4
| 本文作者： 張馳 | 2016-02-24 13:57 |
編者按：本文作者Chris Dixon，知名風投A16Z合伙人。他梳理了技術產品周期的歷史，并對未來做出預測，認為我們正處在多個新時代開始的邊緣。想了解下一代計算平臺，你需要讀讀這篇文章。雷鋒網編譯如下：
計算行業有兩個基本獨立的發展周期：金融和產品周期。金融市場很容易受到關注，波動性大，難以預測。產品周期受到的關注較少，但正是它驅動計算行業的進步。通過研究過去并以此推測未來，我們可以理解并預測產品周期。
科技產品周期會讓平臺與應用的互動相輔相成。新平臺會產生新應用，而新應用會讓新平臺更有價值，從而形成正循環。小型的科技周期時常都有，但每隔一段時間，約10到15年，大的周期會開始重塑整個行業。
PC讓企業家開發文字處理器，電子表格和桌面應用；互聯網則誕生了搜索引擎，電商，郵件，通訊，社交網絡，SaaS；智能手機則帶來了移動通訊，移動社交和按需服務。我們如今處在移動時代的中期，很可能會出現更多移動創新產品。
每個產品周期又分兩個階段：醞釀階段，新平臺剛誕生，價格昂貴且不完善，難以使用；增長階段，這時會有新產品出現，解決上述問題，并開始一段指數增長。
Apple II在1977年發布，但直到IBM在1981年發布PC，市場才開始了增長階段。
互聯網的醞釀階段是在80及90年代早期，當時它還是學術界和政府用的基于文本的工具。1993年發布的Mosaic瀏覽器讓互聯網開始了增長階段。
90年代就有了功能手機，新世界初黑莓也出了智能手機，但智能手機的增長真正開始于2007和2008年，當時iPhone和Android手機相繼發布。此后智能手機呈爆炸性增長，現在有約20億用戶，2020年全球80%的人口會用。
如果10-15年的模式不變，下一個計算時代應該會在接下來的幾年進入增長階段，而且現在已經處在醞釀階段。硬件和軟件上都出現了一些重要的趨勢，讓我們得以看清下一個計算時代會是怎么樣。
在大型機時代，只有大型組織買得起計算機，然后是小型組織會購買微型計算機，家庭和辦公室購買PC，現在是人手一部手機。現在的處理器和傳感器都越來越小，越來越廉價，而且計算設備會比從人類還多。
出現這種情況有兩種原因。一是過去半個世紀半導體行業的進步（摩爾定律）；二是智能手機之戰的和平紅利，即手機的流行讓處理器和傳感器獲得了更多投資。如果你拆個無人機，VR設備或物聯網設備看看，就能發現很多手機零件。
現代半導體時代，關注點已經從單獨的CPU轉移到專門化的芯片，即系統芯片SoC。典型的SoC有能耗低的ARM CPU加專用于圖像處理，通訊，能源管理，視頻處理的芯片。
這種新架構拉低了計算系統的價格，從100多美元降到10美元左右。樹莓派Zero就只要5美元，同樣的價格還能買到帶wifi可運行Python的微控。再過不久，這類芯片可能只要不到1美元，任何東西內都能嵌入計算機。
同時，高端處理器也有很大的性能提供，最重要的可能是GPU。GPU不僅能用于傳統的圖像處理，還能用于機器學習算法和VR/AR類設備。主要廠商英偉達還預測，未來性能還會改善。
另一種不可忽視的技術是量子計算。它現在還只存在于實驗室中，但如果用于商業，會為生物和人工智能領域的算法帶來數量級的性能提升。
軟件也有很多令人激動的事發生，分布式系統是個很好的例子。隨著設備數量的增長，跨機器的并行任務處理及設備間的通信及協調越來越重要。有趣的分布式系統技術有Hadoop和Spark等處理并行大數據問題的系統，以及保護數據安全的比特幣/blockchain。
但或許最大的突破是在人工智能（AI）上。AI的浪潮起起落落，圖靈曾預測上世紀末就會出現能模仿人類的機器，雖然這一目標未實現，但現在AI很可能真的進入了黃金時代。
很多AI方面的興奮點都與深度學習有關，它是一種機器學習技術，因Google用它訓練計算機學會識別視頻中的貓而出名。深度學習是神經網絡技術的衍生，后者可追溯到上世紀40年代，由于新算法，廉價的并行計算和大型數據集的普及而得以重生。
深度學習也是硅谷的熱門詞，這一點容易被忽略。對它的關注也有理論和現實結果的支持，比如ImageNet挑戰（一個機器視覺測試）的獲勝者往往錯誤率在20-30%，但用了深度學習后，精確度不斷提升，并在2015年超越了人類。
