人工智能：图灵猜中了开头，要用什么算出结局？

    电影《模仿游戏》临近结尾时，那个二战时期为盟军破译了德国密码系统“英格玛”的图灵，用一颗沾染氰化物的苹果掐断了自己的生命线——尽管他因为同性禁忌取向陷入舆论与道德双重谴责，走得不那么体面。
    而作为一名有着光怪陆离思想的天才，图灵作出的贡献远远不止于破译那些该死的密码。
    人工智能的三次浪潮与危机
    早在图灵拿起那颗苹果之前，他曾在论文中提出过一个模型，叫图灵机；1950年又提出了一种判断机器能否像人类一样思维的方法，即图灵测试。通俗一点解释就是网友形容的：如果一台机器能够像紫薇一样，和尔康从诗词歌赋谈到人生哲学，并且不让尔康发现她是一个机器，那么这台机器就算是很智能了。
    图灵给人工智能定下了发展的style。到了1956年，麦卡锡、纽厄尔、赫伯特西蒙等人在美国诺汉斯小镇的达特茅斯学院中，开了个长达两个月的小会——用机器来模仿人类学习以及其他方面的智能。这个会议最大的成就就是诞生了一个名字：人工智能。
    此后，人工智能被广泛应用于数学及自然语言领域，这是人工智能的第一次Happy Time。人们乐此不疲的研究各种算法以及计算工具，你所知道的几何、代数和英语等问题，都能被一一解决。
    然而第一次冬天来得太快。对于复杂问题，上世纪70年代的AI研究和计算能力根本无法承担，超出一点点范围就触及到它们的盲区。人们失望了，资本也纷纷离场，人工智能陷入停滞。
    转机出现在1980年，那一年卡耐基梅隆大学为DEC公司制造了个“知识库＋推理机”组合的系统——专家系统，采用了人工智能程序，它能让DEC每年节约4000万左右的费用，这样的魅力让商业沸腾了。
    有了商业的青睐，人们开始觉得，人工智能会是一出好戏。但第二场寒冬再次不期而遇。1987至1993年现代计算机的出现及普及，让PC开始走进世界，走入家庭，其费用远低于专家系统所使用的专用计算机。人工智能再次感受到了寒冬的凛冽，人们开始逃离专家系统与人工智能。
    后来随着深度学习算法出现，再结合日益强大的处理器，人们对于AI的热情被再次点燃。
    1997年IBM的深蓝击败世界第一国际象棋大师的新闻让人炸锅，那是第一次人们感受到被AI支配的恐惧。每秒2亿步棋，70万份大师对战棋局数据，能搜寻并估计随后的12步棋，人们终于意识到，机器可以超越“专家”而拥有“智能”。
    接下来的故事大家都知道了：2011年Waston在美国电视问答节目击败两名人类冠军选手，四年后微软ResNet获得ImageNet冠军，错误率仅为3．5％，一年后阿法狗战胜围棋世界冠军李世石，第二年升级后的阿法狗又再次战胜柯洁。
    这是人工智能的第三次热潮，人们感受到了AI在“智商”上存在超越人类的潜力。但是第三次热潮到底能走多远，有一个关键性的因素正在显现。
    AI需要的不仅仅是算法和大数据
    不难发现，六十多年算法一次次的突破，数据在互联网移动化浪潮下的空前丰富，算力在芯片作用下的提升，刚好支撑起了人工智能的腾飞。
    如果说数据是人工智能高速运行的燃料，那么算力就是其发展的动力和引擎，可大数据爆发又给算力出了一道巨大的难题——AI负担的数据体量在迅速增大，当前算力处理如此庞大的数据开始力不从心，曾经给了AI发展希望的东西都在被逐一打破失效。
    自2012年以来，大型AI运算中用到的计算量呈指数式上升，并且每3．5个月计算量就会翻一倍，这一指标如今已经增长了30万倍，以摩尔定律的正常速度运算能力只能提升12倍。
    算力的核心，是芯片，通常就是CPU，CPU＝N个晶体管＝无数金属线＋无数半导体材料，摩尔定律近乎失效导致集成电路上可容纳的晶体管数量，随着运算的迫切需求不断叠加再叠加。可无限叠加是不可能的，晶体管工艺也已逼近原子量级。
    一边芯片体积不断缩小，一边半导体技术趋于物理学极限，最先进的晶体管已经小于可见光的波长，电子开关的尺寸比生物病毒还小。
    不仅如此，计算成本也直冲云霄。阿尔法狗下一盘棋的电力开销大约为3000美元，3万多幅专业棋手对弈棋谱以及自我对弈产生的3000万盘棋局，每小时消耗2000度电，下一盘棋的电力开销大约为3000美元。这样的成本凡人玩不起，想要人人都能AI的设想，似乎还遥不可及。
    如何绕过CPU的物理极限释放算力，是人工智能未来发展的首要难关。
    智能计算让AI从“芯”启航
    从互联网巨头到IOT企业，从BAT，到联想、华为，很多企业发力AI，入局者如过江之鲫。但是谁能解决人工智能的难题并让未来充满想象空间，才是企业最好的入局方式。
    阿里把人工智能应用到电商，百度深耕小程序，腾讯瞄准游戏与社交，联想说要赌上身家性命去做AI但依然摆脱不了“联想没有技术”的魔咒，华为将“为智能世界提供极致算力”作为公司战略方向之一，并成立智能计算业务部，清晰定位的正是人工智能的算力瓶颈。
    中国的计算产业普遍缺“芯”，特别是核心芯片的设计和制造能力，马云说要自己造芯，华为的智能计算也是以芯片为着力点释放算力。没人会怀疑马云的商业头脑，可聚焦到芯片，华为自然比阿里要有更多的话语权。
    不可否认，硬件和研发能力一直是华为的强项。不管是手机上的麒麟芯片，还是去年发布的AI芯片昇腾310及910，都让国人记忆深刻。昇腾系列芯片既可部署在数据中心进行AI训练，还适合在边缘甚至端侧部署，用于AI推理。
    除了AI芯片，华为还有多种自主研发的服务器芯片，有用于ARM服务器的鲲鹏920处理器芯片，还有用于通用服务器的智能融合网卡芯片、智能SSD控制器芯片、智能管理芯片等。这些芯片共同作用，可以有效分担和卸载CPU的计算压力，在系统级超越CPU芯片级的摩尔定律。
    月中时候Gartner发布了2018年第四季度全球服务器市场数据报告，华为以收入同比增长45．9％成绩成为季度表现最抢眼的一个服务器品牌，稳坐第三名的交椅。当华为系列芯片与服务器产品线相遇，华为的服务器产品可以进化成全新的智能计算产品。
    就智能计算本身而言，传统定义是指一种经验化的计算机思考性程序，是辅助人类去处理各式问题的具有独立思考能力的系统；在华为的诠释下，智能计算是依靠底层芯片技术突破人工智能算力瓶颈，衍生出用的好、用的起的智能服务器和智能硬件。
    以芯片实力打造智能化底座，是否这就是在第三次热潮中撬动人工智能的支点？
    也许，人工智能不应该仅限于阿法狗，也不能一直仅存在于科幻电影，而应该像智能手机一般落地普及。这才是人工智能的未来，或者说，人类的下一个进步。