最近一篇美国创投圈热文: 计算产业的下一步将走向何方?

以下文章,来自硅谷早期投资机构 At16Z 合伙人 Chris Dixon,他个人也是 Kickstarter、Pinterest、Stripe、Skype 等项目早期投资者。

计算产业主要以 2 个“独立周期”发展:

  • 金融周期;
  • 产品周期;

前者一直受到很高关注度,相比之下,后者受到关注度较少,尽管产品周期才是计算产业的真正推动力。我们可以通过研究过去经验和推演未来的方式,试着去努力了解并预测一下产品周期。

约每 10-15 年出现一个技术产品周期

在新计算领域,已经出现约每 10-15 年产生一个技术产品周期现象,它同时表现为:平台和应用之间越来越相辅相成的关系。

一方面,新平台支持新应用;另一方面,新应用反过来让新平台更具价值。我们说小分支角度,技术循环每时每刻都在发生,但从历史经验看,大约每隔 10-15 年主要技术新产品周期就会出现,并完全重塑计算产业。

比如说,PC 出现使企业家可以去创建文字处理、电子表格及其它许多桌面程序;互联网出现,使搜索引擎、电商、电子邮件、社交网络、SaaS 业务应用及其它许多服务成为可能;智能手机出现,使移动 IM、移动社交和拼车出行这样的 On Demand 成为可能。

我们目前正处在“移动时代”的中间时间段,应该还会有许多属于这一周期的新创新会发生。

我们已经在下个新计算周期的“酝酿期”

另一方面,每个产品时代都可以分为两个阶段:

  • 酝酿期:新平台已经出现,但还是有贵、不完整和/或很难用等问题;
  • 成长期:新产品出现,并解决上述问题,然后拉出一个时间段的指数型成长。

案例 1:Apple II 于 1977 年发布(Altair 发布于 1975 年),但实际上,是发布于 1981 年的 IBM 的 PC 机开始了 PC 产品周期的成长期。

案例 2:互联网的酝酿期发生在上世纪 80-90 年代初,主要是学术机构或政府部门用作基于文本的工具,但实际上,是发布于 1993 年的 Mosaic 浏览器启动了互联网成长期,并一直持续至今。

案例 3:尽管上世纪 90 年代就已发布功能手机,本世纪初也发布如 Sidekick 和 Blackberry 等早期智能手机,但 2007-2008 年间发布的 iPhone,以及之后的 Android 才真正开启了智能手机成长期。

从此,智能机使用呈爆炸性增长:今天有大概 20 亿人拥有它,预计 2020 年全球有 80% 人口有智能手机。

如果按每隔 10-15 年模式重演,那么下个计算时代将在未来几年进入成长期,这种情况下,也就是说:目前我们应该已经在它的“酝酿阶段”。

事实上,我们在硬件和软件方面看到的许多重要趋势都可以帮我们窥见下个计算时代大概会是什么样子。下面我说说这些趋势,然后作出关于未来可能样子的一些建议。

硬件:小、便宜和无处不在

我们现在正进入一个处理器和传感器将变得愈来愈小愈来愈便宜的进程,这由 2 个原因造成:

  • 过去 50 年半导体产业稳步推进(摩尔定律);
  • Chris Anderson 所谓“智能手机大战中的和平红利”,即智能手机的巨大成功,导致对处理器和传感器的大规模投资。如果你拆开一驾无人机,或是一个 VR 头盔,或一台物联网设备,你会发现大部分智能手机组件。

在现代半导体时代,焦点已经从独立 CPU 转移到被称为“系统级单芯片”的专用芯片包。典型系统级单芯片束包括高能效的 ARM CPU,外加和用于图形加工、通信、电源管理、视频加工等的专业芯片。

这种新架构使基础计算系统价格从原先的 100 美元降到约 10 美元。现在你花 5 美元,就可以买到一台 1GHz,Linux 系统的 Raspberry Pi Zero。类似价格你也可以买到一部运行 Python 版本,具 WiFi 功能的微控制器。而且很快,这些芯片价格还会低于 1 美元,这样便宜的成本效益可以将一台计算机嵌入到几乎任何地方。

