就在AI专用芯片在市场上的呼声不断被推向新高的当下，作为投资人的杨歌也出手了，一举投资鲲云科技。在看AI技术有关的创业中，杨歌在圈内颇有名声，且语言表达能力极强。正好借采访之际，让他用最直白的语言给抖明白，专用芯片到底一个怎样的存在，到底应该怎么理解现在市场的芯片，以及AI芯片的创业者们，到底需要比拼些啥？

以下采用第一人称口述的形式，呈现三个部分内容：

AI芯片为何突然火了？

AI领域真正最最最缺的人才到底是什么？

AI工程师如果选择创业，必须补足哪些功课？

01 AI芯片为何突然火了？

细数芯片的历史，就是一个从专用芯片转向通用芯片，又转为专用芯片的过程。

最早追溯到上世纪60年代，Intel从专用芯片转向通用型芯片中央处理器（CPU），英伟达转成GPU，这两年又产生了TPU。

这个整套体系都是一个把芯片越做越普世化的过程，但这两年由于终端要降低成本，所以又要返回到专用芯片，因为通用芯片相对来说，效率比较低，制作成本比较高。

所以，这两年专用芯片开始火起来。

从通用型的、服务器型的、集成型的芯片，转成专用型的，部分设备使用的，有一定功能的芯片，再加上这两年正好赶上AI大爆发，大家就很自然地把AI的需求烧制到这些芯片里，也就是我们看到的AI芯片异军突起。（编辑：p_vhehwang）

为何终端场景会催生专用芯片？

终端的场景为什么一定要用终端芯片，而不能通过一个捕捉器做网络传输送到云端、送到服务器端，用服务器的CPU、或GPU、或TPU去处理，然后再返回数据呢？

是因为你的网络无论多快，中间都有几百毫秒的时间差，而终端芯片未来都需要做到当机立断、直接分析。

比如一个机器人，它看到你之后，需要迅速分析出你有什么特点，并跟你对话。这个过程中，如果机器人只有接收器，需要传送到云端再回来，无论网络多快，都会有时间差。

所以，为了提高响应速度，终端开始催生自带处理器的需求，比如能做图像识别、语义识别、语音识别，运动机能的一些处理等，那么这个时候，终端就需要具备一定的人工智能能力（AI能力）。

专用芯片起势后，玩家们到底比拼什么？

当专用芯片这个需求起来之后，玩家们就要开始比拼了，具体来说，比的是：

第一，你的硬件结构是不是最优。

硬件行业的特点是：没有最优、只有更优。

硬件永远都在迭代，背后的原因，主要是摩尔定律在起作用。此外，当摩尔定律晶体管变成量子化的东西后，它会继续进化，从分子层面进到原子内部层面，再继续找其它的计算位。

第二，算法是不是最优。

前两年大家非常痴狂的去搞神经网络算法的时候，变体非常多，从最开始简算的RNN变到LSTM，变到更为复杂的结构，从最开始设计CNN，到CNN的复杂结构，再到用CNN做对抗网络…

在大家疯狂竞争算法的时候，2017年又出来一个理论说：神经元的基础单元不应该是神经，而应该是一个胶囊；这样一来，算法底层又改了，Hinton先生把自己30年前的学术成果给推翻了。在Capsule Network中，in&out在单个处理单元上变得更复杂，虽然网络连接过程还是原来的样子。

