报告
本文是贝恩公司《2021年科技报告》的一部分。BOB体育app
在过去的半个世纪里，计算机行业经历了三次重大转变:大型机时代;向pc -服务器计算的转变;以及云、移动和互联网的崛起。现在，我们正处于第四次转型的尖端，即以数据为中心的计算，这将主要由日益普及的人工智能提供动力。
由于需要处理急剧增长的非结构化数据，以及计算成本的大幅降低，人工智能(AI)工具正通过云平台和开源软件变得更加广泛。毫不夸张地说，在未来的几年里，机器将能够给机器编程。这将为数据中心带来前所未有的效率提升，并允许更广泛地使用人工智能技术。关于失业和伦理的问题仍将是功能景观的AI公司,然而,它也越来越清楚的AI将继续完善产品和客户体验通过个性化、创建新类别的产品和工作,并使社会的关键领域的进步,如网络安全和公共安全。
现在，真正的问题是，谁将引领人工智能的发展?
现实的检验
人们普遍认为，未来几年人工智能的发展轨迹将由迅速采用该技术的所有行业的企业决定。事实上，大型云服务提供商(csp)作为领先者和创新者，将继续推动行业发展，帮助其他企业定制和部署自己的人工智能产品和服务。
很少有公司有资格成为原始人工智能创新的领导者。csp处于最佳位置，因为他们在大规模使用人工智能方面占据了重要的先机。自然语言处理(如亚马逊Alexa)、图像识别和处理(Facebook，谷歌)、推荐系统(谷歌搜索，阿里巴巴电子商务)、自动驾驶中的视觉处理(Alphabet的Waymo)和智慧城市(阿里巴巴城市大脑，腾讯WeCity)等应用都是如此。
csp的云和数字服务使他们能够获得有效训练人工智能模型所需的大量数据。人工智能模型的规模和复杂性呈指数级增长，这要求人工智能从业者有能力构建和操作定制的大规模系统。CSP商业模式得益于人工智能可以提供的个性化服务。
csp拥有最大的人工智能服务器群，他们在人工智能计算架构上的支出正在加速。贝恩对这些公司的采访显示，目前超过15%的领先csp的服务器专注于人工智能计算工作，预计到2025年，这一比例将上升到30%以上。BOB体育app到那时，前四大人工智能工作量——视觉、自然语言处理、推荐引擎和智能搜索——将占csp人工智能服务器数量的70%左右(见图1)。
到2025年，视觉、对话人工智能、推荐引擎和智能搜索将占据csp人工智能服务器的大部分
csp还开发了一些最复杂的商业人工智能模型。深度学习模型的复杂性是每三到四个月的两倍多(见图2),其中最大的是谷歌的1.6这个参数开关变压器模型介绍了今年1月,和OpenAI 175 billion-parameter GPT-3模型引入2020年5月,今年5月被微软和商业化。
深度学习模型的规模正呈指数级增长
CSPs创建并改进了领先的AI开发框架，这是一组数学库，用于支持复杂AI神经网络模型的开发人员培训和推理。绝大多数人工智能算法都运行在TensorFlow(谷歌)、PyTorch (Facebook)和PaddlePaddle(百度)上，而全世界数以百万计的人工智能开发者都严重依赖于csp奠定的基础。
此外，csp是人工智能服务最多产的开发者之一。亚马逊网络服务,微软Azure,谷歌的云平台,和阿里巴巴云扩大AI平台产品约30%从2020年9月到2021年6月(见图3)。已经取得显著进展不仅在核心AI模型和服务,但也更复杂的语音功能和图像分析。csp还引入了一些工具来简化整个人工智能工作流程，从数据获取到模型部署和维护。例如，AWS已经扩展了SageMaker服务，以简化人工智能开发生命周期的每个阶段。
超大规模的csp正在扩大他们的人工智能服务
最后，很多人工智能人才都集中在csp内部。美国五大中心(亚马逊、微软、Alphabet、Facebook和IBM)的人工智能员工数量超过了排在其后的45家美国公司的人工智能员工总数。
所有这些都表明，csp可能仍是将人工智能能力转化为产品并广泛应用的主要工具。随着人工智能民主化的加速，越来越少的公司会建立自己的人工智能堆栈，因为所需的时间和金钱往往不值得。有些人仍然会在csp的人工智能工具缺乏特定功能或领域特定功能、存在专有和差异化数据集或存在隐私和安全考虑的商业情况下这样做。但这将越来越成为例外，而不是规则。
企业将能够使用第三方工具(通常来自csp)构建差异化的人工智能产品和服务，允许它们通过特定领域的专业知识专注于增加价值。例如，Intuit的工程师正在使用AWS SageMaker的人工智能模型设计和培训工具，帮助将人工智能整合到公司的金融软件产品中。这将Intuit典型的人工智能开发时间从6个月缩短到不到一周，并且在2020年，该公司将其正在生产的人工智能模型数量增加了50%，达到数百个。最重要的是，通过更好的自助软件工具和收据处理，它帮助Intuit节省了客户的时间，并通过改进还款预测，使公司能够承保更多贷款。
选择一个路径
那么，这一切对技术供应商意味着什么呢?
