与柯洁对战的AlphaGo的运算能力并不依赖于网络，网友们开玩笑的必杀技“拔网线”，并不能改变这场战斗的结果。这意味着人工智能正逐渐脱离互联网“哺乳期”，具备“离线也强大”这一特质的人工智能技术在悄然崛起
文/本刊记者 刘浩南编辑／王小
去年AlphaGo大胜李世石后，围棋史上最年轻的四冠王柯洁一度被寄予了“守护人类尊严”的厚望，然而，在2017年5月的乌镇，三场没有悬念的败局证明人类与人工智能实力的鸿沟。
人类想象中能赢的“必杀技”，似乎只剩网友们玩笑般的一句“拔网线”了。
拔掉网线，电路断开，散热风扇减速至停下，陷入一片死寂——在我们的想象中，AlphaGo如科幻电影中的人工智能反派一样，强大无形但高度依赖于网络生存，似乎找到网络接点这个阿喀琉斯之踵，它的运作就会终止。
让人们失望的是，AlphaGo之父哈萨比斯在赛后采访中明确表示，本次与柯洁对战的是“单机版”的AlphaGo，即在对战中没有连接网络。也就是说，与柯洁对战的AlphaGo的运算能力并不依赖于网络，而更多来自于自身TPU芯片的强劲。
“联网更好，不联网也行，对赛事结果没有影响。单机的计算量已经满足它与人类下棋。”《互联网进化论》作者、人工智能领域专家刘锋说。人工智能逐渐脱离互联网“哺乳期”，具备“离线也强大”这一特质的人工智能技术，正在悄然崛起。
AlphaGo“断奶”
被称为“单机版”的人工智能技术，实际上有一个颇具科幻感的名词——嵌入式人工智能。
和传统意义的人工智能相比，嵌入式人工智能最大的特点是能独立运算、离线状态下感知设备也工作。也就是在不联网的情况下，嵌入式人工智能通过本地计算完成实时环境感知、人机交互、决策控制等任务。
现阶段人工智能的算力主要由两部分构成：云计算和终端本身的运算能力。二者关系密不可分，但分工上存在差异。以AlphaGo为例，除了Google云成熟的云计算能力外，去年5月Google I/O大会（开发者大会）上发布的自研芯片TPU，也是AlphaGo强大计算能力的来源。
作为Google专为深度学习神经网络定制的芯片，TPU汇注了Google对人工智能的研发心血。在TPU运算能力的锻炼和数据收集过程中，Google云的云计算能力更像一位助理教练，主要任务是减少计算量以及数据备份。到了实际运算使用中，TPU作为单独的运算模块可以独立运行，并承担主要的运算执行任务。
受制于网络状况和复杂多样的要求，互联网在人工智能技术中扮演的角色正在慢慢变化，在终端运算能力不断强化的过程中，越来越多地作为一个辅助者发挥作用。
“依靠网络是（人工智能）成长期的表现。”一位长期聚焦人工智能行业的媒体人士表示，“这个阶段有多久不好说，但未来肯定都是半链接网络的。”
叱咤棋类运动后，AlphaGo目前还没有开始深入运用阶段，但以“单机版”形式迎战柯洁，展示了它作为嵌入式人工智能运用的一个方向，也掀开了嵌入式人工智能市场的幕布。
“单机版”的优势
“当今人工智能的计算大多数都在BAT（百度、阿里巴巴、腾讯）的数据中心，在云上面。但我们发现，有一个巨大的机会远离数据中心，在互联网的边缘。”地平线机器人技术研发有限公司CEO余凯在今年2月的“北大AI公开课”上谈及嵌入式人工智能时，对自己正在瞄准的这一细分领域表示信心十足。
4月28日的“GMIC AI+国际峰会”上，零零无限CEO王孟秋、中科创达技术总监王璠和云迹科技CEO支涛也都不约而同地谈到了嵌入式人工智能这一概念。
王孟秋介绍，零零无限旗下的自拍无人机Hover Camera，在仅重242克的机身上搭载了图形自动识别和跟随，利用脸部识别和特定图形技术，并可以自动执行相关指令。这款无人机提前被输入指令，执行任务过程中完全是脱网的。这也是目前市面上大部分无人机的算力构成方式——在本地即时处理任务指令，云端备份数据。
如视觉避障，720p的实时图像数据每分钟达到几个GB，如果无人机拍下画面，传到手机，再传到云端，获得指令后再传回手机，最后传回无人机，等这一过程时，也许无人机已经撞上障碍物了。因此，这一过程必须在本地端完成。
信息延迟，对于自动驾驶技术更是性命攸关的大问题。当一辆自动驾驶汽车遇到复杂的路况时，需要快速决策下一个动作以避险，如果经过雷达捕捉数据，然后上传，再计算，当根据计算得出的行动指令传输到终端时，可能已经来不及挽回一场交通事故了。
在自动驾驶的场景中，延时即意味着危险系数的提高。而成熟的嵌入式人工智能，让终端自己处理信息后即时执行指令，正是对时间敏感度高、操作容错率低的人工智能设备的福音。
“我们在为无人机、机器人设计SOM核心计算模块时，更强调人工智能的本地计算能力，以及执行命令的即时性。”中科创达CEO耿增强接受《财经》记者采访时介绍。
