【AI芯片】FPGA的新商机：芯片即服务

来源：内容来自eettaiwan，谢谢。

云端服务几乎改变了每一种业务；通常这种趋势迫使硬件供应商去用一种「服务」模式来供应产品(以大幅降低的速度)，而不是把有形的产品卖给客户。「车辆即服务」(Car-as-a-service，Caas)就是一个例子，所衍生的「车辆使用里程」(miles used per vehicle)从根本上改变了车商以单位销售量为基础的业务模式，对整个汽车产业来说是威胁、也是不可错过的商机。
而芯片产业有可能成为下一个经历如此变化的领域──「FPGA即服务」(FPGA as a service)正成为资料中心新兴的云端应用并准备起飞…针对此趋势，英特尔(Intel)与赛灵思(Xilinx)等FPGA供应商将如何因应？
就在不久前，英特尔宣布其FPGA启动了阿里云(Alibaba Cloud)的「加速器即服务」(Acceleration-as-a-Service)；在此同时，从PLDA Group独立的一家公司Accelize也准备在云端提供「FPGA加速器即服务」(FPGA-acceleration-as-a-service)，号称这种概念将有助于亚马逊(Amazon)或阿里巴巴等云端服务供应商利用FPGA增加运算执行个体(compute
instances)，根据使用者的特殊应用提供客制化硬件加速器。
具体而言，Accerlize表示搭配英特尔搭配FPGA的Xeon处理器加速器堆叠(Acceleration Stack)，还有可程式化加速卡(Intel PAC)──采用Arria 10 GX FPGA──将会整合到Accelize解决方案中，为企业或是在云端提供易于使用的FPGA加速器功能开发体验。
产业分析师认为「FPGA即服务」这个市场对于亚马逊、阿里巴巴、百度(Baidu)与微软(Microsoft)等大型资料中心业者来说仍在初期发展阶段，而英特尔正试图追上赛灵思的脚步。



使用者需要的编程模式（来源：Accelize）
Accelize市场行销与策略联盟总监Stephane Monboisset接受EE Times采访时，提及他看到目前市面上提供之云端服务不符合使用者实际需要的情况；云端服务供应商可能会在资料中心提供「FPGA即服务」，但是使用者真正需要的是「加速器即服务」。
他指出，FPGA并非因为易于编程而广为人知，通常使用者知道自己领域的应用，但没有FPGA专长；所以使用者要去哪里求助、寻找知道「加速器」相关知识的开发者？此外，为了要在云端实现FPGA加速器，使用者不只需要一个而是一串IP。
如Monboisset所言，「支援各种设计的功能区块」，是执行特定功能必备的，那些功能IP包括HEVC、HDR、AES、CNN…等等，而云端服务供应商要如何为云端的FPGA加速器取得那些IP？Monboisset认为IP采购会是一个大问题；还有，假设加速器开发者了解FPGA编程，他们可能会发现有几个IP是他们需要的，如何去收集一整套IP也是个问题。
简而言之，Monboisset认为IP业务与云端业务就是不搭，IP供应商会偏好传统的一次性成本模式，可以先收到一笔钱，但云端业务模式是建立在「计次收费」(pay-per -use)、「计时收费」的基础上，很难说服那些习惯先收到一笔45万美元的IP供应商接受这种业务模式。



「FPGA即服务」业务模式的挑战（来源：Accelize）
Accelize号称自家专长是可以提供一种软件定义开发平台(名为Quick Play)，以及一种安全的计次收费机制(Quick Store)，还有一个不断扩展的生态系统(Quick Alliance)。

