1991年来到深圳打拼的王合球，借技术积累和人脉，投身深圳的创业大潮，1996年创立欧陆通。从不到200平米20人的灯具厂，发展到今天逾3000多员工，去年营收逾13亿的企业。欧陆通对开关电源的技术执着，让公司快速成长为行业龙头之一。 深圳特区40周年之际，欧陆通首发登陆创业板，成为注册制改革后首批上市公司之一。回想创业历程，董事长王合球说“搭上深圳改革开放的快车，跟随中国科技产业和市场的进步逐步成长”，欧陆通在快速掌握海外市场脉搏的同时，凭借深圳制造业完善的上下游配套，实现了企业的快速响应与技术的不断更新。 灯具起家 半路转身开关电源 欧陆通的深圳工厂位于宝安的工业区内，多年的技术研发工作，让眼前气质儒雅的王合球，透着工程师式的严谨。欧陆通专业从事开关电源产品的研制与销售，主要产品包括电源适配器和服务器电源等，是智能安防、智能音响等新型数字产品电源的知名品牌、重要供应商。但在24年前成立之初，公司的主业却是灯具。 湖北黄冈，农村出身的王合球大学毕业后，分配到南京一家国企工作。“我最初在西北电讯工程学院学的就是集成电路半导体，毕业进入国企工作五年后，业务方向转为变压器和开关电源，积累了跨行业的技术经验。”1996年，王合球在深圳下海创业，生产的外贸灯具主要出口德国。“当时我外语好，也懂技术，很快获得国外客户的信赖。”公司成立的时候只有200平米的厂房，20人就开工接单生产。 从灯具起步，随后到太阳能灯，LED灯陆续投产，迅速发展起来的欧陆通以贴牌代工为主，但原材料掌握在海外企业手中，很快发展遇到瓶颈。创业不久，海外太阳能硅片供应链突然中断，欧陆通陷入前所未有的被动局面。公司改行做过卤素灯具，但国内同行众多，竞争无序而激烈。期间又遇上1997年金融风暴，企业经营非常困难。 有着集成电路和变压器技术基础，生产过灯具变压器的欧陆通，将目光转向了电源适配器。2004年全球兴起IT热，信息产业兴起，不光智能手机，还有电脑、打印机、路由器等设备需求将会大爆发，这是欧陆通未来的方向。2004年，欧陆通成立专项事业部，转型生产电源适配器。 除了IT热潮外，当年还有一个市场机遇。2004年，美国加州在大力推行新的能效标准，这对设备电源标准提出新要求。面对行业龙头的台资企业，欧陆通在电源适配器领域还是“小学生”，但美国力推能源法案和新能效标准，这一机遇让欧陆通和其他台资竞争对手又处在同一起跑线。 16年电源行业深耕 铸成行业龙头 “跟着深圳改革开放的快车往前进。”让欧陆通发展走上快车道。 “由于我们技术开发进度快，快速响应了美国新能效标准的要求，相比竞争对手更早推出符合标准的产品，首先获得了西部数字（WD）的订单，迅速抓住了美国市场。”王合球总结转型的经验时不忘感恩深圳的营商环境。欧陆通位处深圳，本地有大量针对海外的代工企业，能够迅速获得最新的海外市场消息，为欧陆通定制化的设计电源新产品提供了便利。2004年到2005年，一年时间，欧陆通就完成了系列化的产品设计及安全认证，迅速打开了美国市场，音箱电源、数码相框电源等产品订单陆续到来。 在此之后，欧陆通的产品又相继进入办公电子领域、网络通信领域，网通产品对抗雷击有高要求；再后来进入安防电源行业，安防监控设备电源突破了三倍电流起动技术。音箱电源产品对高保真要求很高，公司产品又顺利突破了技术门槛，获得了哈曼音箱的订单。技术升级的欧陆通，2014年又开始开拓数据中心领域设备电源。 目前，欧陆通的研发部门200多人，配有芯片、软件、变压器的专业工程师。“没有5到8年内的研发技术积累，是无法成长为业内顶尖的技术人员的。”王合球表示，一个电源适配器的研发往往需要半年以上，服务器电源研发时限更是以年计算。“一份产品安全测试报告，电源适配器就有两三百页，服务器电源更是多到上千页的报告。” 