能進入推理引擎，推理引擎是一個運行軟件的芯片，被放置在車內(nèi)，從傳感器獲取數(shù)據(jù)，并實時微調(diào)轉(zhuǎn)向和制動等。好了，就像我們之前說的，特斯拉只保存短時間內(nèi)的數(shù)據(jù)，因為數(shù)據(jù)太多。但是如果需要，可以選擇存儲一些特殊的數(shù)據(jù)送回云進行進一步的模型訓練。比如，如果一只動物跑到滑，特斯拉可能會保存數(shù)據(jù)快照，發(fā)回云，然后與其他數(shù)據(jù)結(jié)合進一步完善模型，從而提高安全性。

這個例子只是成千上萬個人工智能推理用例中的一個，未來十年將進一步發(fā)展。

AI的價值：從建模到推理。

以下概念圖表明，建模和推理的費用比例隨著時間的推移而發(fā)展。從圖中可以看出，現(xiàn)在受到關(guān)注的應用程序，這些應用程序隨著推理成為主流而成熟。人工智能推理在邊緣和物聯(lián)網(wǎng)領(lǐng)域的機會很大。

建模的重要性將繼續(xù)。目前，建模工作負荷出現(xiàn)在欺詐檢測、廣告技術(shù)、天氣、定價、推薦引擎等領(lǐng)域，建模工作負荷將不斷改善。然而，我們認為推理是最重要的，前面的例子也很好地解釋了這一點。

在圖形中間，我們標注了一些行業(yè)，這些趨勢會改變這些行業(yè)。

另外還有一點。在他的書中，Moschella解釋了為什么過去的垂直行業(yè)大多是相互隔離的。這些垂直行業(yè)都有自己的產(chǎn)品、供應、物流、銷售、營銷、服務、營銷、服務和履行。專業(yè)知識傾向于留在行業(yè)內(nèi)，而大多數(shù)公司都呆在自己的泳道上。

現(xiàn)在我們可以看到很多科技巨頭進入其他行業(yè)的例子。亞馬遜進入雜貨、媒體、醫(yī)療保健，蘋果進入金融、電動車領(lǐng)域，特斯拉盯上了保險。很多科技巨頭跨越了傳統(tǒng)行業(yè)的界限，有很多例子，推廣者就是數(shù)據(jù)。比如汽車廠商會逐漸比保險公司擁有更好的數(shù)據(jù)。DeFi(分散金融的英文縮寫)或者使用區(qū)塊鏈的平臺會不斷利用人工智能來改進和顛覆傳統(tǒng)的支付系統(tǒng)，等等。

所以我們相信幾乎陳詞濫調(diào)的話：每個行業(yè)都可以被顛覆。

公司人工智能快照

上周，我們向讀者展示了企業(yè)技術(shù)研究(ETR)公司的以下圖表。

圖中數(shù)據(jù)的縱軸顯示凈得分或支出勢頭。橫軸是市場份額或ETR數(shù)據(jù)集中的普遍性。40%的紅線是我們的主觀定位錨點；在我們看來，40%的紅線上下都很好。

機器學習和人工智能已經(jīng)成為支出速度的第一個領(lǐng)域，所以有四顆星。機器人流程的自動化逐漸轉(zhuǎn)向人工智能附近?？梢哉f，云是所有機器學習活動的發(fā)生地，也轉(zhuǎn)向人工智能附近。雖然我們認為人工智能會逐漸離開云，但我們剛剛描述了原因。

公司人工智能專家上位。

下面的圖表顯示了這個領(lǐng)域的一些有勢頭的供應商。顯示了公司的首席信息官和信息技術(shù)買家以及他們的AI/ML相關(guān)支出。

上圖使用了與前面相同的Y/X坐標:縱軸為支出速度，橫軸為市場份額，紅線為40%。

大型云計算公司(如微軟、AWS、Google)在人工智能和ML方面占主導地位，地位最突出。他們有工具和數(shù)據(jù)。就像我們說的，很多建模都是在云中進行的，但是會被推到遠程人工智能推理引擎，作為一個整體，這些引擎會有大規(guī)模的處理能力。我們正處于集中化的高峰期，這將為創(chuàng)造價值和在工業(yè)上應用人工智能提供巨大的機會。

Databricks公司可以被視為人工智能的領(lǐng)導者，并因其強大的凈分和突出的市場份額而脫穎而出。SparkCognition公司在左上角的凈分非常高，可以說是獨一無二的，盡管樣本很少。該公司將機器學習應用于大規(guī)模數(shù)據(jù)集。Datarobot公司從事自動化人工智能，公司在Y軸上的位置非常高。Dataiku公司專注于幫助創(chuàng)建基于機器學習的應用。C3.Ai公司是由TomSiebel設立和運營的企業(yè)人工智能公司?？梢奡APSE、SAlesforce.com和IBMWatson正好在40%的線上下。甲骨文公司有自主數(shù)據(jù)庫能力，也出現(xiàn)在圖中，Adobe公司也在那里。

