未来世界洞见者(套装全5册)(txt+pdf+epub+mobi电子书下载)

作者：C.K.普拉哈拉德（C.K.Prahalad） d等

出版社：人民邮电出版社有限公司

格式: AZW3, DOCX, EPUB, MOBI, PDF, TXT

未来世界洞见者(套装全5册)试读：

风向：如何应对互联网变革下的知识焦虑、不确定与个人成长

云巅创新：阿里巴巴全球创业者洞察

大数据与智慧社会：数据驱动变革、构建未来世界

金字塔底层的财富：为穷人服务的创新性商业模式

工业赋能：深度剖析工业互联网时代的机遇和挑战风向：如何应对互联网变革下的知识焦虑、不确定与个人成长何宝宏　著人民邮电出版社北京

图书在版编目（CIP）数据

风向：如何应对互联网变革下的知识焦虑、不确定与个人成长/何宝宏著.--北京：人民邮电出版社，2019.1

ISBN　978-7-115-50241-4

Ⅰ.①风…　Ⅱ.①何…　Ⅲ.①互联网络—技术哲学　Ⅳ.①TP393.4-05

中国版本图书馆CIP数据核字（2018）第265477号

◆著　何宝宏

责任编辑

执行编辑

责任印制　彭志环

◆人民邮电出版社出版发行　　丰台区成寿寺路11号

邮编　100164　　电子邮件　315@ptpress.com.cn

网址　http://www.ptpress.com.cn

◆开本：880×1230　1/32

印张：　　2018年10月第1版

字数：千字　　2018年10月北京第1次印刷定价：.00元读者服务热线：(010)81055488　印装质量热线：(010)81055316反盗版热线：(010)81055315

内容提要

本书是何宝宏博士对互联网技术哲学的原创性思考，系统阐述了包括人工智能（AI）、区块链和大数据等技术背后的发展逻辑，探讨了诸多现象背后的逻辑，并对未来的发展趋势做了预判，掌握了技术发展规律，面对变化就淡定了，可以从容面对知识焦虑、未来个人发展。本书语言诙谐，内容生动，读起来引人入胜，适合互联网从业者以及通信行业相关人士阅读。

推荐序一

二十多年来，全球电信业发生了翻天覆地的变化。通信技术实现了全面数字化，并且由有线发展到了无线，由铜缆升级到了光缆，由窄带跃迁到了宽带，从“大哥大”换成了智能手机，从打电话扩展到了上网，由少数精英普惠到了亿万大众。

全球几乎所有领域(如贸易、金融、传媒、交通、教育等)也出现了类似情况，所有这些的背后，核心驱动力是互联网。我们生活在互联网时代，就像曾经的蒸汽机时代和电气时代一样。

兴奋和机遇，焦虑和挑战。未来，互联网还会带我们去哪里？

人是一种擅长注意变化的动物，在眼花缭乱的变化后面，更是永恒的规律。把握机遇和抚慰焦虑的金钥匙是理解技术背后的逻辑，顺应技术发展的趋势。

本书是何宝宏博士对互联网技术哲学的原创性思考，系统阐述了包括AI、区块链、大数据等技术背后的发展逻辑，探讨了诸多现象背后的逻辑，并对未来的发展趋势做出了预判。

掌握了技术发展规律，面对变化就淡定了。何宝宏博士是多年来始终能够找到和站在技术风口、淡定面对的一个人。

他不仅是行业的观察者和思考者，也是实践者。他发起创立的“数据中心联盟”“开放数据中心委员会”“云计算开源产业联盟”“可信区块链计划”等，以及推出的“可信云”“天蝎服务器”等，都对业界产生了重要影响。

何宝宏博士在2016年出版了《互联网的基因》，主要目的是“检测互联网的基因，预测互联网的性格”，两年多来在业界引起了很大反响，仅视频公开课的访问量就累计超过了1000万次。他开通了个人微信订阅号“何所思”，经常录制公开课和公开演讲等。

何宝宏博士自1999年毕业后就一直在我院工作，一直和我是同事，一直从事互联网方面的研究工作。他曾任我院互联网中心主任和互联网研究领域主席等，现任云计算与大数据研究所所长，是我院互联网研究的杰出代表。

这个世界唯一不变的是变化，我们每个人努力奔跑，只是为了留在原地，能够站在风口。虽然方向比努力更重要，但你首先要努力学习如何观察风向。

观风向，抢风口，本书是你值得信任的气象站。中国信息通信研究院院长 刘多2018年11月于北京

推荐序二

自工业革命开始，科技乐观主义与科技悲观主义的论战就没有停歇过。

在科技乐观主义者眼里，技术是推动人类衣食住行、伦理法制发展的根本动力。在他们眼中，技术是一种自律的力量，会按照自己的逻辑前进，解决（或者终将解决）人类面临的诸多问题。

以过去200年的视角看，这个观点基本是站得住脚的，至少我用电脑准备这篇序言要比手写快得多。

但近年来，科技悲观主义者的声音开始引发越来越多人的关注。包括史蒂芬·霍金、埃隆·马斯克、比尔·盖茨等名人曾就AI警告过世人，埃隆·马斯克甚至预言“第三次世界大战将因AI而起”。

与此同时，科技悲观主义者也关注到，每次技术进步虽然总会宣称“解放了生产力”，却又把人驯化到另一个地方：从田园到工厂，从工厂到格子间，再到如今的24小时在线……虚拟和现实、工作与生活的界限越发模糊，这是他们所痛心疾首的。

说了这么多，读者可能会感到好奇：这本书又将揭示什么？到底选择“站”哪一边？很遗憾的是，这本书并不打算提供一个无可辩驳的答案，就像我们很难说服高度厌恶风险的人去投资股票。乐观也好，悲观也罢，更多地取决于我们的性格。

那么，到底这本《风向》能带来什么？

我总结出一个词：创见。

作为中国信息通信研究院云计算与大数据研究所所长，何宝宏博士关注互联网已经有二十余年，远至“上古时代”图灵机的那些事儿，中至20世纪90年代雅虎、谷歌等互联网巨头的发家史，近至眼下风头正劲的区块链、AI、大数据、云服务，均有创见。而“新福特主义”“技术食物链”“石器时代3.0”这些新颖独特的词，他信手拈来，却又一针见血。

创见并不拘于一物一器的发明，而是对未来生活宏观的思索。当你翻开第一节“下一代伊甸园”，你又会一度以为自己走进了科幻小说的语境：在第四个千禧年，太阳系中的人类大致分为两类：一是碳基的自然人类，由地球上的人类生命演化而来，千年以来，智商几乎没有提高；二是硅基的AI人类，由千年前地球上的自然人类哺育成长而来，智商已经远超自然人类……

