不管做什麼，先上車再說。

不可的否認，人工智慧確實是近年來最火的概念，從業者收入也是後來者居上。這情況和早期的網際網路企業很像，而且目前看，上車還不晚。

與網際網路企業一樣，人工智慧不是指某一個行業，某一項技術。而是集合了機器人、語言識別、影象識別、自然語言處理等技術，都可以劃歸人工智慧的概念。這就造成市場上很多企業，都在試水人工智慧。

如果你是技術工作者，網際網路巨頭如BAT，滴滴，位元組跳動等公司都有佈局，一些細分領域也有自己的領頭羊。就連國家電網，工商銀行等國企也有自己的人工智慧專案，所以如果你想投入這一行還是有很多機會，即便沒有基礎可以從底層做起，甚至是外包做起，積累經驗比較重要。

如果你不是技術工作者，在人工智慧公司一樣需要財務，人力，法務，專案管理，銷售，運營，稽核等方面的人才，這些崗位，總有一款適合你。而且在很多公司不同崗位收入相仿，股票也少不了你的。所以從你踏入公司的那一刻，就算是進去人工智慧的風口了。然後憑藉著公司的近水樓臺，你也算是個人工智慧圈子裡的人了。不信你看網際網路的公司的財務與人事，都是號稱自己是網際網路圈的。

如果你是企業主，既然已經認同人工智慧是下一個風口，那麼進去人工智慧越早越好。我自己之前從事銷售行業。後來企業在電話銷售中的使用了語音識別，效果很好。在外出拜訪展示案例時，用人臉識別解鎖Ipad，更能增加客戶對公司實力的認可。

最後祝你上車成功。

人工智慧是時代發展的產物。80年代就已有人工視覺的研究的著作了。但是受限於計算機軟硬體發展的侷限。但隨著計算機發展。個位數奈米級光刻的大規模積體電路的應用。雲計算，高速網際網路普及，及模擬神經網路的深度學習的演算法研究與發展。並且各領域微感測器的突破，如多軸加速感測器，鐳射掃描與接收，大畫素微攝像感測器，壓力彎曲感測器等等的應用以及四肢及雙腿步態的演算法研究都使得人工智慧越來越趨向成熟。可以預測除加工流水線廣泛應用的多自由度機械臂代替人工繁複的簡單工作外，類人機器人將是汽車產業之後的又一個大規模工業產品產業。將是終結後工業時代進入智慧化工業時代的產品。到那時知識大爆炸的有序發展依靠人工智慧。藥品，材料，裝置設計，工程建造，農業管理，大氣研究，電業排程，車船高鐵飛機運輸都需要人工智慧的協調與發展。碼農將會消失。精準農業將會更有計劃。萬物互聯將會實現。人們更有機會擺脫繁複的工作。工作與生活更向藝術唯美的方向發展。

現在還是熱點 快速發展階段

現在的人工智慧或者說機器學習 很大程度上還是基於機率統計的 是智慧的初級階段 這部分機器學習已經比較成熟了 也有很成熟的應用了 比如人臉識別

高階的智慧 比如推理 現在也是在快速發展階段

說實話 想要抓住機會 就需要了解其原理和發展趨勢 怎麼說呢 想搞懂原理的話 要求具備一定的相關知識 比如數學 計算機知識

學生的話想把握就學相關專業 相關工作者就自學唄 商人就投資自己看好的 普通初級勞動者要做好失業準備了 因為人工智慧第一波取代的就是他們

- 1 -

為什麼錯過風口的總是你？

“浪費機會，遠比錯過機會更讓人悔恨不已。”

這句話，貌似可以道出很多人的心聲。

10年以前，北京的房價還沒那麼高，如果有錢隨便買套都能翻上幾番；5年以前，騰訊股票還沒貴的離譜，稍稍入手如今就能“財務自由”；3年以前，小米雷軍給了我箇中層的offer，但凡入職如今也能身價千萬...