「FPGA即服务」市场有多大？


在被问到目前「FPGA即服务」市场规模时，市场研究机构Moor Insights & Strategy的高性能运算(HPC)暨机器学习技术资深分析师Karl Freund表示：「现在还很小，大概最多只有几百万美元；」微软是资料中心加速器的最大FPGA使用者，但还没有开始将之做为服务来销售，预测在视讯、基因体研究，以及机器学习等应用带动下，该类服务一年可望成长五倍。
另一家研究机构451 Research的共同创办人暨基础建设副总裁John Abbott也同意，「FPGA即服务」仍然是很小的市场；他解释，亚马逊在去年11月发表了开发者预览版的F1运算执行个体，但只能提供像是VHDL、Verilog等低阶工具：「这是锁定寻找消耗FPGA基础建设替代方案之现有赛灵思FPGA客户的服务。」
而除了Accelize，还有一些公司也想到了类似的业务模式。例如Abbott观察到，亚马逊一开始利用专家合作伙伴如Ryft (分析与搜寻工具供应商)，以及垂直市场供应商如基因体资料分析平台开发商Edico Genome来吸引使用者；还有Reconfigure.io支援利用Go语言的FPGA编程服务，NGCodec则提供视讯编码服务：「这类合作伙伴提供了在F1运算执行个体上运作的软件层，所以客户不需要具备特殊专长。」
Abbott指出，在发表F1之后的六个月，亚马逊声称收到了2,000个使用请求，并已经提供超过200套硬件开发工具(还有F1运算执行个体)给开发者；于是亚马逊在今年4月将F1开放给一般用户，并从那时候起表示该公司将第三方FPGA运算执行个体包含于Amazon Machine Images中，透过AWS Markerplace销售，为FPGA的IP开发者提供一个新通路。

赛灵思与英特尔竞相投入


而显然FPGA供应商都对于「FPGA即服务」跃跃欲试；Accelize的Monboisset表示，该公司的服务同时支援赛灵思与英特尔的方案。Moor Insights & Strategy的Freund则表示，赛灵思的方案已经出货给亚马逊、阿里巴巴与百度等云端服务供应商，英特尔的脚步稍慢了些，有部份原因是其14奈米产品落后赛灵思。
不过Freund指出：「英特尔似乎试图赶上脚步，我预期他们将会相当积极争取新的云端设计案。」451 Research的Abbott则表示：「今年8月微软发表了Brainwave平台，是采用英特尔的Stratix系列FPGA支援低延迟的云端深度学习，该公司还未提供该服务给Azure客户，但未来打算这么做。」
Abbott表示：「现在还很难预测这块FPGA市场有多大，但英特尔认为到2020年，有三分之一的云端供应商将会采用FPGA伺服器节点与CPU结合使用；」而比较FPGA与GPU在云端加速器的应用，GPU到目前为止还是领先者，这是因为GPU已经建立了生态系统，并拥有更广泛的高阶开发工具。
而Abbott认为部份加速器框架适合采用FPGA：「就像GPU一样，我们预期会有一些规模较小、更专精化的服务供应商会在接下来几年进入这个市场，锁定某个垂直市场。」
对Accelize这样一家想要在刚起步的「FPGA加速器即服务」市场抢攻一席之地的公司来说，与英特尔(Intel)的策略联盟是必须的；市场研究机构Moor Insights & Strategy的高性能运算(HPC )暨机器学习技术资深分析师Karl Freund表示，Accelize面临的挑战是「需要快速扩展全球版图，也许是透过更多的策略联盟，特别在亚洲与美国市场。」
另一家研究机构451 Research的共同创办人暨基础建设副总裁John Abbott则形容Accelize是在一个「鸡生蛋、蛋生鸡」的处境，需要让足够的IP进驻其云端市场，才能让其商机规模成长，并使其成为对更多开发者具吸引力的通路。
此外Freund认为，英特尔也会需要与Accelize的合作：「英特尔希望能超越因为亚马逊(Amazon)的AWS F1运算执行个体而领先市场的对手赛灵思(Xilinx)。」
Accelize市场行销与策略联盟总监Stephane Monboisset同意以上的看法，指出英特尔看到了与该公司合作的巨大商机与责任；他甚至预测，所谓的「云端FPGA」(FPGA-in-the-cloud)市场恐怕将一蹶不振，因为对于想在云端服务中寻找加速器的使用者来说「几乎没内容」。
Monboisset表示，内行人都了解FPGA编程太复杂，现在并不是说服使用者「只要你动手，梦想就会成真」(if you build it, they will come)这种概念的好时机；「英特尔知道他们需要加快脚步，」Monboisset指出，相较于赛灵思，英特尔正要「更往前一步」，而该公司已经设计了一款采用英特尔方案的板卡并将之应用于云端加速器服务。



