140多前的1879年，愛迪生經過幾千次試驗發明了電燈；之后過了90年的1969年美國把人類送到了月球，1970年空中客車公司誕生。在1870年代，人類初次進入電力時代的時候，沒有人能夠想到有一天人類可以乘“電”飛上月球、普通人也可商用飛行。而今天，我們初次進入了“智能+”時代，人工智能應用剛剛進入“電燈”階段；未來，智能計算將把人類送往什么樣的“月球”？開發出什么樣的人工智能“空中客車”？

人工智能是“智能+”時代的新“電能”。從1732年富蘭克林首次發現了電的存在，到愛迪生又不斷試驗發明了電燈進而于1882年建立了人類第一個電廠，這150年間人們不斷懷疑“電”是魔法和神秘力量的產物，由此而經歷了不理解、回避、拒絕和恐懼的初級電力時代。“同樣的情況正發生今天人們對人工智能的認知上，”IBM云與認知軟件高級副總裁Arvind Kirshna在2019美國Think大會上如是表示，“人工智能不是‘魔法’，人工智能就像‘電’一樣存在，而且在徹底改變商業。”

PWC普華永道的預測是，到2030年，人工智能將帶來全球GDP增長近16萬億美元。而在人類的信息技術歷史上，還沒有哪種技術堪比人工智能的這種超巨型經濟影響力。而在另一方面，我們今天仍處于初級人工智能時代。根據Gartner和信通院聯合編制的2018世界人工智能產業發展藍皮書發布，人工智能仍處于早期采用階段，僅有4%的被調研企業已經投資并部署了AI技術。

2019年5月21日，以“‘智能+’時代，我們與科技的對話”為主題的2019 IBM中國論壇，詮釋了人類在人工智能初級時代要做的事情——通過與科技的對話，打開想像的空間。在2019年2月，IBM研究院還牽頭成立了AI硬件中心，通過與科研和產業界的協作，要在未來十年提升AI性能效率千倍，加速人工智能“空中客車”到來的進程。

AI硬件加速創新：人工智能“空中客車”

眾所周知，以神經網絡為代表的人工智能計算對于芯片等計算硬件體系帶來了極大的挑戰，現有的基于馮·諾伊曼架構的計算硬件體系已經遭遇瓶頸，而摩爾定律也在失效。面向未來的“智能+”時代，量子計算是長期趨勢和解決方案。IBM已經在量子計算方面投入了大量研究，并在2019美國CES展以及IBM Think大會上，展示了目前全球唯一一臺脫離實驗室環境運行的量子計算機“IBM Q System One”。

不過，當前離量子計算機商用和量產還較遠，更現實的解決方案是改造現有的芯片硬件架構，以滿足當下的人工智能計算需求。

2019年2月成立的IBM研究院AI硬件中心（IBM Research AI Hardware Center），就是為了應對未來十年的智能計算需求而投資的研究機構。該機構為開放式研究方式，將與其它研究機構和產業公司一起對話及合作，共同加速面向AI優化的硬件創新。其中，商業和產業合作伙伴有Samsung、Mellanox Technologies、Synopsys、Applied Materials、Tokyo Electron Limited（TEL）等。

經典的馮·諾伊曼架構在應對人工智能計算時，其主要挑戰在于處理器/存儲器帶寬瓶頸，因為人工智能計算屬于大規模并行計算，而這個計算模式并不是當前CPU的設計初衷。雖然今天的AI系統已經在高帶寬CPU和GPU、專門的AI加速器、高性能網絡設備等方面取得了進展，但要保持沿著這個方向的躍進，仍然需要投入大量的研究。IBM研究院AI硬件中心的目標是將當前的人工智能系統性能效率在未來十年提升千倍。為了達到這個目標，IBM與眾多合作伙伴一起，推進從芯片、材料、架構等硬件到支持AI計算任務軟件的創新。

