7月21日消息，據(jù)科技博客The Verge報道，今天，谷歌、Facebook、微軟和Twitter聯(lián)合宣布了一項名為“數(shù)據(jù)傳輸項目”的新標準項目，該項目旨在成為平臺之間轉移數(shù)據(jù)的一種新方式。谷歌在一篇博客文章中稱，該項目允許用戶“直接將數(shù)據(jù)從一個服務傳輸?shù)搅硪粋€服務，無需下載和重新上傳。”
▲Facebook位于俄勒岡州普賴恩維爾的數(shù)據(jù)中心
該系統(tǒng)的當前版本支持照片、郵件、聯(lián)系人、日歷和任務的數(shù)據(jù)傳輸，從來自谷歌、微軟、Twitter、Flickr、Instagram、Remember The Milk和SmugMug的公開可用的API（應用程序接口）中提取數(shù)據(jù)。許多這樣的數(shù)據(jù)傳輸已經(jīng)可以通過其他的方式來完成，但是參與者希望這個項目能夠發(fā)展成一個比傳統(tǒng)API更穩(wěn)健、更靈活的替代方案。在官方博客中，微軟呼吁更多的公司參與進來，稱“可移植性和互操作性是云技術創(chuàng)新和競爭的核心。”
“數(shù)據(jù)可移植性的未來需要變得更加包容、靈活和開放。”
該項目的現(xiàn)有代碼在GitHub上開源提供，另外還附帶一份描述其適用范圍的白皮書。很多的代碼庫包含“適配器”，可以將私有API轉換為可互操作的傳輸。這使得Instagram的數(shù)據(jù)可以傳輸?shù)紽lickr，反之亦然。在這些適配器之間，工程師還構建了一個系統(tǒng)來加密傳輸中的數(shù)據(jù)，為每筆交易發(fā)出前向密鑰。值得注意的是，該系統(tǒng)針對的是一次性傳輸，而不是許多API支持的連續(xù)互操作性。
“數(shù)據(jù)可移植性的未來需要變得更加包容、靈活和開放。”白皮書中寫道，“我們對這個項目的希望是，它將使得任何兩個面向公眾的產(chǎn)品接口之間的連接能夠直接導入和導出數(shù)據(jù)。”
到目前為止，大部分編碼工作都是由谷歌和微軟的工程師完成的。長期以來，他們一直在探究打造一個更強大的數(shù)據(jù)傳輸系統(tǒng)的想法。谷歌Takeout產(chǎn)品經(jīng)理格雷格·費爾(Greg Fair)表示，這一想法源自于對下載數(shù)據(jù)后可用的數(shù)據(jù)管理選項的失望。如果沒有一種清晰的方法將相同的數(shù)據(jù)導入到不同的服務中，像Takeout這樣的工具也只是解決了一半的問題。
“當人們有數(shù)據(jù)時，他們希望能夠將數(shù)據(jù)從一個產(chǎn)品轉移到另一個產(chǎn)品，但他們無法做到。”費爾說道，“這是一個我們無法獨力解決的問題。”
很多的平臺已經(jīng)提供了某種數(shù)據(jù)下載工具，但這些工具很少與其他的服務連接。歐洲新的《通用數(shù)據(jù)保護條例》（GDPR）要求提供可帶來給定用戶所有可用數(shù)據(jù)的工具，這意味著這種工具比API要全面得多。除了電子郵件或照片，你還會發(fā)現(xiàn)更棘手的數(shù)據(jù)，比如位置歷史和面部識別資料，許多用戶甚至都沒有意識到這些數(shù)據(jù)有被收集。有幾個項目試圖利用這些數(shù)據(jù)——當中最值得一提的是Digi.me，它正在圍繞數(shù)據(jù)構建一個完整的應用生態(tài)系統(tǒng)——但在大多數(shù)情況下，數(shù)據(jù)最終會被落到用戶的硬盤上。下載工具能夠證明用戶確實擁有他們的數(shù)據(jù)，但是擁有數(shù)據(jù)和使用數(shù)據(jù)這兩件事已經(jīng)完全不同于以往。
