AI如何落地与赚钱_al人工如何赚钱

随着寒武纪的光速上市，大众的目光又开始聚焦于AI这个领域。但财报也很清晰的显示，寒武纪目前是不赚钱的。为什么这么高大上的技术，却还亏钱呢。对此，很多吃瓜群众非常的疑惑。
笔者是武汉技领科技的执行经理，所在公司的产品是车牌识别AI摄像机，就是将车牌识别AI算法用芯片（FPGA）的方式实现，然后集成在摄像机里面，在智慧停车、电子警察等领域提供更具性价比的解决方案，算是跟这类高大上的技术沾上一点边吧。下面就从我们的产品实践经验，来讲讲AI如何落地与赚钱。
首先抛出最终观点，AI要想顺利的落地与赚钱，有两条路是必须要走的。
一是贴近细分领域，二是算法芯片化。
首先说下第一点，贴近细分领域。上面也提到了我司的产品，主要针对智慧停车与电子警察两个领域。这两个领域从技术上来讲，倒没有太大的区别，核心技术都是车牌识别嘛。但从客户的需求来看，智慧停车更在乎成本，电子警察更在乎性能。所以，针对这两个细分市场，我们推出了两款车牌识别AI摄像机。智慧停车领域，我们的产品采用了低廉的卷帘曝光CMOS摄像头，用于车牌识别算法加速的FPGA，也是用的赛灵思的中低端A7系列的FPGA芯片。而电子警察都是政府采购，财大气粗，不在乎成本，只在乎性能。所以我们针对这个领域的产品，采用的是高档的索尼全局曝光摄像头，算法加速用的FPGA，也直接换成了高端的K7系列。
不同的细分领域，有不同的需求。像英伟达那样用一套或者几套通用的平台设备来满足各个领域的AI计算需求，则只能应用于少数高端领域。如制药的分子动力学分析、金融的高频交易等。若想充分的体现AI技术的商业价值与技术优势，则需要深入细分领域的一线，倾听一线人员的建议与想法，量身定做适用于某个细分领域的解决方案。
再说下第二点，算法芯片化。
目前各类神经网络算法，如人脸识别、车牌识别，基本都已开源，故算法的门槛已经不是很高。所以， 用何种低成本的方式来实现更快速度更高性能的算法，则是落地需要考虑的首要问题。
算法芯片化无非两个优势，一是成本低，一是性能高。同样的算力要求，专用芯片的成本至多为通用CPU的十分之一。也就是同样的预算，用专用芯片达到的算力，是通用CPU的十倍以上。为什么会差这么多呢，其中原理若细细解释，都可以出一本书了。大家可以简单的理解为：专用芯片，是一种流水线方式的并行计算，流水线级数越多，数据吞吐能力就越大。而CPU跑的是软件算法，是比较低效的串行计算。
这条路国内很多公司已经在走了，寒武纪、地平线都是其中的佼佼者。我们也不甘人后，用FPGA芯片实现了车牌识别算法。希望在这个AI的大时代，也能分到一杯羹。~~