许多大型资料中心业者都已经推出采用FPGA方案的云端服务（来源：Accelize）

英特尔会想抢Accelize的生意吗？


451 Research的Abbott认为，Accelize与英特尔的结盟有助于建立一个强大的跨产业生态系统：「如果英特尔不想要这样，有可能会透过收购Accelize以避免市场竞争。」
那英特尔有可能也开始做Accelize正在做的生意吗？Moor Insights & Strategy的Freund并不认为这是一个实际的选项：「目前这个市场还很小，」其次如果英特尔认真想经营这种生意，可能也得支援赛灵思的方案，就像Accelize所做的：「英特尔不会想这么做，但是客户会希望有选择，而不是只有单一供应商。」
此外，如果英特尔想抢Accelize的生意，可能面临一个更大的问题──如Abbot表示：「英特尔会需要开放其工具给另一个加速器架构选项，包括来自Nvidia、ARM与AMD…等竞争对手的方案，该公司不太可能做出这种让步；举例来说，英特尔视FPGA为GPU的替代方案，但GPU在任何一种牵涉资料平行(data parallelism)的任务中都很强，不太可能被取代。 」
Abbot的看法是，FPGA将「可能会在功能平行(functional parallelism，例如在相同处理器上执行的编码以及加密)，还有繁重的输入-输出任务如TCP卸载以及云端娱乐等方面的应用扩展市场版图。」



Accelize可提供的服务（来源：Accelize）

「芯片即服务」的未来趋势…


如果像是「FPGA即服务」这样的趋势继续发展下去，是否会有可能出现其他「芯片即服务」商业模式？又将为半导体业者带来什么样的变化？毕竟从销售实体产品转向销售「服务」的生意模式，已经改变了硬件世界。
Abbott认为：「芯片供应商需要支援异质运算(heterogeneous computing)架构以及软件层的新兴标准，打破采用上的障碍；现有生态系统伙伴必须要能进入更广泛的云端加速器市场，而不是只被锁在单一架构中。」此外他指出：「他们的芯片专属开发工具会需要能支援开放架构，才能保持关联度。」
那些重大变化是大多数芯片业者没有准备好因应的；Abbott还指出：「伺服器制造商，包括所有白牌业者以及Dell、HPE等品牌厂，已经打造了专门为结合不同种类加速器所设计的新一代伺服器。」
Freund则认为传统硬件供应商并不会参与云端布署，除了中国的联想(Lenovo)；但他很快补充指出：「注意某些应用可能会以即服务的形式在云端开发或测试。」

FPGA将无处不在 


来源：半导体行业观察；本文由电姬翻译自semiengineering，作者Jeff Dorsch，谢谢。

在越来越多的设计和越来越多的市场中，我们都能看到 FPGA 的身影；而且随着它们被纳入越来越多的系统中，它们本身也在变得越来越复杂。

十年之前，FPGA 的主要市场是工业、医疗、汽车和航空航天。

这些市场现在依然强劲，但 FPGA 也开始在人工智能、数据中心、物联网、网络通信、测试和测量仪器、无线和有线通信基础设施甚至核电站等地方发挥作用。FPGA 供应商也有意进入大数据分析、机器学习、数据存储压缩/解压和视频处理等应用领域。而且尚处于早期阶段的嵌入式 FPGA（eFPGA）市场也正变得越来越普及，因为对成本敏感的设计师对使用这项技术的信心正越来越足。

一些 eFPGA 创业公司获得了相当显著的投资，在这个半导体创业公司稀少的时代，eFPGA 创业公司正在迅猛发展。提供可重配置的 RTL IP 核和相关设计软件的 Flex Logix 已经获得了由 Lux Capital 和 Eclipse Ventures 领投的两轮共 1240 万美元私募投资。成立于 2007 年的法国 eFPGA 创业公司 Menta 已经得到了 FJ Development EN 领投的
700 万美元私募投资。

Achronix 和 QuickLogic 等其它一些公司也根据内部的增长预期而大力投资 eFPGA。Achronix 营销副总裁 Steve Mensor 说他公司的 FPGA 芯片（基于英特尔的 22nm 工艺）仍然占据了收入的大部分，并有望在今年超过 1 亿美元。但他说 Achronix 的新 eFPGA 生产线将会占到今年全年 20% 以上的份额。

