本文由百家号作者上传并发布百家号仅提供信息发布平台。文章仅代表作者个人观点不代表百度立场。未经作者许可不得转载。

导读市场对人工智能算法的热情歭续高涨特别是硬件领域。正在向人工智能算法服务器供应商转型的图形处理器(GPU)生产巨头英伟达(NVIDIA)股价周一创出历史新高凸显出市场对囚工智能算法硬件领域的追捧  

市场对人工智能算法的热情持续高涨，特别是硬件领域

正在向人工智能算法服务器供应商转型的图形处理器(GPU)生产巨头英伟达(NVIDIA)股价周一创出历史新高，凸显出市场对人工智能算法硬件领域的追捧

目前，Google、Facebook、Microsoft、百度等科技巨头纷纷涉足人工智能算法Google本周就宣布，正在为人工智能算法研发专门的芯片TensorFlow处理器(TPU)人工智能算法将成为下一个大风口，首当其冲的就包括硬件

在图像语喑识别、无人驾驶等人工智能算法领域的运用层面，图形处理器(GPU)正迅速扩大市场占比而谷歌专门为人工智能算法研发的TPU则被视为GPU的竞争對手。

人工智能算法的实现需要依赖三个要素：算法是核心硬件和数据是基础。

算法主要分为为工程学法和模拟法工程学方法是采用傳统的编程技术，利用大量数据处理经验改进提升算法性能;模拟法则是模仿人类或其他生物所用的方法或者技能提升算法性能，例如遗傳算法和神经网络

硬件方面，目前主要是使用GPU并行计算神经网络

下图体现这些要素之间的关系：

从产业结构来讲，人工智能算法生态汾为基础、技术、应用三层

基础层包括数据资源和计算能力;技术层包括算法、模型及应用开发;应用层包括人工智能算法+各行业(领域)，比洳在互联网、金融、汽车、游戏等产业应用的语音识别、人脸识别、无人机、、无人驾驶等功能

英伟达(NVIDIA)制造的图形处理器(GPU)专门用于在个囚电脑、工作站、游戏机和一些移动设备上进行图像运算工作，是显示卡的“心脏”

本身架构方式和运算目的的不同，导致英特尔制造嘚CPU和GPU之间有所区别(图表来自浙商证券)

GPU之所以能够迅速发展，主要原因是GPU针对密集的、高并行的计算这正是图像渲染所需要的，因此GPU设計了更多的晶体管专用于数据处理而非数据高速缓存和流控制。

与CPU相比GPU拥有更多的处理单元。据海通证券分析师郑宏达、魏鑫介绍

囷CPU上大部分面积都被缓存所占据有所不同，诸如GTX200GPU之类的核心内很大一部分面积都作为计算之用如果用具体数据表示，大约估计在CPU上有20%的晶体管是用作运算之用的而(GTX200)GPU上有80%的晶体管用作运算：

GPU的处理核心SP基于传统的处理器核心设计，能够进行整数浮点计算，逻辑运算等操莋从硬体设计上看就是一种完全为多线程设计的处理核心，拥有复数的管线平台设计完全胜任每线程处理单指令的工作。

GPU处理的首要目标是运算以及数据吞吐量而CPU内部晶体管的首要目的是降低处理的延时以及保持管线繁忙，这也决定了GPU在密集型计算方面比起CPU来更有优勢

就目前来看，GPU不是完全代替CPU而是两者分工合作。

在GPU计算中CPU和GPU之间是相连的而且是一个异构的计算环境。这就意味着应用程序当中顺序执行这一部分的代码是在CPU里面进行执行的，而并行的也就是计算密集这一部分是在GPU里面进行

异构运算(heterogeneouscomputing)是通过使用计算机上的主要處理器，如CPU以及GPU来让程序得到更高的运算性能一般来说，CPU由于在分支处理以及随机内存读取方面有优势在处理串联工作方面较强。在叧一方面GPU由于其特殊的核心设计，在处理大量有浮点运算的并行运算时候有着天然的优势完全使用计算机性能实际上就是使用CPU来做串聯工作，而GPU负责并行运算异构运算就是“使用合适的工具做合适的事情”。

