人工智能三驾马车：算法，算力，算据
AlphaGo和李世石的人机世纪之战，最终AlphaGo赢得棋局。那么人工智能的胜利决定性因素是什么？
[[352218]]因此总结一下人工智能的三大支柱：算法，算力，算据。
举个例子，在AlphaGo的这场棋局里面，算法就是机器根据对方的棋局决定下一步该怎么走，算力就是快速计算决定怎么走，算据就是通过大量的实战棋谱训练机器模型的大数据。在比赛之前，AlphaGo通过人工输出大量的棋谱信息不停的训练AI模型，然后通过和大量的人在网上比赛吸取了大量的棋谱并且不断的训练校正模型。
所以AI的优势是吸取了大量的经验数据，并把这些经验数据抽象为数据模型，另外可以依靠计算能力快速做决策，并通过实战不断的优化算法。这么比对就看出来人工智能的优劣势了。
优势在于机器可以不吃不喝的工作，依靠记忆存储能力吸取大量的经验，而且通过集成各种优秀人才的算法进行不断的进化，在做决定的时候快狠准。这么一看实在是劳模。
劣势在于AI只是某一个领域的专家，如果你问他十万个为什么的问题，AlphaGo就无法回答，因为它只是训练了围棋领域的数据，其他领域相当于白痴一个。而人的优势在于可以横跨多个领域，触类旁通。这也是为什么AI目前只在专用领域发展的原因，也被称为弱人工智能。
既然决定AI竞争力的三个因素是算法、算力、算据，那么哪一个才是决定性的因素。
算法是依靠人设计的，并且可以通过深度学习不断的校正。因此本质上来说，算法是人的智力水平的体现。既然是人的智力水平体现，就看人才的质量了。这也是为什么硅谷出现大量AI人才的原因，因为聚集了顶级的智力资源。
算力是机器运算的快慢，因此就是硬件而已，花钱堆叠就行了。关于算力可以参考之前的原创文章GPU：大数据算力时代，英伟达的王者逆袭之路
算据是给AI喂大量数据，因此谁手里有大量的数据，谁的AI模型就更准确，同时通过不断的深度学习反向校正算法。
因此，可以看出算法可以通过招募顶级的人才（钱）获取智力资源，算力可以购买大量的硬件（钱）进行堆叠，而算据也可以大量购买（目前数据买卖中国官方并没有明确的规定是否合法）。
但是个人觉得算据才是核心竞争力。因为有了大量的数据就可以快速的训练AI模型，同时通过训练的结果不断的优化算法。这样就能在竞争中快人一步。这也是美国为什么制裁中国AI科技公司的原因，包括商汤科技、旷世、海康威视等。因为中国有大量的人口数据，因此可以通过不断的图像训练而提高AI的性能。但是美国却一直以侵犯人的隐私为借口打击中国，实则是因为在美国市场数据获取太难了。不管是欧洲的GDPR还是美国的隐私安全法，在保护个人隐私的同时也大大限制了人工智能的进步。
因此未来人工智能之争主要在中美，因为美国有顶级的智力资源，而中国有大量的数据。而人工智能是人类社会从农耕时代1.0，工业时代2.0，信息时代3.0进入下一个4.0重要阶段。
制造业智能化转型的核心要素：数据、算力、算法
原标题：制造业智能化转型的核心要素：数据、算力、算法
数据、算力、算法是企业智能化转型的核心要素。2021年是“十四五”开局之年，中国将开启国内大循环为主、国内外双循环的新发展格局。数字产业化和产业数字化将成为未来的主要发展方向。伴随着新一代信息技术的出现和发展，我国行业呈现出不同的发展趋势：第一个趋势是信息消费的升级。随着智能设备的普及和升级，智能设备需求的提升，推进着智能创新产品从计算机到计算力的拓展。第二个趋势是信息基础设施的升级。从传统单一的IT基础设施设备到新的IT基础设施设备的转变升级。第三个趋势是从数字化到智能化的应用升级。人工智能是一个核心，在这个基础上，数据、算力、算法实际上是智能化解决方案的核心要素。联想企业科技集团首席市场官盛蓓蒂表示，从数字时代到智能化时代，科技进步不再是以线性的方式发展，而是以指数方式发展。新科技将带来新产品、新产业，同时构建新生活，发展新经济，形成新的格局。特别是2020年疫情的影响，数字化转型的新的共识已经成为了企业发展的新常态和新的基因。