所以，很多人又只能整个推翻，重来。

第三，工程细节是不是最优。

人们也发明了很多种方法，比如原来是全连接的，后来又有CNN部分模块连接，然后又出现了很多类似Dropout的模式，连接着同时遗忘着，发现比正常的还更好。

第四，工程上的创新每天都在发生。

每个工程师都有工程上的创新。100个工程师里如果有一个工程师有了意义深远的创新，那么对于整个行业来说，又是一场大变革。

无论是怎样的创新，都在不断突破，不断提升效率。比如，在算法上，AlphaGoMaster和AlphaGo Zero，后者的效率相对前者就有突飞猛进的增长。

所以，一旦底层被改变，一切又变得不一样了，又得迭代。比如，原来可能是20秒解决，你能19.8秒解决；但现在，突然底层一变，你变成10秒解决了，就又是一层迭代了。

没办法，这个行业就是这样。

从硬件、软硬结合，软件、算法几个方面来看，每天都在迭代，所以它很难：由于它没有定型，无定型态的结果导致对专用芯片的固定性要求是非常苛刻的。

因为专用芯片很大的问题是一旦定板、开模，这个东西就不能改，这是一个很大的问题。所以，如何做一个适用性最强的专用芯片，这是非常重要的。一般的专用芯片做完之后，比如只服务于某一种语音识别机的芯片，一旦算法更新，底层对模块的要求就又不一样了，那么这个专用芯片就不能用了。于是，只能再做一个新的专用芯片。

这个事情的迭代速度太快了。

芯片的三种类型

前面大致罗列了专用芯片崛起的背景，接下来我们具体聊一下芯片到底有哪三种类型：

集成型的芯片（CPU、GPU、TPU），属于它的模块阵列非常统一的，它能处理几乎所有的事情，又叫通用型芯片

FPGA可编程门阵列

专用芯片

其中，FPGA相当于编写硬件，通过改变硬件可以随时调整功能逻辑，但FPGA有以下几个大问题：

成本比较高，真正好的FPGA要8000元-1万元。

编写复杂，门槛高，修改难度大。

编程过程中的效率比高级算法低，这样就导致开发难度也比较大。

所以，FPGA是个过渡过程，它能够衔接通用型芯片和底层专用芯片。

说完FPGA，再说说专用芯片。

专用芯片的特点是价格极其便宜，只要你开模、打板之后，基本上一片50-100元就搞定了，但开模费500万，而且一旦开模就改不了。(营长注：这里500万为概数，杨歌想表达是开模费很高，对公司来说，是一笔不小的负担。据营长所知，开模费的量级一般在数百万-数千万之间。）

如果用数学的方式来理解这三类芯片，那就是：

专用芯片又叫阶跃函数，意思就是，这个东西开了模之后，下一次你要再改，你就得整个上一等；

FPGA是线性函数，慢慢涨、慢慢涨；

CPU、GPU等集成型芯片是指数函数，成本高，但它是一个好的模式。

专用芯片的成败关键

目前，大家倾向于回归专用芯片，这也是因为专用芯片在2017年有两大推动力：比特币的挖矿机和人工智能。

基于这两股力量，编写专用芯片需求来了，因为FPGA和CPU成本太高了。

但专用芯片的问题也来了，那就是，无论哪个时代，不管你是20世纪70、80年代，还是现在，专用芯片都会有过时的一天，因为技术一直在迭代。这时候，就是考验你对专用芯片把控力的时候了，一句话，你设计的专用芯片到底能支撑业务走多久。

如果你编出来的专用芯片，能持续三年使用，那么同期你就可以去研发另外更新的专用芯片。三年后，当原来的专用芯片产能要下降的时候，你可以拿新的专用芯片顶上。你要能顶上，那这个能力就厉害了。

但如果你的专用芯片半年就过时了，那你的成本就太高了，因为你每个专用芯片的打板就需要500万以上，对初创公司来讲是完全承受不起的。（营长注：此为概数，只是为强调打板花费较大。）如果你还不停地在打板，那你的公司就危险了，你还不如用FPGA和CPU来做，现在多核CPU也能完成。

