文/ 大鹏

    过去的事实 证实，人类向来不 善于预测。要么总是高估短期发展，低估中长期 历程，要么压根猜错了方向。

    基于 本身需求和社会发展，人们确信，AI是解决交通问题的终极工具。资本同样确信这丝毫，到2020年以前， 寰球AI产业投资将达到4000亿美元，60%的投资和新创公司诞生在中美两国。

    停滞不前的自动驾驶

    但投资人已经发现，找新 名目越来越难，而 名目变得昂贵，这是资本泡沫出现的信号。

    就短期而言，AI的 效力和回报都被高估了。

    作为自动驾驶研发的领先者，谷歌旗下的Waymo正在凤凰城郊区部署自动驾驶车队，并已经开始收费服务。对于本地智能决策的有用 名目而言，是 硕大的阶段性 顺利， 只管服务区域和服务人群都做了精心的 制约和 取舍。显然，这是限定场景下的L4级别自动驾驶 利用。

    但是，本地居民热衷于取笑Waymo的自动驾驶车辆。这些白色的克莱斯勒Pacifica在高速路上试图并线却总不 顺利，最后被迫驶下公路；或者在 通过十字路口时把车道占住，不敢拐弯，导致追尾。人类司机不 耐心过于守规矩的交通 参加者，他们粗鲁地按喇叭， 根本 无论AI是不是听得懂。

    Waymo的CEO克拉夫西克则暗示AI的 稚拙状态还要 连续多年，他认为L5级自动驾驶的有用部署可能需求“数十年”，这和他3年前的乐观态度 构成鲜亮对比。

    算力的瓶颈在哪里？

    这多半源于工程师们对AI训练时的心力交瘁。 实在世界的工况复杂程度，很难通过固定模型调参，达到 彻底 遮蔽的 目标。和公众 意识的相反，获取数据是方便的。 惟独法律同意且车主们同意，地球上每天运行的十几亿辆汽车，都 可以装上便宜传感器，获取行驶数据，上传云端。

    如此海量的元数据，必定存在大量 反复的冗余数据。工程师们花了很长期，编写算法，提炼并构建对AI训练有最大价格的数据库(即训练模型)。

    不过，数据后期的分类标定、数据 品质以及算法，存着在很多的不确定因素。而公众和监管机构都 保持，自动驾驶汽车需求测试数亿至数千亿公里， 威力验证它们在减少交通 事变方面的可靠性。这无疑加大了AI 利用在自动驾驶的难度。

    因为算力的局限， 以致AI训练过程变得很长。数据量超出硬件承载的上限，AI就 无奈 体现得老练得体。也因为同样的原因，人们必须事先筛选数据，避免硬件崩盘。

    家喻户晓，随着硅基芯片加工极限 逼近，单个芯片的算力 晋升乏力。摩尔定律不是法律，它只不过是从业者 视察到芯片业蓬勃发展 时代的 法则而已，而这一 法则正在走向终结。

    因为硅原子的直径是0.3nm，这是不可 跨越的物理 制约。并且，门控电路很难操纵单个原子。此时的量子效应不可 忽略，电路逻辑从确定状态变成概率，芯片逻辑将一塌糊涂。当前人类在水中雕刻硅片的“刀具”是深紫外光——接近X射线的波长，硅加工当下的极限是7nm，而 晋升的终点可能是2-3nm。

    既然电路密度 晋升愈来愈 困苦， 扩充面积、添加立体维度，不就仍 可以扩张电路复杂度吗？考量到能耗带来的尺寸翘曲和散热问题，无论二维还是三维扩张，都受到严格 制约。 即便 寰球顶尖加工 威力，硅片面积扩张后，成品率也不可避免地急剧 降落。

    当前人类仍在不断 晋升算力，靠的是大规模并联，多芯片算力协同的代价，则是数据内部传输的效率低下和功耗急剧 回升。

    新架构可能不是最后答案

    2016年战胜李世石的AlphaGo仍是传统的冯诺依曼 构造，配置了1202个CPU和176个GPU，功率17万瓦，下一盘棋电费3000美元。而李世石的大脑就算满负荷运行最多也只20瓦，只够点亮一盏 晦暗的白炽灯。这不是一场公平的决斗。在人脑面前，AI 稚拙得惊人，也低效得惊人。

    而第二年战胜柯洁的AlphaGo则采纳了4片基于云的TPU，构成180TFlops算力(1T哈希率=1万亿次运算)。而2018年谷歌推出的TPU3.0，具备100P(1P哈希率=1000万亿次运算)算力。作为代价，TPU3.0必须采纳水冷机制。超算的冷却更需求 宏大 设施，微软的内蒂克 名目 索性建在苏格兰奥克尼群岛 寒冷的海底。

    TPU 性质上是专用场景的ASIC芯片，对冯诺依曼 构造的瓶颈进行优化，不能 解决文本，专门用于深度学习的神经网络计算。计算密度 无奈 晋升的时候，我们 依附改善架构， 接续榨取算力。

    但是TPU的体积、功耗和麻烦的冷却 设施，都注定它不可能充当车载本地AI。基于高速网络的云端算力，减轻了本地AI的 累赘。不过，这些 晋升终有 止境，并且 止境近在眼前。

    在硅基芯片的 后劲 开掘殆尽之前，我们必须找到更 壮大的算力。量子计算和化合物半导体、生物计算都具备 代替潜质。而大多数国家资本，正在大规模地押注量子。但是截至当前，世界上还没有真正 意思上的量子计算机，也很难估计什么样的 方案能更有效地 禁锢 宏观态的量子。量子计算机的有用化预测，从5年到50年不等。

    在人们 担心强AI失控之前，AI 本身还未能对算法进化做出什么 奉献。算法的 奇妙依赖于人脑。对于人类来说，个体 常识体系并不重要，算法的优化源自人类 教训积存。这和芯片电路规模扩张，有 殊途同归之妙。在 正当功耗下算力足够强，是AI胜任高级别自动驾驶的唯一 事实路径。

    在硅基芯片 后劲 开掘殆尽之前，探究出新路径来，决定了AI的 将来。这便是我们 无奈看清 将来的原因。