研发升级加速国产替代 内循环，国产替代成为时下热词。欧陆通的电源适配器产品现已实现供应链全部国产化，可搭载国产芯片，完全摆脱对国外芯片厂家的依赖；公司服务器电源产品兼容多种主流品牌技术平台及结构，可完全替换国外同类产品。 因为具备了零部件国产化的优势，贸易战对欧陆通影响不大，电源适配器产品作为整机的一个部件，很少直接对外出口，一定程度上规避了风险。此外，2017年欧陆通根据境外客户需求，在越南成立了海外制造基地，可满足境外客户在当地配套产能的需求。疫情下，欧陆通上半年业务增长了50%。 作为创业板注册制首批上市企业，欧陆通的首发募投项目包括研发中心建设、赣州电源适配器产线技改项目等。王合球表示，首先要满足拓展业务需求，目前研发人员经常加班，设备不足人手也不够，未来公司会在人才集中的地区增设更多研发设计中心。同时，针对未来的新能源开发动力电池充电器项目，AI人工智能及边缘计算设备的电源需求，欧陆通都需要提前布局和储备相应技术。
半年报披露渐入高潮，做为备受市场和投资者关注的板块，生物医药公司们的“成绩单”成了大家热议的话题。截至8月20日，山东共有5家生物医药相关企业发布中报，从财报披露的数据来看，大部分公司在上半年业绩可观。 对于生物医药板块获得的高关注度，青桐资本投资总监薄奥克在接受记者采访时分析，这次新冠肺炎疫情，使得绝大多数医药股估值走高，但未来还是会出现分化，那些在细分领域具有技术、市场优势的个股，才会赢得资本青睐。 梳理已发布中报的生物医药股“成绩单”可知，上半年多数公司成绩优异。 沃华医药是山东上市公司中首个披露2020年半年报的企业。公司上半年实现营业收入4.84亿元，同比增长15.77%，实现归属于上市公司股东的净利润9073万元，同比猛增190.14%。 东诚药业在中报里表示，公司上半年的“原料、制剂、核药”三大业务板块均已基本恢复到疫情前水平，经营状况逐步恢复，实现营业收入16.46亿元，较上年同期增长24.08%。 山大华特上半年实现营业收入8.33亿元，同比增长2.64%，实现归属于上市公司股东的净利润1.35亿元，同比增长51.99%。 头孢侧链中间体全球龙头金城医药上半年业绩虽然同比有所下降，但其生物制药及特色原料药和其它医药化工产品仍呈稳健增长趋势。天风证券分析称，公司与医院渠道需求关联紧密的制剂板块上半年虽受疫情影响较大，但业绩有望于下半年奋起直追，或不影响全年整体业绩上行趋势。 对于未来，薄奥克分析，“目前本土药企业绩的主要来源还是国内市场，未来将已获批产品（新药、仿制药）售向国外，并有能力放量的话，对业绩都将是极大的提升；对于创业中的创新药企，能够拿到全球范围内的专利新药，也能够更容易得到资本的认可，估值也更有优势。” 对于当下的生物医药市场，薄奥克认为，有三个细分领域受到投资人的关注，“基因治疗及相关CDMO、ADC药物和AI药研。” 薄奥克介绍，基因治疗及相关CDMO是目前生物医药最前沿的技术之一，从研发、生产到未来质控，基本每个环节都有极高的技术壁垒。从ADC药物领域来看，作为靶向消灭肿瘤的前沿药物开发技术，技术难点很高。现在的核心疑虑就是毒性仍然偏高，若能解决这一问题，预期行业将迎来高速发展；AI药研领域则是革新底层药物发现技术，大幅提升新药开发效率，近几年行业进入发展期，各公司开始与大药企进行技术与管线的合作，预期随着数据量和在研产品的不断丰富，仍有足够大的市场空间。