一個新機會的誕生，必會引來眾多吃瓜群眾圍觀，然而為何抓住機會的總是那些極少數？

原因其實很簡單，那是因為我們絕大多數人都受到了「知識的詛咒」。

咦？不是說好了知識就是力量，知識可以改變命運嗎？怎麼反而現在知識又成為了詛咒呢？

知識常常阻礙我們的腳步，只有無知才能帶來新的可能。

然而，蘇格拉底不但自己沒有承認，他還說：之所以我看似擁有智慧，本質是因為我知道自己有多麼‘無知’。

這句話其實可以套用到很多人提及的人生四種認知層次，他們分別是：

不知道自己不知道：無敬畏之心，以為自己什麼都知道；

↓

知道自己不知道：開始有敬畏之心，能夠迎接新的認知；

↓

知道自己知道：具有一定認知深度，但仍有自己的盲區；

↓

不知道自己知道：大智若愚的境界，永遠保持空杯心態。

所謂的“無知”，其實重點在於“不知道自己不知道”，卻還想當然地認為“知道自己知道”。

這句話聽上去有點繞口，換句通俗的話說：

所謂知識，不過是前人用經驗總結出的抽象概念，可但凡是人就會有盲區，越是視野達不到的地方，往往越會蘊藏著問題的真相。

這就好比16世紀，當哥白尼提出日心說的時候，周圍人根本沒人相信，因為這超出了所有人的傳統認知範疇。

可後來事實證明，哥白尼的日心說確實是正確的。

再舉個商業中的案例。曾經有個全球最大的手機品牌叫做諾基亞，2007年的時候，它仍然佔據了47%的市場份額。

那一年，喬布斯剛剛推出了第一款智慧手機，僅僅佔有0.6%的市場份額，這完全沒有引起諾基亞高層的重視。

反之，他們認為自己擁有高效的研發體系和過硬的產品質量，因此一門心思試圖生產出更好質量的手機。

後來的事大家都知道了，雖然諾基亞的質量依然是首屈一指，但蘋果卻全新定義了手機這個市場。

除此之外，蘋果還重新解構了遊戲、出版、相機、音響等諸多個行業，讓許多人的失敗來的措手不及。

回過頭來看，像諾基亞同類的公司究竟錯在了哪裡呢？

正如許多人所說，有時候你什麼也沒做錯，只是因為你老了。

這裡的“老”，指的不是年齡，而是一種線性的思維定勢，是一種對於自己“專業”的過度信賴。

好比我見過最多的職場新人，他們最大的問題不在於努力不足，而是他們只會按照領導規定的方法解決問題，但凡遇到點兒陌生困難立刻就手足無措。

為什麼當我們在新機會、新問題面前，總是習慣於依賴舊方法、舊認知呢？

原因很簡單，因為在我們接受過的十幾年教育中，所有人都需要按照統一地既定範疇來答題，但凡有一些出入，就會被判為不及格。

而職場與人生從來不應該是封閉答題，它是一個開卷考試。

所以，這就是為什麼很多人雖口口聲聲說看到了“風口”，卻始終不敢踏進半隻腳的原因。

本質上，這是因為你的“已知”戰勝了“無知”，而你卻從來不肯相信自己的“無知”。

- 2 -

如何判斷前面的風口不是一個“坑”？

面對機會，最考驗一個人的不是執行力，而是洞察力。

這個世界永遠不缺機會，什麼人工智慧、大資料、物聯網、區塊鏈...一個浪潮追著一個浪潮，吹著豬到處飛的風口永遠不會停。

可機會那麼多，為什麼你遇到的總是“坑”？比如你判斷區塊鏈是趨勢，於是連忙去買比特幣，結果下一秒就賠成了一條狗。

究竟是騙子太多了傻子不夠用，還是壓根兒你的判斷出了問題？

其實，兩者都未必對，因為更大機率的可能，是你踩錯了時機！

為什麼這麼說呢？這裡我還是要用到前面講的「Gartner曲線」。

很多高手用它來分析一個新物種發展過程中所處的階段，比如用到一項新技術上，通常會這樣區分：

1）概念的萌芽期。這是一個從無到有的過程，這個階段的產品往往不成熟，但卻因為其嶄新的概念會引來不少媒體和業界的關注；

2）期望值高峰期。這個時候會湧現出大量的“韭菜”，人們的期望值往往最高，導致多數人無法獨立判斷、人云亦云。

3）破滅的黑暗期。此刻的泡沫破碎掉，一個嶄新的概念猶如老鼠過街，人人喊打，就連原本的吃瓜群眾都開始冷靜下來。

4）頓悟的爬坡期。很多人其實堅持不到這一階段，但凡留下的都是勇士，原本形而上的概念開始尋求落地，產品開始市場化。

5）競爭的飽和期。人們開始意識到一個新事物的真正亮點，越來越多的人湧入市場，導致競爭越發激烈，直到寡頭出現。

舉個例子。其實很多人都知道，早在滴滴、快的之前，國外早已就有了共享出行這個概念，比如在中國被滴滴打敗的Uber。

事實上，倘若說到網約車，無論滴滴或是Uber都不是第一個吃螃蟹的公司。真正全球第一家網際網路約車平臺，其實是周航做的易到用車。

易到用車創辦於2011年，但發力點是從2012移動網際網路元年開始，那個時候其實很多人對共享經濟已經有了比較初步的認識，可以算是“期望值的高峰期”。

然而，下面的這個故事興許很多人就不知道了。哪怕是我，也是在一次很偶然的機會下得知的。

其實，國內曾有一個小有名氣的企業家，他的名字叫王永，早在20年前，他就開始不斷鼓吹和踐行共享出行的這個概念了。

王永是何許人也？他是湖南邵陽人，原本從事廣告設計工作，後來創辦了一家企劃公司，在業內小有名氣，併成為了品牌中中國產業聯盟秘書長。

為什麼我如此瞭解王永這個人呢？這是源於在2010年的時候，他在我的母校北京大學做了一場小型的分享會，主題就是關於“順風車”。

作為一個節能環保主義的倡導人，王永很早就開始推廣“順風車”的概念。他一開始用自己的私家車，再上下班時搭載路人，直到後來，他說服身邊越來越多的人開始加入順風車運動。

