自从今年国务院印发《新一代人工智能发展规划》以来，国家层面发展人工智能产业，以此促进民生经济的战略可以说十分清晰。

　　而伴随着中国对人工智能产业的重磅投入，越来越多的声音开始将中美两国的人工智能实力进行比较。无数智库和数据机构，接连发布以两国人工智能工程化、商业化、科研指数为为分析对象的报告。得出的结论各有不同，但中国的人工智能发展水准已经达到国际化水平却是不争的事实。
　　
　　虽然在谈及顶尖的人工智能技术时，我们更多讨论的是Deepmind、OpenAI以及各大学的AI实验室。但要知道，虽然AI领域的科研与产业关系密切，但学术水准终究不等同于产业水平。

　　或许我们可以用另一个视角来看待中国今天的人工智能机遇为何宝贵：AI产业化的最关键因素中，中国企业一个也没有遗漏。
　　
　　让我们从几个维度梳理一下，以大数据+机器学习为主要特征的AI第三次次黄金周期中，AI的业态简史与中国企业的表现。从更广阔的视角看去或许我们会认同，AI是一个中国没有错过，也不能错过的技术拐点。
　　
　　生态之源：深度学习框架
　　
　　人工智能是一个标准的众创型技术，每一个巧妙的算法、每一种灵光乍现的逻辑，都可能解开困扰整个人类的问题。所以带给开发者、研究者工具和环境，让他们施展自己的才华，就成为了AI企业最主要的任务之一。
　　
　　最早我们提起深度学习平台的时候，还是以加州大学伯克利分校推出的Caffe为主。Caffe创造性地将卷积神经融入开发环境，构建了比较高效清洗的深度学习框架。
　　
　　而在2015年底，谷歌开源了此前在内部使用的TensorFlow。随着数次版本更新，一举打破了Caffe的垄断地位，成为了最活跃的深度学习框架。尤其随着DeepMind全面使用，其社区资源得到了广泛认可。

　　为了争夺开发者生态Facebook、微软、OpenAI等公司相继推出了深度学习的开发平台，重新试图颠覆谷歌的霸主地位。目前世界上主流的深度学习平台依旧有十几个之多。
　　
　　开发者环境有多重要，从Facebook凭借PyTorch在AI界得到的话语权提升就可见一斑。拥有良性的深度学习架构是整个AI技术生态的基础。
　　
　　这一点国内的企业也并未落后。比如百度最先推出了PaddlePaddle，宣布了国内企业进入这一领域。
　　
　　而阿里云推出的PAI，以友好的开发环境和运算能力成为了新一代深度学习框架的代表。也为国内开发者进入主流深度学习研发提供了优质基础。
　　
　　目前来看，国内深度学习框架正在凭借开发环境友好程度、社区资源和企业激励计划，逐渐对欧美主流开发平台形成冲撞。至少在AI研发的核心环节中，中国已经抢回了关键分。
　　
　　硬实力的答卷：芯片代表的算力基础
　　
　　人工智能的神经网络任务模型，是完全不同于传统运算需求的全新任务形式。换句话说，传统的硬件运算基础也将不再符合人工智能的需求。
　　
　　在PC时代，就有得芯片者得天下的说法，在人工智能时代似乎依旧奏效。
　　
　　2011年，IBM就通过对人类大脑的模仿，推出了可商用的类脑芯片，可以说是人工智能芯片解决方案的基础。但这种模式很快被证明实际价值不高，逐渐也就被束之高阁了。
　　
　　此后FPGA、ACIS等处理人工智能任务的芯片类型相继推出。而英伟达据说在一次实验错误中发现了GPU可以很好地处理深度学习任务，也打开了GPU与人工智能狂飙突进的序幕。
　　
　　目前英伟达Tesla V100号称性能最强的AI专用处理器。而今年谷歌发布了专门应对深度学习任务的TPU芯片，也在AlphaGo身上大展神威。
　　
　　而对于国内相关产业链来说，如何获取到可以支撑人工智能研发与部署的运算能力、获得智能AI化迁移的运算服务基础，就成为了当务之急。
　　
　　9月初，阿里云宣布推出了新一代异构加速平台。其异构计算家族涵盖GPU、FPGA在内等7款异构实例，并附带全新高性能计算实例E-HPC。可以说通过具体的服务对接将AI算力供给到了产业环境中。而且阿里云的解决方案似乎更加开放和定制化，比较符合中国企业的需求。