耿增强坚信，嵌入式是不可缺席的人工智能架构方案。尽管云学习、云地图、云导航、云知识等功能是现阶段智能机器人的“标配”，但他认为，一旦遇到紧急而脱机时，嵌入式的人工智能要保证智能机器人在失去云端支持时，仍然能执行基础任务并保证生存。
比如在断网状态下，智能机器人依然能完成自动避障，并找到充电桩开始自动充电，安全避障、求救等指令可以在本地进行计算，并最终实施。
上述这些应用场景，已经为我们勾画出一张嵌入式人工智能的大致脸谱——强调机动性、轻量化和实时性，因而也更人性化。
人性化，正是我们对于人工智能的核心要求。或许在嵌入式人工智能技术成熟后，“图灵测试”的内容就需要加上“断网”这一条件了，毕竟人工智能的智能水平高低，由它的自主性决定。
苹果对阵谷歌
“互为备份，不会单独需求，既要本地，能联网也要联网。”刘锋这样描述嵌入式人工智能中云端和本地终端的关系。
以联网和不联网作为判断嵌入式人工智能的标准，可能过于粗暴。在有良好网络条件的情况下，云端能减少本地端的计算任务，也能够完成信息储备能力及数据实时共享，当然是发挥人工智能全力的手段。
自人工智能概念诞生以来，云端技术一直是服务于人工智能的尽职尽责的“奶妈”。那么让人工智能“断奶”，难在哪里？
“最直接的是芯片能力。”耿增强指出，要集成足以脱离云端的算力，终端就需要足够大的存储空间和计算能力，自然要求更强力的处理器和更大的内存，这对于硬件技术要求非常严苛。
撰写《数据中心的TPU性能分析》一文的软件专家Norman Jouppi在接受《连线》（Wired）采访时称，Google一开始曾经考虑在AlphaGo上使用传统的FPGA芯片，但是当实验结果显示这种芯片处理速度未达预期时，他们果断选择了TPU芯片。
这种芯片为专用集成电路，一旦设计制造完成后,电路就无法再改变。这个颇为“激进”的决定，为AlphaGo带来了强大的本地运算能力，据Norman Jouppi的说法，TPU处理速度比当前GPU和CPU要快15倍到30倍,直接表现就是以“单机版”完胜柯洁。
尽管TPU在单机算力方面称得上行内楷模，但它是针对Google的特定算法设计的，并非通用处理器，目前无法运用到安卓手机、无人机等智能终端上。
其他的智能终端想要拥有TPU级别的单机算力，还需要一些拥有TPU级别算力且泛用性更强的处理器支持。
算法不成熟也是人工智能摆脱云端的一大阻碍。“算法还需要持续演化。一是，现阶段我们手头的数据不够，需要更多数据让人工智能变得更聪明；二是，算法算得太慢了，优化工作还不够。”谈到算法瓶颈时，耿增强指出两块最大的“拦路石”。
正所谓“八仙过海，各显神通”，在人工智能算法上举起大旗的，是Google在人工智能领域最大的对手苹果。
2017年的苹果开发者大会（WWDC）祭出大招，宣布开放机器学习（Machine Learning）开发者平台ML kit，为全球人工智能开发者提供了开源技术支持，同时也希望借此催生出更优秀的算法方案。
研发烧钱，抱团取暖
从嵌入式人工智能技术角度看，更好的芯片，更好的算法，更好的服务方案，自然需要更高的成本。
近年来大批“烧钱烧到死”的人工智能公司的教训，让这个绕不开的问题显得更严峻。
对于嵌入式人工智能的成本问题，耿增强似乎并不太担心：“说到底是规模效应问题，很多嵌入式人工智能新兴设备的量还没起来，造成成本比较高。当用户体验越来越好的时候，消费者更愿意买单了，量就起来了，成本下降会非常快。”
抱团取暖，是这个领域的新兴开发商们最适合的生存方式，用彼此稚嫩的毛发抵御日出前的晨冷。“如何低成本地实现终端智能，需要从底层计算架构到计算平台层，甚至到上面的软件算法等各方面配合。为此，产业界必须走到一起，共同解决这些问题。”余凯在北大AI公开课上说。
2016年12月1日，ARM和多家人工智能开发商宣布成立人工智能实验室OPEN AI LAB，成为第一个针对嵌入式人工智能技术研发设立的机构。国际上，Facebook、Amazon、Google、IBM等巨头们成立AI联盟，开始技术性“抱团”。
国内的百度、腾讯以及中科院孵化的寒武纪和一系列人工智能初创公司，在寻觅自研软件、硬件和算法技术性突破的同时，技术项目合作的趋势也越来越明显。
“我们对于这个（市场）逐渐蓬勃感到非常兴奋，毕竟嵌入式人工智能设备推广得更深入后，高度聚焦终端研发的（公司），机遇会非常多。”耿增强说。
这个市场在快速扩张，也表现在人们对人工智能的要求越来越严苛——安全性、实时性、移动性、场景适应能力，在近几年利用人工智能实现基因匹配、算法推荐等“庞大”的功能后，我们正在要求人工智能离自己更近，实现更多琐碎细小而实用的功能。
硬件和软件，云端和本地终端，永远在互相追赶，而人们对于人工智能的要求，永远比当下的技术领先一步。
