從互聯(lián)網(wǎng)時代到智能硬件時代，技術(shù)發(fā)展和商業(yè)模式創(chuàng)新一直都是相互影響的，技術(shù)發(fā)展會推動商業(yè)模式創(chuàng)新，商業(yè)模式創(chuàng)新也會影響技術(shù)發(fā)展?？梢坏┌l(fā)生有技術(shù)發(fā)展不足以支持商業(yè)模式創(chuàng)新情況，商業(yè)模式創(chuàng)新就會止步不前。直到下一波技術(shù)革命來臨，商業(yè)模式創(chuàng)新才會繼續(xù)出現(xiàn)。

從“物聯(lián)網(wǎng)”到“萬物互聯(lián)”，海量數(shù)據(jù)被催生了出來，單純的觸摸屏交互已經(jīng)難以滿足用戶的多樣化輸入需求了。受技術(shù)發(fā)展因素的影響，商業(yè)模式創(chuàng)新開始止步不前。在這樣的情況下，一旦人工智能技術(shù)取得突破性進展，商業(yè)模式就能實現(xiàn)創(chuàng)新發(fā)展，隨之而來的將是擁有巨大發(fā)展?jié)摿Φ氖袌隹臻g。

現(xiàn)如今，Web2．0互聯(lián)網(wǎng)產(chǎn)品時代的現(xiàn)有技術(shù)已經(jīng)難以滿足商業(yè)模式的創(chuàng)新需求了。未來，商業(yè)模式要創(chuàng)新，就要依賴不斷進步的技術(shù)，屆時人工智能將成為重要支撐。

人工智能未來的硬件架構(gòu)

近十年，計算機科學(xué)的研究重點在信息處理層面，基于此，我們將這個時代稱為“大數(shù)據(jù)時代”或者“數(shù)據(jù)大爆炸時代”。未來，隨大數(shù)據(jù)時代而生的這種信息處理能力將出現(xiàn)發(fā)展瓶頸，屆時，計算機科學(xué)的研究重點就會轉(zhuǎn)移到“突破計算機現(xiàn)有計算能力極限”方面，也就是顛覆馮·諾依曼的硬件架構(gòu)方面。

在人工智能技術(shù)的支持下，顛覆馮·諾依曼的硬件架構(gòu)將從底層的硬件架構(gòu)變革開始。到那時，硬件模式將擺脫對云計算的依賴，將從芯片層面直接對人工神經(jīng)網(wǎng)絡(luò)進行模擬，以構(gòu)建一個完善的硬件大腦。這個想法或許是人工智能在硬件設(shè)備領(lǐng)域的終極解決方案。從現(xiàn)階段的技術(shù)層面來看，盡管這個想法的實現(xiàn)還需要很長時間的努力，但其大致方向已經(jīng)顯現(xiàn)了出來。

（1）人腦芯片

2014年8月，IBM公司宣布由IBM公司和紐約康奈爾大學(xué)合作進行底層設(shè)計、由三星電子生產(chǎn)的百萬神經(jīng)元類人腦芯片——TrueNorth大獲成功。IBM公司的人腦芯片研發(fā)項目開始于2008年，美國五角大樓高級計劃研究局為其投資了5300萬美元。

經(jīng)過六年，這款集成了100萬個神經(jīng)元和2．56億個突觸的芯片終于問世。這款芯片相較于擁有1000億個神經(jīng)元和不可計量的突觸的人腦來說還有一定的差距，但是與蜜蜂的大腦已經(jīng)非常接近了。

現(xiàn)階段，這款芯片能夠以每秒每瓦460億次神經(jīng)突觸的速度運作，能夠和人腦一樣對物體進行探測與識別。簡單來說，在這款芯片運作的過程中，能通過探測、識別模式將一些字母串聯(lián)在一起，以拼湊出完整的單詞和語句，對其進行識別?？傮w來說，這種應(yīng)用還比較簡單，難以用于商業(yè)領(lǐng)域，與商業(yè)智能化的實現(xiàn)還有很大差距。

除IBM公司的TrueNorth芯片之外，英特爾、高通等公司也擁有自主芯片設(shè)計，他們的芯片設(shè)計獲得了工程師的高度評價，被稱為“神經(jīng)形態(tài)”。在未來，以TrueNorth為代表的二元芯片將被能模擬人腦聯(lián)系功能的芯片產(chǎn)品所替代。當然，這一想法能否實現(xiàn)依賴于正確的神經(jīng)元結(jié)構(gòu)能否找到，其研究過程也需要經(jīng)過很長的時間。