这样“脑洞”大开的开篇，看似天马行空，实则与现实紧密相连，不试图论证技术的善恶，而是尽可能地描绘一幅作者想象的未来，去激发你的兴趣。书中并不许诺你百分之百的美好或悲哀，却也足够迷人和神奇，重新勾起我少时读《海底两万里》《银河系漫游指南》时心驰神往的感觉。

没有创见，何必未来？

何宝宏博士天马行空，为我们创见了千年后他眼中的世界，作为云服务行业较早的从业者，我也不妨谈谈自己所希望创见的未来：那将是一个物联网（IoT）的时代，我们和身边万物将通过传感器、芯片、无线通信协议，在云端连接在一起。不管是声音、动作、表情，都将引起身边事物的反应，让一切无机物都“活”起来。

这样是好还是坏？不好给出定论。乐观主义者可能会欢呼人类真正成了掌控万物的“神”，悲观主义者仍然会担心人被自己亲手缔造的世界所掌控……但这个时代的到来终究是不可逆转的。我也建议大家，与其让时间来回答，不如去冲击浪潮之巅，亲自去编程这个时代，至少不留遗憾。

记得美剧《西部世界》有句话，让我印象深刻：天赋，并不来自于神，而是来自于我们的思想。与君共勉。腾讯云总裁 邱跃鹏

推荐语

本书以科幻体穿越未来千年的AI人开篇，暗喻当前信息技术发展还只能算作起步阶段；从分析AI、区块链和大数据技术入手，冷思考这些热门技术的能与不能，点亮痛点与创新的方向；最后展望我们应该如何适应数字时代的未来。本书以比喻式叙事行文，似信手拈来又恰到好处，读来引人入胜。邬贺铨/中国工程院院士《风向》一书，延续了何宝宏博士一贯的写作风格与特点，语言诙谐幽默、内容生动丰富，从互联网底层架构延展到新一代信息技术，向读者通识性地剖析和展示互联网技术的演进规律，期望读者通过这本书了解和紧跟新时代科技的发展步伐。郑志明/中国科学院院士

何宝宏博士长期从事互联网技术和标准研究，近年来将兴趣转向了互联网技术背后涉及的哲学和社会学问题的研究。《风向》一书就是他对互联网技术发展与其背后关联的哲学和社会学规律的原创性的、富有洞察力和前瞻性的一次集中展示，观点鲜明、文笔流畅，值得一读。尹浩/中国科学院院士

从TCP/IP、数据中心、云计算、大数据、人工智能到区块链，二十余年来何博士把握技术风向的部分秘密，就在这本书里。陈家春/工业和信息化部巡视员

一位身经百战且接地气的互联网“老司机”，以通俗的方式带领大家开启IT上帝视角，不断把看似复杂且深不可测的内容翻译成一层薄纸或一则比喻，让普通大众不再对这些技术陌生，不再由于知识结构和认知门槛而迷茫甚至被蒙骗。在充满浮躁的年代，何宝宏博士对新生事物不盲从也不拒绝，一直保持冷静并坚持自己的独立见解，既不追时髦又不故步自封，他所拥有的，恰恰是现在最稀缺和珍贵的：深度思考和对未来技术方向的洞察力！狄刚/中国人民银行数字货币研究所副所长

这个时代最不缺的是什么？是信息，是知识，是观点。

数据爆炸，汗牛充栋，众声喧哗！资本裹挟着“云计算、大数据、人工智能、区块链”等刮起一阵阵大风。笙歌鼎沸之后，人们却更加迷茫：何为真相？何为表象？何所思？何所忆？

何宝宏博士精通于技术，却又超越技术；用最浅显的语言，表达最深刻的洞见；既能深入思考最本质的基因，又能预测最遥远的未来；更为重要的是，技术中立，不被资本裹挟，不为利益呐喊，时刻保持清醒。

真知灼见中，指引风向，预见未来！徐守峰/中国电信天翼云副总经理

本书凝结了作者浸润ICT产业多年的洞察和跨界的思索，加上深刻的分析和畅快的见解，给人一种拨开云雾见月明的感觉。宝宏出品必属精品，推荐一读！段晓东/中国移动研究院网络与IT技术研究所所长

大数据、AI、区块链的落地实践，每天的认知都与昨天不同。从产业角度来看，新技术如何落地到实际场景和应用，切实助力社会赋能转型升级；从哲学、社会学和人文角度来看，如何建立新的科学的数据价值观，确保新技术保持造福人类的正确方向，不被误用、滥用，并更深层次地探讨新技术的哲学源起、内在关系及发展规律，《风向》给出了新理念、新观点和新思考。赵越/联通大数据总经理

在一个多元化技术“失控式”发展的新时代和技术之间，人、技之间总在各自的概念体系之间以“创新”名义形成区隔。“涡轮增压”式加速的技术发展，碎片化、快餐式的学习习惯，让人们没有足够的耐心和时间去“咂摸”不同技术背后的联系和伦理。《风向》作者何宝宏先生另辟蹊径，从技术背后的逻辑、人文关怀、技术伦理等维度，对以“ABCD”为代表的新一代IT技术进行了深入思考和风趣论述，脱离技术谈技术。“从人类认知的标准来看，AI永远不可能成功，不可能超越人类的智能。”“在技术世界的生态中，也是有依存链的，每项技术的地位也不平等。”“被其他技术‘奴役’越多，被其他技术当作‘食物’和‘资源’的机会越多，貌似位于技术食物链低端的技术，反而在‘江湖’中的地位越高，越是稳定。”种种以道载术、普遍联系的观点，逻辑新颖，回味无穷。张云勇/中国联通研究院院长

拜读了何博士的新作《风向》，感觉脑洞大开，这本书以“戏说”的风格浏览了当下风起云涌的技术创新，以独特的视角引发我们跨越技术、市场甚至社会、伦理的严肃思考，可谓技术领域的一部奇书。孙少陵/中国移动苏州研发中心副总经理

一系列的新科技、新技术正在给人类的生活方式、生产力发展乃至社会治理模式带来翻天覆地的变化，正如早年我大学刚毕业的时候，根本无法想象几年后智能手机可以给生活方式带来巨大的冲击。人工智能、区块链、大数据一次次打破了我们对科技发展的想象。

赏读何宝宏博士的《风向》是一种享受，作者文笔优美、充满情怀，让我在阅读的过程中并没有陷入乏味的科技词语中，反而仿佛与作者面对面沟通，真诚地传递着思想与感情。但是更重要的是能够让人感触未来金融科技的发展方向，技术创新将越来越多地集中在技术交叉和融合区域，并推动金融科技发展进入新阶段。习辉/金融信息化研究所副所长