现在专用芯片的一个竞争在于，你编写出来专用芯片是否鲁棒性、适应性和存续性足够强，是否能够适应更多的人工智能算法模块，是否能扛住算法变体…

比如当CNN一变体，卷积核一变体，这个芯片能不能扛住？当LSTM的循环网络内部结构中，忘记门和记忆门这两个发生变化，你能否扛住？

当然，Capsule Network一出来，不仅你扛不住了，大家都扛不住了。

总的来说，你要让你的专用芯片在容错性和鲁棒性、适应性上做到最强，这样，你的成本才能算得过账来。但大部分技术人员的账，可能算不了三到五年的时间。

还有些人把目光放在非常细的地方，一定要编到极致，保证局部的鲁棒性、容错性提到最高，但长期的、中长期，比如三年期，这样不一定行。

比如，在交通图像监察识别上，你怎么用都不出错，正确率99.9%，但突然过两年算法一升级，你怎么办？

因此，我不建议把目光放到单个场景的适应性上，我认为应该放在一个长期的、场景变革的使用性上，这点非常重要。

这些问题其实是现在AI芯片竞争最重要的底层逻辑。在AI芯片领域，我们投了鲲云科技，他们的联合创始人为斯坦福的客座教授、帝国理工的教授、英国皇家工程院院士，发表300多篇的论文。

他们的特点能把芯片的适用性做得很好，芯片的场景适应性、网络适应性、算法适应性非常强。

同样做的很好的公司还有地平线、寒武纪、深鉴等，不过也有一些公司，场景化的正确率只有95%，甚至85%，那么这些芯片可能就没法用，或者只能调动一定的模块函数，不能调动大部分模块函数。

目前来说，深度学习训练过程是不需要用AI专用芯片的，因为AI专用芯片主要还是在某一个终端应用场景用。一般来说，终端人工智能芯片并不执行训练过程，它只执行使用过程。这是大家容易产生理解误区的一个点。

AI芯片市场距离饱和还很远

说到终端市场，英伟达也在猛攻终端市场。英伟达去年出了一个TX2的新型芯片（也是终端芯片）。但英伟达的终端芯片是一个轻版的集成化芯片，是把它集成化的GPU镶在了一个小的芯片上，形式了一个专用芯片。所以，现在的AI专用芯片还需要扛住英伟达的竞争。

目前，人工智能技术有三层：

基础数学物理层

技术模块中间层

应用层

技术模块中间层（简称模块层）是指图像识别、语言识别、语义识别、运动机能识别；底层，即基础数学物理层，就是芯片，数据传输、数据存储结构、算法结构、算法模块。

而应用层中，几个比较大的场景有：

智能家具、智能房屋、智慧城市

机器人

个人语音助手

这几个场景的入口模块都需要完整的、完全标准的模块层，就是说语音识别、语义识别都则需要非常精准，无论是器械，还是一个机器人，都需要模块层要很成熟，同时需要底层芯片层很成熟。目前，大家都在竞争这个市场。

二十年后，周围的物体可能拍一拍都能动、都能说话，每一个东西都需要两个基础的模块体系。

第一个模块体系：硬件模块体系，就是它的硬环境。

第二个模块体系：也就是软环境。

软环境就是科大讯飞、商汤、旷视等等在做的东西，硬环境就是英伟达、通讯云、鲲云、深鉴等公司在做的。

现在的AI专用芯片市场，如果说市场饱和度满分是10分，现在也就1分不到。

虽然现在才1分不到，但今年的AI芯片公司突然火起来，就是因为大家预期了十年之后的应用场景，十年之后这个市场是很大的，不过大到什么程度不好做预期。

现在市场上的几家公司，显然还是不足以形成大的竞争。

如果做个比喻，现在的市场，也就是刚刚进入体育场，裁判还没有开始吹哨的时候。

对于AI专用芯片来说，应用场景还没有完全开发完，有人去做无人机监测、有人去做道路摄像头监测、有人是做家居环境。总的来说，目前各家的应用场景都还没有锁定，还处在一个恶补基础知识的阶段。