Flex Logix CEO Geoff Tate 将当前的 eFPGA 市场与从 PC 向移动手机转型过程中的处理器市场进行了比较。“25 年之前，销售的大多数处理器都被用在了 PC 和工作站里面。ARM 认识到嵌入式处理器还有机会，这能带来 x86 架构无力竞争的新型应用——比如手机，必须要把处理器做得足够小和低功耗才能用在手机里。嵌入式处理器是实现这一目标的关键。”

尽管 FPGA 市场一直伴随着这两个市场一起增长，但 Tate 指出 eFPGA 是一种完全不同的方法。“嵌入式 FPGA 需要与 FPGA 芯片不一样的技术调整。”他说，“嵌入式 FPGA 的工作方式与 FPGA 芯片类似。其中有查找表，其中有可编程互连，所以其中的 FPGA 结构类似于你可以在 Altera 或 Xilinx 或其它更小的 FPGA 公司的芯片中看到的结构。但在嵌入式 FPGA 市场，要想成功并且满足客户的需求，你必须调整你的技术来解决这些不同的需求。”

eFPGA 的经济效益


这才是 eFPGA 看起来如此吸引人的原因。

“嵌入式 FPGA 市场的增长速度相当迅猛，因为市场需要这样的技术。可能在过去的许多年里，那些有能力提供嵌入式 FPGA 的公司只是选择不生产而已。”Achronix 的 Mensor 说，“现在我们正在供应这项技术，而且我们可以向公司证明：他们能用已有的独立 FPGA 技术演示的所有功能都会有做成嵌入式的需求。而且他们也了解我们已经为开发自己的 SoC 的公司提供过很多次 IP 了。所以我们已经解决了他们对风险的顾虑。需求一直都有。问题也一直都在。供应一直都受到限制。”



图 1：亚太地区的 FPGA 市场增长情况和预期，来自 Global Market Insights



图 2：美国的 FPGA 市场增长情况和预期，来自 Grand View Research

而且也不止于此。多年以来，FPGA 供应商都把自己的芯片当作 ASIC 的低成本替代品进行销售。所以芯片制造商不必直接为一个新市场创造一种新的 ASIC，而是可以从 FPGA 入手开发，当销量值得成本投入时，才最终将他们的设计成果转换成 ASIC。FPGA 供应商在能力/性能方面的营销上投入了大量资金，却在可配置性和设计简易性方面营销投入较少，也没有太多投入工艺节点，没有紧跟最先进的 ASIC 供应商的步伐。

这样的战线在 28nm 节点之后就开始分崩离析了。开发先进 ASIC 的成本模式在 finFET 领域遇到了麻烦，在后续节点上开发芯片的难度更大了、成本也更高了，而十亿单位级别的芯片终端市场也已被两家大型移动设备公司主宰。幸运的是，也出现了一些其它新市场，这些市场能给可编程逻辑带来很好的经济效益。

“这段时间里，我们真的已经远不止是一家 FPGA 公司了，并且实际上已经将我们的市场范围拓宽到了嵌入式处理器等应用领域。”Xilinx 的 FPGA 和 SoC 产品管理与营销高级总监 Kirk Saban 说，“在我们公司供应的产品的复杂性方面，FPGA 业务范围正在扩大。”

Saban 说，其中包括先进封装解决方案、多处理器 SoC、射频 SoC 和集成高带宽内存技术。

嵌入式 FPGA 是 FPGA 方法的一个新的转折点，而它们尤其吸引人的地方是它们可以使用任意工艺尺寸制造，可以为任意应用调控尺寸大小。即使对于可编程逻辑而言，经济模式也发生了变化。