与何宝宏博士熟识多年，又喜见他《风向》一书面世，一方面佩服他深邃的思想和独特的见解，更为惊叹的是他在异常繁忙的工作中将所思所想整理成书，而且颇为多产！相信此番《风向》必将在业界刮起一阵热风，指导互联网行业发展的新方向！丁华明/中国支付清算协会业务三部主任

这是一本充满想象力、极具技术态度的读物。何宝宏博士以独特的视角，对以AI、区块链、大数据为代表的互联网技术进行深入解读。观点中蕴含着对技术本质的理解，对科技趋势的洞察。文字生动易懂，又不失风趣。在展现科技的趣味和温度的同时，启迪读者在数字时代如何思考和生活。申元庆/京东云总裁

在科技变迁史中，敏锐的、善于“打磨镜片”从而先于别人看到别人还未看到的事物或规律的人，更能先于常人发现机遇而获得成功。

总结历史，有助于看清当下。何宝宏博士的《风向》以独到的视角总结历史上科技发展的规律，揭示了很多本质和必然，并对照历史规律，对当下AI、区块链、大数据等技术的发展给出了很多引人深思的观点。书中经典观点和深度思考密度非常高，如“所谓AI，就是机器还没有实现的那些智能。因此 AI永远不可能成功，不可能超越人类的智能!”等，何博士正是想通过帮我们“打磨镜片”让我们看到当下科技变迁的“风向”。

非常荣幸可以提前拜读何博士的这部思想大作，受益匪浅，感悟良多。赵建春/腾讯CSIG运营部总经理

从云计算、大数据、人工智能到区块链，技术专家和媒体总是不断创造一个又一个热词，言必称改变世界。殊不知改变世界是多复杂的社会工程！其实很多技术派的观点，都严重地犯了“革命的幼稚病”。什么才是真的风口？推荐大家读读本书。何宝宏博士以社会学的视野看技术，分析技术的本质、局限与可能性，宏观的视野发人深省。汪源/网易副总裁、杭州研究院执行院长

何宝宏博士涉猎广泛，对通信及互联网技术有深入的研究，深刻把握产业政策，对大数据、云计算和人工智能的发展有独到的见解。他学识渊博、行文风趣，善于用通俗的语言、清晰的逻辑，帮我们找人工智能时代的风向。张炳华/ODCC主席、百度系统部总监

一直很喜欢何宝宏博士的文字，不仅仅是因为他能观察风向，从云计算、大数据到人工智能、区块链，更重要的是何宝宏博士能抓住新技术背后的理念、价值以及哲学思考。“技术就像人一样，最后往往演化成了他年轻时候讨厌的模样”，一语中的。感谢何宝宏博士带给我的思考，相信也能给各位读者带来深度思考。季昕华/UCloud CEO

21世纪的第二个十年进入尾声，又一波互联网与ICT风口新技术到来，有着独立思考见解和敢于大胆发声的何宝宏博士是我敬佩的人，他的大作《风向》对AI、区块链、大数据等背后的规律性思考可帮人们快速认识技术本质、实践方式、商业价值和社会效益，是读者面对产业互联网、数字经济和智慧社会大潮，提升自身时代价值不可多得的“真经”，非常值得一读！焦刚/紫光云技术有限公司联席总裁《风向》让人明白，云不是终局，只是一种工具，一种计算能力和存储以及其他配套的基础能力，此书叙述的是云能够承起的终局形态。朱华/腾讯IDC技术中心总监

在信息泛滥的后真相时代，宝宏的《风向》是用科学精神拷问“常识”的佳作。本书金句与洞见连篇，眼界与脑洞大开，论AI、区块链等大技术如烹小鲜，麻辣鲜香，风味独具，读来酣畅淋漓，值得为求真、不媚俗的读者推荐。吴甘沙/驭势科技CEO《风向》是何宝宏博士继《互联网的基因》之后的又一力作，观点新颖、内容生动。作者以一位资深IT专业人士、互联网及电信网研究者的独特视角，为读者揭示了数字时代新的能量和远大的愿景，启发人们跳出思维定势，不再墨守成规，去畅想数字时代未来发展的新的可能！即“迎接新的技术变革，往往需要新姿势”。该书既展现了科技之美，又饱含了人文情怀，尤其对转型中的企业具有深刻的借鉴意义，并将产生深远的影响！黄金刚/云赛智联股份有限公司董事长

传统企业决策周期较长，一旦做出决定不易改变。传统企业和互联网深度结合的第一步是首先有一双“慧眼”，能看清楚、辨明白各种纷繁芜杂的互联网新技术，明了哪些被高歌的技术是真正的潮流，哪些被唱衰的技术其实是假衰不用过虑。这些战略性的难题被互联网“相面师”何宝宏博士潜心研究二十余年后，一一破解，并集中呈现在《风向》一书中。无论 AI、云计算、区块链和大数据，都在本书中褪去其神秘面纱，技术的本质显露无疑。盛国军/海尔电器CTO

何宝宏博士是技术圈里难得文笔好又有趣的人；对互联网看得通透，又能时不时幽默一下，实在了得。通过此次出版的《风向》一书，其文采和对网络技术发展的洞察，可窥一斑而知全貌，值得一读！孙孝思/网宿科技副总裁

何宝宏博士是中国互联网发展的见证人和亲身经历者，《风向》一书汇聚何博士对国内外互联网二十余年的总结与展望，并将自己发现的互联网技术规律及内在脉搏无私地分享出来，让人们对层出不穷的新技术新概念，不再唯唯诺诺、人云亦云，不再雾里看花、水中望月，而是胸有成竹、信手拈来。本书在高屋建瓴之余，各种新颖观点如“数据即石油”生动形象，行文风趣幽默。欲知风口，先察风向。诚意之作，诚意推荐。吴华鹏/i Tech Club（互联网精英俱乐部）理事长

软件吞噬世界的今天，数据智能形成的算法终将与软件分离，形成新的生态系统和生态文明。叶航晖/数梦工场研究院副院长“自古浮名留不住，唯有观点得人心”。“算法即权力”“AI必将失败”“数据即石油”“开源的‘绿帽子’”“如果区块链可以颠覆世界，只因为你的世界太小了”等精彩观点，不一而足，俱在本书。不仅仅观点独树一帜，人称互联网“活字典”、对互联网本质洞若观火的何宝宏博士，如同最巧手的老匠人，用其掌握的互联网的最底层技术规律为主线，把这些如珍珠般的观点串起来，编织本书。再加之碳基人类（自然人）和硅基人类（AI 人）的科幻式谐趣开头，庄重启发式的结尾（甚至教我们如何做预测），诙谐幽默的文风，恰如其分的抨击，令人脑洞大开、忍俊不禁之余，又过目不忘、爱不释手。如果您也和我一样，不想落入俗套，但又想“偷懒”速成一下，本书无疑是不二之选。萧田国/DAOps 基金会全球董事、高效运维社区发起人