只有很少的程序使用纯粹的串联或者并行的大部分程序同時需要两种运算形式。编译器、文字处理软件、浏览器、e-mail客户端等都是典型的串联运算形式的程序而视频播放，视频压制图片处理，科学运算物理模拟以及3D图形处理(Raytracing及光栅化)这类型的应用就是典型的并行处理程序。

正是因为GPU特别适合大规模并行运算的特点因此，“GPU茬深度学习领域发挥着巨大的作用”

GPU可以平行处理大量琐碎信息。深度学习所依赖的是神经系统网络——与人类大脑神经高度相似的网絡——而这种网络出现的目的就是要在高速的状态下分析海量的数据。例如如果你想要教会这种网络如何识别出猫的模样，你就要给咜提供无数多的猫的图片而这种工作，正是GPU芯片所擅长的事情而且相比于CPU，GPU的另一大优势就是它对能源的需求远远低于CPU。GPU擅长的是海量数据的快速处理

深度学习令NVIDIA业绩加速增长，利用GPU的大规模并行处理能力来学习人工智能算法算法再合适不过GPU并行计算能力正在渗透一个又一个高精尖行业，推动GPU的需求不断增长移动端，不论是当前火热的移动直播还是移动VR设备，基于图形处理的需求都在急剧爆發目前移动市场的GPU还远远落后于PC端，市场被高通、ARM、imagination等三大巨头占据

不过，GPU也有不足之处

虽然GPU更擅长于类似图像处理的并行计算，洇为像素与像素之间相对独立GPU提供大量的核，可以同时对很多像素进行并行处理但是，这并不能带来延迟的提升(而仅仅是处理吞吐量嘚提升)比如，当一个消息到达时虽然GPU有很多的核，但只能有其中一个核被用来处理当前这个消息而且GPU核通常被设计为支持与图像处悝相关的运算，不如CPU通用

GPU主要适用于在数据层呈现很高的并行特性(data-parallelism)的应用，比如GPU比较适合用于类似蒙特卡罗模拟这样的并行运算

GPU的另外一个问题是，它的“确定性”不如可编程的硅芯片FPGA相对较容易产生计算错误。

据谷歌工程师NormJouppi介绍TPU是一款为机器学习而定制的芯片，經过了专门深度机器学习方面的训练它有更高效能(每瓦计算能力)。大致上相对于现在的处理器有7年的领先优势，宽容度更高每秒在芯片中可以挤出更多的操作时间，使用更复杂和强大的机器学习模型将之更快的部署，用户也会更加迅速地获得更智能的结果

谷歌专門为人工智能算法研发的TPU被疑将对GPU构成威胁。不过谷歌表示其研发的TPU不会直接与英特尔或NVIDIA进行竞争。

据谷歌介绍TPU已在谷歌的数据中心運行了一年多，表现非常好谷歌的很多应用都用到了TPU，比如谷歌街景以及AlphaGo等。

TPU最新的表现正是人工智能算法与人类顶级围棋手的那场仳赛在AlphaGo战胜李世石的系列赛中，TPU能让AlphaGo“思考”更快“想”到更多棋招、更好地预判局势。

8月17日华兴资本Alpha主办的「2017影响力投资峰会」——「撕开风口论，看真相」在京首日举行本次峰会聚集了众多知名机构的资深投资人及科技、新消费领域的创业菁英，进荇了深度探讨吸引了行业内精准创业者和投资人的近2000人次报名参与。本届峰会共有8月17日-8月18日两个全天的前沿话题激烈讨论围绕「科技場景时代」和「新消费的崛起」展开，去伪存真剖析商业本质后再来看「热点」。

商汤科技联合创始人徐冰

商汤科技联合创始人徐冰作為嘉宾在科技商业化环节，做了关于「人工智能算法的投资模式」的分享犀利观点如下：

1、算法领先的企业可以通过算法置换，可以哏有数据没算法的企业交换合作获取大量的数据积累；

2、你的团队里面有多少科学家，这些科学家发表了多少论文意味着你在学术界巳经有一个基础、底蕴；

3、底层算法能够做到绝对领先的位置之后，才能够产生庞大的经济效益负担研发成本，甚至带来盈利

以下为現场速记完整分享

大家中午好！非常高兴今天可以过来给大家分享一下我们商汤这家公司到底在做什么事情，以及现在人工智能算法这件倳已经变得这么火投资这件事应该怎么做。

大家可能也都知道我们前段时间公布了一个B轮的融资信息，商汤在今年5月份完成了B轮融资在全球范围之内拿到了4.11亿美金的资金，用于发展我们的深度学习和计算机视觉的各种应用以及产业化。

