MAKER EVEN

過去一年，隨著AI在各個行業的不斷落地，行業痛點逐漸被發現，AI芯片的發展路徑漸趨明朗。各業界精英在GPU上持續發力，不斷推出全新的產品。新產品在計算能力提升的同時，其芯片面積也已經屢創新高，甚至逼近了制程和成本的平衡極限。 英偉達：占全球AI芯片50%以上市場份額 英偉達一直致力于設計各種GPU：針對個人和游戲玩家的GeForce系列，針對專業工作站的Quadro系列，以及針對服務器和高性能運算的Tesla系列。 英偉達占據了全球AI芯片市場的50%以上份額，旗下產品線遍布自動駕駛汽車、高性能計算、機器人、醫療保健、云計算、游戲視頻等眾多領域。 由于在AI領域的一家獨大，英偉達的股價在過去一年的時間里狂漲了300%。2017年，從游戲、數據中心到人工智能，市場對英偉達芯片的需求一路上升。 英特爾：專注計算機視覺芯片VPU 英特爾作為傳統PC芯片的老大，也在積極向PC以外的市場轉型。在AI芯片方面，英特爾專注于計算機視覺優化方面的VPU（Vision Processing Unit）。 為了加強在人工智能芯片領域的實力，英特爾以 167 億美元收購 FPGA 生產商 Altera ，以 153 億美元收購自動駕駛技術公司 Mobileye，以及機器視覺公司 Movidius和為自動駕駛汽車芯片提供安全工具的公司Yogitech。 IBM：啟動類人腦芯片的研發 IBM很早以前就發布過watson，早就投入了很多的實際應用中去。除此之外，還啟動了對類人腦芯片的研發，那就是TrueNorth。 TrueNorth是IBM參與DARPA的研究項目SyNapse的最新成果。SyNapse全稱是Systems of Neuromorphic Adaptive Plastic Scalable Electronics（自適應可塑可伸縮電子神經系統，而SyNapse正好是突觸的意思），其終極目標是開發出打破馮?諾依曼體系的硬件。 谷歌：為機器學習應用而設計的專用芯片TPU Google在2016年宣布獨立開發一種名為TPU的全新的處理系統。在2016年3月打敗了李世石和2017年5月打敗了柯杰的的阿爾法狗，就是采用了谷歌的TPU系列芯片。 TPU是專門為機器學習應用而設計的專用芯片。 通過降低芯片的計算精度，減少...

前一陣子，“中芯”霸占了輿論頭條的日子，焦慮、恐慌、反思、質疑……各種情緒也隨之涌現。中美貿易戰雖然暫時落下帷幕，但是芯片之爭絕沒有因此畫上句號。特朗普一個禁令，就使中興--一家全球排名第四的通信類企業坐立不安，這背后揭露的事實讓人細思恐極。中興被禁攪起的自研芯片風波一直未停息。國內不少創業公司甚至互聯網巨頭借勢宣布了進軍 AI 芯片領域的消息。 人工智能的快速發展離不開三個核心要素：數據、算法和計算力。考慮到AI算法開源的發展趨勢以及巨頭對數據的壟斷優勢，計算力層面的AI芯片可能成為人工智能新的戰略高地。 憑借著在深度學習領域性能強大的 GPU，英偉達在人工智能時代一騎絕塵，收割了 AI 第一波紅利。但 AI 芯片這塊蛋糕著實誘人，再加上壟斷人工智能訓練市場的英偉達 GPU 實在太貴，即便是有英偉達這座大山橫亙在前，也攔不住創業者和互聯網巨頭從中尋找自己的機會。 目前，AI芯片主要的使用場景又可以分為云端（服務器端）和終端兩大類。在云端上，以英偉達的GPU為主導，而英特爾、谷歌的TPU以及國內的比特大陸也相繼推出了各自的專用芯片。 作為當今的手機巨頭，蘋果的首款人工智能芯片是A11 Bionic。A11除了在CPU、GPU、ISP方面的提升，還首次搭載了專用于機器學習的硬件 “神經網絡引擎（neural engine）”，該神經網絡引擎采用雙核設計，每秒運算次數最高可達6000億次，相當于0.6TFlops，以幫助加速人工智能任務。 微軟設備部門全球副總裁Panos Panay接受CNBC采訪時也確認了微軟正在為下一代HoloLens MR頭戴設備研發AI芯片，并表示微軟不僅擁有一支專注的IC設計團隊，而且還與芯片制造商和其他合作伙伴共同開。 2018年2月，透露消息一向比較靠譜的外媒 The Information 發布文章，該文章援引知情人士的消息稱亞馬遜已經在為旗下的 Echo 音箱以及其他搭載亞馬遜旗下的虛擬助手 Alexa 的硬件產品開發專用的 AI 芯片。 2018年4月，從Facebook在其網站發布的招聘信息看，Facebook正在組建一個新的團隊設計自主芯片。從Facebook網站可以看到，其公司總部加利福尼亞州門洛帕克正在招聘ASIC & FPGA設計工程師。 作為當今互聯網界的巨頭，Google在AI領域頗有建樹，甚...

