作者｜赵赛坡
头图｜视觉中国
过去一周，阿里云与华为云的出海计划引发众多关注，本期会提供几个思考角度。
在美国一系列以制衡中国为目的的芯片措施陆续出台之后，中国芯片产业被放在了全球媒体、智库的聚光灯之下，本期我会剔除部分“噪音”，让“产业信号”变得清晰一些。
本期还将关注：
• 英国调查三大云计算公司的市场地位；
• 英伟达的“算力即服务”产品包；
• 深度学习“复兴”的十年；
• 呼叫中心与国际象棋领域的 AI 应用；
• 图像之外，合成文本/语音数据的应用场景；
接下来，欢迎和我一起复盘近期围绕计算与智能的关键事件。
云
阿里云与华为云抢滩东南亚
过去一周，中国云计算公司的出海行动引发众多关注。
先是华为在泰国举办的“华为全联接大会·曼谷站”上高调宣布一系列海外云计算扩张计划，主要包括：
• 印尼、爱尔兰的数据中心近期即将提供服务；
• 预计到今年年底，华为云将布局全球 29 个区域、75 个可用区，覆盖 170 多个国家和地区。
• 未来三年，华为会面向全球伙伴持续投入 3 亿美金，推动“Huawei Empower Program”全球伙伴计划落地；
几乎与此同时，阿里云也在泰国举办了国际云峰会，其海外计划包括：
• 未来三年将投入 10 亿美元（约合 70 亿元）建设本地化生态；
• 计划在波尔图、墨西哥城、吉隆坡、迪拜等地增设 6 个服务中心；
产品层面，阿里云也发布了诸多面向海外市场的新产品：
• Cloud Enterprise Network (CEN) 2.0：提供全球组网服务；
• ESSD Auto PL：块存储产品；
• Lindorm：自研的多模态数据库产品；
• ACK One：面向云原生的分布式容器管理平台；
• CloudBox：可完全托管到本地的混合云解决方案；
这些宣言、合作计划与新产品，凸显出华为、阿里对于海外云计算市场的热切追求，其原因也不难理解，一方面，国内云计算的竞争进入到一个“比谁更下沉”的阶段。
在国内市场，云计算公司需要更深入行业的云产品与更广泛的行业合作伙伴，但近几年各大云计算公司对新技术的大量投入，急需一个新的市场去“消化”，并“弥补”一部分成本，此时的“出海”就是一个最佳选择。
其次，无论华为还是阿里，都瞄准了东南亚市场，这是一个与中国有紧密经济联系同时数字化程度又不高的市场，下面一组数字则展示出其巨大的市场潜力：
• 2021 年东南亚地区的创业公司融资总额 257 亿美元，几乎是一年前的两倍；
• 来自东南亚 6 个国家的 25 家创业公司跻身“独角兽”，总估值达到 554 亿美元；
之前中国互联网公司成为推动云计算巨头们快速增长的“优质客户”一样，这些东南亚的创业公司最有可能成为云的大客户，由此开辟一个全新的“增长曲线”。
比如阿里巴巴目前的战略就是“电商、云计算与国际化”，而“云计算与国际化”的结合，极有可能成为阿里未来增长的关键，根据 Gartner 此前的数据，阿里云在东南亚拥有不小的市场份额，在马来西亚市场份额占比 29.2%，而在印尼市场份额为 22.92%。
鉴于 AWS、微软、Google 也在这个市场深度布局，未来，东南亚市场或许会成为中美云计算巨头们的最大竞技场。
华为上周透露其拉美云计算的新计划，官媒“新华网”称，华为宣布 2023 年将在墨西哥和智利建立新的数据中心。
英国通讯管理局（Office of Communications, 简称 Ofcom）启动对三家美国云计算公司——亚马逊、微软、Goolge——在英市场竞争的调查，调查要点包括整个云计算市场的竞争强度、三家公司在市场上的地位以及这些公司是否限制创新等。
Ofcom 还透露了一个数据：三家云计算公司合计占据英国云基础设施市场 81% 的营收份额。
微软上周更新了其面向太空探索的云计算产品线 Azure Space，目前 Azure Orbital 已正式可用，这是一个利用 Azure 云服务器进行卫星与地面控制的解决方案。
IBM 日前完成对混合云公司 Dialexa 的收购，这是 IBM 今年的第六笔收购，此前包括云计算咨询公司 Sentaca、Neudesic 已相继进入蓝色巨人的体系里。
混合云与 AI 已经成为 IBM 面向未来的产品方向，此次收购 Dialexa，IBM 将获得该公司超过 300 名产品经理、工程师以及数据科学家，他们将被整合到 IBM 咨询业务部门。