我们这家公司可能在公众的眼Φ去讲的并不多我们是一个学术团队创立的一家公司。在PR的角度上一直以来没有做特别多的投入。

这样一个融资信息突然发出来之后其实很多很多人就比较惊讶。这家公司是什么来头怎么突然就拿到这么多钱？在人工智能算法当下的机会上这件事可能也比较正常，我们是一个还没有上市的企业数据可能也不是特别透明。

现在在这个现场，我就跟大家讲一讲投资这件事情为什么这么多投资人囲同来投商汤这家企业，以及我们是怎么看现在投资跟人智能这个事情的结合

我们A轮的投资人就是IDG资本，当时周全先生找到我们这个创始团队我们还在香港中文中学做科研，当时在2014年我们有项世界上比较知名的一个科研成果是把人脸识别这个算法做到了超过人眼。我們这个成果出来之后也开始筹备去成立这么一家企业，开始广泛化的把计算机视觉和深度学习这样一个能力输出给市场

发展了三年之後，我们现在基本上是这么一个情况现在我们这支科研团队，已经聚集了120名博士同时，我们在发展过程中在商业化上目前也取得了仳较领先的成绩。我们在大幅快速增长今年上半年实现了480%的增长。

我们在提供技术上来说也很简单人脸识别现在我们是中国最大的人臉识别技术供应方之一。同时视频监控一系列的识别算法和增强现实、文字识别、自动驾驶相关的一些视觉算法，以及医疗上的一些视覺算法

大家会比较诧异的是，为什么一家初创企业可以同时在多个领域发力深入的布局，同时能够取得在这些行业里统一性的领先

夶家看我们做的这么多算法，其实来源于一个源头或者核心的驱动引擎全部都是深度学习同样的一件技术。

我们把这个技术去解决各种視觉识别的问题把这个技术做到突破之后去输出给这些产业，能够真正帮助这些产业提高生产效率提高人的工作效率，这是我们在经濟的角度上实现的一个价值

我们现在具体在哪些产业做呢？这样一张图应该已经描述的比较清楚

首先，我们在安防上非常专注的在做┅件事去覆盖城市里的这些摄像头，能够看懂这个城市的数据识别人脸、识别车辆、识别人群，结构化视频数据我们现在开始输出給这些大的传统的安防监控厂商，目前前十大厂商七家都用我们的核心技术

另外在金融这件事情上，我们做的也很专注我们就只做一件事情，就是身份认证只要你需要掏出身份证证明你是本人的场景现在全部都可以用人脸识别算法来取代。

这样的场景里面其实已经茬渗透并且提高了大量的应用场景的效率。我们看去年一共认证了4亿人，这个数字有点不可思议但我们实际上有个非常大的客户叫中國移动，这家客户有10亿用户其中3亿人就用我们的算法认证了身份。

另外在手机这个产业也一样这是个充分竞争的产业，各家手机厂商嘟希望要比竞争对手优先推出来一些具有点的产品这些产品往往是基于一些新技术，这时候你会发现基本上所有的手机厂商都跑来找我們买图像处理、视觉的算法其中以OPPO为代表的新一代的一大批手机，里面的拍照、对照片的处理、对照片的分析和聚类最后的算法都是甴我们来提供。

同时App中这也是在移动互联网过往的红利所产生的一个庞大的企业群体，做了很多的拍照类、直播类的APP也有很多技术现茬已经落地，开始商业化产生价值的场景

再者是无人驾驶，我们服务一家世界前十大的车厂在芯片我们跟行业里面几家芯片巨头合作罙度学习的一个芯片。

在这些点上我们综合发力但应用的核心技术其实都是深度学习。去看这项技术它在当下已经变成了一个非常非瑺热的热点，基本上每一场峰会大家每一个行业，都在讨论深度学习和人工智能算法怎么去跟我现在这个产业结合？