8月19日，爱柯迪发布2020年中报，实现营业收入10.29亿元，较上年同期减少17.84%，归属于上市公司股东的净利润1.43亿元，较上年同期减少29.29%。 公司相关负责人对记者表示：“年初新冠肺炎疫情对汽车产业短期冲击较大，第二季度海外市场因疫情停工停产对公司出口也造成了一定的影响导致业绩的下滑。但过去十年，公司产能一直处于紧张状态，这次疫情也为公司赢得难得的‘休整期’，对此，公司围绕‘开源节流’的主导思想，持续推进管理、技术转型升级，并取得了一定的成果。” 汽车市场疲软 业绩短期承压 爱柯迪主要从事汽车铝合金精密压铸件的研发、生产及销售，主要产品包括汽车雨刮系统、汽车传动系统、汽车转向系统、汽车发动机系统、汽车制动系统及其他系统，新能源汽车三电系统等适应汽车轻量化、节能环保需求的铝合金精密压铸件。 2020年上半年，全球经济受新冠肺炎疫情影响，汽车产业链也同样受到冲击。根据IHS的数据统计，2020年上半年美洲轻型车市场产量下滑43%，欧洲及中东市场乘用车市场产量下滑41%；亚太市场产量下滑28%。 根据中国汽车工业协会统计，2020年1-6月份，中国汽车产销分别完成1011.2万辆和1025.7万辆，同比分别下降16.8%和16.9%。 爱柯迪相关负责人坦言：“在此背景下，公司按照战略发展规划和年初制定的生产经营计划，围绕“开源节流”的主导思想，有序开展各项工作。管理、技术转型升级再提速，但公司短期业绩仍旧承压。”据公告显示，爱柯迪上半年销售费用同比提升0.12%，管理费用同比提升19.91%。 随着疫情的控制，中国经济运行总体复苏态势持续向好，制造业供需两端持续回暖，消费市场继续改善，重大基建项目加快开工。伴随各地促进汽车消费政策的持续带动，汽车产销延续了回暖势头，发展态势较好。 技术转型升级提速 “产品超市”初具雏形 作为国内领先的汽车铝合金精密压铸件专业供应商，爱柯迪近年来聚焦汽车轻量化、节能环保、新能源、电动化、自动驾驶方向，同时大力推进新制造，积极参与客户产品的先期设计和同步开发，为全球汽车市场提供有关汽车轻量化铝合金产品解决方案。 随着大众MEB平台、Tesla国产车等的推出，爱柯迪加快在新能源汽车领域的市场布局，同时加大在新能源汽车三电系统上的产品开发力度，技术升级提速。截至目前，爱柯迪已获得或开发博世、大陆、联合电子、麦格纳、马勒、三菱电机、李尔、舍弗勒、博泽、埃贝赫、伟创力等新能源汽车新客户或新项目。 东方证券研究员姜雪晴认为：“上半年爱柯迪加快新能源车领域布局，并获得多个能源车产品项目，轻量化零部件工厂也已竣工交付。新项目增加及订单放量有望提升公司盈利水平。” 此外，上半年爱柯迪还取得了深圳市银宝山新压铸科技有限公司（以下简称“银宝压铸”）51%股权；同时认缴出资2500万元，投资设立南京迪升动力科技有限公司（以下简称“迪升动力”）。 据爱柯迪相关负责人介绍：“收购银宝压铸将有利于丰富公司的技术路线，推广高固相半固态成型技术在汽车轻量化、新能源汽车等领域的应用；迪升动力未来则主要围绕汽车、工业用无油涡旋空压机产品（协同效应的总成部件）展开‘二次成长曲线’的探索。” 该相关负责人还表示：“目前，公司已在高压压铸、低压控铸、半固态成型技术等领域形成布局，能够为客户量身打造的具备不同型号、不同规则、不同性能的‘产品超市’雏形初显，能够满足客户的多样化采购需求。”
集成电路向高集成度、低成本、低功耗方向持续发展，催生了对芯片封装技术的更高要求。近年来，先进封装技术获得快速发展，Fan-out（扇出型）晶圆级封装成为热点技术。 北方华创科技集团股份有限公司（证券简称：北方华创，证券代码：002371）根据Fan-out晶圆级封装工艺技术要求，针对性地开展相关先进封装设备自主研发，率先实现等离子去胶机、金属薄膜PVD（物理气相沉积）、PI（聚酰亚胺）胶固化系统等设备的国产化，相继进入国内主流先进封装生产线。 目前，北方华创已有刻蚀机、PVD、立式炉、清洗机等多款产品应用于先进封装领域。 （CIS）
