当前位置:首页 > 智能硬件 > 智能硬件
[导读]不到三年,谷歌母公司Alphabet旗下独立团队DeepMind再度出手,其开发的人工智能系统AlphaStar于北京时间1月25日凌晨在《星际争霸2》中打败了职业电竞选手。

5分36秒,人类认输。

不到三年,谷歌母公司Alphabet旗下独立团队DeepMind再度出手,其开发的人工智能系统AlphaStar于北京时间1月25日凌晨在《星际争霸2》中打败了职业电竞选手。

与国际象棋或者围棋这样的全盘博弈不同,星际争霸显然更加困难,因为人工智能无法通过观察每一颗棋子的移动来计算下一步动作,系统必须实时做出反应。DeepMind工作人员称,AlphaStar与AlphaGo“进化”版Zore的最大差异是引入了模拟学习的方式,因而能解决“不完美的信息”的困境。

但是,有业内人士指出,AlphaStar挑战电竞选手背后,是一个始于人工智能,却落脚在云计算竞争的故事。

“人机大战”背后的云计算

DeepMind团队介绍,为了训练AlphaStar,他们通过谷歌云服务使用了TPU,后者是谷歌针对机器学习而定制的芯片,具有更高的效能。这一点在赛后的分析中,被着重提出,因为是这个芯片让AlphaStar在两周的时间内,完成了上述的训练。

然而,不单独销售TPU的谷歌,一直希望通过其拉动云计算的增长,而人工智能或许只是个噱头。有业内人士评价,谷歌一面训练自己的算法模型,另一面炒作一下市场热点,大家都想通过人工智能作为动力之一,进一步拉动云市场的增长。

新一轮热潮下的人工智能实际上是算法和算力的竞争。所谓算法,就是对问题寻解的过程,这对应的是人工智能的应用,比如语音合成、图像识别和机器翻译;而算力,也就是计算能力,目前是由芯片所主导的。

这轮热潮是由深度神经网算法所引导的变革,而算法背后需要的是并行计算的能力。英伟达的GPU(图形处理器)恰好满足所需,因而英伟达的芯片开始供不应求。但是,很快产业开始意识到,GPU并不能完全满足需求,人们逐步发现定制加速芯片可以提供更强算力。于是,英伟达的竞争对手英特尔开始押注FPGA(可编程阵列)。

而谷歌选择了另一条路。2016年5月,谷歌发布了专门为机器学习优化的处理器TPU(张量处理器),并对外宣布AlphaGo的算力硬件核心基于此。两年时间,谷歌将TPU升级至3.0,声称其可以每秒计算100千万亿次加减乘除。

更重要的是,谷歌将这款芯片与其机器学习开源软件TenserFlow融合,开发者几乎无需修改,就可以将TenserFlow框架下开发的代码在TPU上运行。但谷歌并不对外销售TPU,所以没有成为另一家芯片厂商,而是选择通过自身云服务对外提供算力的方式销售。

因此,谷歌从一开始就将人工智能与云计算紧紧联系在一起。

云竞争中,谷歌不占优势

与搜索引擎和人工智能技术大幅领先业界不同,谷歌在云计算市场一直处于尴尬的境地。长期掌握全球90%搜索引擎市场份额的谷歌,在亚马逊进入云计算市场两年后的2008年,才上线云计算业务。

但此后,谷歌云一直不温不火。直到2015年,谷歌全盘变动,原因是谷歌搜索业务日趋饱和,导致季度净利润同比下滑5%。当年8月,谷歌宣布重组母公司Alphabet,除了搜索、Android和YouTube等业务外,其他业务纷纷独立。

当年11月, 科技公司VMware前CEO Diane Greene加入谷歌,成为云计算业务的CEO。这位“硅谷女王”开始变革谷歌云计算业务。七个月时间,Diane Greene重新打造了谷歌云的业务架构,组建了销售和客服团队,制定了推广计划,以及创建了与大企业合作的联盟计划。

2016年,“Google Cloud”开始启用。从这时开始,谷歌将云计算、人工智能和机器学习融合成为一体,起名为“Cloud AI & ML”。在Diane Greene的计划图中,谷歌的所有技术都应该为云计算服务。

凭借数据分析处理能力,云计算服务商就可以推动更多存储、计算等服务的售卖,甚至是增值应用的销售。但这一次,Diane Greene碰壁了。

微软就是这么做的。CEO纳德拉(Satya Nadella)将“移动为先,云为先”转化为“智能云和智能边缘计算”。截至6月30日的2018财年,智能云业务营收同比增长了23%。纳德拉在财报中称,对智能云的早期投资正在获得回报。

与此同时,亚马逊虽然并未直言智能云,但2018年底,这家公司推出了自研的云服务器芯片,以及用于云端人工智能推理芯片。不过,这款芯片要在2019年底才能上市,而且是通过云业务的模式提供。

市场机构Synergy Research的数据显示,截至2018年第三季度,谷歌云基础设施服务的市场份额只有7%,远低于亚马逊AWS和微软Azure,甚至不如云转型不利的IBM。在一些第三方机构如Gartner的统计中,凭借中国本土市场优势逐步向海外扩张的阿里云也在超越谷歌。

2018年11月,谷歌宣布Diane Greene将在2019年1月离职。

云计算市场中,谷歌还有机会吗?

