当前位置:首页 > 芯闻号 > 充电吧
[导读]阶段二:押注消费硬件的社交时代硬件+社交,成为2014-2018年facebook“自我拯救”的两大核心关键词。2014年,facebook以20亿美元的价格收购虚拟现实头戴设备制造商Oculus,开

阶段二:押注消费硬件的社交时代

硬件+社交,成为2014-2018年facebook“自我拯救”的两大核心关键词。

2014年,facebook以20亿美元的价格收购虚拟现实头戴设备制造商Oculus,开启了“软件向下整合”制造业的里程。

2016年,成立了Building 8部门和设备阵容强大的“Area 404”硬件实验室,让自家多个部门的硬件工程师聚集在一起放飞自我,以共同催化facebook的硬件计划。

不过,最早与大众见面的,居然是2017年跟风发布的一款带有硕大触控屏的智能音箱“Portal”,当时被群嘲为“帮笔记本屏幕存货清库存”,随后又遭遇了收集用户隐私的指控。

在隐私形式更加严峻的2018年,facebook又执着地发布了内置摄像头和麦克风的硬件产品Portal及Portal Plus,用户可以在上面通过社交账号进行视频聊天。从市场的反馈来看,显然是不及格。

阶段三:伸向AI的硬件触角

消费硬件虽然步履维艰,但忙着“带货”的同时,facebook也没忘记自己的技术使命,开启了向AI大潮的坚定转型,将AI研究应用于facebook的既有产品上。

不过,扎克伯克宣布进入智能领域的时候,其实已经晚了。当时,谷歌已经将深度学习应用于多个业务线,微软更是雄踞近千名科学家和工程师,亚马逊暗自研究AI已有4年之久,中国的百度更是刚刚挖走了谷歌的深度学习领头人Andrew Ng。

“赶了个晚集”的facebook,除了在现有业务上加速上马AI 之外(成立了FAIR和AML),自然也选择了两条腿走路,跟硬件死磕到底。

2015年,facebook开源了自己的人工智能硬件服务器“Big Sur”,该服务器包含了8个图像处理单元,可以运行最新的人工智能算法,供程序猿们免费使用。此后还不间断地在GitHub这样的开源服务上发表代码,狂刷AI人设。

随着今年这一通“硬件开源大礼包”的骚操作,facebook的“硬件拯救”计划终于不再是一件强行穿上的“皇帝新衣”,而是为自己重新定位了一个新坐标:智能基础设施服务商。

03.硬件开源2.0,对于facebook有何意义

那么,这张2.0版本的“硬件名片”,对facebook来说究竟意味着什么?或许我们可以从三个角度来找到答案:

1.自身AI技术的“软着陆”。

当前环境下,深度神经网络的技术门槛、应用场景和稀缺的算力资源,都在制约着开发者的手脚。其中支撑AI基础设施的就是开放硬件技术。

而对于facebook来说,其机器学习系统每天要处理超过200万亿次的预测和50亿次的翻译,积累了领先性的技术优势和应用场景,将这些产业资源(包括数据、工具、框架、硬件等)整合,并通过开源的形式共享出来,能够帮助整个AI产业链造就更有持续生命力的开发环境,降低开发成本,既是facebook作为巨头的责任,也是其技术优势在产业链的“软着陆”。

2. 提升智能基础架构的产业竞争力

谷歌、亚马逊、苹果等已经在AI基础架构领域火力全开,围绕AI芯片、专用处理器展开鏖战,facebook想要“后来居上”提高竞争力,开源自然迫在眉睫。

一是有更多的企业使用facebook统一规范的硬件,可以增大采购量,帮助facebook降低成本。正如facebookAI领域的创建者 Yann LeCun所说,“越多的人使用这项技术,它的成本就会变得越低。”另一方面,开源则可以吸引外部人才参与项目协作,并改进相关技术。

减少自身科研经费压力的同时,还有可能从第三方社区中招募一些人才。这些都是AI这场“圈地战争”的关键赛点。

3. 埋藏着金矿的生态集群

AI的未来也必然需要一个集合了全球优秀开发者的庞大集群,开源恰恰就是争夺生态资源的最好办法。以安卓为例,由于开源,谷歌创建了强大的开发者社区,才有了手机市场的大半壁江山。