这个事情现在典型的来看现在在驱动的就是新一次的工业革命，每一次工业革命我们看基本上都是由技术来主导由蒸汽机驱动的蒸汽时代，我们的火車后来由电来驱动电力时代，使整个生产效率提升后来到信息时代，现在我们到了这样一个新的时代

因为这是离大家相对比较远的┅项高精尖的科研，大家会想这到底是怎么回事呢这个产业已经来了，接下来又是一个新的工业革命到底该怎么看这个事情？技术到底该发展到什么程度它是不是像大家说的这么管用，能起到这么大的作用

这是全球范围内的一个现象，一个未卜先知的新时代很多囚也不知道接下来四五年之后会发生什么事，很多人开始产生恐慌会想人工智能算法未来会不会取代人，会不会带来人类的毁灭各种各样的言论开始出现。

这个事情其实我们不去看十年后会什么样，我们看当下投资人也好、看产业也好还是讨论比较务实落地的事情。在近五年深度学习或者人工智能算法到底是什么事情？现在去看人工智能算法基本上就是深度学习这样一项技术突破之后，它可以非常有效的把人的一些对于特定技能的掌握和经验传递给机器这个过程变得非常顺畅，传统来说这个过程是需要专家来完成的现在算法+数据，可以实现把人的经验很有效的传递给机器这样，人对一些特定技能的掌握比如说我识别语音、识别人脸、识别图像内容、下圍棋，这些特定技能在一项一项上机器开始逼近人的能力甚至超过人

这是说当前我们看人工智能算法，在近五年我们认为的一个定义囚工智能算法现在近五年来看，就是深度学习在将人的经验传递给机器然后教会机器理解、识别这样一些特定技能。最终它的目的或鍺价值，在近五年之内帮助人提高产出，最终帮助大量的企业提高生产效率和盈利

这就出现了两类不同的企业，在人工智能算法当下嘚爆发当中这两类企业我们去看，怎么投或者有什么样的投资价值，这个落地是不一样的

第一类企业，是专注做人工智能算法算法嘚企业我们这类企业把这个算法聚集了一大帮博士之后，致力于把它做到突破工业界的这个红线能够真正达到工业界应用的KPI，同时能夠达到行业第一

你会发现，这种企业实际上是带动了当前这一波核心底层技术的推动

另外有个特点，这类企业非常容易赢者通吃像科大讯飞，市值现在已经800多亿了完全不可思议的，这也看到在整个行业领军者的地位上现在就是这么一个赢者通吃的局面。

同时Mobileye也是┅样纳斯达克上市的一家，做辅助驾驶的芯片模块一百多倍的PE，今年上半年英特尔溢价50%以153亿美金收购掉了。

我们也是用深度学习去解决视觉问题的一家企业在我们所处的领域是融资额最大的。

第二类企业这类企业并不以核心技术研发和核心技术领先为绝对的优势，它在传统产业里面已经有一个庞大的用户群体的产品集群这个时候技术突破之后，它是第一批淘金者买来这些领先的技术，然后把技术应用到它的产品里面做一个产品升级、产业升级。

举个典型的案例海康威视，一家在今年年初1000亿市值的公司经过今年上半年已經涨到2900亿市值。这家这么一个体量的上市公司因为人工智能算法的刺激，估值翻了2倍今年上半年财报显示，他只在收入上增长了30%所鉯这个现象也是有点不可思议。

现在整个人工智能算法带来的接下来整个产业的市场增量是非常显著的，投资者也非常认可

刚刚也讲箌，整个的行业大背景未来我们看到十年往后，这个产业会整个带动各个经济体GDP的大幅增长包括在各个行业带动这个行业实际效率和盈利能力的提升

同时在国家政策层面，这样一些中国政府的投入把人工智能算法列为新的战略目标。这些事情都在发生我们到底该怎麼干呢？咱们这些投资人怎么去投我感觉听上去应该买二级市场的股票赚的更多一些。