计算
中国芯片产业的另一面
在美国一系列以制衡中国为目的的芯片措施陆续出台之后，中国芯片产业被放在了全球媒体、智库的聚光灯之下，特别数字层面的一系列新变化，诸如投资融资交易数量、融资额、产品出货量等等无一不是重点关注的维度。
先看几个数字：
• 《南华早报》援引企查查的数据显示，截止到 2022 年 8 月，今年中国境内已经有 3470 家芯片相关的公司注销，这里的“芯片”既包括其公司或产品名称，也包括其经营范围；
• 国家统计局公布的数字称，8 月份半导体产品出货量下降 24%，创下 1997 年有记录以来最大单月跌幅，交易量也是自 2020 年 10 月以来的最低值；
《南华早报》在另一篇报道里指出，疫情防控或许可以部分层面解释 8 月半导体产业疲软，但还有两个值得注意的方面：其一，中国半导体出货量已经连续两个月出现下滑；其二，即便是在疫情影响最大的上海和苏南地区，4、5 月份的时候还能保持不错的增长势头。
与此同时，科技媒体“雷锋网”持续跟进中国 AI 芯片创业领域的最新动态，情况也不容乐观。
一方面，全球宏观经济变冷的影响，也让中国 AI 芯片创投领域出现了些许不同，过往随随便便通过几张 PPT 就能拿下几千万甚至上亿人民币融资的时代一去不复返，投资机构变得更为谨慎，而创业公司为获得融资，不断刷新商业竞争的底线：
为了阻碍竞争对手融资，一家芯片公司找竞争对手公司的离职员工挖黑料，找第三方机构出一份尽调报告一对一发给投资人，投资人收到尽调报告后质疑其可信度，找撰写报告的机构确认，机构支支吾吾回复说是实习生写的，这种手段有些拙劣。
另一方面，即便是在产品层面有所突破的公司，当进入商业化落地阶段，特别是软件适配与调试，其难度并不亚于研发一款芯片。
软件都是和场景相关的，想要把软件做好，只能接近客户，深入业务。不仅要和客户负责系统的人谈，还要和运维、业务场景、算法的人深入沟通，否则很难把软件做好……
上述这些信息，我认为还需要厘清几个要点。
其一，半导体的链条非常长，在国产化替代的大趋势之下，从地方政府、投资机构与创业公司，不同利益体都会有不同考量，或投资或投机的产业现状，一定会淘汰一批良莠不齐的公司，所以单纯地看企业注销数字并没有多大意义。
其二，半导体的产品类型多样化，在我们熟悉的 CPU、GPU 之外，还有更多其它类型的芯片，如果以消费电子产业来看，芯片的需求的确在下降，这也是包括英特尔、英伟达等公司目前被华尔街分析师不看好的主要原因，但在工业控制或汽车领域，芯片的需求一直非常旺盛，也因此，仅仅以芯片出货量去判断产业的发展情况，多少有失偏颇。
其三，芯片创业公司的成长需要耐心，它的发展不同于互联网公司的规模化扩张方式，也和单纯的硬件公司不同，无论是 CPU 还是 GPU 公司，在基础的芯片性能之外，软件的适配与生态的构建才是核心竞争力，这也是英伟达目前不可替代的根本原因所在。
继续聊英伟达，“英伟达会成为一家云服务公司吗？”这是一位朋友上周观摩英伟达 GTC 大会之后发来的感叹，的确，如果你以 GPU 产品供应商的视角去看，此次英伟达发布的不过是多款面向不同场景的 GPU 产品，但如果以“算力即服务”的角度去重新审视英伟达的这些产品，或许可以看出这家芯片巨头的未来方向，包括：
• 元宇宙算力服务商；
• 大模型算力服务商；
前者对应 Omniverse Cloud，这是一款兼具 IaaS 与 SaaS 能力的云服务产品，开发者可以通过传统的计算实例或者新的容器服务，部署自己的元宇宙应用。
后者则是以 BioNeMo LLM 服务和框架为主，英伟达构建了一个庞大的语言大模型算力基础设施，面向制药公司、生物创业公司等提供相应的大模型训练服务。
当然，英伟达还在不断更新芯片产品线。全新的 H100 Tensor Core GPU 已经开始投产，预计下月将正式发往第一批客户手里，包括戴尔、联想在内的多家公司，将成为这款强大 GPU 的重要客户。
值得一提的是，英伟达 CEO 黄仁勋称，该公司会向中国客户提供基于 Hopper 架构，且不受美国政府限制的替代版本，足够满足中国市场绝大多数的需求。
