7月21日消息，據科技博客The Verge報道，今天，谷歌、Facebook、微軟和Twitter聯合宣布了一項名為“數據傳輸項目”的新標準項目，該項目旨在成為平臺之間轉移數據的一種新方式。谷歌在一篇博客文章中稱，該項目允許用戶“直接將數據從一個服務傳輸到另一個服務，無需下載和重新上傳。”
▲Facebook位于俄勒岡州普賴恩維爾的數據中心
該系統的當前版本支持照片、郵件、聯系人、日歷和任務的數據傳輸，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）中提取數據。許多這樣的數據傳輸已經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展成一個比傳統API更穩健、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新和競爭的核心。”
“數據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的數據可以傳輸到Flickr，反之亦然。在這些適配器之間，工程師還構建了一個系統來加密傳輸中的數據，為每筆交易發出前向密鑰。值得注意的是，該系統針對的是一次性傳輸，而不是許多API支持的連續互操作性。
“數據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品接口之間的連接能夠直接導入和導出數據。”
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據傳輸系統的想法。谷歌Takeout產品經理格雷格·費爾(Greg Fair)表示，這一想法源自于對下載數據后可用的數據管理選項的失望。如果沒有一種清晰的方法將相同的數據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。
“當人們有數據時，他們希望能夠將數據從一個產品轉移到另一個產品，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。”
很多的平臺已經提供了某種數據下載工具，但這些工具很少與其他的服務連接。歐洲新的《通用數據保護條例》（GDPR）要求提供可帶來給定用戶所有可用數據的工具，這意味著這種工具比API要全面得多。除了電子郵件或照片，你還會發現更棘手的數據，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據有被收集。有幾個項目試圖利用這些數據——當中最值得一提的是Digi.me，它正在圍繞數據構建一個完整的應用生態系統——但在大多數情況下，數據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據，但是擁有數據和使用數據這兩件事已經完全不同于以往。
“我們總是希望首先考慮用戶數據保護。”
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領袖、消費者團體和政府團體組成的聯盟。”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。”
對于數據共享項目來說，這是一個微妙的時刻。Facebook的API曾因劍橋分析公司(Cambridge Analytica)數據丑聞而被推到輿論的風口浪尖，該行業仍在摸索用戶究竟該交出多少自己的數據。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用戶數據不當而受到強烈抗議。在某種程度上，擬議中的聯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據公司愿意分享的數據量構成了實質性的限制。當被問及新項目對數據隱私的影響時，Facebook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據保護。”從事Facebook數據下載產品工作的大衛·巴瑟(David Baser)表示，“API的好處之一是，作為數據提供者，我們有能力關閉通道，或者對第三方如何使用它施加條件。有了數據下載工具，這些數據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據用于不良目的，Facebook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據訪問。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邦監管和壟斷權力的新問題，分享數據可能是相對沒那么痛苦的約束自己的一種方式。
對于那些飽受數據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，那么數據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。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，旨在搶占制高點，而國內AI芯片更是呈現出創新活躍、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據中心；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，既要求有大量的數據，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，開發特定場景的芯片；有的則兩路并發。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，也有無數的中小創業企業在全力以赴，而路線之爭的背后其實是傳統與新型架構的爭奪。
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，是否會出現像當年CPU一樣的通用處理器來一統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、架構的動態可變性、高計算效率、低成本、應用開發簡便等，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一個主導架構。未來的架構之爭還將持續。
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圈紅利，同時也將變數再次放大。
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，諸多老牌芯片企業正在積極擁抱AI，成為AI芯片產業中的重要力量，諸如中星微、北京君正、中天微、杭州國芯等傳統SoC處理器芯片或者多媒體芯片企業就是其中的代表。另一方面，切入AI芯片領域的算法和系統公司逐漸增多，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AI芯片新生力量，老牌企業具有更加完備的前后端設計、產品、驗證和測試團隊，具備打造一顆完整SoC芯片產品的工程化經驗。老牌芯片企業的入場競爭，和新生力量在人才、產品層面的角力，是未來AI產業值得關注的一大看點。而系統公司離場景最近，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芯片初創企業的關系上始終處在一個更加主導的地位，更增加了產業格局的不確定性。
AI芯片的技術壁壘并不低，但只要行業集中度高，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手機芯片。這對于高通、聯發科、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芯片巨大的研發成本、流片成本、分銷成本都需要應用來“稀釋”。
但依據專家觀點，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，研發周期巨長，需要技術大牛坐鎮以及持續的融資能力。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，包括對行業的洞察理解力、產品和工程化能力、成本控制、供應鏈能力、營銷能力、迭代能力等等。
此外，不同行業有不同的“聚焦”。在汽車行業，安全性、實時性是最重要的問題。而在安防領域，AI+視頻監控最看重的是把被動監控變為主動分析與預警，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。
生態之爭
在AI的競爭維度上，生態絕對是關鍵一環。
在AI平臺化的趨勢下，未來AI將呈現若干主導平臺加廣泛場景應用的競爭格局，生態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產業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。
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的生態系統。而在AI生態層面，值得關注的動向是：一是隨著生態的進化，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套件，在當前的情形下，要不就打造成包括硬件及軟件生態的全AI服務流程能力，要不就需要融入一個合適的生態圈，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展，算法的發展又對AI芯片提出了需求。“你在跑，本來的優勢者也在跑。”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）
]]>