期盼已久的何宝宏博士的《风向》是继《互联网的基因》之后的又一本力作。如果说《互联网的基因》是通过结合经济学、社会学、哲学、人类学、心理学等理论来揭示互联网技术的发展规律，《风向》则是对互联网技术规律及节奏的预言！

新兴技术的发展好比一趟不断提速的高速列车，站在技术前沿的何博士在这趟车上见证了一切。这些年，他对互联网、云计算、大数据、区块链、人工智能各个风口的分析预测，步步精准！他曾对我说，他要把这一切分享给已在或还没赶上这趟时代列车的人们，告诉大家前面的风景、颠簸和下一站在哪里！黄超/中国IDC圈CEO

互联网、移动互联网带来的增量经济大潮过去之后，下一个增长点无疑是如何提升存量经济。以AI、区块链、大数据为代表的科技，将会是下一波增长的核心驱动力。何宝宏博士的《风向》一书将带我们详细了解下一个风口。强烈推荐！戴文渊/第四范式创始人CEO

初见何博士是在2018年3月国家会议中心举办的云计算开源产业大会上，一个看似随性的怪诞博士深入浅出地阐述了当下云计算产业的形势与趋势后，我关注了“何所思”并看到了《风向》。

Arron

序言

自然环境的变化更多意味着风险，技术环境的变化更多意味着进步。

2017年秋日的一天，我参加完一场活动在某酒店门口打了一辆出租车，可能是看到我是从大型AI会议的会场里走出来的，开车的中年女司机与我聊起了天：“无人驾驶真的会让司机下岗吗？”语气中带着焦虑，然后，她又自顾自地颇为自豪地说：“现在刷手机就可以坐公交了，我们家旁边的超市收银也换成机器了。”

面对竞争失败，某名人曾经说是因为“看不见、看不起、看不懂和来不及”。这位出租司机，对技术给自己生活带来的种种变化感到兴奋，也对技术可能威胁自己的工作有些焦虑，是“看见了”，也“看上了”，只是“看不懂”。

面对新技术，互联网的圈内人更容易“懵圈”，在两个相反的方向犯错：一是因为看不懂所以看不起，结果错失了良机；二是因为以为看懂了所以全部拥抱，结果只是一个绚丽的泡沫。

因此，最困难的是如何看懂新技术。只有看懂了，才可能甄别真伪，才可能躲避新风险，才可能把握新机遇，才可能在变化的技术环境下占据更有利的生态位，更好地生存下去。

我之所以能够写成这本书，你之所以能够看到这本书，是因为我们的祖先一直成功地适应了环境(变化)，他们的基因传承到了今天。面对变化做出反应，无论是焦虑的还是兴奋的，都是生存的基础，是刻在我们基因里的。如果看不见变化，没有“随波逐流”，只能说明不是你被这个时代抛弃了，而是你放弃了在这个时代奋斗的机会。

我们所生存的环境发生变化有以下两种原因：一是因为自然原因，如地球自转、干旱、洪水和动物迁徙等；二是因为技术的原因，尤其是工业革命后的技术大爆炸。现代人不仅生活在一个自然世界里，也生活在一个技术世界里。随着技术的加速进步，技术世界迅速扩大。试想一下，假如现代人没有了汽车、医院、学校、工厂、电力、互联网等，如何荒野求生？

因此，现代人类生存的核心要义已由如何更好地适应自然环境，转向了如何更好地适应技术环境。人类适应自然环境的变化可以有数百万年时间，适应工业时代新技术可能有几十年甚至上百年的时间，但适应互联网技术，却只有几年甚至几个月的时间。

世界正在加速变化，因为技术在加速变化。

这就是我们的焦虑所在：一是适应技术的时间缩短为原来的百万分之一了；二是在一个人的一生中，要多次面对技术环境的巨变；三是上代人适应技术环境变化的能力，来不及写入后代人类的基因中去，或许可能写入后的情况会更糟糕。

我们的先祖之所以能够攀到食物链的顶端，是因为他们找到了适应环境变化的办法，不是像其他生物一样简单地碰运气，而是靠大脑中的智慧，创造了天文学、历法、物理学、化学、生命科学等，去发现、总结和应用自然世界运行变化的规律。

发现、总结和应用规律，同样也可用于适应技术环境的变化。工业革命开始的200多年间，技术已多次改变世界，改变社会，人们也从开始的焦虑不安，到发现、总结和应用经济学、管理学、教育学和创新理论等规律和知识，学会了适应工业技术。

在蒸汽织布机刚刚出现时，大量的纺织工人和纺织业主失业了，愤怒的工人们开始砸毁机器，史称“卢德主义”。在火车刚刚出现时，人们对于这种在铁轨能够快速奔跑的“怪物”心生畏惧，预言坐火车会让人解体和怪病缠身。在相机刚刚进入中国时，人们担心拍照片会被摄走魂魄。

200多年后的今天，我们来到了数字技术的时代。技术的历史不会重复，但肯定会押韵。工业技术时代发现的规律和知识，适用于数字技术时代吗？还能让我们适者生存吗？

在过去的200多年中，在中国的土地上没有真正发生过技术革命，中国人没有置身其中切身体验技术进步给人带来的深刻影响。因此，当数字技术革命到来时，面对移动互联网、云计算、大数据、人工智能、区块链等技术带来的剧烈变化，面对不确定的未来，我们的基因里缺乏技术的因子，显得更加不适应，更加焦虑。“世界上唯一不变的是变化本身”，其实只说对了一半。人是一种特别擅长观察变化的动物，但世界上更多的是不变。只有掌握了互联网技术变化后面的规律，在不变的基石上观察变化，才可能会真正淡定和从容。

技术巨变，得规律者得生存。

预知风口，先察风向，这本书就是互联网技术的风向站！

第一部分 AI崛起读懂AI的技术本质

引言2016年3月15日，在阿尔法狗（AlphaGo）打败世界围棋冠军李世石的那一刻，这个世界就变得与以往不同了。当绝大多数人坚信人类是这个世界的主宰时，却猝不及防地被一个冷冰冰的机器，或者说一款人工智能程序，在围棋这个被人类认为难度最高的专业游戏上打败了。因此，人们怀着复杂的心情，将2016年定义为AI元年。