高端处理器在性能改进方面也取得了瞩目成就,其中最重要的就是 GPUs(图形处理器),而这其中最好的是 Nvidia 生产的产品。GPUs 不仅在传统图形处理方面很有用,在机器学习算法、VR/AR 领域也很有用。Nvidia 的蓝图承诺未来几年还会有显著的性能提升。

通配符技术作为量子计算,目前主要存在于实验室中,但如果取得商业上的可行,就会带来在如生物和人工智能等领域某些类别算法的数量级性能改进。

软件:AI 的黄金时代

软件领域今天惊喜不断,分布式系统就是很好例子。随着设备数量呈指数增长,这两件事将变得日益重要:

  • 多台设备执行并行任务;
  • 多台设备间的互动和协调;

引人关注的分布式系统技术包括如 Hadoop 和 Spark 等用以处理并行大数据问题,也包括 Bitcoin/Blockchain 等用于保护数据和资产安全。

但可能最令人兴奋的软件突破,发生在人工智能领域。AI 有过一段炒作和让人失望的历史,但现在确实有理由相信它终于将进入发展的黄金期。

AI 领域很多关注点都集中于“深度学习”,即一种机器学习技术,这种技术是受著名的 2012 谷歌项目(用巨型计算机组学习识别 YouTube 视频中的猫)而得到流行。“深度学习”是上世纪 40 年代出现的神经网络的衍生物,由于新算法和廉价并行计算的出现,以及大型数据集的广泛适用等因素,“深度学习”起死回生。

“深度学习”其实也是硅谷的一个流行语,但兴奋源自于瞩目的理论和现实世界结果的支持,比如对参加 ImageNet 挑战赛的获胜者来说,没使用“深度学习”前的错误率,可能达到 20-30%,而在使用情况下,获胜算法准确度会稳步提升,且在 2015 年超过了人的表现。

许多论文、数据集及与深度学习有关的软件工具都已开源,这会产生民主化效果,使个人和小型企业能构建功能强大的应用程序。

WhatsApp 能建起一个只以 50 名工程师就服务全球 9 亿用户的全球通讯系统,与前几代需要数千名工程师的消息系统形成鲜明对比。如今,人工智能领域也已出现这种 “WhatsApp 效应”。

类似 Theano 和 TensorFlow 的软件工具与云数据中心结合进行实训,同时也与价格低廉的 GPU 结合进行部署,就可以通过小团队工程师建立起最先进的 AI 系统。

假设有个程序员在使用 TensorFLow 来给黑白照片着色。左边:黑白;中间:自动着色;右边:真实色彩。

这里,一家小创业公司正在生产一个实时目标分类器。

当然,这容易让人想起科幻电影中的著名场景:

由大公司发布的最早“深度学习”应用程序之一是 Google Photos 让人震惊的智能搜索功能(用户可以通过输入文字,搜索到手机存有的相关照片)。

不久的将来,我们就能见证各种产品在智能化方面的重大突破,包括:语音助手、搜索引擎、聊天机器人、三维扫描仪、语言翻译、汽车、无人机、医疗成像系统等等。

初创公司要想建立 AI 产品,需要对“特定应用”的开发给予高度关注,否则,很难与那些正将 AI 作为头等大事的大公司竞争。数据收集越多,AI 系统就越好,也就是说创建一个数据网络效应的良性循环是可以实现的(更多用户→更多数据→更好产品→更多用户)。

作为一家地图创业公司,Waze 利用数据网络效应生产出了比他拥有更多资金的竞争者们更好的地图产品,成功的 AI 创业公司会遵循类似战略。

软件+硬件:新计算机诞生

由于纳入硬件和软件领域的新进展,目前正在“酝酿”阶段的各种新计算平台会发展得更好,而且,很可能会进入到增长期。虽然设计、包装都不相同,但它们都有一个共同主题,那就是嵌入一个小型智能虚拟化层,给我们带来全新且加强的技术能力。

下面是对其中一些新平台的简要介绍:

车领域:谷歌、苹果、Uber 和 Tesla 都在往自动驾驶汽车方面投入大量资源。Tesla Model S 这样的半自动驾驶汽车已经上市,并会迅速提高。全自动还需要一段时间,但可能也不会超过 5 年。目前已生产出与人类司机驾驶效果大致相当的全自动驾驶汽车,但由于文化和监管因素,完全自动驾驶汽车需要等到它们驾驶技术非常显著地高于人类司机时,才能被广泛允许。