許多與深度學習有關的論文，數據集和軟件工具都開源了，這也讓更多個人和小型組織能構建功能強大的應用。WhatsApp的消息系統服務了9億用戶，但公司只有50名工程師，而以往的系統可能需要數千名工程師。WhatsApp效應在AI領域也有體現，Theano和TensorFlow等軟件工具同用于訓練的云數據中心，以及并不昂貴的GPU，讓小工程師團隊也能建立先進的AI系統。
下面就是一位程序員用TensorFlow做的業余項目，能給黑白照片上色：
還有初創公司做出實時物體歸類項目：
這讓人想起科幻電影中的場景：
深度學習一個知名的應用案例是Google Photos應用，十分智能。
過不多久，我們就能看到各類產品的智能升級，包括語音助手，搜索引擎，聊天機器人，3D掃描儀，語言翻譯，汽車，無人機，醫療成像系統等。
開發AI產品的初創公司要關注于特定的應用場景，才能與科技巨頭競爭，后者也給了AI很高的開發優先級。AI系統隨著數據的增多而更聰明，這會產生數據網絡效應的良性循環：更多用戶—更多數據—更好的產品—更多用戶。成功的AI公司可以遵循類似的策略。
現在有很多計算平臺處于醞釀階段，不久后很可能進入增長階段，因為他們在整合最新的硬件和軟件技術。雖然這些平臺各異，但都有一個共同主題：在現實中增加一個智能的虛擬層，賦予并增強人類能力。以下是一些新平臺介紹：
汽車：Google，蘋果，Uber和特斯拉都有投資自動駕駛汽車。像Model S這種半自動汽車已經上路，而且在不斷進化。全自動汽車很可能在5年內面世。現在已經有了完全自動化的汽車，它們的表現幾乎和人類一樣好，但出于文化和監管原因，在上路前還需要更多測試，要表現得比人類更好。
對自動駕駛的投資也會増多。除了科技巨頭，汽車廠商也開始認真對待這一趨勢，甚至初創公司也會推出一些有趣的產品。深度學習軟件已經如此優秀，單獨的程序員也能開發出半自動的汽車了：
無人機：消費級無人機有現代化的硬件，但軟件相對簡單。在近幾年，無人機會加入先進的計算機視覺和其它AI技術，變得更安全，更易于操作，也更有用。無人機在娛樂影像領域會持續發酵，但也會有更多商用場景，很多涉及高空攀爬的危險工作都可由無人機來執行。
物聯網：物聯網設備最明顯的功能應該是節能，安全和便利。Nest和Dropcam在前兩項上做得不錯，而在后一項上最有趣的產品應該是亞馬遜的Echo。
很多人認為Echo只是個噱頭，但使用過后會發現它確實有用。它展示了語音如何成為新交互方式。雖然能進行完整對話的智能系統還要一段時間才能出現，但語音已經能在限制性的場景中起到作用了。深度學習的突破會讓語言理解得以提升，并形成可用的產品。
物聯網還能用于商業情景，如擁有傳感器的設備網絡能幫助監控工業設備。
可穿戴：現在的可穿戴設備受限于電池，通訊和處理技術。成功的產品都專注于特定的應用場景，如健康監測。隨著硬件的發展，可穿戴設備會像智能手機一樣支持更多使用情況，并進一步擴展。與物聯網一樣，語音也會是主要的用戶界面。
虛擬現實：眾所周知，2016會是虛擬現實爆發的一年。Oculus，HTC和索尼的產品會相繼問世，舒適且沉浸式的VR系統能觸及更多用戶。VR系統也要足夠好，才能避免“恐怖谷”效應。優秀的VR還需要特別的屏幕（高分辨率，高刷新率，低延時），性能強勁的顯卡，以及能精確追蹤用戶的位置（一般的VR系統只能追蹤頭部旋轉）。今年，更多人會第一次體驗到什么叫“臨場”，完全置身于虛擬世界之中。
VR設備會持續進化，主要的研究領域還包括：渲染及錄制VR內容的新工具，直接從手機和頭盔中追蹤和掃描的機器視覺技術，承載大型虛擬環境的分布式后端系統。
增強現實：AR會緊隨VR之后到來，因為其要求與VR類似，不過也需要額外的技術。AR需要先進的低延時機器視覺技術，在同一場景中以令人信服的方式將現實和虛擬結合起來。
AR可能來得比想像中的快，下面是Magic Leap的演示內容。
很可能10-15年的周期模式已經過時了，移動時代是最后的時代；也有可能下一個時代很久才會到來，或者上面提到的計算平臺只有一部分得以實現。
我傾向于認為，我們正步入多個而非一個新時代。智能手機之戰的和平紅利讓新設備呈現寒武紀大爆發，而軟件的發展，特別是AI，會讓這些設備更智能更有用。上面提到的很多未來技術已經存在，接下來會進一步擴展。
很多人認為新設備還處于笨拙的青春期，這是醞釀階段的體現。正如70年代的PC，80年代的互聯網和世紀初的智能手機一樣，我們只是看到了未來的只身片影，但它毫無疑問已經在眼前了。市場起伏，狂熱跌蕩，只有技術在穩步前進。
via medium
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