这个时代的滑稽和伟大之处皆在于，我们每天要证明自己是自己。在淘宝上购买一件衣服，你需要扫一扫「人脸识别」，证明一下你是你；去公司上下班，你需要点一点「指纹识别」，证明一下你是你；如果你在银行、政府单位的“重要场景”中工作，你还得接受一下「虹膜识别」，证明一下你的确是你。而上述这些技术，统称为生物识别。声纹识别便是其中之一。声纹识别也被称为「说话人识别」，它最主要的功能是确认说话人的身份。和其他生物识别技术一样，它也有自己的“不可替代性”。和指纹识别技术不同的是，声纹识别技术可以做到无感知、零接触，你不需要用手指触摸那一块留下无数人细菌和病菌的部位；而相比于人脸识别，在疫情期间，人们带着口罩依然可以使用声纹识别技术。声扬科技是一家专注于“声音科技”的公司，在声纹技术上深耕多年。声扬科技联合创始人、CTO陈东鹏博士认为，现代社会，远程交互方式越来越多，在一些特定的智能硬件场景中，只允许语音的方式进行交互，没有办法通过人脸或者指纹来采集到身份信息，所以在这些场景下，声纹识别是唯一一种可以确认人们身份信息的生物识别方式。声纹识别不仅具有唯一性，而且应用范围十分广泛。根据美国哈佛商学院有关研究人员的分析资料表明，人的大脑每天通过五种感官接受外部信息，其中视觉占83%，听觉仅次于视觉，占比11%，人们每天要接听各种各样的“声音”。而作为声音领域的技术之一，声纹识别也在逐渐扩大自己在人类生活中的影响力。目前，声扬科技通过声纹识别技术在金融、社保、公安、智能硬件等领域落地了很多场景。“比如在金融场景中，当客户呼入热线电话，金融机构就可以通过声纹技术自动识别客户的身份；当客户想远程开户、开卡或者线上支付，金融机构也可以通过声纹识别技术确认客户身份，降低客户账户被盗用的风险。”陈东鹏说到。目前，工商银行、恒丰银行、重庆银行等金融机构已经相继采用了声扬科技的产品，并取得不错的效果。工行“利器”2020年，是金融科技发展的重要一年，央行和五大行的金融科技子公司不仅全部建成，而且它们还与各家金融科技创企频频合作。其中，工商银行首创的声纹风控模式，于今年6月在北京、湖北、四川、陕西4家分行上线，投产上线仅一周，累计交易逾万笔，成功防堵欺诈数十笔，挽回经济损失数十万元。而工行官网中的产品项目披露显示，其背后的声纹识别技术提供方，就是声扬科技。声扬科技CTO陈东鹏表示，刚接触工行时，声扬科技公司总共只有20多人，对于工行这种大体量的银行来说，很少会采购小公司的产品，但是声扬科技在这两年时间里一直坚持完成了工行所有的严格测试，经历了三轮POC测试，每一轮都是以技术分第一的成绩通过，因此得到了工行的亲睐。银行一直是欺诈分子最容易直接获得利益的行业之一，也是欺诈发生的“重灾区”。欺诈分子会冒充其他人的身份，拿其他人的ID重复申请信用卡，骗取钱财。现在银行的开卡服务都是线上的，使得这类欺诈操作更方便进行。“每个人的声纹都是独一无二的，有了声纹识别之后，银行可以轻易地识别出频繁开卡的“声音”，把它的风险等级提高并做进一步的排查，显著地降低了银行的坏账率。”陈东鹏说。此外，声扬科技还为恒丰银行提供了声纹识别技术，主要用于手机银行的登录。客户通过声纹登陆手机银行，而客户的声纹会给银行的后续风控提供“基础”。当有人用声纹信息登录手机或者电话交易的时候，银行可以通过即时的比对声音，判断身份，提前防控风险。去年，平安壹账通在客服场景中还应用了声扬科技的声纹识别技术。在客服质检领域，声纹识别技术把客服和客户的语音分开，基于原有的海量电话录音数据，平安壹账通可以方便快捷地分析客服的服务质量。陈东鹏介绍到：”第一步，通过我们提供的声纹识别技术，金融机构可以把客服和客户的声音分开。