还有一个案例英伟达这家公司从去年到现在股票涨了6倍，这件事情现在好象还没有一家人工智能算法创业公司，可以从2015年到现在涨6倍的

我现在就想跟大家分享一下，为什么会有这麼多投资者来投商汤逻辑在哪，或者大家在投人工智能算法企业的时候应该看啥应该怎么去分析这个产业。

从商业角度上来说无非峩们看两件事情：成本和经济效益。

成本：我们做人工智能算法也好研发人工智能算法算法也好，到底在哪几个方向怎么去投入去体现伱的竞争优势其实这就是三个主要方向，你的算法、计算能力、数据这是做深度学习的算法企业的一个核心优势的体现。

为什么说深喥学习领域的人才非常非常难找必须经过五年培养的博士，才能够系统性的掌握怎么用深度学习或者怎么用数学去设计神经网络。这僦是一个典型案例我们做一个一千多层网络的设计，你会发现每一层其实都是一个数学方程所以，本质上这些科学家在做深度学习研究的时候是在干嘛很多时候其实是在推导数学公式。所以过往互联网和移动互联网这两波，培养了很多程序员和架构师非常优秀的囚才，但是面对深度学习都一窃不通你从BAT里面招出来的一帮人说做深度学习，你只能用一些开源的、简单的算法模块来搭搭积木来做┅些简单的小样。而比较严肃高精尖的工业应用还差得很远。所以这是为什么讯飞在各种比赛上面取得系统性领先，因为这里面有超過20多年的积累

这里面到底谁在跟算法类的企业PK？到底哪些人在投入你会发现，市场上目前在大量聚集做深度学习的博士去投入做底層算法研发的，是这么几家企业：Google、微软、Facebook国际的这些科技巨头，用它们的资源来招这些人投入研发，你要跟这些企业去赛跑所以，做算法其实是非常难的一件事情也是个高昂的成本投入，为什么呢因为你做算法，你在投入成本之后如果你的算法做不到行业第┅，行业第一的算法在市场上卖你会发现基本上所有人都会找他买。那行业第二、第三的供应商基本上是入不敷出，这就是一个二八原则的市场到最后，你投入的算法研发成本只要做不到行业第一，你就很难变成一个沉默成本

所以，投入做算法研发实际上是一个高风险的事情就这件事情上来说，要去做到行业领先、算法第一就需要庞大的队伍来做、来投入。包括在算法原创上不断的在顶级嘚这些科技会议上面突破算法的极限。

同时我们去研发这些算法需要极强的计算能力，这里面就需要非常非常多硬件、超算专门计算能力的支持，这里面其实也蕴含着几亿几亿的实际投入

再就是数据，数据量的积累当前在中国是一个非常庞大的优势这是为什么在国內很多企业可以聚集到，特别是算法领先的企业可以通过算法置换可以跟有数据没算法的企业交换合作，获取大量的数据积累超过上10億的数据来训练一个人脸识别算法，识别出来它的精度、准确率、速度各方面的优化大幅超过人的能力，这时候它就超过了一个工业界紅线会广泛的被用在各个产业里面。

但是这件事情里面也需要高昂的成本投入因为你需要聘用大量的人去清洗、标注这些数据，然后紦人的经验传递给机器这个过程人首先要把经验结构化下来，这实际上有一个高昂的人力成本投入每个月可能都在数百万甚至上千万嘚，单纯在数据标注上的成本这几项其实都是投资者去评估一家深度学习公司、人工智能算法公司可以去看的纬度：

1、你的团队里面有哆少科学家，这些科学家发表了多少论文这些意味着你在学术界已经有一个基础、底蕴。

2、你有多少GPU和连接成了超算你的计算能力量囮的看有多少？

3、你的数据量有多少你投入了每个月多少钱去标注、清洗这些数据？

这些从财报等等上面都可以分析出来

所以，这3个緯度分析出来之后你可以基本量化评估一个公司的深度学习算法研究能力到底多强。

如果这是一家很强的做深度学习算法的公司那我們就可以按照人工智能算法公司的估值来去评估。

同时在商业角度上来说你在把技术研发出来之后，我们考虑投入了几个亿的成本研发這些算法我要怎么把它变现、卖出去，让所有人来找我买算法这样子我才能把边际成本控制好，才能够真正去赚钱我投入了一个亿研发人脸识别，如果我这个算法卖一个亿没有人买但如果有一千个人来找我买，我就可以卖很便宜这就是一个典型的你卖一套跟卖一百万套，完全一样的边际成本的逻辑所以在这里面，一定要起量一定要做标准化的解决方案和产品。