“我們總是希望首先考慮用戶數(shù)據(jù)保護。”
該項目被設想為一個開源標準，許多參與其中的工程師說，如果該標準取得成功，治理方面將需要有更廣泛的轉變。“從長遠來看，我們希望有一個由行業(yè)領袖、消費者團體和政府團體組成的聯(lián)盟。”費爾說，“但在我們取得足夠的進展之前，還沒有必要去討論這個。”
對于數(shù)據(jù)共享項目來說，這是一個微妙的時刻。Facebook的API曾因劍橋分析公司(Cambridge Analytica)數(shù)據(jù)丑聞而被推到輿論的風口浪尖，該行業(yè)仍在摸索用戶究竟該交出多少自己的數(shù)據(jù)。谷歌也受困于圍繞API的丑聞：它因第三方電子郵件應用處理Gmail用戶數(shù)據(jù)不當而受到強烈抗議。在某種程度上，擬議中的聯(lián)盟會是一種管理這種風險的方式，可將責任分散給更多的群體。
不過，劍橋分析公司事件對數(shù)據(jù)公司愿意分享的數(shù)據(jù)量構成了實質性的限制。當被問及新項目對數(shù)據(jù)隱私的影響時，F(xiàn)acebook強調了保持API級控制的重要性。
“我們總是希望首先考慮用戶數(shù)據(jù)保護。”從事Facebook數(shù)據(jù)下載產(chǎn)品工作的大衛(wèi)·巴瑟(David Baser)表示，“API的好處之一是，作為數(shù)據(jù)提供者，我們有能力關閉通道，或者對第三方如何使用它施加條件。有了數(shù)據(jù)下載工具，這些數(shù)據(jù)就等于脫離了我們的掌控，它真的就逍遙在外了。如果有人想把這些數(shù)據(jù)用于不良目的，F(xiàn)acebook真的毫無辦法去阻止。”
與此同時，科技公司正面臨著比以往任何時候都更為明顯的反壟斷隱憂，其中很多的爭議核心都是數(shù)據(jù)訪問。最大型的幾家科技公司鮮有競爭對手。隨著它們面臨著有關聯(lián)邦監(jiān)管和壟斷權力的新問題，分享數(shù)據(jù)可能是相對沒那么痛苦的約束自己的一種方式。
對于那些飽受數(shù)據(jù)隱私丑聞困擾的公司來說，這不太可能是補救措施，但開放技術研究所(Open Technology Institute)所長凱文·班克斯頓(Kevin Bankston)等外部人士一直在努力呼吁這么做，尤其是對Facebook。“我的主要目標是確保開放的價值不會被遺忘。”班克斯頓說道，“如果你擔心這些平臺權勢過大，那么數(shù)據(jù)的可移植性會是一種取得平衡的方式。”
（鳳凰科技）
]]>
路線之爭
可以說，芯片將決定新AI計算時代的基礎架構和未來生態(tài)。因此，谷歌、微軟、IBM、Facebook等美國巨頭都投巨資加速AI芯片的研發(fā)，旨在搶占制高點，而國內AI芯片更是呈現(xiàn)出創(chuàng)新活躍、百花齊放的格局。
對于AI芯片廠商而言，首要任務是選好定位。從應用來看，AI芯片主要分為云AI芯片和端AI芯片。云AI芯片應用于云端服務器及數(shù)據(jù)中心；端AI芯片應用于智能設備、IoT端設備。從作用來說，訓練和推理需各成其就。