当客户的声音独立开来后，金融机构可以使用后续的其他技术，比如语音识别等。智能语音处理技术能够精确的去追踪客服说了什么、客户说了什么，通过对这些内容进行分析，可以提高客服的服务质量和客户的满意度。”遇到“瓶颈”当然，专注“声纹识别技术”的公司并非一帆风顺，现阶段的发展仍遇到诸多难题。陈东鹏说：“声音的传播很容易受到周围环境的干扰，比如噪声、回声、人声都会影响声纹识别。”他认为，目前这些问题还都没有被业内专家彻底解决，只能说回声等部分问题的处理方法已经做的比较好；而噪声也可以通过深度学习这种基于海量数据的训练来作为一个很好的提升；在硬件方面，更“宽敞”的通信信道，能够更好地保护音质。此外，如果你用完全不同的通信设备来进行注册和验证，声纹识别的准确率也会受到一定影响。“声纹识别的适用范围，一般距离设备2~5米，而人类一般可以听到10米范围内的对话。如何扩大声纹识的适用范围，也是科技公司需要攻克的难题。”陈东鹏说。声纹识别只是一种单一的技术，它不能解决所有的技术问题。它仍需要跟其他的技术相结合，才能形成最大的合力。在非常重要的核实身份的场景下，人们通常会选择两种或者三种身份认证模式。目前，大多数有实力的金融机构都会采用多模态的风控，这种风控方式大大提升了识别身份的准确率。陈东鹏举例：“我们和一家行业领先的人脸识别技术提供商合作做一款双录认证产品。客户它只需要对着摄像头说几个数字，就同时完成了人脸+声纹的双重认证。这样的错误率会比百万分之一还要低，既安全又方便。”“同时，声纹识别也在这个过程中也替代了人脸活体检测，因为你在念这些数字的时候，不需要像传统人脸识别那样做那些张嘴、眨眼等摇头晃脑的动作了，声纹识别的体验非常的自然。”陈东鹏说。等风来随着技术的不断突破，声纹识别市场和应用场景也被逐步打开。据前瞻产业研究院分析，当下全球生物识别产业规模庞大，仅声纹识别这一细分方向的市场规模2020年有望超过1400亿元人民币，占整个生物识别市场的22.4％。目前关于声纹识别的应用也越来越多，例如在智能硬件领域，国外的科技巨头谷歌公司便推出了一款声纹支付的支付方式，它的原理是根据每个人声音的不同特点从而进行个体化的支付。这种支付方式已经被谷歌公司应用到智能音箱中，相比二维码支付、指纹支付和人脸支付，它具有更高的便捷性，这项技术不仅可以用于金融支付，还可以用于一些防盗系统或是门禁。在国内，华为也推出了支持声纹识别的手机Mate 20 Pro，打开了消费电子领域的应用市场。我们在配搭耳机的时候只需要说出“微信支付”或“支付宝支付”，手机就会自动解锁并展示对应的二维码。国内的智能音箱品牌——天猫精灵也具备声纹识别的功能，绑定声纹之后人们可以用它来完成点外卖、网购、交话费等支付操作。对此，陈东鹏说：“凡是涉及到语音交互的地方，都是声纹可以发挥作用的场景。”未来随着5G、大数据、云计算等新技术发展愈发成熟、语音的入口更普及，可利用的语音数据会越来越多，声纹识别市场将迎来爆发。当被问及声纹识别技术的未来发展时，陈东鹏很有信心，他说道：“目前整个市场还处在爆发期，随着工商银行等行业巨头开始应用和大规模推广声纹风控模式，其他银行势必将加快速度跟上前行者的脚步。”（雷锋网雷锋网雷锋网）