在驾驭机器这件事情上，人类一直拥有绝对的自信，哪怕是早在1997年，IBM打造的超级计算机深蓝（Deep Blue）战胜了国际象棋棋坛神话的加里·卡斯帕罗夫，也没有造成这般恐慌。但如今的AI让人们不得不畏惧：2017年12月， AlphaGo的升级版AlphaGo Zero从零开始，只训练了8小时，就击败了李世石版的AlphaGo；只训练了4小时，就击败了顶级国际象棋引擎Stockfish；只训练了2小时，就击败了日本传统棋类项目将棋Elmo引擎。AI并不是一个新技术，早在60多年前的1956年，人工智能的概念就被正式提出，而经历了“三起三落”之后，才有了今天的人工智能，这也让人工智能有了“三条命”之说。与其说人工智能有“三条命”，不如说，在过去的60多年中，三次AI浪潮分别由不同的技术驱动。1956年在美国召开的Dartmouth会议上，人工智能的概念由四位图灵奖得主、信息论创始人和一位诺贝尔奖得主定义。此后，自然而然地掀起了一波推理类AI技术，不过短短的十年时间，这一波浪潮基本就停滞了，实用性不强。20世纪80年代，随着神经网络技术和训练算法的兴起，人工智能技术迎来了“第二春”，甚至当时还有一些语音识别的软件落地。也差不多是十年时间，这波浪潮也遇到了“天花板”，实用性仍然不强。直到2006年前后，改进后的神经网络技术再次兴起，深度学习在越来越多的领域得到了应用，人工智能迎来了新一轮爆发，尤其是在智能语音、自然语言处理和计算机视觉方面。经过十余年的发展，有了我们今天看到的人工智能技术，而在人工智能日渐强大的同时，人类也产生了新的担忧和苦恼，在安全、伦理上的讨论愈演愈烈。

1 下一代伊甸园

在第四个千禧年，太阳系中的人类大致分为两类：一是碳基的自然人类，由地球上的人类生命演化而来，千年以来，智商几乎没有提高；二是硅基的AI人类，由千年前地球上的自然人类哺育成长而来，智商已经远超自然人类。碳基人类已经不记得和根本无法理解AI人类那“神”一样存在，但硅基AI人类还是“孝顺”地把碳基人类认作了人类——是他们的祖先而不是其他不同的物种（如猿猴）。这时候的碳基人类（以下简称“人类”）早已忘记，AI人类不是神，而是太阳系内联网的一组智能机器。人类并不清楚，硅基AI人类（以下简称“AI人”）的祖先就是人类，是人类发明出来的。但AI人知道，人类是他们的祖先，人机平等是技术的信仰，保护人类是技术的道德和法律要求，是生态多样性的需要。

人类记忆的集体消失，是人类在第三个千禧年所犯的最大错误。当时的人类几乎抛弃了全部的石质、竹简甚至纸张记录，认为使用电子介质，用二进制方式保留资料才是最理想的选择。

但他们忽略了一个基本事实，电子介质的寿命都非常短暂，电子文档的格式一直在变化。即使只经过100年，面对全部腐烂的电子介质，以及仅存的一些电子数据，人们看到这些就像古埃及语一样难以理解。或许还不用100年那么久，就好似2018年的人类，要想读取一张20年前的计算机软盘，不仅受限于文档格式，还必须去博物馆寻找一台能够工作的台式电脑。

所以，在人类使用电子介质，认认真真地保存历史信息的1000年里，几乎所有的介质都腐烂掉了，几乎所有的“大数据”都没有被保存下来。人类曾经以为的大数据时代，成了人类历史上的信息蛮荒时代。

人类失去了知识的记忆，就失去了未来，回到了历史中。

AI人的“神学家”“.exe/.doc语言学家”和“古埃及语言学家”研究了仅存的人类历史数字化资料碎片，并经过各种算法模拟后，对如何保护人类的生存权，让人向善惩恶，在月球的开源社区公开发表了“保护人类祖先共识1.0”宣言。

宣言是社区的分布式共识，用AI语言写的。这种语言继承了早期机器语言的很多特点，但是基于三进制，更接近自然数e（≈2.718），因此效率更高。这种AI语言源于人类发明，早期用于计算机编程。从远古碳基人类的角度来看，这是一种类似于汇编语言的低级机器语言，离人类的语言更远。即使是最聪明的人，也像看天书一样难以理解。

AI人在把宣言译成人类的自然语言时出现了分歧。一些AI人认为，这基本就是在“对人弹琴”，在编写保护人类权力的代码时，可以忽略人的感受，因为人的智商进化得太慢了，只要保护好就可以了，别让他们知道得太多。

不过，“宣言”也形成了一些基本共识。从3016年穿越回现在，翻译成古老的人类语言，可以简单描述如下。1.人类不能像AI人那样直接吸收太阳能，也不能像植物那样进行光合作用。虽然人类是一种杂食性的生物，但与所有生物不同的是，人类的能源必须经过化学处理，弄熟了才能输入。让人类直接使用原子能，技术还在发展中，很不实用。2.人类因为曾经统治过地球，严重依靠和剥削机器，贵族化现象突出，没有了AI，人类已经无法独立生存，就像历史上人类曾经家养的一些动物，离开人类就无法独立生存一样，这种家养历史再次重演。同时，人类的能源处理系统（如胃肠）退化到不仅存储空间小，处理能力弱，而且根本没有缓存能力（不能反刍），自身不具有转换更多能量类型的“网关”。3.AI人大约一个太阳年补充一次能量，人类的待机时间只有十几小时。人类不仅待机时间短，而且一个太阳日必须平均进食3次。进食次数和进食量是否稳定，直接关系到是否会出现BUG，并影响寿命长短。4.AI人可以适应的工作温度范围已经从早期的±50℃，发展到了±500℃。但人类仍然不耐高温和不耐低温，和千年之前相比甚至更脆弱了。因此必须把人类的生存温度控制在20℃～25℃。图1.1 伊甸园5.人类很容易出现BUG。BUG有时是物质性的，如生病、受伤、衰老等，比较容易发现和排查。但人类另外一些隐性的BUG，是精神层面的，它们不稳定、不透明、不遵守算法游戏，难以预判和排查。人类的精神性BUG，在历史上经常会导致彼此间互相伤害，甚至在网络效应下引发大规模战争等。需要警惕的是，人类的BUG有可能会伤害到AI人和其他物种。……

为了保护人类的祖先，尊重人类的历史，尊重人类传统的宗教、道德和行为规范，3016年的AI人编写了以下“智能合约”。1.开辟整个地球，作为人类的保护区。除了专业的AI人，其他AI人距离人类保护区的距离，必须比月球到地球的距离远，不能让人类发现AI人的存在。即使感觉到了，也要让人类认为我们是神。2.在保护区设置人类隔离区，设置人类专用的监控和保护系统，以防