我想說的是，這些軟件公司都在他們的產(chǎn)品中嵌入了人工智能。那些試圖不被顛覆的現(xiàn)有公司可以從軟件公司購買人工智能。他們不需要建立自己的人工智能。困難在于如何應用人工智能以及在哪里。簡單的答案是:跟隨數(shù)據(jù)。

要領(lǐng)。

這個主題還有很多內(nèi)容，但是現(xiàn)在不說了，總結(jié)一下。

過去，我們努力討論x86時代和降低半導體生產(chǎn)成本對產(chǎn)量的重要性。今天，我們量化了一些我們還沒看到的東西，也就是說，量化了我們今天在處理上看到的實際性能提高。忘記摩爾定律已經(jīng)死了，摩爾定律已經(jīng)死了無關(guān)緊要。最初的命題在過去的十年里被電影系統(tǒng)和即將出現(xiàn)的包裝系統(tǒng)(Systemonpackage)的設計并沒有比例夸大。說到提高計算性能，現(xiàn)在還有量子計算。誰知道未來會是什么樣子？

這些趨勢是人工智能應用的基本推動力。和大多數(shù)情況下一樣，創(chuàng)新源于消費者使用案例；蘋果繼續(xù)引領(lǐng)潮流。蘋果將硬件和軟件集成的方法更多地滲透到企業(yè)的思維方式中。顯然，云計算供應商正朝著這個方向發(fā)展。這也可以在甲骨文公司看到。把硬件和軟件放在一起優(yōu)化是有道理的，也會成為一種趨勢。上周我們討論了Arm發(fā)布的消息，芯片定制的商機很多，就是這個原因。新任首席執(zhí)行官PatGelsinger帶領(lǐng)的英特爾也會朝這個方向發(fā)展。

在英特爾，Gelsinger可能會面臨巨大的挑戰(zhàn)，但是他所說的半導體需求越來越大，看不到盡頭是對的。

如果你是企業(yè)，你不應該把重點放在發(fā)明人工智能上。相反，你應該知道哪些數(shù)據(jù)會給你帶來競爭優(yōu)勢，如何利用機器智能和人工智能取得勝利。你會購買人工智能，而不是建造人工智能。

就像JohnFurrier多次提到的那樣，數(shù)據(jù)正成為一種新的開發(fā)工具。十年前他所說的，現(xiàn)在更是如此：

資料是新的開發(fā)工具。

如果你是一個企業(yè)硬件玩家，你必須設計自己的芯片，編寫更多的軟件來開發(fā)人工智能。你應該在你的產(chǎn)品組合中嵌入定制芯片和人工智能，并越來越多地將計算帶入數(shù)據(jù)。大多數(shù)數(shù)數(shù)據(jù)停留在它的創(chuàng)建地點。系統(tǒng)、存儲和網(wǎng)絡堆棧都被顛覆了。

如果你是軟件開發(fā)者，你手掌里的處理能力是不可思議的。你應該在寫新應用的時候用它來改變世界。你必須知道如何獲取最相關(guān)的數(shù)據(jù)，以確保你的平臺安全和創(chuàng)新。

最后，如果你是一家服務公司，你的機會是幫助其他公司不被顛覆。有很多機會。你有深厚的行業(yè)專業(yè)知識和水平技術(shù)能力，可以幫助客戶生存和發(fā)展。

私密性？AI是好的嗎？這兩者都可以成為獨立的話題，記者也在廣泛報道。現(xiàn)在我們認為，謹慎的做法是，首先要更好地了解人工智能能能走多遠，然后才能確定人工智能應該走多遠，以及如何受到監(jiān)管。我們最關(guān)心的是保護我們的個人數(shù)據(jù)和隱私，但是一般來說，此時我們并不想扼殺創(chuàng)新。

成都融和實業(yè)排隊叫號系統(tǒng)廠家(yuanshangpin.cn)是一家集研發(fā)、生產(chǎn)、營銷、服務于一體的高新技術(shù)企業(yè).主營智能排隊叫號系統(tǒng)、醫(yī)院分診系統(tǒng)、排隊機、叫號機、評價器(好差評系統(tǒng))、呼叫器、多媒體查詢及信息發(fā)布配套系統(tǒng)等,公司產(chǎn)品已廣泛應用于不動產(chǎn)登記、智慧醫(yī)療、智慧稅務、智慧政務、智慧金融、智慧通訊、智慧服務大廳、智慧機關(guān)單位等服務窗口行業(yè).咨詢電話：028-87438905。