8月20日，凌志软件发布了2020年半年度报告，上半年营收为2.80亿元，同比减少1.51%；归属于公司股东净利润为7142万元，较去年同期下降11.42%。 尽管在疫情笼罩下，凌志软件营收与去年同期相比基本持平，净利润有所下降，但报告期内研发投入逆势增加：2020年上半年，凌志软件投入研发2651万元，同比增长15.79%。 作为一家中国金融软件外包公司，凌志软件已经为日本主要金融机构服务超过十五年。随着云计算、大数据、人工智能等新一代信息技术融入金融行业，一方面，日本金融机构IT投资持续加大；另一方面，国内金融系统效率优化也迫在眉睫。 凌志软件加大研发投入，企图以先进的技术水平，抓住中、日两方业务增长机遇。那么，其目前取得成效如何？未来又有何布局？ 无惧疫情，发现新商机 2016-2019年，凌志软件对日外包业务在整体营收中占比超过了80%，是其主要营收来源。但不同于低附加值的人力外包服务，凌志软件具备核心技术能力，能够提供从咨询设计到系统设计的全过程软件开发。 大数据、云计算、物联网等前沿技术，进一步重塑了软件的技术架构和开发模式，加速了软件与各行业的融合应用。凌志软件为了吸纳新技术，加大了研发投入，2020年上半年研发同比增长15.79%。 尽管全球商业活动受疫情影响较大，但凭借不断提升的技术水平，以及丰富的实践经验，凌志软件不仅对日软件业务稳定，还在疫情中发现了新商机。 在对日软件开发业务方面，以“日本住宅融资机构核心管理平台”项目为例，该项目需要利用微服务框架重构系统，对设计及技术能力要求较高。凌志软件积极组织设计开发工作，确保了项目顺利实施，目前该平台部分功能已交付客户使用。 此外，为应对疫情，凌志软件开发了“快递公司智能化配送管理平台”，利用IOT技术，通过非接触方式读取会员信息、收取快递，同时还允许收货人指定收货地点。此外，该平台还应用了AI技术，基于历史数据计算最佳配送路线，节省了配送成本。 深度服务中国券商 凌志软件虽然主要业务集中日本，但并未放弃中国金融市场：2010年开拓国内业务，现已取得一定影响力，服务了超过60家券商，其中不乏有国泰君安、中信建投等头部客户。 自2004年开始承接日本顶级证券公司的千万级账户管理系统以来，凌志软件将数据处理技术作为主要研发方向之一。 近年来，通过不断加大研发，凌志软件掌握了包括数据采集、数据仓库、数据标签、数据计算、数据洞察等方面的先进技术，支持实时、海量数据的高速处理。并且，为了形成大数据相关的创新解决方案，凌志软件成立了大数据子公司，投资相关领域的企业。 目前，凌志软件的大数据相关解决方案和产品已在国内金融市场落地，其为华泰证券打造的数字化营销平台，能够支撑累计下载装机量超过4500万、月活跃度超过700万的APP；并且，其构建的“千人千面”数字化营销体系，目前在券商行业应用领域排名前列。 此外，中信建投证券“致胜平台”项目，采用了凌志微服务平台（LDSF）作为技术底座，该平台能够帮助前台应用更快速响应业务变化，为后台系统屏蔽技术细节、统一和简化交互模式。截至报告期末，经过多期建设，已经完成中台的整体规划功能。 在全球金融科技浪潮下，日本金融业IT投入稳定增长，国内券商等金融机构迎来业务模式变革。凌志软件加大研发投入，吸纳新技术，在日本业务稳健增长的基础上，收割国内新兴头部券商的增长红利，有望实现业绩新突破。
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。一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。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。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%。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。二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。