最大的敌人是数据边界？边缘计算时代来临

当设备在渠道中整合信息、数据是新的上帝的时候，科技巨头将致力于商业模式和数据所有权的融合。

现在每个美国家庭都有一个共同点：儿童和成年人都在玩Amazon Echo或Google Home。“嘿谷歌，告诉我时间”，“嘿，Alexa，告诉我天气”，或者“嘿，Siri，给我摇滚乐。”问题各式各样，其奇妙之处是相同的——都是通过语音交互技术实现。

任何具有传统商业思维的读者都会认为这些设备在“浪费时间”。但仔细观察，你会意识到重点不在于这些设备的新颖性，而是各大商家在消费者生活中所有沟通渠道的数据上的竞争。

很快，零售商、汽车公司、保险公司、银行将与苹果、亚马逊等这些科技公司合作，将消费者变得单一化，谈及创意商业模式和混合世界，这些家庭设备是基于语音的助手，它将会了解一个人的一生。他们将能够从所有设备中提取信息，包括汽车，家庭设备，手机，CRM系统等等。他们会知道你每天做什么，因为你已经注册并分享你的数据。

边缘计算的力量

我们看到的很多信息是静态信息。然而，随着边缘计算——通过从消费者设备端获取数据来高速完成分析这一技术的兴起，谷歌，亚马逊，苹果，Netflix和Facebook似乎将成为新革命的中心，他们拥有商业模式和数据所有权。

亚马逊首席技术官Werner Vogels表示：“我们正在与合作伙伴合作使语音成为沟通的天然接口，因为我们已经看到了应用程序的疲劳。”

他补充说，他们希望开发者社区能够使用AI和自然语言处理，并收集数据来创建新的业务服务。

在印度，我们可以清晰的看到这些正在发生。总部位于印度班加罗尔的24 / 7.AI是一家拥有4亿美元收入的业务流程外包公司，已经将自己重新打造成使用语音接口实现全自动化服务的公司。

IIIT-B主任S Sadagopan教授说：“也许这是我们第一次看到数据和接口在商业模式上融合“。

与云服务公司共享数据

在世界的另一边，NASA已经与亚马逊合作，为开发者社区和世界各地的学生提供开源地理空间数据。云计算公司（比如谷歌和亚马逊）的零售商和制造商之间共享数据只是时间问题。

在这个新领域，新的宗教不再是关于云中的上帝，而是云中可以精准预测人类行为的技术公司，Homodeus的作者尤瓦·诺亚·哈拉里（Yuval Noah Harari）称之为“数据主义”。

人类一直试图预测行为 —— 股票市场的价格变动是人类决定买卖股票的参考标准之一。而未来，这些在家庭设备中收集到的消费者数据，将为亚马逊和谷歌的云提供动力，进而作为预测未来的重要依据，比如买卖股票。

边缘计算如何工作？

简单来说，您的驾驶数据是由汽车收集的，它被存储在云中。汽车是边缘设备，分析是由人类训练的人工智能平台来执行，并通过模型不断反复训练学习。在车库和家中的物联网设备将起到连接点的作用。以下事情必因边缘计算而发生：

1.物联网设备捕获数据

2.将这些设备连接到汽车和家庭

3.数据在云中被捕获

4.数据在云端处理

5.语音助手在旅途中提出建议

6.与所有网络和企业的共生关系。

“语音助理知道你什么时候回家。你可以告诉它保持灯亮或保持车库打开，”维尔纳说。他还补充道，所有这些重复的任务将被计算和分析大量数据的AI所取代。

这个论点不仅仅局限于技术公司。即使是大众汽车公司，这家收入达到2500亿美元的汽车制造商，也将自己定位为一家操作系统公司。

大众汽车公司电动汽车部负责人ChrisTIan Senger表示：“汽车现在是一个操作系统。大众汽车的操作系统将提供来自初创公司和合作伙伴的一系列服务。”目前，大众正在考虑到2020年打造一个注重安全的数据平台。

“这是一个人工智能的时代，汽车将产生大量的数据。在大众汽车，我们不明白这一点，但我们需要加快这些服务。安全将是非常重要的。我们已经实现了交通安全，但信息窃取是我们所有人都担心的，”克里斯蒂安说。

“我们可以在未来的汽车中做好几件事—— 音乐，银行业务等等。保护信息安全是汽车制造商的责任。我们必须跨过这道难关。人们现在看到了共享数据的好处，而且他们明白这让他们能够获得服务，使自己的日常生活变得更好，”ChrisTIan说。

谷歌和亚马逊新的“敌人”是数据边界

在印度，i2E1，WizGo和Bezirk等几家公司已经在做边缘计算。

i2e1每月从超过2000万台设备收集数据。i2e1的创始人Satyam Darmora表示：“我们每天分析超过5000万个数据点，估计全国各个实体市场的流量，这有助于我们的客户高效地管理他们当前的商店并规划新的商店。”

世界上最大的生物识别数据库UIDAI就是一个很好的例子——大数据基础设施被用来实现一种能够支持每个印度人数字身份的产品。大数据项目面临的挑战对印度来说并不是技术本身，更多的是与较差的规划和与实际业务问题的薄弱联系有关。

