AI人工智能,行业互联网|从算力、数据、算法、工程化等维度看AI的未来
文章图片
文章图片
图片来源@视觉中国文 | 苏宁金融研究院 ， 作者 | 王元
2020年是不寻常的一年 ， 全球的健康、贸易、经济、文化、政治和科技领域 ， 无不发生着深刻的变化 。笔者所在的科技领域 ， 也恰逢现代人工智能（简称AI）发展10周年 。前10年 ， 人工智能技术得到了长足的发展 ， 但也留下许多问题有待解决 。那么 ， 未来AI技术将会如何发展呢？本文将结合学术界、工业界的研究成果 ， 以及笔者个人研究见解 ， 从算力、数据、算法、工程化4个维度 ， 与读者一起探索和展望AI发展的未来 。
01 数据
我们首先分析数据的发展趋势 。数据对人工智能 ， 犹如食材对美味菜肴 ， 过去10年 ， 数据的获取无论是数量 ， 还是质量 ， 又或者是数据的种类 ， 均增长显著 ， 支撑着AI技术的发展 。未来 ， 数据层面的发展会有哪些趋势呢 ， 我们来看一组分析数据 。
首先 ， 世界互联网用户的基数已达到十亿量级 ， 随着物联网、5G技术的进一步发展 ， 会带来更多数据源和传输层面的能力提升 ， 因此可以预见的是 ， 数据的总量将继续快速发展 ， 且增速加快 。参考IDC的数据报告（图1） ， 数据总量预计将从2018年的33ZB（1ZB=106GB） ， 增长到2025年的175ZB 。
文章图片
文章图片
其次 ， 数据的存储位置 ， 业界预测仍将以集中存储为主 ， 且数据利用公有云存储的比例将逐年提高 ， 如图2、图3所示 。
文章图片
文章图片 
文章图片
文章图片
以上对于未来数据的趋势 ， 可以总结为：数量持续增长；云端集中存储为主；公有云渗透率持续增长 。站在AI技术的角度 ， 可以预期数据量的持续供给是有保证的 。
另一个方面 ， AI技术需要的不仅仅是原始数据 ， 很多还需要标注数据 。标注数据可分为自动标注、半自动标注、人工标注3个类别 。
那么 ， 标注数据未来的趋势会是怎样的？
我们可从标注数据工具市场的趋势窥探一二 ， 如图4所示 。可以看到 ， 人工标注数据在未来的5-10年内 ， 大概率依然是标注数据的主要来源 ， 占比超过75% 。
文章图片
文章图片
通过以上数据维度的分析与预测 ， 我们可以得到的判断是 ， 数据量本身不会限制AI技术 ， 但是人工标注的成本与规模很可能成为限制AI技术发展的因素 ， 这将倒逼AI技术从算法和技术本身有所突破 ， 有效解决对数据特别是人工标注数据的依赖 。
02算力
我们再来看看算力 。算力对于AI技术 ， 如同厨房灶台对于美味佳肴一样 ， 本质是一种基础设施的支撑 。
算力指的是实现AI系统所需要的硬件计算能力 。半导体计算类芯片的发展是AI算力的根本源动力 ， 好消息是 ， 虽然半导体行业发展有起有落 ， 并一直伴随着是否可持续性的怀疑 ， 但是半导体行业著名的“摩尔定律”已经经受住了120年考验(图5) ， 相信未来5-10年依然能够平稳发展 。
推荐阅读
- Spacex|卫星互联网轨道资源稀缺，中国航天如何与国际卫星界大亨竞争？
- AI人工智能|原创 智能门锁改造计划，德施曼小嘀全自动电子猫眼锁Q3M上线小米有品
- 人工智能|济南将打造全球首个人工智能医药研发自动化实验室
- 互联网|建行“数字人民币钱包”已上线 仅限部分测试地区开通
- 行业互联网|大华股份与大连量天科技签署战略合作协议
- 行业互联网|原创 估值2000亿！刘强东手中这张“独角兽”，成立时间竟然不到两年？
- AI人工智能|宋庆龄文化空间揭幕 聚焦少儿人工智能互动体验
- 行业互联网|李炳忠15点正式官宣，realme成立2年，稳居全球第七！
- 互联网|同城跑腿配送生意好做吗？需要注意什么？
- 人工智能|商汤科技林达华：OpenMMLab助开发者缩短AI项目路径