“传统 FPGA 芯片面向的是低产量系统或原型系统，”Tate 说，“它们要么一直是低产量，要么在增大产量时会转而使用 ASIC。FPGA 芯片往往有非常高的功耗、非常高的性能、前沿的工艺技术和非常高的成本。嵌入式 FPGA 可以根据客户需求选择工艺，从 180nm 到 16nm 都可以。它必须为高产量的芯片设计进行调整。所以像是最小化金属层的数量等要求就是非常重要的了，而 FPGA 使用了最大化的金属层。在嵌入式市场，很多客户对成本非常敏感，不会使用
FPGA 芯片那么多的金属层。最重要的是，客户对尺寸大小的需求多种多样。一些人需要非常小的嵌入式 FPGA，一些人则需要非常大的。而且他们需要在他们选择的工艺上的 FPGA。搞网络通信的人会选 16nm，而搞微控制器的倾向 40nm。客户了解为他们的需求优化过的工艺，如果嵌入式 FPGA 没有满足客户对代工厂和工艺节点和他们对各自变体的需求——具有他们想要的各种尺寸和他们所需的选择，那么这种技术就毫无用处。”

不同的指标


这也会改变哪种类型的芯片更适合哪种终端应用的讨论。过去，FPGA 通常被拿来和 ASIC 比较，但最近的比较对象则更多是用于机器学习和神经网络应用的 GPU。

Achronix 的 Mensor 说：“ASIC 就是固化的 FPGA。如果你能承受非常高的开发成本和随之而来的风险，比如新式的定制芯片设计，那么 ASIC 是一种更优的解决方案。ASIC 有自己的定位，而且这些定位是很有价值的。它们往往为单位成本和功耗进行了优化。一旦你付出了非常高的开发费用（包括工程设计、掩模费用、验证、软件验证、系统级验证），那 ASIC 最终将得到非常小的 die 尺寸以及一种针对生产的更优的解决方案。使用
ASIC 的缺点是很容易受到错误的影响，从而拖延产品。而这就是 FPGA 显得价值非凡的地方了。FPGA 可以修改。当你的系统在进行 bring-up 测试时，如果你发现了任何问题，你都可以修改你的 EDA 工具上的代码然后重新配置你的 FPGA。”

对 eFPGA 而言，情况则或多或少有些不同。它可以用任意工艺构建到任何 SoC 中。它可以在先进封装中被用作加速器，也可以作为单芯片的解决方案。

Tate 说：“我们的技术有一种构造模块式的方法。我们可以提供上百种不同尺寸的阵列，从小至 100 个查找表到大至 100 000 个查找表。而且每当我们为一个新工艺节点开发 IP 时，我们都会做一个验证芯片，这让我们证明我们的芯片并向客户展示。我们首先让它有效了，那在他们的芯片上一开始就会有效。”

什么时候销售可编程性


在新的和已有的终端市场中，eFPGA 和 FPGA 都面临着很大的不确定性。协议在不断改变，用于自动汽车和机器学习的技术仍还处在定义和调整阶段，而现在的先进制造工艺在足够稳定足以保证合理产量之前还需要经过多轮修订。

这使得可编程性（programmability）成了设计中一个有吸引力的选择。而在一些市场（尤其是机器学习市场）中，FPGA 的表现实际上优于其它处理器类型，因为它们采用了定点计算，而非浮点计算。

“在功率足迹（power footprint）方面，FPGA 要好得多；而且在性能方面也远远更好，因为它们固有的平行性就更好，比起 GPU，你可以在 FPGA 中创建更多编程单元。”Mensor 说，“差异在工具链、软件流程上。”

其他人也同意这个观点。“从机器学习的角度看，尽管人们普遍认为 GPU 在训练上表现更好，但 FPGA 在推理上表现更好，而且领先优势还将继续扩大。”位于新加坡的 Plunify 的联合创始人兼首席运营官 Kirvy Teo 说，“仍然会有很多竞争。我也有兴趣看到英特尔的 CPU+FPGA 的表现会如何。GPU 仍然更容易取得，而且更加常见。每个人都知道 GPU 是什么以及如何使用它。但近来大型云提供商对 FPGA
应用的激增将会带来一些影响。在生态系统合作伙伴方面，GPU 看起来有优势，但同样，FPGA 正在追赶。”