不过，值得注意的是，摩尔定律在计算芯片领域依然维持，很大原因是因为图形处理器（GPU）的迅速发展，弥补了通用处理器（CPU）发展的趋缓，如图6所示，从图中可以看出GPU的晶体管数量增长已超过CPU，CPU晶体管开始落后于摩尔定律。当然，半导体晶体管数量反映整体趋势可以，但还不够准确地反映算力发展情况。对于AI系统来说，浮点运算和内存是更直接的算力指标，下面具体对比一下GPU和CPU这2方面的性能，如图7所示。可以看出，GPU无论是在计算能力还是在内存访问速度上，近10年发展远超CPU，很好的填补了CPU的性能发展瓶颈问题。另一方面，依照前瞻产业研究院梳理的数据，就2019年的AI芯片收入规模来看，GPU芯片拥有27%左右的份额，CPU芯片仅占17%的份额。可以看到，GPU已成为由深度学习技术为代表的人工智能领域的硬件计算标准配置，形成的原因也十分简单，现有的AI算法，尤其在模型训练阶段，对算力的需求持续增加，而GPU算力恰好比CPU要强很多，同时是一种与AI算法模型本身耦合度很低的一种通用计算设备。除了GPU与CPU，其他计算设备如ASIC、FGPA等新兴AI芯片也在发展，值得行业关注。鉴于未来数据大概率仍在云端存储的情况下，这些芯片能否在提高性能效率的同时，保证通用性，且可以被云厂商规模性部署，获得软件生态的支持，有待进一步观察。三算法现在我们来分析算法。AI算法对于人工智能，就是厨师与美味佳肴的关系。过去10年AI的发展，数据和算力都起到了很好的辅助作用，但是不可否认的是，基于深度学习的算法结合其应用取得的性能突破，是AI技术在2020年取得里程碑式发展阶段的重要原因。那么，AI算法在未来的发展趋势是什么呢？这个问题是学术界、工业界集中讨论的核心问题之一，一个普遍的共识是，延续过去10年AI技术的发展，得益于深度学习，但是此路径发展带来的算力问题，较难持续。下面我们看一张图，以及一组数据：1. 根据OpenAI最新的测算，训练一个大型AI模型的算力，从2012年开始计算已经翻了30万倍，即年平均增长11.5倍，而算力的硬件增长速率，即摩尔定律，只达到年平均增速1.4倍；另一方面，算法效率的进步，年平均节省约1.7倍的算力。这意味着，随着我们继续追求算法性能的不断提升，每年平均有约8.5倍的算力赤字，令人担忧。一个实际的例子为今年最新发布的自然语义预训练模型GPT-3，仅训练成本已达到约1300万美元，这种方式是否可持续，值得我们思考。2. MIT最新研究表明，对于一个过参数化（即参数数量比训练数据样本多）的AI模型，满足一个理论上限公式：上述公式表明，其算力需求在理想情况下，大于等于性能需求的4次方，从2012年至今的模型表现在ImageNet数据集上分析，现实情况是在9次方的水平上下浮动，意味着现有的算法研究和实现方法，在效率上有很大的优化空间。3. 按以上数据测算，人工智能算法在图像分类任务（ImageNet）达到1%的错误率预计要花费1亿万亿（10的20次方）美元，成本不可承受。结合前文所述的数据和算力2个维度的分析，相信读者可以发现，未来标注数据成本、算力成本的代价之高，意味着数据红利与算力红利正在逐渐消退，人工智能技术发展的核心驱动力未来将主要依靠算法层面的突破与创新。就目前最新的学术与工业界研究成果来看，笔者认为AI算法在未来的发展，可能具有以下特点：（1）先验知识表示与深度学习的结合纵观70多年的人工智能发展史，符号主义、连接主义、行为主义是人工智能发展初期形成的3个学术流派。如今，以深度学习为典型代表的连接主义事实成为过去10年的发展主流，行为主义则在强化学习领域获得重大突破，围棋大脑AlphaGo的成就已家喻户晓。