劳斯莱斯（Rolls Royce）最近与印度IT巨头TCS签署了一项协议，收集所有机器和引擎的数据，并通过语音或聊天助手提供分析。

AWS首席执行官Andy Jassy表示：“来自印度的一些系统集成商正在使用亚马逊的平台来提供像AI和机器学习这样的新时代服务。

难怪谷歌和亚马逊这样的大公司都在努力把握未来的脉搏。数据不再是企业在业务竞争中保持领先地位的专有技术，他们将与这些云和数据处理公司合作创建新的业务模式。现在，通过这些边缘设备和平台，数据更加社交化，但是用户最终还是希望亚马逊和谷歌能够保护它，就像我们让国家保护我们的边境免受外来侵略一样。

新的敌人是数字边界，但这也是谷歌和亚马逊付诸更多努力的方向。

目前看来，边缘计算的时代已经到来。

延伸阅读：边缘计算、AI芯片、垂直应用……2018人工智能怎么投？

过去的三年，智能应用程序让数据挖掘进入了新的阶段，其中很大的功劳要归于机器学习的飞速发展。在这种巨大的变化下，VC们在哪里寻找新的投资机会呢？

一个逐渐明显的趋势是——核心机器学习工具和模块服务的构建正在成熟起来，基于此我们最感兴趣的是那些瞄准边缘计算以及垂直应用、专业硬件（比如AI芯片）公司。

以下是AI商业周刊认为值得关注和追踪的四个产品方向，我们认为这些产品将在未来的智能应用领域占据一席之地：

1.边缘计算——从数据走向场景

随着机器学习的普及化，云服务商已经开始提供最新的GPU来训练机器学习模型。Nvidia的财报显示，GPU的需求一直在稳定增长，数据相关业务在近两年间几乎增长增长了三倍。不过，数据相关业务只是机器学习的其中一部分。

Nvidia财报

通常企业在GPU上训练好机器学习模型之后，也希望能够达到同样效果的边缘计算。例如，智能音箱需要在本地处理部分音频录制文件（如“Alexa”，“Hey Siri”或“OK Google”）以降低功耗、确保满足隐私需求、降低延迟。

但高效可行的边缘计算一直是个难以解决的话题，而它又是人工智能落地所必须的，因为我们目前的机器学习方法存在着以下三个硬伤：价格昂贵、需要在线计算、且受硬件开发影响。与其沿用陈旧，不如破而后立，幸运的是一一已经有创业公司围绕现有痛点开始了尝试。

2.AI芯片——从底层助力产业落地

使用专业级芯片可以更高效率的运行软件，能够支持边缘计算的相关硬件也在机器学习领域愈发重要。

比特币挖掘领域最引人瞩目的就是这种趋势，从最初的CPU到GPU再到FPGA，现在是专用芯片，现在则是只能进行单项操作的ASIC。这样的硬件演进清楚地表明，专用芯片的性能比通用硬件（如CPU）将更有市场前景。

比特币挖矿催生的芯片需求

值得欣慰的是，我们在机器学习领域看到了同样的趋势——Nvidia不断优化GPU以进行深度学习，Azure和AWS发布了可针对特定工作负载而量身定制的FPGA、Google则发布针对机器学习优化的TPU。相对于传统的通用芯片（比如CPU），AI芯片这个新领域的关键问题在于是否能够为特定的需求以及前期投入足够的时间和资金，这些因素对边缘计算的平衡起到了决定作用。

基于低成本、高性能的AI芯片衍生的边缘计算可以应用于大批量高价值的案例，例如自动驾驶的紧急防撞、工业设备的应急系统以及智能家居设备的语音识别。软硬将相互结合将在性价比方面凸显出极高的优势，而对于初创公司来说，这是一个新的、值得切入的市场机遇，因为头部科技公司的着力点将会更多的倾向于建立广义的平台或系统。

3.自然用户界面——从人机交互层面突破

智能应用的关键组成部分是用户界面的持续改进 ，这包括各种人机交互手段——文本，语音，视觉，手势和其他形式的肢体语言。

科技的发展让用户越来越懒，人机交互相比于从前已经更加舒适、自然，今天已经有超过3500万美国消费者使用语音控制他们的智能音箱。即使如此，目前这一代的数字助理仍然很难理解用户的意思，比如Alexa和她的用户之间就存在很多幽默的误解。

在人机交互层面，初创公司可以从两个角度提高用户体验和机器的理解能力：

1、减少人机沟通的环节，扩大机器响应的潜在范围；

2、将人本身置于人机交互的循环中以增强机器学习系统。；

事实上，客服机器人已经在一些领域成为了最被广泛使用的AI助手。这些机器人可以基于相应的文本输出特定命令，比如：发送会议邀请、更新邀请、取消邀请或索要更多信息，这使他们能够更好地预测用户所要求的内容，并为其用户创建更加人性化的交互模式。在这个循环中添加一个人来审计机器学习预测，既可以确保机器人的正确响应，又可以增强AI助手理解力，从而大大提高用户体验。

4.垂直领域的AI应用——焦点中的焦点

最后，能够在垂直领域深耕和解决问题的AI应用将作为我们公司投资的主要焦点。

AI应用的制作成本越来越低，我们已经看到很多团队切入垂直应用输出解决方案来应对客户痛点，金融、供应链、医疗保健。从某种意义上来说，底层技术在这里并不重要，最有价值的想法来自于对目标市场的了解，挖掘数据的工具已经足够丰富，但能够赋能现有行业的垂直AI应用却处于开荒期。

人工智能和机器学习还有很多机会，未来十年的投资焦点则在于如何寻找那些着眼于瞄准边缘计算、垂直应用、专业硬件的聪明创业者。