华为大航海：变与不变 | 衣公子

衣公子的剑——做 AI 读的商业评论

一共三次，人类感觉自己马上马上就要被人工智能消灭了。

第一次是在1956年。位于美国汉诺威（Hanover)小镇的达特茅斯学院尚在平静地过暑假，10个年轻人聚在一起，在此之前他们各自的专业分别是数学、心理学、工程学、经济学和政治学，但是这一天，却是为了讨论一个和各自所在专业不着边际的问题：用人工智能代替人力。发起人约翰·麦卡锡（John McCarthy）24岁拿到普林斯顿大学博士，这一年也仅仅只有29岁，真是英雄少年。人工智能的概念一经传播，便迅速引爆舆论，作为人工智能概念最早的提出者和开拓者，这些人后来都成为了领域内的大师。

达特茅斯会议之后人工智能进入大发现时代。在数学上，计算机被运用到代数、几何定理的证明和推演；在语言上，计算机开始学习和使用英语。10人当中的马文·明斯基（Marvin Minsky），每两三天就有一个重要的新发现，而且一切显得理所当然。1969年，他成为第一位AI领域的图灵奖得主，荣誉加身不久，便放出豪言：在三到八年的时间里我们将得到一台具有人类平均智能的机器。

这些被2019年的我们看起来略显好笑的言论，在60年代比比皆是。

另一位与会者司马贺（Herbert Alexander Simon）是先后获得图灵奖和诺贝尔经济学奖的大学者，他参会第二年就放话：十年内计算机下棋会击败人类。尽管并没有兑现，他还是继续言之凿凿：二十年内，机器将能完成人能做到的一切工作。

作为达特茅斯会议的组织者，麦卡锡眼看在言语上被队友抢了风头，于是决定用行动抢回关注。1968年他和象棋大师大卫·列维（David Levy）打赌，十年内人工智能的下棋程序一定会打败列维。十年后，他从银行取出两千美元现金整整齐齐地交给到列维。

众所周知，IBM的深蓝（Deep Blue）击败卡斯帕罗夫，还是30年后的事。

热情来得太快就像龙卷风，热情走得太快也像龙卷风。在接连的失败中，世界很快发现，当时的计算能力只能处理线性分类问题，稍微复杂一点的分类就无法胜任。机器的确拥有了简单的逻辑推理能力，但也遭遇到明确的无法克服的基础性障碍，AI能作为“玩具”勉强立足，却也裹足不前。由于前期的乐观令人期待过高，随着70年代机器翻译等十年投资项目的先后失败，公众的质疑和批判到达顶峰。机构不断减少人工智能的研究和投资，AI陷入低谷。

图：2006年达特茅斯会议部分与会人五十年后再聚首，左起：Trenchard More, J. McCarthy, Marvin Minsky, Oliver Selfridge, Ray Solomonoff

人工智能的第二次高潮发生在80年代，随着BP（Back Propagation）等新算法的提出，学者们提出了更强可视化效果的决策树模型和突破早期感知机局限的多层人工神经网络，支持者于是宣布机器进军语音识别等新的领域。其中日本通产省巨额投资第五代计算机项目是其中最著名的案例。不过，和上一次高潮一样，豪言壮语一浪高过一浪，又大多在现实面前摔得粉碎，概念包装催生盲目乐观，再遭遇报复式的质疑，热情耗尽。人工智能再陷低谷，这一陷就是整整30年。

人工智能的第三次高潮要等到2016年。AlphaGo先后打败李世石、柯洁，令整个世界叹为观止，掀起了以大数据和深度学习为特征的人工智能研究和投资狂热。高度乐观和焦虑的情绪再次迅速占领市场，在其典型的应用场景无人驾驶中，行业领头羊Waymo前负责人Chris Urmson一再宣扬无人驾驶将在2020年前普及，因此让自己儿子不要考驾照。三年时间很快过去，今天距离2020年也就3个多月时间了，不会开车的Urmson儿子要怎么交往女生，是和人工智能一样艰涩的问题。如今除了从业者的嘴硬，大多数人已经认清现实，前不久硅谷钢铁侠、特斯拉（Tesla）老板马斯克（Elon Musk）发了条推特“2020年会有100万量无人驾驶出租车上路”。李开复给他留言：这如果真的，我就把它们全吃了。