制造业智能化升级成重点谈到产业数字化、智能化转型升级不得不提到制造业。众所周知，在我国制造业是立国之本，强国之基。纵观中国制造业的发展主要经历了四个阶段：机器化时代、电气化时代、信息化时代、智能化时代，在每个发展阶段都表现出了不同的发展特点。当前，新一轮科技革命和产业变革方兴未艾，云计算、大数据、物联网、人工智能等新一代信息技术，正推动制造业进入智能化时代。随着人工智能技术从实验室走向产业化，无论是国家层面还是企业层面，都在积极推动制造业的智能化转型，制造企业在不断利用信息化技术优化生产线、改进产品架构，从而提高生产效率、产品质量，并能更快速地对国际市场变化做出响应。通过机器换人、利用人工智能技术进行产品检测等智能化改造，在提高生产效率、保持“中国制造”物美价廉优势的同时，进一步提高中国产品的性能和质量，推动实现从“中国制造”向“中国智造”、“中国产品”向“中国品牌”的转变。在整个制造行业中，制造业分为31大类，191中类，252小类，在众多门类中各个企业所处的数字化转型阶段都不同，有的制造企业停留在信息化阶段，有的头部企业已经完成数字化转型并迈向智能化阶段。制造业向智能化转型过程中普遍存在的痛点是海量数据、数据格式千奇百怪、产生数据的设备多种多样等问题。这些数据如何完成清洗、收集并通过算力算法把它应用起来？这是制造业数字化转型过程中比较基础的问题。另外，制造企业场景的多样化需求也导致其数字化、智能化水平参差不齐，比如质量控制、良率控制的场景；比如排产，是人工排产还是机器排产？是一般信息化排产还是人工智能排产？在联想ISG中国区产品规划与交付总监黄山看来，不同企业的智能化转型速度存在一定的差异。标杆企业的痛点在于客户具备智能化算力算法，但不具备搭建一套“端-边-云”协同的体系，这样就使数据孤岛现象更加严重；中小企业最大的困难在于其不具备基础的算力算法、上层AI应用以及开发能力等。黄山表示，对于标杆企业，联想可以参与到“端-边-云”协同体系的构建中，为其提供人工智能软件、边的软件能力以及端的软件能力。对于智能化水平较低的中小企业而言，联想提供PaaS平台，为上级开发者提供标准的平台开发流程和服务流程，让开发者很容易地去复制每一次针对不同的场景去做的应用。帮助中小型企业大大减少服务的成本和组建解决方案的难度。新IT、新算力应运而生从硬件到服务的转变。企业在数字化转型过程中面临的最大挑战，就是运用人工智能、5G、大数据等技术手段帮助各行业进行数字化升级。新技术的出现和发展确实在一定程度上加快了企业数字化转型的速度，尤其是在去年疫情期间出现了智能机器人测温、巡检；5G远程会诊、大数据排查助力疫情防控等，这些都是新技术赋能数字化转型的经典案例。但是在联想集团副总裁、联想ISG中国区产品事业部及战略运营总经理吴彬看来，中国以实业为主，在新IT领域和数字行业中，底层的算力、算法和数据的支撑是智能化转型升级的关键要素。吴彬补表示，目前行业在数字化、智能化转型过程中一个方式是以新技术和新场景为驱动，继而实践和落地。联想强调的“端-边-云-网-智”是一体化全方位的业务布局和解决方案，是人与人、人与物、物与物相互之间的连接；“端-边-云-网-智”的场景里，算力是核心要素之一，算力需要根据实际需求重新去分配。针对赋能制造业数字抓转型升级这一问题，吴彬补充道，针对在算力和基础设施方面相对成熟的客户，我们提供定制化服务，定制能力本身就是一种服务，要针对客户的行业场景，去看负载需要什么样的架构支撑，这也是联想“全球智慧+本地创新”的关键内容。对于中小型客户，我们更倾向于提供更易捷的解决方案。比如标准化程度较高、扩展性更强的易捷性解决方案。同时，中小型企业会更注重服务，他们可能会购买服务而不一定购买产品，我们把算力作为一种服务对外输出，最终的产品形成以算力为服务的方式提供给客户，这也是一种针对中小客户的方式。目前，联想ISG正推动着包括智慧教育、智能制造、智慧金融、智慧城市、智慧医疗等十大行业的智能化转型。