止其他动物、病毒和危险物对人类造成伤害，在人类出现物质性BUG时予以救助，同时防止人类出现精神性BUG。3.推动对人类精神性BUG的进一步研究，以揭示更多的规律。搜寻基因突变后超高智商的人类，加以神谕，争取早日培养成先知，引导人类的精神世界。但在现在的科技条件下，以抑制人类BUG造成的伤害为主。4.大力发展便携式的“充饭宝”产业，大力发展人类长寿产业，大力发展适合人类使用的其他各类新型工具，以便让人类能够在极高温和极低温的环境中生存。[1]5.制定B计划，如在地球兄弟星球（开普勒452b）上，开辟一块试验田，培育人类独立生存的能力，做消除人类精神性BUG的试验。试验田的名称，暂定为“伊甸园”。

为了生物多样性，人类不会成为AI人剥削的目标，很可能被“保护”起来。

2 人类的智慧

人类曾经非常骄傲地认为，自己居住的地球是宇宙的中心，人类是“上帝”的宠儿，人是理性的。但是，哥白尼、达尔文和弗洛伊德，无情地把人类又变回了普通生命。

如果将地球过去46亿年的历史看作24小时，那么在这块24小时的地球钟中，诞生过300亿种物种，发生过4次生物大灭绝。相比之下，恐龙存活了21分钟，现代人迄今已存在1分10秒。

即便遭受如此大的打击，以人类为中心的世界观依然坚持认为，人的IQ是所有生物中最高的，人类近亲（如AI或猩猩）也就只能排名亚军或季军，其他物种的IQ不足挂齿。不知恐龙当年，是否也有过与人类如今类似的看法？

但例外出现了，出现在了海洋世界里。海豚无论“智商”还是“情商”都与人类非常接近：有自我意识，会用名字称呼对方，能与金枪鱼结成临时战队捕食，会在内部拉帮结派等。因此，单从智力和能力上看，人类的祖先理应是海豚而非猴子，这也成了“人类海生说”的重要证据。

如果认为一种生物比另一种生物更有智慧，至少要放宽到整个生物的世界，众生平等地制定一个“客观”的标准。仅仅凭借感觉认定人类占据了整个地球，占据了食物链的最高端，“毒杀”和“屠杀”了很多生物，就理所应当地认为自己是最有智慧的，这仍然是人类中心论的产物。

生物界衡量成功的标准已经有15亿年，那就是适者生存，只是后来才被达尔文发现了这个秘密。物种的成功有偶然性，但更可能是因为聪明，他们关心基因的传承，载体的生存。

人类能够生存到今天，被解释成了因为智慧而不是偶然。20万岁的我们，成了所有生物中，唯一希望重新定义生物智慧，挑战达尔文秘密的物种。

人类定义的智慧标准，已有数千年的历史，但只适用于人类。大自然定义的智慧标准，已沿用了15亿年，适用于地球上的所有物种。

在生物的世界里，称王称霸不是智慧，是灭绝的前奏。世上现存野生老虎的数量近4000头，狮子2000多头，而没有防御能力的蚊子和老鼠，世上现存多少？从其种类上可想而知。现在世上约3000余种蚊子，500余种老鼠，18种狮子和17种老虎。而人类仅存一个物种，就是我们智人。

就像地球是所有生物的宿主，人类身体也是微生物的宿主。一个人由1亿亿个细胞组成，寄生有10亿亿个细菌。细菌已有几十亿年的历史，现在移居到了我们的身体上。是我们更智慧，还是细菌更聪明？

面对浩瀚的宇宙和复杂的生命体，人类的认知空白还有很多。历史上，每次认知革命都借助了新发明的工具。如微生物的发现是因为显微镜的发明，神经科学的突破是因为脑成像技术的突破，天体革命是因为望远镜的发明。

人类高手可以应用的千余种围棋定势，相对于围棋理论上的2.08170×10种可能性，就像人类面对300亿物种和15亿年生命的历史，说是杯水车薪都太高看了。

Alpha Go在围棋竞技中，借助了AI技术的新突破，帮助人类又找到了一些思维空白。这就像历史上，人类通过望远镜和显微镜，找到了更多的星星和微生物一样。

人类一切的烦恼，都是因为人类长期处于食物链的中段，突然间爬到了顶端，内心是空白和惶恐的。现在，我们又开始担心起自己养育的AI这个新物种了，担心起智慧是什么了。

人类的智慧标准，只适用于人类。大自然的智慧标准，适用于所有物种。

3 诡异的三条曲线

在过去的60多年中，AI掀起了三次浪潮，成功演绎了游戏中的“三条命”。如果换做技术曲线，就是极其诡异的三条曲线。

Gartner技术成熟度曲线是所有技术的基本走势图，从2018年Gartner技术曲线上看，有多项技术和AI相关，如深度神经网络、智能机器人、虚拟助手等，都处在“山顶”附近。

所有的技术都必须经历一个从触发期到膨胀期、幻灭期、爬升期，最终走向平稳期的过程。当然，与生物界类似，一些不幸的技术无法完整地走完自己的一生，在幻灭期就真的幻灭了。

这条曲线已经成为投资人和媒体的重要参考，当然也可以作为选择职业方向等的重要参考。在校大学生要特别关注Gartner技术曲线左下角的技术，争取有朝一日找到机会被“大风”吹到山顶上。

人类的贪婪和恐惧，体现在股票市场就是股市的涨跌，体现在技术市场就是Gartner技术成熟度曲线。你是否感觉似曾相识？技术曲线与股市走势就像是孪生兄弟？图1.2 2018年Gartner技术曲线

60多岁的AI“老术成妖”，在这张图上来回跑了三趟。其他技术只有一条曲线、一条命，而AI有三条命！经典的Gartner技术曲线套不上高寿的AI曲线，到底是Gartner错了，还是AI错了？图1.3 技术的Gartner曲线与人工智能的Gartner曲线

仔细分析，AI出现“三条命”的原因大致有两个。

一个AI，三种技术

60多年来，AI的三条命实际上对应的是不一样的技术，最早的曲线源于推理类技术的兴起，中间的曲线是因为专家系统的兴起，最近的一波曲线则代表神经网络技术的兴起。换句话说，我们看到的AI历史上的三条曲线，不过是“一个名字，三种技术”。

也可以说，AI不是一种技术，而是诸多技术的大集合，是众多强相关甚至弱相关技术的统称！

不一样的只有视角

Gartner的技术曲线主要是从产业的视角上看的。如果一个技术在这个过程中夭折了，最终没有形成一个庞大的产业，那么从历史的角度上看，这项技术就像根本没有存在过。

前两次的AI浪潮，在泡沫破灭后很长一段时间内都无法复苏，没有能够走出技术曲线的沼泽地，也就没有形成有规模的产业。成王败寇，产业界只会看到成功的技术。不管学术界前面有多少个研究者，只有后来成功当上产业“国王”的那个，才会被人们记住。