（2）量子計算

目前常見的計算機是借助晶體管電路存儲數(shù)據(jù)的，屬于二進制，只能完成一些簡單的建模與計算，面對復(fù)雜的建模和計算往往顯得有心無力。

而量子計算機則很好地彌補了普通計算機的這種缺陷，借由粒子的量子狀態(tài)存儲數(shù)據(jù)，借助量子算法對數(shù)據(jù)進行操控，借助量子邏輯來完成通用計算，其擁有的強大并行計算能力能夠大幅提升計算機的計算速度。

在量子計算機研究方面做出突出貢獻的就是谷歌公司。谷歌公司秉持著“使機器人能夠像人一樣獨立思考”的理想，2014年開始與各科學(xué)家聯(lián)手對量子計算機的處理器進行研究。這一研究究竟能否成功，現(xiàn)在還無法預(yù)見，只能在未來見分曉。

（3）仿生計算機

目前在通用的CPU、GPU基礎(chǔ)上形成的處理神經(jīng)網(wǎng)絡(luò)運作效率較低。以谷歌大腦為例，谷歌大腦擁有的CPU數(shù)量達1．6萬個，要想完成識別動物面部的無監(jiān)督學(xué)習(xí)訓(xùn)練，需要運行7天。并且，谷歌大腦的100億個突觸相較于人腦的100萬億個突觸還有很大差距。

另外，以CPU、GPU為基礎(chǔ)形成的通用處理器，在構(gòu)建數(shù)據(jù)中心的時候，占地面積大、散熱功能差、消耗電量多。如此大的成本，一般的互聯(lián)網(wǎng)企業(yè)根本無力支付。面對這些問題，專門的神經(jīng)網(wǎng)絡(luò)處理器成了各家互聯(lián)網(wǎng)企業(yè)的必須設(shè)備。

仿生計算機就是為解決這個問題產(chǎn)生的，通過仿生計算機，大規(guī)模人工神經(jīng)網(wǎng)絡(luò)的構(gòu)建問題能得以有效解決。目前，在國內(nèi)，陳云霽團隊就在仿生學(xué)原理的基礎(chǔ)上研發(fā)出了神經(jīng)網(wǎng)絡(luò)計算機。該計算機無須訪問內(nèi)存，使得通訊時間大為縮減（至少減少了90％），并能夠支持現(xiàn)有的、主流的機器學(xué)習(xí)算法。相較于那些主流的GPU來說，寒武紀神經(jīng)網(wǎng)絡(luò)計算機的性能比提升了21倍，性能功耗比提升了300倍。

從專用智能到通用智能

在專用智能時代，人工智能技術(shù)只能在特定領(lǐng)域、特定場景中應(yīng)用。例如，格靈深瞳的計算機視覺技術(shù)只能用于安防監(jiān)控領(lǐng)域，如果在商場中應(yīng)用，它的三維攝像頭就沒有辦法對顧客的基本特征進行識別，無法根據(jù)顧客逗留時間的長短來分析其消費偏好，更無法以此為依據(jù)開展精準營銷。

無論是安防監(jiān)控領(lǐng)域?qū)`法違規(guī)行為的識別與響應(yīng)，還是商場領(lǐng)域?qū)︻櫩拖M行為的識別與響應(yīng)，其基礎(chǔ)都是計算機視覺技術(shù)。但是在專用智能時代，因計算能力和建模能力不足，人工智能技術(shù)只能在特定領(lǐng)域使用，無法實現(xiàn)跨場景應(yīng)用。

未來，隨著人工智能技術(shù)的發(fā)展，當專用智能時代步入通用智能時代后，人工智能技術(shù)的普遍適用性將得到大幅提升（圖1）。屆時，一個普通的監(jiān)控攝像頭＋計算機視覺云平臺，在任何場合都能根據(jù)用戶需求對人群進行識別，并做出分析和決策。

現(xiàn)如今，通用智能時代距離我們還比較遙遠。要想從專用智能時代邁進通用智能時代，在計算資源層面必須超越現(xiàn)有的能力上限；在計算機建模層面必須突破線下深度學(xué)習(xí)算法的極限，真正實現(xiàn)“機器人像人一樣思考”。

在跨場景通用人工智能時代，應(yīng)用層企業(yè)的進入門檻最低，平臺企業(yè)的進入門檻最高，技術(shù)細分領(lǐng)域領(lǐng)先企業(yè)的進入門檻居中。這也就意味著，屆時，應(yīng)用層企業(yè)的競爭會非常慘烈。