最近，有關Pixel 3 XL的細節信息一直不斷的在網上出現，這有助于我們對谷歌即將推出的產品有一個大致的了解。 現在，我們似乎又看到了Pixel 3 XL 的另一泄露，就在今天早些時候，我們在Mobile Syrup的加拿大朋友們發布了一系列照片。 在這些照片中顯示的是一款看起來像Pixel 3 XL的手機。這也是我們第一次看到我們所預期的黑色產品在現實生活中被人使用，因為之前在6月泄露的工程樣品是無法啟動的。 這個角度并沒有顯示任何新的細節，雖然該產品的下巴（已經經常被嘲笑）在這些照片中看起來特別明顯 – 但可能是因為導航欄處于可見狀態的原因。在這些照片中，我們還可以看到的是“五頭”超大缺口，裝有一對攝像頭，傳感器和揚聲器格柵。 背面的照片顯示了后玻璃面板（我們假設是）的紋理差異，這款產品的雙紋理設計已經出現在眾多泄漏中。從這個角度看，設備底部的4/5采用的是酸性蝕刻玻璃，頂部的背板材料仍然保留了較強的光澤度，不禁讓人聯想到OGPixel和Pixel 2手機中的玻璃插件。 目前還不能確認這一手機確實就是谷歌Pixel 3 XL，但是不排除它是的這種可能性，它有可能是某位幸運用戶的早期體驗產品，也有可能是谷歌的某位員工正在使用該公司的產品。 除了手機之外，谷歌最近新鮮事太多。Google 即將在 10 月推出包含結合 Edge TPU、NXP CPU、Wi-Fi 和 Microchip 等安全組件的開發者套件，并持續與 ARM、Harting、Hitachi Vantara、Nexcom、Nokia 及 NXP 等制造商合作，希望能普及至開發者社群，建立獨有的生態。 谷歌越來越關注人工智能領域。在2017 年上半年，谷歌宣布了一個新的開源計劃--AIY Projects（AIY計劃），其目標是讓每個Maker（創客）都能DIY自己的 AI 人工智能產品，讓更多人能學習、探索并體驗人工智能。AIY 全稱是 Artificial Intelligence Yourself，顧名思義就是利用 AI 來進行的 DIY 功能套件。借助 AIY 項目，創客可以利用人工智能來實現更像人與人交流的人機交互。谷歌目前為 AIY Projects 推出了兩款硬件產品--AIY Voice Kit 和 AIY Vision ...