（IBM研究院AI硬件中心正在開發未來10年提升AI計算性能效率千倍的路線圖）

IBM研究院AI硬件中心主要推動IBM和生態伙伴們，在IBM的數字AI內核（Digital AI Cores）以及基于內存計算的模擬AI內核（Analog AI Cores）等技術基礎上，展開“千里大躍進”。IBM認為，基于現有技術的深度學習計算能在2020年左右達到1000GFlops/W的計算能力；基于數字AI內核技術的深度學習計算能在2021年左右達到接近1萬GFlops/W的計算能力，也就是十倍能力的提升；而基于模擬AI內核技術的深度學習計算能在2023年左右達到接近5萬GFlops/W的計算能力，結合了優化的材料后則能在2025年左右推進深度學習計算達到10萬GFlops/W的計算能力，并進一步在2030年左右達到100萬GFlops/W的計算能力，也就是今天計算能力的千倍提升。

IBM研究院半導體及AI硬件副總裁Mukesh Khare就此撰文指出：硬件在狹義AI技術的成熟過程中扮演著基礎性角色，而IBM推動的下一波硬件創新將起到更加重要的作用。IBM研究院將聚集于多年期的技術路線圖，以為業界開發和交付專用加速內核、芯片架構等，大幅提升AI系統的性能。雖然當前AI系統的千倍性能提升還不能達到“登月”的效果，但足以讓人工智能“空中客車”的到來成為可能。

AI軟件加速創新：擴大數字化轉型范圍

如果說量子計算是“智能+”的長期趨勢、AI硬件創新是“智能+”的中期趨勢，那么AI軟件創新就是當下的“智能+”趨勢。正如Gartner研究副總裁John-David Lovelock在對2019全球IT支出預測時所表示的，雖然人工智能正在對IT支出產生重大影響，但它的作用經常被誤解——人工智能并不是一種產品，而是一套技術或一門計算機工程學科。正因如此，人工智能被嵌入到許多現有的產品和服務中，并成為每個行業新研發計劃的核心。

AI軟件創新，就是在現有的硬件基礎上，讓AI能力可以具象到具體的產品、服務和企業中。2019年4月，IBM在大中華區發布2019《認知型企業：發揮人工智能優勢，全面重塑企業——七大成功要素》報告指出，企業需要充分利用呈指數級發展的技術，“由內而外”地展開全面的數字化重塑，打造新型的商業模式，這就是“認知型企業”。認知型企業能夠自動在企業外部收集、了解客戶需求，再充分發揮人工智能的優勢，從內部的平臺、架構、數據、人才等關鍵的企業內核任務作出反應和決策，更好應對復雜的客戶需求和多變的競爭環境。

“認知型企業”對于數字化轉型來說非常重要，也是數字化轉型的第二篇章，即數字化重塑。而建立“認知型企業”，擴大數字化轉型進入到數字化重塑，就需要把AI嵌入到企業的方方面面，這就需要把AI軟件進行基礎設施化和平臺化。實際上，在過去幾年的AI商業大發展初期階段，最大的問題就在于碎片化的AI軟件和服務。僅在中國市場，截止到2018年5月，就有超過4000家人工智能企業，由此而帶來了大量碎片化的AI軟件與服務，而企業在選擇這些AI軟件與服務時往往無所適從。

多人工智能環境是繼多云環境后，企業數字化轉型與數字化重塑所面臨的多種數字技術集成難題，也是擴展人工智能應用的重大挑戰。2018年10月，IBM推出了AI OpenScale，面向多云環境支持多種開源AI算法，包括谷歌TensorFlow、微軟AzureML、SparkML、Keras、Seldon以及AWS的SageMaker等，幫助企業統一集成管理各類AI算法框架和軟件。而支持AI OpenScale的IBM Cloud Private私有云軟件則基于當下最流行的Kubernetes，天然可跨多種云及IT環境，特別是IBM Power System等專為企業級工作負載而設計的服務器系統。在此基礎上，IBM Watson能夠運行在任意的IT環境中。而在擴展AI方面，IBM還在用AI管理AI，例如IBM Watson Studio就用AI自動選擇適用的AI算法等。