当然，这个阶段完成之后，可能有的转向交通，有的转向家庭环境了，各有各自的立足的垂直领域，并继续迭代。那么等到那时候，可能就不竞争了。

02 AI市场上最稀缺的人才是什么？

首先，我觉得懂人工智能，我是说的是真正懂人工智能的人才，是非常稀缺的。

那么什么叫真正懂呢？

就是了解人工智能物理意义的人，而不仅仅是懂算法。

什么才是真正懂人工智能——庖丁解牛

举个我自身的例子。我在清华大学念书时，就用过神经网络，我会用，但我不懂，不懂它的底层意义到底是什么，不懂这个东西为什么能够训练出来，不理解计算机到底是怎么思考的。

这是一个非常重要的思维门槛。

对于深度学习来说，由于这里面是一个黑箱，你可以不知道机器在某一点到底在思考什么，但机器思考的那套整体逻辑和大概每一层单元在干什么，你要很清楚。

目前，能理解到这个层次的人非常少。

打个比方，有个词叫庖丁解牛。你首先得在眼睛里，大脑里有这头牛的全貌，然后你还必须很会使用这个刀。而不是说你拿着这把刀，你就可以迅速地把这头牛解剖了。

你只有既理解牛、又理解刀的使用方法，你才能达到庖丁解牛的境界。

同样，人工智能也是这么一个工具。

给你一大堆图片，让你训练出一个模型，你用tensorflow跑出来了，但明天让你训练语音，后天训练物流杂乱的数据化信息，你就蒙圈了。

再比如，有个模型是要用CNN加上全连接的，你的模型是用对抗网络更好一点，那么你的模型就可以不使用神经网络，而应该使用Randomforest，有了模型你应该使用这个，你为什么要使用这个，你是通过大量的算法、经验做出来的。

对我来说，最大的帮助是，一个编程的感性认识。我在大学研究生的时候，我做了大量的编程，天天在debug，debug特别锻炼人对于机器底层运转的思考，一套10万行的程序出错了，你怎么能够迅速给他debug出来，这个你要去理解计算机到底容易在什么地方出错。

人工智能更复杂，人工智能在调试的过程中，没有debug的提示器，因为它全是数据和数据之间，它是一个数值计算，不能收敛的过程，就是你算着算着错了，你也不知道什么地方出错了，你只能看到这个数据发散了，这是一个特别要命的问题，因为你的程序一点都没有写错，只是你的数据结构、网络结构弄错了，这个要求程序员对这个算法的物理模型、场景模型极其明确物理意义的过程，这是非常复杂的，很难描述这个事情。

最稀缺人才——人工智能架构师

我有一个特点，我所有学到的东西，我都能从零开始推，就是老师讲的所有东西我都可以从零开始推。这个东西叫元认知。

元认知越底层的人，他在理解一件事情的时候所占用脑子里的内存越少。比如说让我去描绘一个整个的商业案件，有人是背书，从头到尾背下来，我看一遍以后，我可能一个单位我就记住了，然后就忘了，下次让我描述这个事，我把这个单元提出来就可以描述。

人工智能也是，它是一套工具，一个真正好的工程师，他手里所有的人工智能都是算法，比如现已知的，人工智能大类的算法可能有七八类，像支持向量机，神经网络、randomforest，adaboost等一大堆，他在看到一个模型后，能迅速判断哪个模型更适合。

比如说为什么语义识别是用循环网络和LSTM来做识别？因为语义是一个线性的信息流，这个线性信息流里面要记住前面很远的信息，同时要忘掉很大一部分信息，再记住当前的信息，所以，用LSTM能非常完美的解决这个问题，但LSTM在图像识别上就不Work了、在量化金融中的优势也不明显。

这里，很多人会认为股票和语义都是一个时间序列函数，或者是前后序列函数。为什么LSTM训练这个很好用，训练股票就不行了呢？

这个，就需要回到元认知。因为他们的数据结构完全不一样，你得理解什么模型处理什么实体结构。

再比如，CNN适合处理大量数据、超大量的数据，且数据和数据之间有明确相关条件，所以，CNN适合处理图像，因为图像的像素之间具有相关性。

而同样的一个情况，语义又不适合了。比如“我写程序”这四个字，每个字之间一对一的相关性并不是那么强，但他有一个整体相关性，他跟图像识别是不一样的。简单理解的话，语义是一维函数，图像是二维函数。