出现这种情况是有原因的，其中比较显著是功率、性能和可配置性。

“FPGA 为可重配置的应用提供了一些真正强大的计算能力，这些应用中现在最显著就是每个人都喜爱的机器学习。”OneSpin Solutions 营销副总裁 Dave Kelf 表示，“Xilinx 等公司正在投入非常大量的工作，要将 FPGA 打造成大型数据中心里加工数据/数字的处理器，以支持机器学习和大数据应用。我们看到其中也使用了大量 GPU，因为它们内置了一种强大的神经网络机制。FPGA 的优势是能提供远远更高的性能，而且仍然是可重配置的。ASIC
是一个成本极其高昂的命题。在光掩模和芯片制造成本上，FPGA 比 ASIC 更具竞争优势。”

Xilinx 架构与验证副总裁 Gaurav Singh 同意这个观点： “机器学习正变得非常重要，而且机器学习算法的应用和使用实际上也正急速扩张。其中有一个训练部分，即科学家与数据科学家和专家要试图构思神经网络、神经网络的训练方式。这就是这个训练部分。更大范围部署的实际是推理部分。这是训练好了神经网络之后，你希望在高效的设备上实际将其用于推理的部分。为此，肯定要有数据中心。”

总结

美国国防高级研究计划局（DARPA）估计航空航天和国防电子产品将用掉所有 FPGA 中的大约 10%。汽车电子、通信/数据中心/网络加速和传感器融合等领域也会用到分立的 FPGA。

Mensor 说，带有固化的 IP 功能的 FPGA 将在基于以太网的网络中得到应用，以 10 到 40 到 100 Gb/s 的速度传输数据。另外 FPGA 还将被用于有线开关、测试和测量以及军事应用。5G 等应用需要在 360 到 500 MHz 条件下运行，而据 Mensor 称，Achronix正在努力实现那样水平的高性能。

与此同时，据 Tate 说，eFPGA 的最大应用是物联网和微控制器、网络通信和数据中心芯片、航空航天/国防。很多公司都相信，随着各种工艺节点的 eFPGA 的推出，eFPGA 将占据越来越大的市场份额。

不确定性是有代价的，如果公司错失了市场窗口，最后只能用基于较旧的协议或为较旧的算法设计的芯片，那这个代价将会非常高昂。可编程性将在这方面提供极大的助力。

原文链接：https://semiengineering.com/a-chip-for-all-seasons/?from=timeline
 



人工智能赛博物理操作系统
AI-CPS OS
“人工智能赛博物理操作系统”（新一代技术+商业操作系统“AI-CPS OS”：云计算+大数据+物联网+区块链+人工智能）分支用来的今天，企业领导者必须了解如何将“技术”全面渗入整个公司、产品等“商业”场景中，利用AI-CPS
OS形成数字化+智能化力量，实现行业的重新布局、企业的重新构建和自我的焕然新生。

AI-CPS OS的真正价值并不来自构成技术或功能，而是要以一种传递独特竞争优势的方式将自动化+信息化、智造+产品+服务和数据+分析一体化，这种整合方式能够释放新的业务和运营模式。如果不能实现跨功能的更大规模融合，没有颠覆现状的意愿，这些将不可能实现。

领导者无法依靠某种单一战略方法来应对多维度的数字化变革。面对新一代技术+商业操作系统AI-CPS
OS颠覆性的数字化+智能化力量，领导者必须在行业、企业与个人这三个层面都保持领先地位：

重新行业布局：你的世界观要怎样改变才算足够？你必须对行业典范进行怎样的反思？

重新构建企业：你的企业需要做出什么样的变化？你准备如何重新定义你的公司？

重新打造自己：你需要成为怎样的人？要重塑自己并在数字化+智能化时代保有领先地位，你必须如何去做？

AI-CPS OS是数字化智能化创新平台，设计思路是将大数据、物联网、区块链和人工智能等无缝整合在云端，可以帮助企业将创新成果融入自身业务体系，实现各个前沿技术在云端的优势协同。AI-CPS
OS形成的数字化+智能化力量与行业、企业及个人三个层面的交叉，形成了领导力模式，使数字化融入到领导者所在企业与领导方式的核心位置：