商业社会总是容易为新概念和新故事而兴奋冲动，又在初次体会到“理想太丰满、现实太骨感”的挫折后一蹶不振。究其原因，人工智能激发的想象力的确可以天马行空，但是其技术基石算力，却要遵守传统工业规律，需要一个持续积累和技术迭代的过程。踏实和坚持永远是稀缺的品质，人工智能注定是一件漫长的事。

2019年9月18日，华为副董事长胡厚崑在华为全联接2019（HUAWEI CONNECT）大会上说，华为就是擅长也乐于从事漫长的事。

作为“1G空白、2G跟随、3G参与、4G追赶、5G领先”的筑梦人，这家专注 “连接”30年的中国企业，如今要向“计算”的大航海进发。

经过三次高潮的洗礼，人工智能的架构已经很清晰，无非三件事：算法、数据和算力——一个成熟的算法，置入足够多的的数据，再凭借强大的算力导出结果。

1946年，人类第一台计算机诞生，70多年来，我们见证了从大型机到个人计算机，从台式机到平板电脑，从智能手机到可穿戴设备的变迁。如今设备体积越来越小，功能越来越强，离人的距离也越来越近。设备外形迭代的背后，机器的计算也演进到一个新的阶段：从基于规则的CPU时代，进化到基于统计的NPU时代。简单来说，前者是“我给机器一个公式，机器还给我一个计算后的结果”，但是当技术开始追求语音识别、图像识别、实时翻译，机器接到的任务变成了“给你1000万张猫的图片，机器自己寻找规律，学会判定什么是猫”。显然，后者需要的算力是前者的无数倍。

除了辨识猫的照片，天文探索、气象预测都对算力有着惊人的要求。再进一步，自动驾驶不仅计算量大而且对于计算结果的时效性要求极高，因此对算力的要求更是永无止境。

人工智能产业的现状非常清晰：算法已经成熟（从60年代研究到今天），数据已经充足（从1000万张猫咪照片到每个人衣食住行的数据应有尽有），但是算力供应严重不平衡，稀缺又昂贵。

因此，真正有担当和使命的科技企业，应该去挑战整个行业的痛点——算力。

云计算的提出是个很棒的创新。把稀缺的算力集中在云端，Lucy的手机、Tony的电脑、老刘家的摄像头都不需要在处理器上花钱，所有的信息传输到云端，超强的算力计算完毕后再返回终端（手机、电脑和摄像头）。

但是，云计算并不能一劳永逸，新的问题涌现：这么多数据在终端和云端来来回回，传输压力很大，在Lucy、Tony和老刘家看来，操作速度反而变慢了。

比较好的方案是，终端先处理一部分数据，再把“硬骨头”压缩打包到云端进行“暴力计算”。由此可见，中国科技企业要在人工智能领域谋求突破，我认为最重要的问题是：在算力分布和运输成本间寻找最佳平衡。

专注连接30年的华为当然最有资格发言。

2019年9月9日，任正非接受《纽约时报》专栏作者、《世界是平的》作者托马斯·弗里德曼的专访。弗里德曼对于中国的评论风格众所周知。采访一上来，任老就说，今天下午你可以问任何尖锐的问题，我都会如实回答。两人哈哈大笑。

弗里德曼问：摩尔定律接近极限，你想攀登的下一座高峰是什么？

任正非：人工智能。

在华为最新展示的这套全栈全场景的解决方案中，既有网络业务，也有终端业务，又涉及公有云服务，全面覆盖了端、边、云。其中华为自主研发的达芬奇计算架构是业界唯一能够覆盖“端、边、云”全场景的处理器架构，这也是华为打造计算产业的坚实基础。

2016年的贸易摩擦，戳痛了中国人的“芯”酸往事。华为是当中少有人提前布局、临危不乱者，如今计算产业每个环节的核心技术芯片，华为都做到了自主研发。取名麒麟的智能手机芯片，取名昇腾的人工智能芯片，取名鲲鹏的数据中心处理器芯片。《山海经》、《庄子》等古籍经典在科技领域闪闪发光，想来别有一番韵味。

这次华为全联接2019（HUAWEI CONNECT）大会最重量级的产品显然是Atlas 900。Atlas 900 AI训练集群由数千颗昇腾910 AI处理器互联构成，是当前全球最快的AI训练集群，代表了当今全球的算力巅峰。其总算力达到256P～1024P FLOPS @FP16，通俗地说，相当于50万台PC的计算能力。