这并不意味着谷歌没有出路。谷歌CEO Sundar Pichai曾多次对外表示,谷歌未来的成功将基于人工智能。也就是说,DeepMind这些早期投资,最终仍将需要支持Alphabet核心业务发展,也就是谷歌。

2018年10月,英国公司注册署披露的一份文件显示,DeepMind在2017财年税前亏损高达2.81亿英镑,同比增长123%。与此同时,该公司营收仅为5440万英镑,而且来源是通过技术帮助母公司提高数据中心智能系统的效能等服务。

DeepMind在游戏方面的研究并没有直接对应商业的前景,但是它一些其他研究成果开始逐步为谷歌所使用。2016年10月,谷歌宣布在智能助手里使用了DeepMind的模型WaveNet,使得机器的发音更接近于真人。

从AlphaGo到AlphaStar,人工智能技术本身不断提升,这也将给谷歌打开新的业务机会。第三方机构Forrester分析师戴鲲表示,凭借简化云原生应用开发与运维过程,致力于开源技术生态,以及人工智能和机器学习的能力等优势,谷歌云仍存在机会。

人工智能创业公司出门问问CEO李志飞表示,短期内谷歌虽然在市场份额上落后于对手,但技术驱动的谷歌会有更多的贡献。李志飞曾在谷歌工作。

事实上,Diane Greene任职期间,谷歌赢得了包括苹果、Paypal等大公司的公有云订单,而这些成绩并不为外人所熟知。谷歌也在为那些寻求第二供应商的企业提供服务,这包括亚马逊的客户Salesforce和纽约时报。

德意志银行分析报告显示,其预测谷歌的云业务收入2018年将达到90亿美元,同比增长30%。一位不看好谷歌国内市场的投资者告诉记者,人工智能技术将为谷歌的营收带来新的变化,原因是目前组织架构仍在调整。

据了解,谷歌系的高层已经开始接受DeepMind研发。Oriol Vinyals参与了AlphaStar的项目,而他此前是谷歌大脑的团队成员。

本站声明: 本文章由作者或相关机构授权发布,目的在于传递更多信息,并不代表本站赞同其观点,本站亦不保证或承诺内容真实性等。需要转载请联系该专栏作者,如若文章内容侵犯您的权益,请及时联系本站删除。
换一批
延伸阅读

业内消息,近日Alphabet旗下谷歌公司发言人表示为控制成本正在进行最新裁员,但具体人数不详。该发言人表示,裁员并非全公司范围,受影响的员工将能够申请内部职位,但没有具体说明受影响的员工人数或涉及的团队。

关键字: 谷歌 裁员

2024年4月12日,中国--服务多重电子应用领域、全球排名前列的半导体公司意法半导体(STMicroelectronics,简称ST;纽约证券交易所代码:STM)宣布,松下自行车科技有限公司(Panasonic)宣布采...

关键字: 人工智能 电动自行车

4月17日消息,斯坦福大学近日发布《2024年AI指数报告》(AI Index Report 2024),凭借AI在大规模胰腺癌早筛上的创新突破,阿里达摩院(湖畔实验室)医疗AI入选科学与医疗领域的年度亮点研究(High...

关键字: AI 人工智能 集成电路

4月17日消息,去年,中国大陆的半导体设备支出约占据了全球总额的三分之一。

关键字: 半导体 传感器 人工智能 电动汽车

上海2024年4月16日 /美通社/ -- 4月11日,中智《百川汇流 央地融通,全力以赴加快五个中心建设》主题大会在上海成功举办,本次大会由上海市经信委和上海市国资委指导、中智经济技术合作股份有限公司和中智管理咨询有限...

关键字: AI 电气 人工智能 半导体

该实验室的创新技术能够增强人工智能边缘解决方案,提高神经网络能力

关键字: 人工智能 神经网络

英国竞争与市场管理局(CMA)日前表示,对美国科技公司可能会操纵全球AI市场感到担忧。

关键字: AI 谷歌 苹果 微软 Meta

机器学习作为人工智能领域的重要组成部分,其过程涉及到多个核心环节。本文将详细阐述机器学习的四个主要步骤:数据准备、模型选择、模型训练与评估,以及模型部署与应用,以揭示机器学习从数据到应用的完整流程。

关键字: 数据 人工智能 机器学习

随着信息技术的迅猛发展和大数据时代的到来,机器学习成为了人工智能领域中的核心技术之一。机器学习是通过模拟人类学习行为,使计算机系统能够从数据中自动发现规律、提取特征并进行预测和决策的过程。它在诸多领域取得了广泛的应用,包...

关键字: 计算机 人工智能 机器学习

机器学习算法是人工智能领域中的核心技术之一,它通过对大量数据进行学习,自动发现数据中的规律和模式,从而实现对新数据的预测、分类、聚类等任务。本文将深入探讨机器学习算法的基本过程,包括数据准备、模型选择、训练与评估等关键步...

关键字: 数据 人工智能 机器学习
关闭
关闭