从互联网时代到智能硬件时代，技术发展和商业模式创新一直都是相互影响的，技术发展会推动商业模式创新，商业模式创新也会影响技术发展。可一旦发生有技术发展不足以支持商业模式创新情况，商业模式创新就会止步不前。直到下一波技术革命来临，商业模式创新才会继续出现。
从“物联网”到“万物互联”，海量数据被催生了出来，单纯的触摸屏交互已经难以满足用户的多样化输入需求了。受技术发展因素的影响，商业模式创新开始止步不前。在这样的情况下，一旦人工智能技术取得突破性进展，商业模式就能实现创新发展，随之而来的将是拥有巨大发展潜力的市场空间。
现如今，Web2．0互联网产品时代的现有技术已经难以满足商业模式的创新需求了。未来，商业模式要创新，就要依赖不断进步的技术，届时人工智能将成为重要支撑。
人工智能未来的硬件架构
近十年，计算机科学的研究重点在信息处理层面，基于此，我们将这个时代称为“大数据时代”或者“数据大爆炸时代”。未来，随大数据时代而生的这种信息处理能力将出现发展瓶颈，届时，计算机科学的研究重点就会转移到“突破计算机现有计算能力极限”方面，也就是颠覆冯·诺依曼的硬件架构方面。
在人工智能技术的支持下，颠覆冯·诺依曼的硬件架构将从底层的硬件架构变革开始。到那时，硬件模式将摆脱对云计算的依赖，将从芯片层面直接对人工神经网络进行模拟，以构建一个完善的硬件大脑。这个想法或许是人工智能在硬件设备领域的终极解决方案。从现阶段的技术层面来看，尽管这个想法的实现还需要很长时间的努力，但其大致方向已经显现了出来。
（1）人脑芯片
2014年8月，IBM公司宣布由IBM公司和纽约康奈尔大学合作进行底层设计、由三星电子生产的百万神经元类人脑芯片——TrueNorth大获成功。IBM公司的人脑芯片研发项目开始于2008年，美国五角大楼高级计划研究局为其投资了5300万美元。
经过六年，这款集成了100万个神经元和2．56亿个突触的芯片终于问世。这款芯片相较于拥有1000亿个神经元和不可计量的突触的人脑来说还有一定的差距，但是与蜜蜂的大脑已经非常接近了。
现阶段，这款芯片能够以每秒每瓦460亿次神经突触的速度运作，能够和人脑一样对物体进行探测与识别。简单来说，在这款芯片运作的过程中，能通过探测、识别模式将一些字母串联在一起，以拼凑出完整的单词和语句，对其进行识别。总体来说，这种应用还比较简单，难以用于商业领域，与商业智能化的实现还有很大差距。
除IBM公司的TrueNorth芯片之外，英特尔、高通等公司也拥有自主芯片设计，他们的芯片设计获得了工程师的高度评价，被称为“神经形态”。在未来，以TrueNorth为代表的二元芯片将被能模拟人脑联系功能的芯片产品所替代。当然，这一想法能否实现依赖于正确的神经元结构能否找到，其研究过程也需要经过很长的时间。
（2）量子计算
目前常见的计算机是借助晶体管电路存储数据的，属于二进制，只能完成一些简单的建模与计算，面对复杂的建模和计算往往显得有心无力。
而量子计算机则很好地弥补了普通计算机的这种缺陷，借由粒子的量子状态存储数据，借助量子算法对数据进行操控，借助量子逻辑来完成通用计算，其拥有的强大并行计算能力能够大幅提升计算机的计算速度。
在量子计算机研究方面做出突出贡献的就是谷歌公司。谷歌公司秉持着“使机器人能够像人一样独立思考”的理想，2014年开始与各科学家联手对量子计算机的处理器进行研究。这一研究究竟能否成功，现在还无法预见，只能在未来见分晓。
（3）仿生计算机
目前在通用的CPU、GPU基础上形成的处理神经网络运作效率较低。以谷歌大脑为例，谷歌大脑拥有的CPU数量达1．6万个，要想完成识别动物面部的无监督学习训练，需要运行7天。并且，谷歌大脑的100亿个突触相较于人脑的100万亿个突触还有很大差距。
另外，以CPU、GPU为基础形成的通用处理器，在构建数据中心的时候，占地面积大、散热功能差、消耗电量多。如此大的成本，一般的互联网企业根本无力支付。面对这些问题，专门的神经网络处理器成了各家互联网企业的必须设备。
仿生计算机就是为解决这个问题产生的，通过仿生计算机，大规模人工神经网络的构建问题能得以有效解决。目前，在国内，陈云霁团队就在仿生学原理的基础上研发出了神经网络计算机。该计算机无须访问内存，使得通讯时间大为缩减（至少减少了90％），并能够支持现有的、主流的机器学习算法。相较于那些主流的GPU来说，寒武纪神经网络计算机的性能比提升了21倍，性能功耗比提升了300倍。
从专用智能到通用智能
在专用智能时代，人工智能技术只能在特定领域、特定场景中应用。例如，格灵深瞳的计算机视觉技术只能用于安防监控领域，如果在商场中应用，它的三维摄像头就没有办法对顾客的基本特征进行识别，无法根据顾客逗留时间的长短来分析其消费偏好，更无法以此为依据开展精准营销。
无论是安防监控领域对违法违规行为的识别与响应，还是商场领域对顾客消费行为的识别与响应，其基础都是计算机视觉技术。但是在专用智能时代，因计算能力和建模能力不足，人工智能技术只能在特定领域使用，无法实现跨场景应用。
未来，随着人工智能技术的发展，当专用智能时代步入通用智能时代后，人工智能技术的普遍适用性将得到大幅提升（图1）。届时，一个普通的监控摄像头＋计算机视觉云平台，在任何场合都能根据用户需求对人群进行识别，并做出分析和决策。
图1人工智能技术的发展趋势
现如今，通用智能时代距离我们还比较遥远。要想从专用智能时代迈进通用智能时代，在计算资源层面必须超越现有的能力上限；在计算机建模层面必须突破线下深度学习算法的极限，真正实现“机器人像人一样思考”。
在跨场景通用人工智能时代，应用层企业的进入门槛最低，平台企业的进入门槛最高，技术细分领域领先企业的进入门槛居中。这也就意味着，届时，应用层企业的竞争会非常惨烈。
 |
 |