Google蓄力的Edge TPU終于正式對外公布了，不僅如此，此次Google還帶來了基于Edge TPU的AIY Edge TPU開發板以及AIY Edge TPU加速器，全面幫助工程師將機器學習部署到AI產品開發中去。 谷歌的Edge TPU并不是他們發布的第一款硬件芯片，幾個月前，用于運行基于TensorFlow框架開發的機器學習工作負載的Cloud TPU已經推出了測試版。現在，谷歌在Edge TPU方面更進一步，這是一款由谷歌設計的專用ASIC芯片，可以在邊緣運行TensorFlow Lite ML模型。 目前來看，Edge TPU的尺寸約為1美分硬幣的1/8大小，它可以在較小的物理尺寸以及功耗范圍內提供不錯的性能（目前具體性能指標不清楚，官方稱可以在高清分辨率的視頻上以每秒30幀的速度，在每幀上同時執行多個最先進的AI模型），支持PCIe以及USB接口。 Edge TPU優勢在于可以加速設備上的機器學習推理，或者也可以與Google Cloud配對以創建完整的云端到邊緣機器學習堆棧。在任一配置中，Edge TPU通過直接在設備本地處理數據，這樣不僅保護隱私，而且消除對持久網絡連接的需要，減少延遲，允許使用更少的功率和性能。 AYI Edge TPU開發板（PK 樹莓派） AIY Edge TPU開發板是一款搭載了Edge TPU的單板計算機，功能非常豐富。開發板分為底板跟核心板，底板包括一些常用的外設接口，而核心板是基于Google Edge TPU的模塊化系統子板（核心板與底板可以分離），也就是SOM（system-on-module ）。 目前官方沒有揭露更多細節，可以確定的有二點: 采用 int8/int16 計算方式, 因此無法將 TensorFlow 在沒特別處理過的 model 直接在 Edge TPU 上運算. 在 Training 時就必須考慮或是使用前可能必須透過 Quantization 處理., 連接介面采用 PCIe 與 USB.這代表除了 Embedded/IoT 開發應用外, 然而有著 PCIe 高速介面或許有可能多顆協同運作模式, 有著對較為強大的平臺的使用彈性 發布的同一時間, Google 也發表了兩款基于 Edge TPU 的 AIY Edge TPU Boards —AIY Edge TPU Dev Boar...

就智能感知而言，如何獲取人類腦部思維同樣是業內長期探索的問題。可以預見的是，單純通過思維指令來控制人工智能的行為，不僅在生活層面能極大程度地為人類帶來幫助，同時還具備了廣闊的市場潛力。所以，世界各國對于“腦控”課題的研究也是充滿熱情的。紐約大學計算機科學家歐尼斯特·戴維斯表示：“如何讓人腦和人工智能之間發生更為密切的聯系，一直是業界努力追求的事情。從一定程度上來說，由于人腦思維、信號等具備非常大的不穩定性，所以要想完全用意念控制人工智能是一件很困難的事情。但是無論如何，我們已經在這一領域取得了不錯的成就。” 對于AI技術在人類思維方面的讀取感知，事實上也確實如同戴維斯所說的那樣——學術界在困難重重的條件下，已經取得了部分可喜的成就。 早在1998年，美國當局就已經著手研發關于智能體和人腦信號的課題了。一名叫簡尼特·莫里斯的女士向美國中情局提交了關于“腦控武器”的策劃案，在得到大約2500萬美元的資助后，她和自己的團隊開始嘗試研發一些通過腦信號來控制的新式武器。按照莫里斯的設想，待研發的武器必須要有感知使用者腦部思維的能力，于是她采集了大量人腦電波信號，然后將其中相關數據進行了分類和整理，最后歸納出一份個人意念和電波波動的對應關系表。在有了這份表單后，工作人員就可以通過無線電的方式向人體收發電波，以達到控制個人思維的目的。 在這個構想當中，最重要的是研究者需要設計出一枚接收電波信號的芯片。在植入了這枚特殊的芯片后，相關人員就會收到遠端計算機程序發來的信號，最終這些代表特定任務的信息將會“替換”掉這個人本身的大腦思維，指引他完成特殊任務。 從理論上來說，通過電波信號來操控人類行為，是存在一定的可行性的。但是莫里斯試圖將芯片植入人類大腦，這卻有悖社會倫理，而同時她研發這一項技術的目的更多是為了盈利，因此在隨后的時間里，這一項技術既沒有得到美國官方的認可，也沒有取得技術方面的進步，這樣自然不會取得良好的科學成果。實際上，莫里斯的設想如果應用到人工智能方面，她就可以在機器人感知人腦思維方面做出巨大的貢獻——先通過大量的人體腦電波樣本采集，然后將這些數據建立成相應的任務模型輸入到人工智能體當中，如此一來，當實驗者腦部發生思維變化時，人工智能體就可以比照模型樣本，執行相應的工作任務。 在同一理念的指引下，哈佛醫學院的學者們也進行了與之類似的實驗。他們...

