深度解析：手机之后 下一代计算平台会是什么？

本篇文章3809字，读完约10分钟

编者按:克里斯·迪克森是风险投资a16z的知名合伙人。他梳理了技术产品周期的历史，预测了未来，认为我们正处于许多新时代开始的边缘。要理解下一代计算平台，你需要阅读这篇文章。雷锋。com编译如下:

计算行业有两个基本的独立开发周期:财务周期和产品周期。金融市场很容易引起人们的注意，而且波动性很大，很难预测。产品周期受到的关注较少，但它推动了计算行业的进步。通过研究过去和推测未来，我们可以理解和预测产品周期。

技术产品周期将使平台和应用之间的互动互补。新平台将产生新的应用，新的应用将使新平台更有价值，从而形成一个良性循环。小的技术周期经常存在，但是每隔一段时间，大约10到15年，大的周期将开始重塑整个行业。

Pc允许企业家开发文字处理器、电子表格和桌面应用程序；互联网催生了搜索引擎、电子商务、邮件、通信、社交网络和软件即服务；；智能手机带来了移动通信、移动社交和点播服务。我们现在正处于移动时代的中期，可能会有更多的移动创新产品。

每个产品周期分为两个阶段:酝酿阶段，新平台刚刚诞生，昂贵且不完善，难以使用；在成长阶段，新产品将会出现，解决上述问题，并开始指数增长。

苹果ii于1977年发布，但直到1981年ibm发布个人电脑，市场才开始增长。

互联网的酝酿阶段是在20世纪80年代和90年代初，当时它是学术界和政府使用的基于文本的工具。1993年发布的马赛克浏览器开启了互联网的成长阶段。

20世纪90年代出现了功能手机，智能手机在新世界开始时出现在黑莓手机上，但智能手机的增长真正开始于2007年和2008年，当时iphone和安卓手机相继发布。从那时起，智能手机已经爆炸式增长，现在大约有20亿用户，到2020年，全球80%的人口将使用智能手机。

如果10-15年模型保持不变，下一个计算时代将在未来几年进入增长阶段，现在正处于酝酿阶段。在硬件和软件方面有一些重要的趋势，使我们能够看到下一个计算时代将会是什么样子。

硬件:小，便宜，无处不在。在大型机时代，只有大公司才能买得起电脑，然后小公司会购买微型电脑，家庭和办公室会购买个人电脑。现在人们有了手机。如今，处理器和传感器变得越来越小，越来越便宜，计算设备将比人类多。

这有两个原因。首先，半导体工业在过去半个世纪的进步(摩尔定律)；第二个是智能手机战争的和平红利，也就是说，手机的普及使得处理器和传感器的投资增加。如果你看看无人机、虚拟现实设备或物联网设备，你会发现许多手机部件。

在现代半导体时代，焦点已经从单一的中央处理器转移到专门的芯片，即系统芯片soc。典型的soc包括低能耗的arm cpu和专用于图像处理、通信、能量管理和视频处理的芯片。

这种新的架构将计算系统的价格从100多美元降到了10美元左右。树莓Pi zero只需5美元，同样的价格，你也可以买一个带wifi的微控制器来运行python。很快，这种芯片的价格可能不到1美元，所有东西都可以嵌入电脑。

同时，高端处理器也有很好的性能，其中最重要的可能是gpu。Gpu不仅可以用于传统的图像处理，还可以用于机器学习算法和vr/ar设备。主要制造商英伟达(Nvidia)也预测其性能将在未来得到改善。

另一项不容忽视的技术是量子计算。现在它只存在于实验室中，但是如果它被用于商业，它将在生物学和人工智能领域的算法性能上带来一个数量级的改进。

软件:人工智能的黄金时代

软件中发生了许多令人兴奋的事情，分布式系统就是一个很好的例子。随着设备数量的增加，机器间的并行任务处理以及设备间的通信和协调变得越来越重要。有趣的分布式系统技术包括处理并行大数据问题的hadoop和spark，以及保护数据安全的比特币/区块链。

但也许最大的突破是在人工智能领域。人工智能的潮流起伏不定。图灵预言在上世纪末会有能模仿人类的机器。虽然这个目标还没有实现，人工智能现在很可能真的进入黄金时代。

人工智能中的许多令人兴奋之处都与深度学习有关，深度学习是一种机器学习技术，它因被谷歌用来训练电脑识别视频中的猫而闻名。深度学习是神经网络技术的衍生物，可以追溯到20世纪40年代。由于新算法的流行、廉价的并行计算和大数据集，它重生了。

深度学习在硅谷也是一个热门词汇，很容易被忽视。对它的关注得到了理论和实践结果的支持。例如，imagenet挑战赛(一项机器视觉测试)的获胜者通常有20-30%的错误率，但经过深入学习后，准确率不断提高，并在2015年超过了人类。

