写在前面
现在的瞬息万变，变得让人不敢再对未来进行过多的预测。 像Alvin Toffler这种职业的未来学家，写出的未来三部曲，也就止步于上世纪80年代了。《第三次浪潮》之所以在当时的中国引起了那么大的反响，是让人们第一次听说了未来社会， 信息革命这样的新名词。
对某个事情未来的预测变得越来越难的一个原因，是现在万物的交流变的异常容易。当一个事情的走向有可能被几千个因素来决定的时候，这个事情就再无可能被精准的找到规律。 像4G网络开始逐步走入人们生活中时，网络上无数人都在畅想在4G网络中，我们会有什么样的场景能给人带来翻天覆地的变化，再回头去看，当时大家普遍看好的 智慧医疗，智慧教育，智慧城市，智慧金融，并没有变得像大家想象的能够像4G信号一样遍布城市各个角落，反而一个行业在谁也没有注意到的时候变得大火———网络直播，以及带动网红经济发展的200多万职业主播网红。
但是人还是需要一些预见力的，古人一直在教育后人“防范于未然”， 也是告诉我们这个事情。 之所以是斗胆做看看AI的未来，一方面是在学习的过程中，听到看到了太多的似曾相识的故事在重复发生，另一方面是希望对自己一段时间的思考做一些沉淀，等过两年回头看的时候，能够有一些历史的印记。
铺垫做完，回到正题。 在这里，我会对我看到的，我感兴趣的AI行业的现象和问题做一些罗列和分析，也希望有共鸣的同行看到后能够一起进行一些探讨。
趋势一: 技术和场景的竞争会加速向尾部扩散
看过眼花缭乱的各个厂商的AI落地场景，大概统计一下，你会发现20-80/80-20效应特别明显。20-80意思就是说，现在AI落地的场景现在都集中于头部的20%，80%的企业也在这一部分竞争。一谈CV，大家都在谈证照识别，人脸识别，安防保护，一谈NLP，大家都在谈阅读理解，意图识别，词向量，依存句法分析。这片的竞争已经是彻底的红海。而数量巨大的尾部场景，现在还是少量的参与。
之所以造成这个原因，一方面是技术的发展还是比较缓慢，得到一个很稳定的状态也需要一段时间去检验，另一方面是AI落地也没几年，大家还摸不清里面的套路，该怎么做，会有什么坑可以避开。幸好我们走的这几年还算走的扎实，也积累了一些成功的经验。 前面走的稳当了，后面就可以快速奔跑了。 从技术上来说，随着迁移学习和无监督学习从事的人也越来越多，技术的复用和未来的快速扩展也变得更加容易一些。
趋势二： On device AI还会继续扩大
On Device AI方案是相对于 On Cloud方案来说。 On Device AI的一个崛起的原因也是因为 AI Speaker，看着一年将近 6000万台设备的销量，谁都想从中分一杯。由于On Device 方案带来的低时延，及时反馈，隐私保护好等优势，让On Device方案快速发展，从语音到图像到文本，都在有不同的On Device方案出现。
有人会有疑问了，如果5G 网络商用，加上区块链辅助，是不是On Device方案就没有存在的必要了？ 答案是否定的。原因如下：
1. 5G 和区块链解决的是高速网络 和各个环节加密的过程。仅此而已。引入这样两个复杂的系统来解决这2个问题，是不是得不偿失，还需要多多评估。
2. 设备另一个很大的问题就是供电问题。 在目前，以及可预见的未来一段时间，在大容量电池技术和快速充电技术都没有办法做大幅度提升。在这种限制条件下，传输1G 数据可能免费，但是消耗的电量却是惊人的。
3. On Cloud的方案往往意味着中心化方案。 中心化方案现在已经变成了高复杂和高成本的代名词（想想维护一个支付宝需要多少人），而且目前大家对serverless方案研究的进展也很快，目前看来是一个很有潜力的系统扩展方案。 如果能有一个简单的系统来解决问题，我们也没必要去采取一个更复杂的系统。
当然，On device AI需要解决的问题也很多。方案设计上，也需要考虑 低功耗，高可靠，自保护，局部网络鲁棒性，在模型压缩方向上，也还需要有很多基础工作要研究（这块还处于比较初级的工作）。
趋势三： AI平台化会变成规模化AI应用的标配
现在的基于神经网络模型的AI，一方面需要消耗大量算力来进行模型计算，另一方面，团队需要一个能够快速得到验证反馈的过程。 算法工程师做模型调优，其实就是不断试错的过程。在这个性质的决定的前提下，谁能做的更快，资源利用更优化，反馈给的更及时，最后谁胜出的概率就大一些。 AI平台化的优势，本质上也是规模化的优势。从经济角度考虑，也是经济最优化的一种形式。能意识到这一点很不容易，因为这是在人们都看不到的地方发力，去积累，做好了可能也没那么快看到效果。但是如果不做，一两年发现差距还没那么大，过三年，就发现赶不上了。
最后再说两句AI市场相关的。 时不时就有一种AI泡沫论的声音冒出来，意思是AI现在做的都是虚头巴脑的东西，长久不了芸芸。 有这种担心的可以把心放肚子里了，现在的AI，不论是从市场的接受认可程度，还是技术应用的广度，还是解决问题的效果，都是很显而易见的。而且AI现在对行业的贡献，才覆盖了一小部分。我们对AI技术本身能做的场景的挖掘，还未到挖不动的时候。眼界放宽一些，能多看到一些世界。
老样子，最后老图一张分享。