期待看到在自动驾驶汽车领域有更多投资。除大公司外,大型汽车制造商也开始重视自动化产业,你甚至会看到一些由创业公司开发的很有趣的产品。深度学习软件工具技术水平已经如此之高,一个独立程序员就能独立制造出一辆半自动驾驶汽车。

无人机:消费级无人机包含现代化硬件(主要是智能手机组件加上机械部分)软件方面而言相对简单。不久的将来,我们将看到采用先进计算机视觉和其他 AI 手段的无人机,以使飞行更安全、更容易驾驶,以及更有用。

娱乐录像将继续流行,但也将是重要的商业使用案例,有上千万种如涉及攀登高楼、塔或其它建筑的危险工作将通过无人机的使用变得更安全而高效。

物联网:这方面最明显应用案例要数能源节约、安全和便捷。Nest 和Dropcam 在能源节约和安全方面做得很明显。而便捷方面,亚马逊的 Echo 可谓是最有趣产品之一。

尝试前,多数人认为 Echo 是噱头,使用后就惊叹于它的实用性。它在把“语音”作为一种用户交互界面方面是很有效的,要达到广泛意义上能全对话的智能技术还需时间,但正如 Echo 所显示:在约束条件环境中进行对话没问题。随着最近“深度学习”方面取得的突破,使 Echo 更快进入生产设备的状态,语言理解技术也会得到迅速改善。

物联网也将用于商业情境,如配有传感器和网络连接功能的设备在监测工业设备方面就极为有用。

可穿戴:可穿戴式计算发展目前受到包括电池、通信和处理等多方面因素的限制,较成功的大部分都集中在开发类似健身检测等垂直细分的专项 App。随着硬件组件不断改进,可穿戴式设备会像智能手机一样支持多种应用程序,从而解锁各种新应用。至于物联网,语音将可能是主要用户界面。

VR:2016 年是振奋人心的一年,这一年将推出 Oculus Rift 和 HTC/Valve Vive(可能还有索尼的 Playstation VR),也就意味:舒适、身临其境的 VR 系统将终于面世。

VR 系统需要足够完善以避免陷入“神秘谷”的陷阱。正确的 VR 系统需要特殊屏幕(高分辨率、高刷新率、低持久性),强大的图形卡,以及追踪用户确切位置的能力(之前发布的 VR 系统只能追踪用户头部转动信息)。这一年,人们将首次体验到所谓“存在”:当你的感官被彻底欺骗时,你就完全进入到了 VR 世界。

VR 头盔将继续得到改善,并且价格会降低,主要研究领域包括:1)用于创建渲染和/或拍摄 VR 内容的新工具;2)可直接通过手机和头盔进行追踪和扫描的机器视觉;3)用以大型虚拟环境的分布式后端系统。

AR:可能会在 VR 之后到来,因为 AR 需要很多 VR 需要的东西,另外还需要一些新技术。比如,AR 需要先进、低延迟的机器视觉效果,以在同一互动场景中实现真实世界和虚拟的完美结合。但 AR 有可能会比你想象中更快实现。

下一步是什么?

有可能“每隔 10-15 年出现一个计算周期”这样的 Pattern 已经结束,而“移动”是其中最后时代;也有可能,下个时代短时间之内不会到来;或者上面提到的几类新计算类型中,只有一小部分最终会被证明为重要。

我倾向认为:我们目前正站在多个而非一个时代的浪头。“智能手机战争中的和平红利”为新设备创造了一个寒武纪式的大爆发;而软件领域的发展,尤其是人工智能,将使这些设备变得智能而有用。许多上面讨论过的未来科技现在已经面世,并会在不久的将会受到广泛使用。

观察者们已经注意到:许多这些新设备现在仍然处于“笨挫青春期”,这是因为它们还在“酝酿期”,就好比是 70 年代的 PC 机、80 年代的互联网、20 世纪初的智能手机,我们目前看到的还只是些尚未来到人间的“未来”的碎片,不过未来即将到来:市场有起有落,人们的兴奋点起起落落,但计算技术将一直稳步前行。

发表评论

邮箱地址不会被公开。 必填项已用*标注