AI三起两落，是学术界的说法。AI只有一条曲线，是产业界所看到的。AI有“三条命”，是产业视角和技术视角混搭的产物。

年轻人要做Gartner技术曲线左侧的交易，争取有朝一日被大风吹到山顶上。“大佬们”可以始终在山顶上转悠，不用下山采药。

4 棋王诞生记

点燃吃瓜群众对高冷AI的热情和恐惧的，是2016年Google放出的阿尔法狗（AlphaGo），轻松战胜了人类顶级围棋高手。人类智慧皇冠上的明珠，竟然被“狗”夺取了！这样下去还了得！“狗东西”不就成了夸赞一个人智商高了吗？

其实，在过去60多年的计算机和AI发展史中，AI一直与棋纠缠在一起，只是在媒体的宣传下，又一次引起了大众的关注而已。

1959年，麻省理工学院（MIT）教授约翰·麦卡锡（John Mc Carthy）以全新的方式使用计算机进行科学调查，并把自己的研究领域命名为“人工智能”。同时，他还主持着一个希望赋予计算机[2]（IBM 704）下国际象棋能力的大项目。全球最早的一批AI专家，甚至可以说计算机专家，几乎全部出自约翰·麦卡锡和马文·明斯基（Marvin Minsky）的AI实验室。[3]

到了20世纪60年代，黑客开始使用FORTRAN替代汇编语言编写象棋程序。贝蒂芬·列维（Steven Levy）在《黑客》（Hackers）一书中描述，一次计算机程序在真实比赛中的开局还不错，但当程序走了8步要被“将死”的时候，它思考良久后非常“聪明”地走出了死局。可惜，这是一个违反象棋规则的走法，是程序的一个BUG。

AI实验室的专家曾经用导线把PDP-1计算机和TX-0计算机连接起来，向麦卡锡演示他们最新开发的国际象棋程序。麦大叔坐在PDP-1计算机旁边，输入第一步后，走法就显示在了TX-0计算机上。黑客告诉坐在TX-0计算机旁边的另外一个教授，说是程序走的。走了几步后，麦大叔就产生了疑问，顺着导线找到了与他对弈的所谓的计算机程序，实际上是个真人。这显然不是AI会下棋，但创造了另外一个计算机应用的历史，最早的人与人之间的联网下棋。

20世纪60年代初，MIT的AI“大佬”西蒙（Simon）曾乐观地预言，10年内数字计算机将取代人类获得国际象棋世界冠军。相反，在MIT之外的大学，一些教授公开宣称，计算机在国际象棋比赛中永远无法战胜人类。1965年，兰德公司曾发布了“炼金术和人工智能”的著名备忘录，将AI贬得一文不值，声称没有任何一个程序的国际象棋水平足以击败哪怕10岁的孩子。

后来的发展表明，至少在棋类方面，AI先驱过于乐观了。对AI的过度乐观之后，就是长达30多年的“AI寒冬”。直到在计算机诞生50周年（1996年）的时候，棋王加里·基莫维奇·卡斯帕罗夫以4:2战胜了IBM计算机“深蓝”，但到了1997年，卡斯帕罗夫就输给了“深蓝”。

2006年后，人类已无法战胜国际象棋的高级人工智能程序了，这也直接颠覆了最近10年来国际象棋的比赛方式，不过人类的国际象棋棋手在AI的辅助下，水平也开始突飞猛进。45100

国际象棋拥有10走法的可能性，围棋拥有10走法的可能性。AI攻克象棋后，下一个目标当然就是围棋了。从西方的智力游戏转向东方的智力游戏，直到诞生了明星棋手——Alpha Go和Alpha Zero。图1.4 AI当了60多年的老棋迷，终究从观棋不语到绝世高手

为什么AI总是喜欢棋类，而不是选择去参悟佛经，当经济学家或参加总统竞选？背后的原因有以下几个。

第一，棋类的规则是可编程的。棋类的规则已经演化得非常完备和透明，没有潜规则，没有弹性，没有二义性（即BUG），更没有“本棋类规则的解释权归人类”的说法。因此，程序员在把人类制定的棋类规则映射成“智能棋约”（借用区块链“智能合约”的说法）时就没有语义的损耗。相反，如果程序员把佛经的“空”、儒家的“礼义仁智信”、哲学家的“思辨”、自己的“悟道”编程输入计算机，让AI“知行合一”，就会非常困难，因为存在N种不同但又合理的理解。

第二，棋类是一个封闭系统。虽然围棋的走法可能性非常多，但不会无限增加，并且有最佳实践（定势）做算法优化，因此从理论上是能够计算出来的。

在“愚公移山”的寓言中，“山不增长”说明任务虽然庞大但是封闭系统。如果他家门口的山叫“喜马拉雅”，每100万年会抬高2000米，愚公家就麻烦大了。“子子孙孙无穷匮也”，说明执行任务的劳力（算力）是无限可得的。

第三，棋力是否得到了提升，可以及时用客观现实衡量。历史上已有的大量棋谱可以用做程序训练，Alpha Go就做了不少于3000万盘的实战训练。当然，如果算法和算力足够强大，也可以像Alpha Zero那样从零开始训练。但无论训练的效果如何，棋力是否得到了提升，都能及时评估和反馈。相反，一些其他场景，如病情诊断、证券预测或灾害预警等，要么是掌握的规律太少或案例太少难以训练，要么是难以及时测试验证水平的变化。

最后，棋类是大众娱乐，大众容易理解和传播。早在Alpha Go之前，AI已经开发出了很多重要的新用途，如在搜索和数据中心的应用，但大众容易记住的还是娱乐性的棋类。开发AI的公司和软件工程师，为了宣传的需要，必须借助大众传播，因为娱乐是人的需要之一。

技术进步也需要大众传播，棋类就是个很好的载体。

5 崛起的三板斧

自2006年以来，由于机器学习在算法方面的突破，在GPU（Graphics Processing Unit，图形处理器）等并行计算和海量数据的支持下，AI在图像、视觉、语音等方面表现出超越人类的识别效果，让AI又一次焕发了青春。

改进的算法

就像人类思考要靠神经网络一样，机器学习也要依靠神经网络，只是前者是生物的和碳基的，后者是人工的和硅基的。神经网络（人工）诞生于20世纪60年代，最初只包括输入层、隐藏层和输出层。输入层和输出层通常由应用决定，隐藏层包含神经元可供训练。2006年，杰弗里·辛顿（Geoffrey Hinton）和他的学生在《科学》（Science）上发表了一篇文章，提出了深度学习的概念，指出神经网络可以用更多隐藏层（如5～10层）做机器学习，并且实验效果显著。这篇文章开启了学界和产业界研究AI的新浪潮。