在AI平臺以及AI的基礎設施之外，IBM還在將Watson的能力擴散到各種商業應用軟件中。嵌入在Watson Campaign Automation SaaS解決方案中的IBM Watson Assistant for Marketing功能，可以幫助營銷人員通過 Watson 將繁忙的營銷工作轉換為簡單的對話；定制的Watson工具集，可幫助工業企業使用視覺和聽覺檢測功能，顯著降低對產品檢測資源的需求；IBM推出的AI functionality for HR 能夠分析背景各異的現有優秀員工的背景信息，幫助招聘經理甄選合格申請人；Watson Decision Platform for Agriculture農業智能平臺可收集多個來源的數據，如接入天氣信息、連接物聯網的拖拉機和灌溉裝備以及衛星圖像等，并通過簡單易用的 APP 提供單一的總體預測性農場視圖等等。

AI信任與人才：可持續發展的智能+未來

在“智能+”時代的當下及中長期趨勢之外，AI信任與AI人才是一個可持續“智能+”未來的基石。多項人工智能相關調研顯示，AI人才短缺以及缺乏對AI的信任，是企業難以采用和擴展使用人工智能的重要前提。正如從發現電的存在到人類第一個電廠之間的150年，當時的人們同樣也缺乏相關的電力電能等人才以及對于電的信任。不過好在現在的人類已經有了應對陌生新技術的經驗，以及IBM這樣大規模商業推廣新技術的企業。

在建立人們對AI信任方面，IBM認為一個可信任的AI系統，需要遵循幾個基礎原則：公平性（Fairness），即AI系統應該采用不帶偏見的數據集和模型，從而避免對于特定群體的不公平；健壯性（Robustness），即AI系統應該安全和可靠，不會被篡改，也不會受被“污染”的訓練數據集影響；可解釋性（Explainability），即AI系統所提供的決策或建議，應該能夠被用戶和開發者所理解；可追蹤（Lineage），即AI系統的開發、部署、維護等可被追蹤，能夠在生命周期范圍內被審計等。

IBM不僅提出了開發新型人工智能技術的信任原則和透明度原則，而且還將這些原則付諸實踐。IBM推出了一項旨在提高人工智能透明度的技術，這是一項基于IBM云計算的軟件服務，能夠在人工智能進行決策時自動檢測偏向性并能夠對決策過程進行解釋，從而幫助各行各業的組織管理人工智能系統。IBM服務部門也將與企業一同合作，幫助他們更好地利用這一軟件服務。

作為Partnership on AI的創始成員之一，IBM長期以來一直關注人工智能的安全、透明、可信賴以及合理發展。IBM研究院還向開源社區提供AI Fairness 360工具包，其中包括一系列新型算法、代碼和教程的資源庫，可為專業學者、研究者和數據專家提供在構建和部署機器學習模型時整合偏向性檢測功能的工具和知識。

當然，IBM也在通過技術手段，建立人們對AI的信任。2018年的IBM人工智能辯論系統Project Debater，就是這樣一種人與科技的對話，通過人類辯手和人工智能辯手Project Debater之間的辯論較量，讓人們更好的理解人工智能的能力和優缺點。辯論本身不是因為沖突或競爭，而是更有建設性的討論，辯論豐富了決策制定的過程，幫助人們權衡新想法、新理念的利弊。辯論也是為了理解和學習彼此的觀點，因此Project Debater就通過人機辯論這種創新對話的方式，建立人們對于人工智能的信任。

而在AI人才培養方面，在2019美國IBM Think大會上，IBM宣布推出了AI Learning and Certification Program，包括到IBM研究院場所的現場培訓和研討、在線培訓課程以及IBM提供的AI認證，特色課程有AI模型偏見檢驗檢測等。也就是說，IBM通過培訓把人才培養以及對AI的信任連接起來，以確保可持續的智能+未來。

IBM董事長、總裁兼首席執行官Ginni Rometty曾表示 ：“IBM致力于引領改變世界運作方式的技術——并解決許多人尚未想到的問題。”在2018年，IBM共獲得了9100項專利，其中一半的專利涉及人工智能、區塊鏈、量子計算、安全和云技術。2018年是IBM 連續第 26 年成為專利領導者，這讓IBM超過了總共110,000項專利的里程碑。

正是在雄厚的技術發明創造能力之上，IBM在全球范圍內推進人工智能從“電能”到“電廠”再到廣泛應用以及更進一步發明“空中客車”的進程。當AI性能效率提升千倍時，“智能+”的大時代就真正到來了。