近年来，人工智能（AI）发展迅速并日益受到重视，日前中国信息通信研究院发布的《全球人工智能战略与政策观察（2020）》报告指出，截至2020年12月底，全球已有39个国家和地区制定了AI的战略政策、产业规划文件。

    AI三大核心要素是数据、算力和算法。

    数据是AI算法的“饲料”

    当今，无时无刻不在产生数据（包括语音、文本、影像等等），AI产业的飞速发展，也萌生了大量垂直领域的数据需求。在AI技术当中，数据相当于AI算法的“饲料”。

    机器学习中的监督学习和半监督学习都要用标注好的数据进行训练，由此催生了大量数据标注公司，它们将处于未经处理的初级数据，转换为机器可识别信息。只有经过大量的训练，覆盖尽可能多的各种场景才能得到一个良好的模型。

    目前，数据标注是AI的上游基础产业，以人工标注为主，机器标注为辅。最常见的数据标注类型有五种：属性标注、框选标注、轮廓标注、描点标注、其他标注。AI算法需要通过数据训练不断完善，而数据标注是大部分AI算法得以有效运行的关键环节。

    算法是AI的背后“推手”

    AI算法是数据驱动型算法，是AI的推动力量。

    主流的算法主要分为传统的机器学习算法和神经网络算法，目前神经网络算法因为深度学习的快速发展而达到了高潮。

    南京大学计算机系主任、人工智能学院院长周志华教授认为，今天“AI热潮”的出现主要由于机器学习，尤其是机器学习中的深度学习技术取得了巨大进展，并在大数据和大算力的支持下发挥了巨大的威力。

    当前最具代表性的深度学习算法模型有深度神经网络（简称DNN）、循环神经网络（简称RNN）、卷积神经网络（简称CNN）。DNN和RNN就是深度学习的基础。

    DNN内部的神经网络层可以分为三类，输入层、隐藏层和输出层。一般来说第一层是输入层，最后一层是输出层，而中间的层数都是隐藏层。DNN可以理解为有很多隐藏层的神经网络，是非常庞大的系统，训练出来需要很多数据、很强的算力进行支撑。

    算力是基础设施

    AI算法模型对于算力的巨大需求，推动了今天芯片业的发展。据OpenAI测算，2012年开始，全球AI训练所用的计算量呈现指数增长，平均每3.43个月便会翻一倍，目前计算量已扩大30万倍，远超算力增长速度。

    在AI技术当中，算力是算法和数据的基础设施，支撑着算法和数据，进而影响着AI的发展，算力的大小代表着对数据处理能力的强弱。算力源于芯片，通过基础软件的有效组织，最终释放到终端应用上，作为算力的关键基础，芯片的性能决定着AI产业的发展。

    算法、算力、数据作为AI核心三要素，相互影响，相互支撑，在不同行业中形成了不一样的产业形态。随着算法的创新、算力的增强、数据资源的累积，传统基础设施将借此东风实现智能化升级，并有望推动经济发展全要素的智能化革新。让人类社会从信息化进入智能化。

    加快补齐AI芯片短板

    从技术架构来看，AI芯片可以分为通用性芯片、半定制化芯片、全定制化芯片和类脑芯片（特点是功耗低、响应速度快）。

    AI本质上是使用人工神经网络对人脑进行的模拟，替代人们大脑中的生物神经网络。由于每个任务对芯片的要求不同，所以可以使用不同的AI芯片进行训练和推理。

    在过去二十年中，处理器性能以每年大约55%的速度提升，内存性能的提升速度每年只有10%左右，存储速度严重滞后于处理器的计算速度。随着AI技术的发展，所需数据量变得越来越大，计算量越来越多，“内存墙”（内存性能严重限制CPU性能发挥的现象）的问题越来越严重。因此，存算一体（将部分或全部的计算移到存储中，计算单元和存储单元集成在同一个芯片，在存储单元内完成运算），有望成为解决芯片性能瓶颈及提升效能比的有效技术手段。

    目前，核心算力中芯片通用的GPU占主导地位。IDC的研究指出，2020年，中国的GPU服务器占据95%左右的市场份额，是数据中心AI加速方案的首选。但IDC也做出预测，到2024年，其他类型加速芯片的市场份额将快速发展，AI芯片市场呈现多元化发展趋势。

    近年来，我国AI虽然取得了不少的突破和进展，比如“小i机器人”公司主导了全球第一个AI情感计算的国际标准，并在国际上具备一定的竞争力，但AI芯片对外依赖较大，并缺乏AI框架技术支撑。

    未来人们对科技的依赖会与日俱增，AI也将会成为大国竞争的焦点。为摆脱我国AI的短板，有专家表示AI芯片方面我国可以借鉴开源软件的成功经验，降低创新门槛，提高企业自主能力，发展国产开源芯片；算法框架方面则可通过开源形成广泛的应用生态，广泛支持不同类型的AI芯片、硬件设备、应用等。

    （作者系加拿大某国际财团风险管理资深顾问，科幻作家）