所以，这些都是很细节的东西。你只有在使用了大量的程序之后，跑着跑着，才能感知到，哦，原来这个应该用什么算法跑，那个不能用什么算法跑。因为人工智能属于黑暗森林，你只能慢慢去摸索，摸索哪个是最适合的。你不可能第一天就调试出来，搞清楚哪种场景，到底该用什么程序，这个程序应该有多少层的网络、结构、单元，每一层单元有什么样的参数，应该跟什么程序进行配合，是否需要两个程序进行嫁接，是否需要高级的比如对抗型的、或者辅助型、或者嫁接型等。你需要不断地锤炼和思考，才能出来这样的感觉，都是一点一点悟出来的。

所以，回到最开始的问题，我觉得如果用一个特定的职位来定义，这个最稀缺的人才是人工智能架构师。

他能抽象出你最应该使用什么样的工具。在他之下，其他人就可以在一个更细的层面上，去琢磨这个工具具体应该怎么来用。

不过，人工智能架构师又分三个层次。

人工智能架构师的三个层次

第一层：物理模型架构。

有的时候大家在训练一件事情的相关性上，可能会把两个事情分开放。其实应该把两个事件放在一起，把相关性作为训练对象来进行训练，这样训练可能会更好。

或者把一个隐藏的物理意义作为训练对象，把相关性和两个事情都放在一起，然后再进行训练。

但很多人就想不到这点，就拿两个事情直接去训练相关性，这是错误的。

物理模型架构，这是最里的一层，需要深刻理解物理意义，当知道各种各样的函数该怎么去用的时候，火候就差不多了。

第二层：当我们确定怎么训练拓扑模型之后，拓扑模型框架出来的时候，基于拓扑框架我选用什么样的网络模块，具体需要训练成什么效果，然后再具体去训练。

第三层：等这些模块全选好了，每一层用多少个单元、多少个参数，你有没有这个能力。第一层的神经元你可以选择100个，第二层的你选10个，第三个选择多少个，然后用卷积你又选择多少个，核有多大，3×3的、5×5的、10×10的，你到处去试，试一年可能才试出结果来。

好的工程师第一刀就可以给你切到差不多的点上，你这个模型基本10层网络，每一层大概10个神经元，卷积核的层数大概3层，全链接层7层就够了，他会一上来就给你做这个东西。

目前，这三种架构人才都很稀缺。

要培养一个这样的人才，很难很难，必须跨界，尤其物理模型架构层面，必须跨界。你必须要能理解这个东西在物理层面上的意义，你必须经历过不一样思维模式的业务，有开阔的眼界，比如从事过社会、社科、商业等多种类型的工作，然后再反过来去看这件事情，就容易了。

为什么说一定要跨界呢？因为跨界会对你补充另外一个部分的素养，跨界就是补足你的数据，这叫“一个向量空间的完备性”，你跨界是用来干这个的。

我见过的特别优秀的能扛起人工智能架构师这类角色的人很少。我很欣赏第四范式的戴文渊，他就可以把银行所需要的算法场景变成一定的函数需求，他属于在工程师里情商比较高，相对比较跨界的稀缺人才。