在云端訓練中，多GPU并行架構是常用的基礎架構方案。而在云端識別中，基于功耗與運算速度的考量，異構計算（CPU+GPU+FPGA/ASIC）是目前主流方案。而終端設備著重推斷。業(yè)內某IP公司負責人表示，云端訓練和推理更追求性能，而不會過多考慮功耗、內存等因素。而在終端的訓練方面，既要求有大量的數(shù)據(jù)，又要求有大量的運算，很難滿足。對于AI芯片公司來說，未來的機會肯定是終端的推理。
廠商對未來的預判不盡相同，有的要在云端做大芯片；有的面向終端，開發(fā)特定場景的芯片；有的則兩路并發(fā)。那究竟選擇何種路線？對GPU、FPGA、ASIC的“押注”誰將勝出？而無論是基于GPU、FPGA等通用芯片的半定制方案還是專用ASIC芯片，最終比拼的仍是性價比。
架構之爭
在AI芯片這一賽道上，既有谷歌、英特爾、英偉達等頂尖巨頭大手筆的投入，也有無數(shù)的中小創(chuàng)業(yè)企業(yè)在全力以赴，而路線之爭的背后其實是傳統(tǒng)與新型架構的爭奪。
ICCAD理事長、清華大學魏少軍教授稱，架構創(chuàng)新是一個不可回避的問題。目前各家使用的AI方案架構互不兼容，沒有支持的標準AI計算接口，是否會出現(xiàn)像當年CPU一樣的通用處理器來一統(tǒng)AI芯片天下？如果存在的話，架構是怎么樣的？如果不存在，那目前以滿足特定應用的AI芯片一定只能以IP核的方式存在，最終被各種各樣的SoC所集成，如果真是這樣，那今天從事AI芯片開發(fā)的公司將何去何從？
AI芯片應該具備的基本要素在于：可編程性、架構的動態(tài)可變性、高計算效率、低成本、應用開發(fā)簡便等，目前的CPU+GPU、CPU+FPGA、CPU+ASIC等均不是理想架構。魏少軍教授認為，通用AI處理器的驅動力來自以下兩個方面：開發(fā)AI芯片硬件構架的代價非常高，不是所有廠家都能承受的；IP的可擴展性、架構的支持廣度、標準AI計算接口，對AI芯片的普及非常重要，而開發(fā)相關算法也不是一朝一夕就可以完成的。
寒武紀作為AI芯片賽道上的主要玩家之一，認為AI必然會出現(xiàn)一種重量級的應用，硬件就必然要標準化、通用化。而地平線創(chuàng)始人余凱則認為AI的應用在各個場景里千差萬別，更可能的情況是，在每一個細分領域會出現(xiàn)一個主導架構。未來的架構之爭還將持續(xù)。
陣營之爭
在AI這一巨大風口之下，老將新兵均蜂擁入場，以分享這一新興生態(tài)圈紅利，同時也將變數(shù)再次放大。
除新興的地平線、寒武紀、深鑒、比特大陸等這些廠商之外，我們看到，一方面，諸多老牌芯片企業(yè)正在積極擁抱AI，成為AI芯片產(chǎn)業(yè)中的重要力量，諸如中星微、北京君正、中天微、杭州國芯等傳統(tǒng)SoC處理器芯片或者多媒體芯片企業(yè)就是其中的代表。另一方面，切入AI芯片領域的算法和系統(tǒng)公司逐漸增多，比如商湯、海康、大華、依圖、華為等，他們積極地通過自主研發(fā)與并購投資的方式加大對AI芯片的投入。
相比那些活躍的初創(chuàng)AI芯片新生力量，老牌企業(yè)具有更加完備的前后端設計、產(chǎn)品、驗證和測試團隊，具備打造一顆完整SoC芯片產(chǎn)品的工程化經(jīng)驗。老牌芯片企業(yè)的入場競爭，和新生力量在人才、產(chǎn)品層面的角力，是未來AI產(chǎn)業(yè)值得關注的一大看點。而系統(tǒng)公司離場景最近，對場景真實需求的深刻了解，強大的軟硬件一體化產(chǎn)品能力、市場營銷渠道能力以及充足的資本儲備等，將使得它們在處理和眾多AI芯片初創(chuàng)企業(yè)的關系上始終處在一個更加主導的地位，更增加了產(chǎn)業(yè)格局的不確定性。
