AI和IoT的新时代：告别独自美好，迎接双向奔赴( 二 ) 编者按：本文来自微信公众号

算法的边际应用，解决了硬件的规模桎梏IoT最重要的是运行过程中收集到的数据， AI最重要的是落地的形态，冥冥中形成一组双向奔赴的合力：一个要“从实向虚” ，一个要“从虚向实” 。
就像旷视CEO印奇所说：“我认为AI行业这个说法是有问题的， AI很难作为一个独立的产业体系或商业闭环存在。 AI本质上是一个效率工具，它能够无形地渗透到各个行业，成为行业效率提升的催化剂。 ”
在这个基础上，硬件定义算法和算法定义硬件的区别很明显。如果把硬件比做身体，把算法比做大脑，那前者就是从身体的反馈产生思维，决定下一步的动作；后者则是建立一个通用的思维框架，去指导行为。身体和大脑必须配合，但总有个部分会起主导作用。
边缘端产品魔方盒子就是这样，整体的芯片等性能领先友商，但真正的不同之处在于盒子里装的算法。在这款产品里，社区、工地等多个领域的算法是集中固化的，客户需要什么，旷视就从中提供什么。
所以，硬件有固定的天花板，但算法没有。目前， AI的两种发展模式也与此有关。一种是商汤的算力基础设施+大装置赋能千行百业，另一种则是旷视直接切入顶层设计。
2020年，全球IoT连接数首次超过非IoT连接数。物联网有可能统治一切设备，设备对应着海量的AIoT场景，设备不能无限增长，但算法可以无限应用，从而借助设备这双“手”去影响乃至改造物理世界。所以，解决AIoT时代具体需求的，一定是更有延伸性和扩张性的算法。

文章图片
不过，三大巨头的建设并非着重于核心算法，它们的起步点是软件架构，比如AIoT中台。旷视的算法定义硬件，则几乎相当于挑战整个硬件路径。
旷视认为，基础设施云化、核心技术互联网化、应用数据化和智能化都是正在演变的几大趋势，只要AIoT还会发展，最终都会有一个通用的顶层设计。而旷视有MegEngine（天元）自研算法优势，可以最大化发挥算力芯片性能，从而实现降成本。
从这两条不同的道路中，算法定义硬件的真相也得以明晰：硬件平台化，灵活适配算法；系统柔性化，提高易用性；服务规模化，全流程一体+大规模应用降本增效。
当然，海康、大华、宇视的AIoT之路还没有走到最深处，旷视面对更加碎片化、多元化的场景需求，也并不一定能成功完成自己的全部构想。算法和硬件的长期协作才刚刚开始，结果可能超乎双方的预料。
下一代人工智能，瞄准碎片化需求加速延伸中信证券6月23日发布研报称， AI产业价值链趋于稳定，并逐步向芯片&算力设施、应用场景两端靠拢。
这种观点无疑是从AI曾经的商业化困局出发的。曾经的AI企业往往具有很高的技术水平，但却很难真正落地到一个行业。传统行业IoT转型风潮火热，但大多停留在让设备联网。至于联网后获得了数据该做什么，企业一头雾水。
AIoT一定程度上终结了这种状态。很罕见的，双方都从新业态里找到了解决自己问题的方法。或者反过来说，双方选择用AI+IoT的模式解决问题，最后创造了新业态。
从2015年开始，旷视就提出AIoT是AI的产业化路径，本质上是AI技术的价值跃迁节点到了。 2011年左右的AI是技术科研单点突破；2015年左右的AI是算法边界向实用领域拓展；2020年之后的AI则是基础设施大发展降低使用门槛，和点对点服务行业。