眼睛是心靈的窗戶，人們都說通過眼睛能看到一個人的內心世界，但卻很難拿捏的那么準確，有時心靈的窗口就能看懂這個人，而這個人眼球的轉動就能感覺的到內心想法，當然這些也只是一種猜測。 前不久，一家國際研究團隊，發現了一個現象，說到眼球的運動能顯示一個人是否善于交際、小心謹慎或充滿好奇心，這些也是有科學依據的，依靠四種人格區別，比如神經質、外向性、宜人性和盡責性。 為了這種科學依據，德國斯圖加特大學、澳大利亞弗林德斯大學和南澳大利亞大學等機構開始研究一種先進的機器學習算法，主要用來證明性格和眼球運動之間的關系，在實驗中調查了42名對象在日常生活中的眼球運動情況，并隨后使用調查問卷來評估這些人的性格特征。 此外，這項研究成果能讓社交信號處理和服務性機器人等新興領域發展提供重要的參考，當然，該技術還有助于改善人機交互，幫助開發更加自然、更好理解人類社交信號的機器人和計算機。 AI真有這么厲害嗎？ 目前，以微軟、谷歌、Facebook、IBM為代表的實力型科技企業都已經進軍人工智能行業，不少公司還建設了獨立的人工智能實驗室。2017 年上半年，Google 宣布了一個新的開源計劃--AIY Projects（AIY計劃），其目標是讓每個Maker（創客）都能DIY自己的 AI 人工智能產品，讓更多人能學習、探索并體驗人工智能。 AIY Projects 全稱為 Artificial Intelligence Yourself，Google 先后在 5 月、12 月份分別推出該項目代表的兩組套件 Voice Kit 和 Vision Kit。機器學習正在進步，我們似乎正在不斷接近我們心中的人工智能目標。語音識別、圖像檢測、機器翻譯、風格遷移等技術已經在我們的實際生活中開始得到了應用，但機器學習的發展仍還在繼續，甚至被認為有可能徹底改變人類文明的發展方向乃至人類自身。

我们必须消除主流媒体宣传的AI神话。只有消除这些误解，你才能对怎样应用AI到你的业务中有一个框架。 神话1：AI是魔术 AI是数据、数学、模型以及迭代。要想让AI为企业接受，我们需要更加透明，以下是3个有关AI的关键概念的解释： 训练数据（TD）：训练数据是机器学习的初始数据集。训练数据包括输入和预回答输出，所以机器学习模型能够为任何给定输出寻找模式。例如，输入可以是带有客户和企业支持代表（CSR）间的电子邮件线程的客户支持ticket，输出可以是基于企业特定分类定义的从1到5的分类标签。 机器学习（ML）:机器学习是能从训练数据中学习模式，并让这些模式应用于新的输入数据的软件。例如，接收到带有客户和CSR间的电子邮件线程的一个新的客户支持ticket时，机器学习模型能预测它的分类，并告诉你它对这个预测的置信度。机器学习的主要特点是它学习新的、而非适用固有的规则。因此，它能通过消化新的数据调整自己的规则。 Human-in-the-Loop(HITL)：Human-in-the-Loop是AI的第三个核心要素。我们不能指望机器学习模型绝对可靠。一个好的机器学习模型可能只有70%的准确率。因此，当模型的置信度较低时，就需要人使用Human-in-the-Loop作业流程。 神话2：AI只为技术精英专属 媒体报道很容易让人产生一种错觉，就是AI只属于技术精英——大公司例如Amazon，Apple，Facebook，Google，IBM，Microsoft，Salesforce，Tesla，Uber——只有它们能够组建大型机器学习专家团队，并获得亿美元级的投资。这种观念是错的。 今天，不用10万美元就能着手应用AI到你的业务中。所以，如果你是美国收益大于5000万美元的26000家企业之一，你就可以把收益的0.2%投资于AI应用了。所以，AI不是技术精英专属。它属于每个企业。 神话3：AI只为解决十亿美元级别的问题 主流媒体的倾向于报道未来主义的事物，例如自动驾驶汽车或用于运送快递的无人飞机。像Google，Tesla，Uber这些公司由于“赢者通吃”的心态，为了抢占未来无人车市场的龙头老大地位，已经投资进去数百亿美元。这些给人的印象是AI只用于解决十亿美元级别的新问题。但这又是一个错误。 许多企业坐拥来自客户的非结构...