对于csp来说，最重要的是保持领先地位，继续构建数据集，使核心业务中的AI价值最大化。一场争夺企业AI计算工作量和数据集的竞赛正在展开，这些数据可以被输入云平台，产生新的见解，进而帮助改进AI产品。
但csp在追求新行业和产品周边时，应该做出明智的选择，平衡短期投资回报和长期产品差异化。在不同的行业中，成功往往需要重要的领域专业知识和高技术绩效。在许多情况下，与系统集成商和第三方建立合作关系将会有很长的路要走。
领先的csp还认识到，继续努力建立可靠的关系和数据政策，引导公众理解和人工智能法规，开发先进技术以减少偏见和保护人工智能产品的隐私是很重要的。这些领导人明白，这些努力不仅会给公司本身带来回报，也会给整个人工智能领域带来回报。
与此同时，即使处于颠覆性行业的科技公司可能不是原始人工智能创新的领导者，它们仍然可以找到创新的方法，应用他人的基础人工智能工具和服务，更好地服务自己的客户。这些公司具有人工智能时代的一些制胜特征，这一点很有帮助。这些企业——包括企业软件公司、系统集成商和服务于制造、零售、医疗保健和其他特定行业的技术公司——有许多客户接触点，并且/或者经常使用非结构化数据。
这一领域的新兴领军企业正在考虑采取几项措施。虽然雇佣数据科学家和首席数字官没什么坏处，但这并不能取代深入理解人工智能将如何将公司产品的价值转化给客户。领导者将制定一个以客户为主导的路线图，优先考虑他们想要的人工智能使用，并利用用户反馈循环来加快产品设计周期，增强产品，并提高客户的成功。
至于人工智能计算的推动者——半导体开发商和制造商——很明显，人工智能将成为他们在云计算和移动时代之后获得成功的决定性计算工作量。人工智能工作量的爆炸式增长，以及该领域创新和民主化的动态，导致许多人宣布通用处理器(GP)的死亡，如cpu。但GP处理器实际上有一个光明的未来，有针对性的调整，可能包括一系列更适合处理人工智能和其他关键工作负载需求的处理器。
最后，许多技术硬件供应商已经开始了其商业模式的演进之旅，从硬件到软件，再到超融合、集成的“交付即服务”。人工智能的普及增加了加快这一进程的紧迫性。
该领域的公司正在考虑将传统硬件产品转变为一种工具，为融合硬件提供CSPs的AI软件堆栈，结合科技硬件供应商的企业专业知识和客户覆盖范围，这将证明其强大的功能。许多企业客户拥有行业人工智能应用所需的数据科学和应用工程技能，但他们在交付服务质量、服务器团队管理和系统级技术运营方面的能力并不强。与此同时，csp(尤其是在美国)大多不愿成为这些企业的全人工智能交付工具，因为他们不想在处理安装、改造、系统集成和维护等所有繁重的操作工作时沾沾自弃。这可能是硬件技术供应商的最佳时机，但它需要更快地转向严重依赖运营服务的商业模式。
尽管如此，这些供应商仍然有机会通过支持人工智能的远程监控和自适应改进能力来增强他们现有的硬件产品，因此他们可以更积极地帮助他们的客户最大限度地利用他们的产品。
最终，AI战场仍在形成中。但每个人都有一条可行的成功之路，从原始的创新领导者到许多在其之上构建产品和服务的公司。在公司优势的指引下，新兴领导者正在迅速行动，在这个新时代建立立足点。