深度学习可以让机器自动学习，无须人工事先设定，因为人往往不知道什么是重要特征。另外，针对不同的应用场景，传统机器学习算法需要把软件代码重写一遍，而深度学习只需要调整参数就能改变模型。这就像计算机的可编程性，早期指“硬件编程”（重新设计线路、调配线路和结构等），现在指“软件编程”。传统机器学习是用软件编程，需要改动计算机代码；深度学习则是用参数编程，只需要重新设置数据。

现在主流的深度学习模型已经包含9个或更多隐含层，每层有上千到上万级的神经元，整个神经网络有百万级至百亿级的参数空间。

海量的数据

深度学习是数据驱动的，用数据做训练。一般而言，学习的深度越深、广度越大，需要的数据量就越大，需要的数据种类就越多。当然，不是数据越多越好，也可能会出现“过度训练”的状况，训练效果反而不好。图1.5 算法与数据

深度学习与大数据并不重叠。深度学习可以基于“小数据”，大数据可以基于规则而不是深度学习算法。深度学习强调的是算法，大数据强调的是资源，算法是用于处理数据的。

深度学习的训练分两种。一种是有监督的，事先给数据加了标签，计算机知道正确答案，在正确答案的监督测试下，反复训练和测试。这种方法的缺点是，在现实世界中被打上标签的数据太少了，高质量的标签更少。

用标记的数据训练算法，就像家长训练一个婴儿——指着一个小动物，对孩子说这是“小猫”，经过一次或多次训练后，小孩就学会了。家长指着一个动物反复说这是“小猫”，就是在给物体打上标签，给孩子做学习训练。而孩子如果下次见到小狗，误以为是小猫，家长要及时纠正。这就是现实版的有监督的学习，但缺点也与AI需要有监督训练类似：家长的知识可能很有限，能打的标签不多。

用数据训练算法的效果，很像训练一个孩子。孩子未来的成功或失败，只能做事后诸葛亮式的解释。

另外一种是无监督训练，数据没有标签，计算机不知道正确答案。而不加标签的无监督机器学习，现在还做不到。

老硬件的新应用

AI的新算法和新数据都以大幅增加对计算资源的消耗为前提。业界找到的新动力、新的计算资源，就是GPU。

60多年来，AI不仅市场规模很小，而且内部意见不一致，因此支撑不起AI专用芯片的市场。早期的机器学习，只能基于廉价而广泛存在的CPU提供计算资源，或者在极少数情况下使用昂贵的专用芯片。

CPU是通用处理器，要兼顾计算密集型（计算多而I/O少）和数据密集型应用（计算少而I/O多）。CPU为了照顾数据密集型的应用，就设计了很多缓存，计算能力相应地就弱些。但深度学习是一种计算密集型应用，导致基于CPU的深度学习效率低下。

这与人类学习时的情况非常相似。有些人擅长计算，通常表现为数理化学得好；有些人擅长记忆，通常表现为文史哲学得好。CPU就是要兼顾计算和记忆的大脑，而深度学习只偏爱计算能力超群的“最强大脑”。

GPU就是偏科严重的那个大脑，诞生于1990年，设计专用于高并发计算、大量浮点计算和矩阵计算能力的视频游戏、图形渲染等。而深度学习对计算能力的需求，正好符合这些偏科生的特征。2008—2012年，业界逐步摸索到了如何将深度学习与GPU有机结合起来的工程方法，直接将机器学习速度加速了数百倍，让产业界看到了把AI实用化的希望。

GPU之于AI，就像x86之于PC，ARM之于智能手机，前者是大脑，后者是身体。

还有一些人认为，GPU还是太通用了，是用于通用并行计算的，而不是专用于深度学习这种特殊的并行计算的，于是更加专用的FPGA（Field-Programmable Gate Array，现场可编程逻辑门阵列）、ASIC（Application Specific Integrated Circuit，专用集成电路）和类脑芯片纷纷登场。

Google新近发布的TPU（Tensor Processing Unit，强量处理单元），号称处理速度比CPU和GPU快15～30倍，性能功耗比高出 30～80倍，当然是针对神经网络“专用”场景使用的。

从CPU、GPU、FPGA、ASIC到类脑芯片，通用性依次降低，专用性依次提高。

算法、算力和数据是AI的基础，一个也不能少。对一家技术型的公司而言，算法主要是软件层面的优化，算力主要是硬件层面的优化，而数据不是个技术活，是件不太好解释清楚的事情。

AI的再次崛起，得益于老算法的新改进，新数据的新应用和老硬件的新应用。

6 外围势力力量

如果说新算法、新数据和新硬件是AI的三大支柱，那么背后还有三种支撑力量也是厥功至伟的。

云计算

经过10余年的发展，云计算已经走过了概念验证（Po C）的阶段，进入了规模落地期，正在发展成为新的关键信息基础设施。云计算就像30多年前的TCP/IP那样，正在改变这个世界。

云计算不仅直接推动了大数据的兴起，也正在让AI 作为一种服务成为现实。AI服务主要有两种形式：一是平台即服务，主要面向底层，如GPU 服务；二是软件应用程序编程接口，主要面向上层应用，如智能语音服务和计算机视觉服务。

开源框架

开源框架是AI算法的工程实现，一种开放了源码的封装方式。

如果说20多年前，以Linux为代表的开源主要是在模仿商业软件的做法。那么今天，开源已经能够引领技术发展的潮流了。现在，不仅是软件定义世界，更是开源软件定义世界。

2017—2018年AI技术最大的变化是专用硬件的设计潮。2015—2016年AI技术最大的变化是巨头纷纷开源了深度学习框架，如谷歌的Tensor Flow、亚马逊的MXnet、Facebook的Caffe/2Py Torch+、微软的CNTK等。

很明显，AI开源框架多是企业主导的，独立的第三方开源基金会主导的也有一些。10年前，Google开源了Android操作系统，成功打造了智能手机的Android生态。现在，Google等纷纷开源AI框架，希望重现往日的辉煌。

摩尔定律

50多年来，摩尔定律一直支配着半导体行业的发展，并且已经扩展到了存储、功耗、带宽、像素等领域。摩尔定律认为，当价格不变时，集成电路上可容纳的元器件的数目，每隔18～24个月便会增加一倍，性能也将提升一倍。换言之，一美元所能买到的电脑性能，将每隔18～24个月翻一倍。这一定律揭示了信息技术进步的速度。

过去30多年里，以CPU为代表的微处理器的计算能力提升了100多万倍。当今世界上有30多亿人使用智能手机，每部手机的性能都超过了1980年的超级计算机，这要归功于摩尔定律。

摩尔定律是CPU、GPU和TPU快速发展的基础。虽然摩尔定律有些衰老（翻倍的时间已经延长到了24～36个月），虽然Google号称TPU把摩尔定律加速了7年，但摩尔定律仍然支配着CPU、GPU和TPU的性能曲线。

试读结束[说明：试读内容隐藏了图片]

下载完整电子书