经过长期的发展和探索，人工智能在近几年取得了突破性进展。在“无行业不AI”似乎正在成为主旋律下，无论是人脸识别、语音识别、机器翻译、视频监控，还是交通规划、无人驾驶、智能陪伴、舆情监控、智慧农业等，人工智能似乎涵盖了人类生产生活的方方面面。然而，所谓的人工智能就是人们所需的人工智能吗？为什么AI的“杀手级”应用的出现那么难？
问题所在
尽管互联网巨头和初创公司蜂拥而至，参与其中，但人工智能这座矿还远没有挖完，也还有一箩筐的问题等待解决。
金沙江创投董事总经理近日在接受采访时也表示，人工智能还没有真正开始，它的技术离真正能够应用还有很大距离。就是说今天能够真正应用到各行各业的人工智能，也还有很大距离，要扎扎实实而且专注的、深入的去看人工智能(在各个行业)是怎么工作的。
那么，在技术和产业的深层领域，人工智能对应的症结所在和未来在哪儿呢？这是值得探讨的。以下部分节选自中国信息通信研究院和中国人工智能产业发展联盟的人工智能发展白皮书（技术架构篇）的文字或许是不错的回答。
在算法层面，深度学习算法模型存在可靠性及不可解释性问题。首先是可靠性问题，深度学习模型离开训练使用的场景数据，其实际效果就会降低。由于训练数据和实际应用数据存在区别，训练出的模型被用于处理未学习过的数据时，表现就会降低。其次是不可解释性问题，深度学习计算过程为黑盒操作，模型计算及调试的执行规则及特征选取由机器自行操作，目前尚无完备理论能够对模型选取及模型本身做出合理解释，随着相关算法在实际生产生活中的融合应用，存在产生不可控结果的隐患。
在数据层面，主要存在流通不畅、数据质量良莠不齐和关键数据集缺失等问题。具体来看，一是数据流通不畅。目前人工智能数据集主要集中在政府和大公司手里，受制于监管、商业门槛等问题，数据无法有效流动；部分有价值数据，如监控、电话客服等数据目前没有合法渠道获得；二是数据质量良莠不齐。数据标注主要通过外包形式，劳动力水平决定了产出的标注数据质量。三是关键领域和学术数据集不足。计算机视觉、自然语言处理等领域的数据资源严重不足，同时 目前我国产业数据主要供给给产业界，目前学术界数据集数量较少，可能影响科研及前瞻性的技术研究。
在软件框架层面，实现深度学习应用落地的推断软件框架质量参差不齐，制约了业务开展。由于深度学习应用场景众多，相关应用呈现碎片化特点，用于实现最后应用落地的开源推断软件框架无论在功能还是性能层面距离实际需求还存在相当距离，与训练软件框架趋同趋势不同，产业界所使用的推断软件框架需要聚力研发，尚未形成具有实际标准意义的优秀实例。
在编译器层面，各硬件厂商的中间表示层之争成为技术和产业发展的阻碍。目前业界并没有统一的中间表示层标准，并且模型底层表示、存储及计算优化等方面尚未形成事实标准，导致各硬件厂商解决 方案存在一定差异，导致应用模型迁移不畅，提高了应用部署难度。在AI 计算芯片层面，云侧和终端侧对计算芯片提出了不同的要求。
在 AI 计算芯片层面，云侧和终端侧对计算芯片提出了不同的要求。对于云侧芯片，随着深度学习计算需求的逐渐增加，业界希望在 提升云侧芯片运算效能的前提下，希望针对不同网络实现更优化的性 能表现，而功耗比则不是首要关注的因素；对于终端侧芯片，在功耗 为首要要求的情况下，更加注重的推断运算的性能，并且不同终端应 用场景对芯片提出了更多个性化需求，如在人脸识别摄像头、自动驾 驶汽车等场景。
趋势展望
1、迁移学习的研究及应用将成为重要方向。
迁移学习由于侧重对深度学习中知识迁移、参数迁移等技术的研究，能够有效提升深度学习 模型复用性，同时对于深度学习模型解释也提供了一种方法，能够针对深度学习算法模型可靠性及不可解释性问题提供理论工具。
2、深度学习训练软件框架将逐渐趋同，开源推断软件框架将迎来发展黄金期。
随着人工智能应用在生产生活中的不断深入融合，对于推断软件框架功能及性能的需求将逐渐爆发，催生大量相关工具及开源 推断软件框架，降低人工智能应用部署门槛。
3、中间表示层之争将愈演愈烈。
以计算模型为核心的深度学习应用， 由于跨软件框架体系开发及部署需要投入大量资源，因此模型底层表 示的统一将是业界的亟需，未来中间表示层将成为相关企业的重点。
4、AI 计算芯片朝云侧和终端侧方向发展。
从云侧计算芯片来看， 目前 GPU 占据主导市场，以 TPU 为代表的 ASIC 只用在巨头的闭环生态，未来GPU、TPU 等计算芯片将成为支撑人工智能运算的主力器件，既存在竞争又长期共存，一定程度可相互配合；FPGA有望在数据中心中以 CPU+FPGA 形式作为有效补充。从终端侧计算芯片来看，这类芯片将面向功耗、延时、算力、特定模型、使用场景等特定需求，朝着不同发展。
5、行业巨头以服务平台为核心打造生态链。
对于国内外的云服务和人工智能巨头，如亚马逊、微软，阿里云、腾讯云、科大讯飞、旷视 科技等企业，将围绕各自应用，与设备商、系统集成商、独立软件开发商等联合，为政府，企业等垂直领域提供一站式服务，共同打造基于服务平台的生态系统。
小结
北京航空航天大学集成电路中心主任李洪革在近期人工智能芯片发展趋势论坛上，结合人工智能应用，他也曾预测人工智能芯片未来发展将有三大趋势或方向。
他认为云端深度学习神经网络处理器，以谷歌、脸书、百度和阿里巴巴等网络巨头为领导者，突出高算力特性，并具有云端应用的垄断优势；终端深度学习神经网络处理器，以著名高校如哈佛、麻省理工学院、清华大学等为标杆，突出低功耗、高能效比，在未来的物联网终端、自动驾驶等领域具有广阔的应用前景；神经拟态处理器，以IBM等公司为代表，或许将成为下一代AI处理器的另一面旗帜。
参考来源：中国信息通信研究院和中国人工智能产业发展联盟
联系客服