要成为一个这样的人才，我觉得至少要十年时间。

这类人才，一定是有强感知能力的，他有感知整个社会存在的能力，而不是把眼睛全放在眼前的技术上。

03 AI工程师创业，必须提前补足哪些短板？

未来关于AI的机会太多了，各行各业都需要AI，所有有大量数据的地方都可以用AI进行处理，因此，可能很多AI工程师也会考虑创业。

如果要创业，他们又还应该得到哪些方面的成长呢？

要回答这个问题，我们先来看看程序员到底是一种怎样的存在。

程序员是数据和人类之间的沟通者，这一点非常重要。什么意思呢，就是说，他能把数据翻译成人话，把人想要执行的东西转化成数据、数字。

对这类人群来说，由于长期跟电脑，跟技术打交道，如果要创业，他们必须要有实践经历，要有生活化的感知体验。

这句话怎么理解呢？

AI工程师必须掌握的三个特征

我举个例子，这个例子可能有点抽象了。我把任何一件事分为主要特征、次要特征、长尾特征。

主要特征靠看书是可以学习到的，就是老师告诉你公理一、公理二，社会规律一、社会规律二，你就记住了，这是主要特征。

什么是次要特征呢？一个事件有很多复杂的次要特征，这个老师讲不清楚，你只能通过实践，比如你在干工作的时候，如果财务不留准备金率，那公司就非常危险了；此外，对于合规这件事，在实践中你才能知道为什么要做合规，是因为很多细节，工商、税务、法律等问题都会影响到你的效率。

长尾特征属于感性化的层面了，比如你在人和人接触的时候，你对这个人要稍微好一点，生意就变得更顺畅一点，这个老师都不会教给你。

总的来说，主要特征靠看书解决，次要特征靠实践解决，长尾特征靠情商培养。如果你只有主要特征，你就永远解决不了一个完整的事情。

程序员今后不管是创业，还是说要有更大的发展，需要加强次要特征和长尾特征两个方面。

对于三种特征，如何真正学会和掌握呢？

四种学习方法，AI工程师应补足后三种

为了很好地掌握这三种特征，我有一个很重要的学习方法可以跟大家分享：学习多样性。

具体而言，有四个层面：

第一种：理解；

第二种：理会；

第三种：感受；

第四种：感知。

“理解”：是看书和通过理论化的知识去学习，学习完全结构化的知识叫“理解”，程序员多数有一个很大的问题，程序员的知识结构大都是理解来的。

“理会”：是与人交流，通过跟别人交流学到知识，这点是我从24岁之后大量去做的。因为人和人交流的时候，是别人已经加工过的知识，通过一个相对柔和的、说人话的方式让你听懂了。

与一个智者聊天胜读十年书，因为他把他十年的东西全总结给你了，而且都是精华。

多与智者交谈，你会发现，你的整个世界观都对了。

“感受”：智者不能告诉你的细节，你以实践出真知，从实践中去感受，能感受到细节。

“感知”：主要来自于看不同文化的影片、电影、电视剧和书籍文章等；还有出去旅行。

举个例子，比如你去日本，语言、货币、文化什么都不通，你在那儿待20天，回来之后你发现你身上会有一些日本人的习惯，思维方法跟他们很相似，因为这是一套环境在影响你，这套环境在数学上叫高阶小量。这些东西在不断地影响你的一些行为习惯。久而久之，你的思考方式跟他们很类似，你就能处理一些原来你不能处理的事情，这非常有意思。

我去日本、英国最典型的感受就是这样的。因为这两个国家的文化气息是非常浓烈且集中的，你去了英国之后，你整个人就变成那种状态了，诙谐、思考、谨慎。然后你能想象出来一些东西，为什么这个国家和文化下的人会有这种状态。

此外，电影熏陶也是我常常借助的方法。

当我对一件事情很不理解的时候，我就开始放那一类电影，一直循环播放，熏到一定程度的时候，电影里面的每个言行举止，我都能被强烈地代入进去，然后我就突然就理解了，原来这么干是有原因的，为什么是这样不是那样。

在这四种学习中，AI工程师最应该补齐的是后面三种学习方法，尤其是中国的工程师，应多学学硅谷工程师的跨界，一定要从自己的理解层面的学习方法、相对固化的学习方法中跳出来。

当然，这是一个逐渐丰满的过程，AI工程师，或者其他程序员有志于未来创业，一定要多从这几个方面去锻造自己。