值得注意的是，原本独立发展的3个学派，正在开始以深度学习为主线的技术融合，比如在2013年，强化学习领域发明了DQN网络，其中采用了神经网络，开启了一个新的研究领域称作深度强化学习（Deep Reinforcement Learning）。那么，符号主义类算法是否也会和深度学习进行融合呢？一个热门候选是图网络（Graph Network）技术，这项技术正在与深度学习技术相融合，形成深度图网络研究领域。图网络的数据结构易于表达人类的先验知识，且是一种更加通用、推理能力更强(又称归纳偏置)的信息表达方法，这或许是可同时解决深度学习模型数据饥渴、推理能力不足以及输出结果可解释性不足的一把钥匙。（2）模型结构借鉴生物科学深度学习模型的模型结构由前反馈和反向传播构成，与生物神经网络相比，模型的结构过于简单。深度学习模型结构是否可以从生物科学、生物神经科学的进步和发现中吸取灵感，从而发现更加优秀的模型是一个值得关注的领域。另一个方面，如何给深度学习模型加入不确定性的参数建模，使其更好的处理随机不确定性，也是一个可能产生突破的领域。（3）数据生成AI模型训练依赖数据，这一点目前来看不是问题，但是AI模型训练依赖人工标注数据，是一个头痛的问题。利用算法有效解决或者大幅降低模型训练对于人工标注数据的依赖，是一个热点研究领域。实际上，在人工智能技术发展过程中一直若隐若现的美国国防部高级研究计划局（DARPA），已经将此领域定为其AI3.0发展计划目标之一，可见其重要程度。（4）模型自评估现有的AI算法，无论是机器学习算法，还是深度学习算法，其研发模式本质上是通过训练闭环（closed loop）、推理开环（open loop）的方式进行的。是否可以通过设计模型自评估，在推理环节将开环系统进化成闭环系统也是一个值得研究的领域。在通信领域，控制领域等其他行业领域的大量算法实践表明，采用闭环算法的系统在性能和输出可预测性上，通常均比开环系统优秀，且闭环系统可大幅降低性能断崖式衰减的可能性。闭环系统的这些特性，提供了对AI系统提高鲁棒性和可对抗性的一种思路和方法。四工程化上文已经对人工智能数据、算力、算法层面进行了梳理和分析，最后我们看看工程化。工程化对于人工智能，如同厨具对于美味佳肴一样，是将数据、算力、算法结合到一起的媒介。工程化的本质作用是提升效率，即最大化利用资源，最小化减少信息之间的转换损失。打一个简单的比喻，要做出美味佳肴，食材、厨房灶台、厨师都有，但是唯独没有合适的厨具，那么厨师既无法发挥厨艺（算法），又无法处理食材（数据），也无法使用厨房灶台的水电气（算力）。因此，可以预见，工程化未来的发展，是将上文提到的算力与算法性能关系，从现在的9次方，逼近到理论上限4次方的重要手段之一。过去10年，AI工程化发展，已形成一个明晰的工具链体系，近期也伴随着一些值得关注的变化，笔者将一些较为明显的趋势，汇总如下：总结来说，AI工程化正在形成从用户端到云端的，以Python为编程语言的一整套工具链，其3个重要的特点为：远程编程与调试，深度学习与机器学习的GPU加速支持，以及模型训练与推理工具链的解耦。与此同时，产业链上游厂商对开源社区的大量投入，将为中下游企业和个人带来工具链的技术红利，降低其研发门槛和成本，笔者认为微软、脸书、英伟达3家上游厂商主推的开源工具链尤其值得关注。五结语对于人工智能技术过去10年发展取得的成就，有人归因于数据，也有人归因于算力。未来人工智能技术发展，笔者大胆预测，算法将是核心驱动力。同时，算法研发的实际效率，除了算法结构本身，还取决于设计者对先进工具链的掌握程度。未来10年，科技界是否能用更少的数据，更经济的算力，获得真正意义上的通用智能呢？我们拭目以待。
登录
工商服务
危机公关
金融律师
app开发
财税服务
金融牌照
网站建设
知识产权
企业征信
审计评估