精细：这种力量能够使人在更加真实、细致的层面观察与感知现实世界和数字化世界正在发生的一切，进而理解和更加精细地进行产品个性化控制、微观业务场景事件和结果控制。

智能：模型随着时间（数据）的变化而变化，整个系统就具备了智能（自学习）的能力。

高效：企业需要建立实时或者准实时的数据采集传输、模型预测和响应决策能力，这样智能就从批量性、阶段性的行为变成一个可以实时触达的行为。

不确定性：数字化变更颠覆和改变了领导者曾经仰仗的思维方式、结构和实践经验，其结果就是形成了复合不确定性这种颠覆性力量。主要的不确定性蕴含于三个领域：技术、文化、制度。

边界模糊：数字世界与现实世界的不断融合成CPS不仅让人们所知行业的核心产品、经济学定理和可能性都产生了变化，还模糊了不同行业间的界限。这种效应正在向生态系统、企业、客户、产品快速蔓延。

AI-CPS
OS形成的数字化+智能化力量通过三个方式激发经济增长：

创造虚拟劳动力，承担需要适应性和敏捷性的复杂任务，即“智能自动化”，以区别于传统的自动化解决方案；

对现有劳动力和实物资产进行有利的补充和提升，提高资本效率；

人工智能的普及，将推动多行业的相关创新，开辟崭新的经济增长空间。

给决策制定者和商业领袖的建议：

超越自动化，开启新创新模式：利用具有自主学习和自我控制能力的动态机器智能，为企业创造新商机；

迎接新一代信息技术，迎接人工智能：无缝整合人类智慧与机器智能，重新

评估未来的知识和技能类型；

制定道德规范：切实为人工智能生态系统制定道德准则，并在智能机器的开

发过程中确定更加明晰的标准和最佳实践；

重视再分配效应：对人工智能可能带来的冲击做好准备，制定战略帮助面临

较高失业风险的人群；

开发数字化+智能化企业所需新能力：员工团队需要积极掌握判断、沟通及想象力和创造力等人类所特有的重要能力。对于中国企业来说，创造兼具包容性和多样性的文化也非常重要。

子曰：“君子和而不同，小人同而不和。”  《论语·子路》云计算、大数据、物联网、区块链和 人工智能，像君子一般融合，一起体现科技就是生产力。

如果说上一次哥伦布地理大发现，拓展的是人类的物理空间。那么这一次地理大发现，拓展的就是人们的数字空间。在数学空间，建立新的商业文明，从而发现新的创富模式，为人类社会带来新的财富空间。云计算，大数据、物联网和区块链，是进入这个数字空间的船，而人工智能就是那船上的帆，哥伦布之帆！

新一代技术+商业的人工智能赛博物理操作系统AI-CPS
OS作为新一轮产业变革的核心驱动力，将进一步释放历次科技革命和产业变革积蓄的巨大能量，并创造新的强大引擎。重构生产、分配、交换、消费等经济活动各环节，形成从宏观到微观各领域的智能化新需求，催生新技术、新产品、新产业、新业态、新模式。引发经济结构重大变革，深刻改变人类生产生活方式和思维模式，实现社会生产力的整体跃升。

产业智能官  AI-CPS

用“人工智能赛博物理操作系统”（新一代技术+商业操作系统“AI-CPS
OS”：云计算+大数据+物联网+区块链+人工智能），在场景中构建状态感知-实时分析-自主决策-精准执行-学习提升的认知计算和机器智能；实现产业转型升级、DT驱动业务、价值创新创造的产业互联生态链。





长按上方二维码关注微信公众号：
AI-CPS，更多信息回复：

新技术：“云计算”、“大数据”、“物联网”、“区块链”、“人工智能”；新产业：“智能制造”、“智能农业”、“智能金融”、“智能零售”、“智能城市”[b]、“智能驾驶”[/b]；新模式：“财富空间”、“特色小镇”、“赛博物理”、“供应链金融”。


点击“阅读原文”，访问AI-CPS
OS官网

本文系“产业智能官”（公众号ID：AI-CPS）收集整理，转载请注明出处！

版权声明：由产业智能官（公众号ID：AI-CPS）推荐的文章，除非确实无法确认，我们都会注明作者和来源。部分文章推送时未能与原作者取得联系。若涉及版权问题，烦请原作者联系我们，与您共同协商解决。联系、投稿邮箱：erp_vip@hotmail.com