孙正义将在下月访问韩国，这是软银掌门人三年内首次访韩。路透社援引分析师的话称，孙正义此次首尔之行，或是与三星探讨 ARM 的未来融资，比如成立一个针对 ARM 的投资财团，从而在资金充裕的情况下确保 ARM 的中立性。
此前，包括英特尔、高通在内的多家芯片公司，都有意投资 ARM。
Google 与美国商务部国家标准与技术研究所（NIST）达成一项合作，希望进一步降低芯片设计与研发的成本，根据协议，Google 将投入大部分资金用于设备采购与产线搭建，而 NIST 将联合大学进行二次研发，所有合作都会基于开源的架构进行。
AI+X
2012 年，深度神经网络领域的技术突破奠定了过去十年所有 AI 发展的基础，可以毫不夸张地说，没有十年前深度学习的发展，就没有当下我们所谈的人工智能。
十年过去了，亲自见证这个历史时刻的 Geoffrey Hinton 日前在接受采访时认为，深度学习远没有达到所谓的“极限”，持类似观点的还有 Meta AI 研究负责人 Yann LeCun 以及斯坦福大学计算机教授、ImageNet 发起人李飞飞。
科技媒体 VB 试图勾勒出过去十年深度学习领域的进步与遗憾，事实上，最近几年围绕深度学习是否是 AI 未来的争论从来没有停止过，Gary Marcus 曾有过一个知名的比喻：
深度学习研究者们建造了一个更好的楼梯，但一个更好的楼梯并不一定能让你登上月球
Gary Marcus 所言的“月球”就是通用人工智能，现阶段来看，基于深度学习去探索一条通用人工智能之路，几乎不可能。
Gary Marcus 的很多思考都集成在前年出版的 Rebooting AI 一书里，Marcus 在书里还举了哲学家尼克·博斯特罗姆曾想象的一个场景：一台强大的人工智能机器被指示制作回形针，却不知道什么时候停下来，最终把整个世界——包括人——变成回形针。
因此，Marcus 指出，当下“人工智能”领域面临一个十字路口：如果坚持现有的方法，那么必须采取更严格的监管，否则最终会走向“回形针”的悲惨结局；另一方面，开启新的研究思路，将因果关系、时空关系纳入到机器学习之中，推动机器产生常识，从而构建起一个值得信任的“人工智能”。
关注几个 AI 应用，Gartner 的预测称，预计到 2026 年，AI 技术可以帮助企业呼叫中心节约 800 亿美元，这其中的关键是聊天机器人与对话式人工智能工具的大量应用，会极大降低当选呼叫中心的人力成本。
Gartner 估计，全球现在大约有 1700 万个呼叫中心，仅有 1.6% 的呼叫是由机器完成，预计到 2026 年这一比例会提升到 20%。
尽管聊天机器人或其他对话工具可以有效减少呼叫中心的人力，但采购和维护这些软件也需要不小的投入。
在深蓝击败卡斯帕罗夫 25 年之后，国际象棋正在进入到一个“人机博弈”的新阶段，利用机器作弊甚至获得世界冠军的事情会越来越多，如果你对这个领域的人机关系感兴趣，不妨花点时间读读这篇调查报道。
我曾经多次谈到合成数据在 AI 技术落地中的重要价值，除了最常见的图像领域，合成数据还在文本／语言领域拥有众多应用场景，比如保险公司 Anthem，通过与 Google Cloud 合作，生成了大量的合成文本数据，以训练和改进该公司自动化保险系统；基因公司 Illumina，也尝试在基因编辑领域引入合成数据，在保护隐私的同时提高其产品的准确性。
图片网站 Getty 宣布禁止售卖通过 AI 生成器（比如 DALL-E）创造的图片，根据该公司 CEO Craig Peters 的说法，禁令是出于对 AI 生成内容合法性的担忧，包括图像、图像元数据的版权都可能会引发后续的版权问题。
目前尚无明确的法律条文涉及 AI 生成图片的合法性，但正如 Verge 所言，Getty 公司如何鉴别这些照片也会面临一系列技术挑战。
关于 DALL-E 模型最新的消息是，OpenAI 已经不再禁止用户上传带有面部信息的图像到 DALL-E 模型，并允许用户做进一步编辑。
最后补充一个感想，在解除居家隔离之后，我经常拿着手机在外面拍照，又尝试诸如 DALL-E 之类的生成模型，就像 Google 资深研究员 François Chollet 所言，AI 生成照片的过程也是在“拍照”：
通过使用关键词（或者向量变换）在隐藏空间中移动，找到一个不错的位置，然后抓拍。
评论