物理技术的瓶颈将制约AI在应用端的普及

人们普遍认为，未来10年乃至更长时间内,IT产业发展的焦点将聚焦于人工智能（AI）。由于目前的技术不足，已导致移动互联网难以催生出更多的新应用和商业模式，而这也是未来AI的普及应用所要承担的重要任务之一。稍微分析可知，AI是指计算机系统具备的能力，该能力可以履行原本只有依靠人类智慧才能完成的复杂任务。早年，硬件体系能力的不足加上发展道路上曾经出现偏差，以及算法的缺陷，使得人工智能技术的发展在上世纪80—90年代曾经一度低迷。不过，近年来，成本低廉的大规模并行计算、大数据、深度学习算法、人脑芯片4大催化剂的齐备，导致现阶段人工智能的发展出现了向上的拐点。然而，过高的估计AI短期内在人类生活中的应用普及，还为时过早。据相关资料显示，现在的AI系统使用的是成百上千个GPU来提升计算能力，这使得处理学习或者智能的能力得到比较大地增强，但这套系统也需要庞大的硬件机柜和相配套的硬件机房。据悉，较大型的人工智能硬件系统需要将近半个足球场的占地空间，这无疑是对人工智能发展的一个重要限制。未来随着大数据时代的不断进步，数据将呈现指数级增长，而基于CPU或者GPU云计算的数据中心将无法满足数据爆发的需求。由此，量子计算机的出现，或许是目前人们通向小型化AI的最为有效可行的途径之一。但是，也应该客观地认识到，目前最有希望的量子计算机方案之一就是低温超导系统，它涉及了半导体材料与超导材料的应用，主要是基于硅晶体，掺杂一定量的超导材料，实现量子计算。但是这种方案的不确定性主要在于量子芯片能否在日常温度中直接使用。由此可见，要实现AI在应用端的普及，目前最大的障碍来至于物理技术上的瓶颈，这既有传统CPU、GPU难以克服的高功耗与大空间的问题，也有来自量子计算面临的材料特性问题。