近日,人工智能领域动作频频,不再局限于技术领域,而是开始了更多面向跨界的探索。
昨日,旷视科技宣布完成D轮第二阶段7.5亿美元融资,将主要用于进一步加强在深度学习领域的技术优势,并加速人工智能解决方案的商业化落地。同日,”商汤科技实验中学”挂牌上海黄浦区,共推AI教育实验基地学校。
今日,依图召开成立以来首场发布会,正式发布AI芯片——”求索”,同时对外宣布其AI芯片业务正式开启商用。
频频的动作之下,逐渐显现出的是人工智能行业正在”由软变硬”的心。
不做融资机器,落地商业场景
虽然人工智能行业已经被提出了数年,但仍然处在小火慢炖的时期,虽然在机器学习、语音转化等感知层面,已经取得了突破进展;但在认知层面,机器学习还无法完全理解意图作出反馈,例如自动驾驶、人际互动等方面还有较长的路要走。
对于人工智能的创业公司来说,不少仍处在技术积累期,没有产生真正的营收前,大多需要依赖融资过活。而与之形成鲜明对的,是逐利的投资机构,在几轮数千万乃至上亿美元的融资后,不愿承担长线投资风险而放弃继续投资,会让企业陷入”断粮”的尴尬境地。
所以,对于慢工出细活的人工智能公司,最容易收到行业投来的”融资机器”的质疑。而为了摘掉”融资机器”的帽子,在持续大力研发的同时,如何借助现有的技术,让人工智能先惠及一些行业,带来真实便利,同时为公司带来可见营收,提升企业自身的造血能力。
其中,依图较早开始进入商业化,在智慧城市、安防、医疗、金融等领域,都有自己的产品落地,尤其是智慧医疗领域,其智能辅助诊断系统已经开始规模化落地。
而旷视和商汤两家则在早起更为倾向于技术路线,倾向于在技术方面取得一定突破,例如人脸、车辆、图文识别,与深度学习框架等,再通过技术提供商的方式获得营收,两家都与国内手机厂商与运营商有着密切合作。并在近年来凭借技术上的特色,开始面向to B领域,寻求落地场景的应用。
2017年,旷视科技开始与艾瑞思合作,涉足机器人业务,并于2018年4月全资收购艾瑞思。在今年1月发布会上,旷视创始人兼CEO印奇表示旷视将从人脸识别技术提供商,彻底升级为一家”智能物联(AIoT)方案专家”,并推出面向仓储物流机器人的网络协作大脑”河图”。
商汤则选择走芯片预装的路线,自2017年开始,商汤先后宣布与高通、联发科、瑞芯微战略合作,将商汤科技机器学习模型与算法整合进面向移动终端、IoT设备的芯片产品中。
虽然三家AI公司都是起家于机器视觉,但是从各家的发展路线上,已经可以看出各家不约而同迈出了探索商业化的步伐,只是在探索的道路上选择了不同的科技树。
AI公司由软变硬,方能跨行业
对于人工智能这个以软件主导的行业,想要真正实现场景落地,走进大众生活(to C场景)或是进入产业链条(to B场景),实现AI跨行业”破壁”,很大程度上还要依靠硬件。
所以,AI公司”由软变硬”,是发展过程中的必然规律,只有迟早,没有放弃。
一方面,人工智能的三要素:算法、算力、大数据。算法是人工智能公司立身之本;大数据可以开放与互联网企业之间合作共享,或将是现有成熟的平台与模型,根据不同行业的需求进行修改与套用;而算力,则需要强劲的硬件作为支撑。
在芯片摩尔定律下,目前超算、数据中心计算能力仍然保持高速增长,但通用计算设备相对于AI算力设备,运算速率相差数十倍,能效比差距可达几十上百倍,所以,AI芯片正在成为炙手可热的业务。
据美国市场研究公司ReportLinker研究报告,预计到2023年,AI芯片市场规模将达到108亿美元,复合年均增长率达到53.6%。涉及AI芯片厂商有谷歌、AMD、英特尔、英伟达、高通、微软、寒武纪等,然而各家算法不一,如何在通用芯片和自研平台找到完美适配,仍然是需要面对的问题。
另一方面,人工智能作用于工业化,首先要解决IT域与OT域的融合,想要将人工智能技术,全面应用于感应、识别、分析、反馈各个阶段,作用于时序性强的工业化生产,需要软件与硬件的深度适配,如果缺乏与硬件整合的经验,很容易造成产业链条整合上的脱节。
软硬一体化,掌握定价权
“变硬”对于人工智能公司有着诸多好处,其中之一就是可以让公司更好地掌握定价权。
以依图发布的AI芯片为例,目前并无芯片的单独销售计划,而是与自家云端服务器或边缘盒子”打包”售卖。这就让依图旗下的AI芯片产品,与市面上采用通用供应商芯片的产品独立出来,不用担心因采用相同核心元件的竞品采取价格战,导致自家产品产生价格波动。
此外,一体式的软硬件,一方面可以最大化将依图的智能软件结合,降低客户采购、部署与调试的工序与时间;另一方面,为软硬件一体化解决方案对外销售,可以同时获得更为丰厚的利润。
综上所述,无论是旷视、商汤还是依图,从最初的软件主导,到如今软硬两手抓,说明了在当前竞争环境之下,产业竞争已经从最初的技术竞赛,发展成为如何实现落地,带动多产业同步发展的产业链课题。
随着5G时代的即将来临,人工智能行业的发展及将上升到新的台阶,未来必将有更多人工智能企业重视并开始着手建立自家的AI硬件生态。