许多与深度学习相关的论文、数据集和软件工具都是开源的，这使得更多的个人和小型组织能够构建强大的应用程序。Whatsapp的信息系统服务于9亿用户，但该公司只有50名工程师，而之前的系统可能需要数千名工程师。Whatsapp效应也体现在人工智能领域。antano和tensorflow等软件工具被用于培训云数据中心和廉价的图形处理器，使小型工程师能够构建先进的人工智能系统。

下面是一个业余项目，由一个程序员用张量流完成，它可以给黑白照片上色:

也有一些初创公司进行实时对象分类项目:

这让人想起科幻电影中的场景:

深度学习的一个著名应用案例是谷歌照片，它非常智能。

不久，我们可以看到各种产品的智能升级，包括语音助手、搜索引擎、聊天机器人、3d扫描仪、语言翻译、汽车、无人机、医学成像系统等等。

开发人工智能产品的初创企业应该关注具体的应用场景，以便与技术巨头竞争，这也赋予人工智能高度的开发优先权。人工智能系统随着数据的增加而变得更加智能，这将产生一个良性循环的数据网络效应:更多的用户-更多的数据-更好的产品-更多的用户。成功的人工智能公司可以遵循类似的策略。

软件加硬件:有许多计算平台正处于酝酿阶段，它们很可能很快进入增长阶段，因为它们集成了最新的硬件和软件技术。尽管这些平台不同，但它们都有一个共同的主题:在现实中添加一个智能虚拟层来赋予和增强人类的能力。以下是一些新平台介绍:

汽车:谷歌、苹果、优步和特斯拉都在投资自动驾驶汽车。像s型这样的半自动汽车已经上路，并在不断发展。全自动汽车很可能在五年内上市。现在有了全自动汽车，它们的性能几乎和人类一样好，但是出于文化和法规的原因，它们在上路之前需要更多的测试，它们应该比人类表现得更好。

对自动驾驶的投资也将是巨大的。除了技术巨头，汽车制造商也开始认真对待这一趋势，甚至初创企业也会推出一些有趣的产品。深度学习软件非常优秀，个人程序员可以开发半自动汽车:

无人机:消费类无人机拥有现代硬件，但其软件相对简单。近年来，没有人加入先进的计算机视觉和其他人工智能技术，这些技术变得更安全、更容易操作、更有用。无人驾驶飞行器(UAV)将继续在娱乐图像领域发酵，但是将会有更多的商业场景，并且许多涉及高空空攀爬的危险工作可以由UAV来完成。

物联网:物联网设备最明显的功能应该是节能、安全和方便。Nest和dropcam在前两个项目中做得很好，而后一个项目中最有趣的产品应该是亚马逊的echo。

许多人认为echo只是一个噱头，但使用后，他们会发现它真的很有用。它展示了声音如何成为一种新的互动方式。尽管智能系统需要一段时间才能进行完整的对话，但语音已经可以在受限场景中发挥作用。深度学习的突破将提高语言理解并形成有用的产品。

物联网也可以用于商业场景，例如，带有传感器的设备网络可以帮助监控工业设备。

可穿戴设备:今天的可穿戴设备受到电池、通信和处理技术的限制。成功的产品专注于特定的应用场景，例如健康监控。随着硬件的发展，可穿戴设备将支持更多的使用案例，如智能手机，并进一步扩展。像物联网一样，语音将是主要的用户界面。

虚拟现实:众所周知，2016年将是虚拟现实爆发的一年。Oculus、htc和索尼产品将陆续推出，舒适、沉浸式的虚拟现实系统可以接触到更多的用户。虚拟现实系统应该足够好，以避免“诡异的山谷”效应。出色的虚拟现实还需要一个特殊的屏幕(高分辨率、高刷新率、低延迟)、一个强大的显卡，以及精确跟踪用户位置的能力(一般的虚拟现实系统只能跟踪头部旋转)。今年，更多的人将第一次体验到“现场”的含义，并完全置身于虚拟世界。

虚拟现实设备将继续发展，主要的研究领域包括:渲染和记录虚拟现实内容的新工具，直接从手机和头盔上跟踪和扫描的机器视觉技术，以及承载大型虚拟环境的分布式后端系统。

增强现实:增强现实将跟随虚拟现实，因为它的要求类似于虚拟现实，但它也需要额外的技术。Ar需要先进的低延迟机器视觉技术，在同一个场景中以令人信服的方式将现实和虚拟结合起来。

Ar可能比预期来得快。这是魔法跳跃的演示。

下一个？10-15年的周期模式很可能已经过时，移动时代是最后一个时代；也有可能下一个时代将会到来很长一段时间，或者只有上面提到的计算平台的一部分可以实现。

我倾向于认为我们进入了多次，而不是一个新的。智能手机战争的和平红利使新设备在寒武纪大爆发，软件的发展，尤其是人工智能，将使这些设备更加智能和有用。上面提到的许多未来技术已经存在，并将进一步扩展。

许多人认为新设备仍处于尴尬的青春期，这是孕育阶段的体现。就像20世纪70年代的个人电脑、80年代的互联网和本世纪初的智能手机一样，我们只看到了未来，但它无疑就在我们面前。市场起伏不定，但只有技术在稳步发展。

viamedium