通过为开发者们注入基础的技术、硬件和生态能力,后续的产业融合和广告效应才是科技巨头们所期望看到的。为了在“后发”的AI基础设施领域迅速缩小与谷歌、IBM等的差距,facebook通过开源壮大自身生态系统,自然也就迫在眉睫。

综合这三方面来看,facebook的“硬件2.0计划”,既是水到渠成,也是因势利导的明智之举。对于众多AI开发者和企业来说,也确实是个福音。新的硬件解决方案和更强大的算力资源,很大程度上降低了机器学习训练的工作量,也将给AI的商业化步伐带来新的想象空间。

不过,需要正视的是,升级版硬件开源,或许能让facebook在AI领域赢得声誉和民心,却未必能保证实现扎克伯格“硬件求生”的战略雄心。

首先,硬件毕竟是通用的。一大波基础硬件厂商和初创企业之所以能风起云涌(截至2018年至少有45家),正是因为硬件解决方案的技术壁垒极容易被攻破。而谷歌和亚马逊在AI和机器学习领域的算法和软件技术,其优势可能会很快超越硬件创新所带来的提升。

在这样的高压环境下,facebook过度押注于产业生态的故事,而忽略了商业化本身的严峻现实,资本市场恐怕会率先“用脚投票”,谈及帮助开发者或许还为时尚早。

但无论如此,积极转型也预示着新的变化的开始。至于这场“硬件开源”的升级版绝地求生,到底是恢弘故事的开头,还是狗尾续貂的序章,时间终会证明一切。

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

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

机器学习将是下述内容的主要介绍对象,通过这篇文章,小编希望大家可以对机器学习的相关情况以及信息有所认识和了解,详细内容如下。

关键字: 机器学习 神经网络 支持向量机

深度学习需要大量的计算。它通常包含具有许多节点的神经网络,并且每个节点都有许多需要在学习过程中必须不断更新的连接。换句话说,神经网络的每一层都有成百上千个相同的人工神经元在执行相同的计算。

关键字: 机器学习 神经网络 TensorFlow

人工神经网络(Artificial Neural Network,即ANN )是从信息处理角度对人脑神经元网络进行抽象,是20世纪80年代以来人工智能领域兴起的研究热点,其本质是一种运算模型,由大量的节点(或称神经元)之...

关键字: 人工智能 信号 神经网络

许多人工智能计算机系统的核心技术是人工神经网络(ANN),而这种网络的灵感来源于人类大脑中的生物结构。通过使用连接的“神经元”结构,这些网络可以通过“学习”并在没有人类参与的情况下处理和评估某些数据。神经网络提供了位于托...

关键字: 人工智能 神经网络 神经元

1956年,美国Dartmouth大学举办的一场研讨会中提出了人工智能这一概念。

关键字: 人工智能 吸尘器 神经网络

米尔 MYD-Y6ULX-V2 开发板,基于 NXP i.MX6UL/i.MX6ULL处理器,该开发板被米尔称之为经典王牌产品。本次测试目标是在此开发板上进行神经网络框架ncnn的移植与测试开发,测试ncnn在此开发板上...

关键字: 米尔电子 嵌入式 神经网络

人工智能的不断发展和越来越广泛的应用,将相应地需要更先进和可扩展的基础设施来支持其开发和部署。人工智能基础设施投资的一个关键领域将是专门的数据基础设施,如矢量数据库,其设计用于存储和处理现代ML模型生成的大量数据。Lib...

关键字: 人工智能 神经网络 智慧名城

AutoEncoder的基本思想是利用神经网络来做无监督学习,就是把样本的输入同时作为神经网络的输入和输出。本质上是希望学习到输入样本的表示(encoding)。早期AutoEncoder的研究主要是数据过于稀疏、数据高...

关键字: 自编码器 机器学习 神经网络

深度学习是近10年机器学习领域发展最快的一个分支,由于其重要性,三位教授(Geoffrey Hinton、Yann Lecun、Yoshua Bengio)因此同获图灵奖。深度学习模型的发展可以追溯到1958年的感知机(...

关键字: 深度学习 神经网络 机器学习
关闭
关闭