AI芯片的技術壁壘并不低，但只要行業(yè)集中度高，贏家就會選擇通吃。比如做手機的廠商，出貨量到了一個閥值，都有動力自己做芯片，如蘋果、三星、華為還有小米等都選擇了自己開發(fā)手機芯片。這對于高通、聯(lián)發(fā)科、展訊等手機芯片供應商來說也是一大沖擊。而這在AI領域也將上演同樣的故事。
應用之爭
商業(yè)應用是AI的關鍵因素之一，AI只有解決了實際的問題才具有價值。AI芯片巨大的研發(fā)成本、流片成本、分銷成本都需要應用來“稀釋”。
但依據(jù)專家觀點，AI的關鍵性應用需要追求 99.9……% 后的多個 9，做不到就沒法商業(yè)化。比如自動駕駛，“關鍵性應用”的普遍特點就是這樣，項目通常很貴，研發(fā)周期巨長，需要技術大牛坐鎮(zhèn)以及持續(xù)的融資能力。而大部分是非關鍵性應用，比如人臉識別，通常比拼綜合實力，包括對行業(yè)的洞察理解力、產(chǎn)品和工程化能力、成本控制、供應鏈能力、營銷能力、迭代能力等等。
此外，不同行業(yè)有不同的“聚焦”。在汽車行業(yè)，安全性、實時性是最重要的問題。而在安防領域，AI+視頻監(jiān)控最看重的是把被動監(jiān)控變?yōu)橹鲃臃治雠c預警，對識別率、算力及成本有很高的要求。在消費電子領域，手機因為搭載麒麟970芯片的華為mate10手機與同樣嵌入AI芯片的iPhoneX帶領手機進入智能時代。另外，亞馬遜的Echo引爆了智能家居市場，對AI的訴求要解決功耗、安全隱私等問題。
要選擇哪個垂直領域，取決一些關鍵因素：市場空間夠不夠大？行業(yè)集中度如何？技術是改良還是革命？競爭對手的壁壘誰更高？顯然，在消費電子、安防、智能汽車等AI場景應用領域，仍然有諸多硬仗要打。
生態(tài)之爭
在AI的競爭維度上，生態(tài)絕對是關鍵一環(huán)。
在AI平臺化的趨勢下，未來AI將呈現(xiàn)若干主導平臺加廣泛場景應用的競爭格局，生態(tài)構建者將成為其中最重要的一類模式。目前，科技巨頭都已在AI產(chǎn)業(yè)鏈的基礎技術層和應用層著手布局，比如Google推出了TensorFlow分布式學習框架，國內百度建立并開放了PaddlePaddle全開源深度學習平臺，還推出了DuerOS和Apollo兩大AI操作系統(tǒng)。
對騰訊、阿里、百度這些巨頭來講，為維持自己的王者地位，必然也必須要構建出AI的生態(tài)系統(tǒng)。而在AI生態(tài)層面，值得關注的動向是：一是隨著生態(tài)的進化，很多領域都會有訓練好的模型可以用來參考，未來算法的壁壘會越來越低，如果一個公司的核心競爭力只是算法，那將非常危險；二是AI芯片廠商不能僅考慮自己獨特的體系結構和軟件開發(fā)套件，在當前的情形下，要不就打造成包括硬件及軟件生態(tài)的全AI服務流程能力，要不就需要融入一個合適的生態(tài)圈，否則長遠的競爭力將難以保證。
伴隨AI的演變，算力的提升促進了算法的發(fā)展，算法的發(fā)展又對AI芯片提出了需求。“你在跑，本來的優(yōu)勢者也在跑。”這句話適用于英偉達和英特爾的巨頭之爭，也適用于AI芯片公司。在全新的AI芯片領域，未來的版圖還有諸多想象空間，就看如何著墨了。
（?天天IC）
]]>