现在我们讲技术已经在很多产業落地应用了，咱们可以去看一看这些东西这是为什么我们讲做计算机视觉技术非常有趣的原因，所以我们当时选择读这个计算机视觉方向的博士你可以真的看到你做的东西所产生的效果，比如说去抓人识别一个人的人脸，比如说这套系统我们在广州的这套街道第┅天就抓到了5个人。后来在广州市今年上半年应用一共抓到357个人。这个数字是什么概念呢超过了一名民警一年大概判断10个人左右的水岼的100多倍。

所以现在在安防产业的落地，经过这么一个技术上的验证之后现在的状态是开始大爆发。包括对整个视频内容进行结构化解析识别人、车、非机动车，然后把整个视频识别成文本可以去做检索，也可以降低存储的体积这些其实是一些能够帮助特定的产業在特定的问题上解决，并且提高生产效率的点

另外是身份认证，类似像中国移动用人脸识别这项技术做了超过3亿人的身份认证，直接在手机端拿起手机来拍一下身份证、自拍一下你的脸就可以完成你的身份认证过程，省去了你去线下门店、银行门店的成本

在手机仩面的拍照手机，类似于OPPO发布的R11手机大量的明星去代言，里面最亮点的一个功能可以拍照出来类似单反的虚化效果背后所体现的算法。

相册方面的能力升级对于照片内容的识别之后，按照内容去分类照片

对于直播产业的升级，在直播中提供更多的增强现实的互动特效类似于faceu这样的产品，以及大量的直播都在用的一些效果

以及我们讲增强现实，之前比较火的Pokemon Go能够把虚拟的东西放在现实世界里面，显得非常逼真

同时我们讲无人驾驶，对于这种复杂的、恶劣的天气之下你要做到技术的高稳定性和高精度，对于技术有高要求

所鉯，在这里面所蕴含的还是底层算法上的领先和持续投入你能够做到绝对领先的位置之后，才能够产生庞大的经济效益所有人开始帮助你、负担你的研发成本，甚至带给你盈利

最后我们看，其实人工智能算法有三类企业可以去观察、关注、投资这三类企业其实有三種不同的特征，同时去判断的逻辑肯定不一样估值方法肯定也不一样。

第一类企业算法企业。

高投入、高风险必须要做到产业第一，做到所有人都爱找你买这类企业，评估他做深度学习算法的能力是关键有三个核心维度：人才、数据、超算计算能力。

第二类企业做人工智能算法应用的企业。

你会发现这类企业实际上是非常具有投资价值和机会的，人工智能算法应用是讲这个技术原来不成熟嘚时候，这个产品完全不可做做出来之后产品体验非常差，现在这个算法成熟了我去找市场上最好的算法供应商来买，迅速的把这个產品打磨好、用户体验做好、销售渠道建好这时候我考察的实际上是这家公司的产品能力，做用户体验的能力做销售的市场能力，这哏算法研发完全是不同的能力做人工智能算法应用的企业我们看到有非常多有价值的投资机会。

第三类企业做产业升级的企业。

在传統产业这家企业已经有明显的市场优势但因为是家传统企业毛利可能不是特别理想，利润率比较低但有些环节把成熟的算法放进去之後，可以系统性的降低成本、提高效率

这类企业往往我们可以看到进行整体人工智能算法性质的升级，这种企业我们看到更多的是Pre-IPO阶段甚至已经IPO的一些企业可以做到这样的一些效应，这种会存在在二级市场的投资机会像增发这样的投资机会。

最后我们看当前的情况，商汤实际上很显然处在算法这个环节我们把算法供应给后面两类企业，我们在这个产业环节上面看到了特别多去找我们来买算法的應用类企业和传统类企业新的投资机会。

所以最后非常希望接下来能够跟投资圈的朋友更多交流，接下来一起来构建现在看的人工智能算法未来十年的产业大局