據我所知，雖然王永是國內最早開始踐行“共享出行”理念的人之一，但他真正作為一個競爭者入局網約車領域卻是在2014年，他所創辦的平臺叫做“微微拼車”。

2014年，可謂是共享汽車最熱鬧的一年，滴滴、快的、嘀嗒、51用車、天天用車，以及微微拼車...每一個公司背後都有無數的資本追捧，這有點眾星捧月的感覺。

然而轉眼間，2015年2月14日，滴滴與快的宣佈合併。此訊息一經傳出，資本立即陷入了冷靜，原本一年時間便估值10億的微微拼車，瞬間像遭遇了滑鐵盧般陷入無人憐惜的境地。

為了維持僅有的一點希望，王永先後從私人身上拿出了2000萬投入公司。此時，正是共享出行領域的“黑暗破滅期”，無論王永如何掙扎，最終也始終沒有逃過專案倒閉的厄運。

再接下來的故事，想必大家都知道，從共享出行開始，再到共享單車、共享汽車、共享電動車...整個出行行業也從“爬坡期”進入到了“飽和期”。

然而贏家是誰？當然是那些能順應趨勢「生命週期」的人。

換句話說，所謂的機會，你單單只是看到了並沒有用，甚至是你看到了立刻就去做也未必有收穫。

若想真正把握住機會，你還需要充分順應一件事物的發展規律。

然而，若想真的做到這點，靠的不只是投機的小聰明，還要學會用更立體思維看待問題。

- 3 -

如何把握住屬於自己的機會？

俗話說，“萬事俱備只欠東風”，這是很多人給自己的一個誤區，覺得自己已經很努力，但就差一個機會了。

說到這裡，我可以很負責任地告訴你，機會不是靠“抓”的，而要靠“借”。

這句話怎麼理解呢？想必大家都聽過“草船借箭”的故事。

據《三國志》書中記載：濡須之戰時，孫權屢屢向曹操挑戰，可曹操偏是堅守不出。

後來孫權想破了頭也沒有辦法，於是就故意責難諸葛亮，限他在10天之內造出十萬支箭。沒想到諸葛亮淡定地看了看天色，並掐指一算，表示交出十萬支箭他只需用3天。

接下來，第一天過去了，第二天也沒有動靜，眼看孫權就要發威了，結果第三天的時候天空飄起了大霧。

於是，諸葛亮讓孫權親自坐著大船進入到曹軍水寨前，使得曹軍萬箭齊發，瞬間借足了十萬支箭，立下奇功。

這個故事說明了什麼道理呢？

如果你把造箭作為我們人生當中的目標，那麼天空中的大霧就好比是趨勢。“草船借箭”之所以巧，就巧在諸葛亮沒去想如何自己去造10萬支箭，而想的是如何“借勢”。

這就如同趨勢來了，很多人想的都是如何跳進趨勢、追趕風口，只有少數人想的是如何讓趨勢“借為我用”。

比如你知道區塊鏈技術必將是下一個時代的風口，難道你就要去學程式設計、學寫程式碼嗎？答案當然是未必，因為相較於龐大的趨勢而言，你的這丁點勤奮壓根微不足道。

這個道理雖是簡單，但很多人偏愛南轅北轍。比如看人家炒幣賺了就去買幣，看人家直播火了就去玩抖音，看人家創業發了就貿然裸辭...

要知道，更多在新媒體紅利中拔得頭籌的內容創業者，都是在傳統內容行業磨練了很多年的老司機，試問一個連10萬字都沒寫過的職場菜鳥，又怎能一夜間輕鬆獲得10萬+？

因此，別人能抓住的機會未必屬於你，別人敢追逐的風口你也未必適合。倘若你真想創造機會獲得指數型成長，那不妨先做到以下2點：

01.升維思考，降維打擊

所謂升維思考，前面已經提到了，意思就是你先要提升自己的思維格局。

如果把一個人的知識比做一個圓圈，那麼圓圈裡面就是你已知的，圓圈外面是你未知的。事實上，當你圓圈越大的時候，就會越發現自己的無知。

但可怕的是，很多人無法意識到自己不知道的位置。這就需要你在圓心的位置畫一個垂直的Y軸，站在更高的層次俯瞰自己。

華人講的“大智若愚”其實就是這個道理，意思就是說你明明可能認為自己知道的已經很多了，但卻仍要以空杯的心態看待一切。

比如一個趨勢誕生了，想不要人云亦云的評價它對不對，而應該先多問幾個為什麼。

同樣的道理運用到工作中，老闆交給你一項任務，你可以問自己為什麼老闆交給你這項任務，為什麼你能做好而不是別人。

那什麼又是降維打擊呢？

看過《三體》這本書的人其實很容易理解。所謂的降維，簡單理解，就是相比較於二維，一維就是降維，相比於三維，二維又是降維。

試想你在電影院裡看大片兒，你是喜歡三維的體驗，還是二維的體驗呢？可儘管如此，三維四維也不是憑空出現的，它們是由一維二維逐漸演化而來的。

換到人生的機會面前，我們又如何依靠“降維”獲益呢？

方法很簡單，就是我們的思維要高調，行為要落地。

所謂的行為要落地，首先要避免“無效的努力”。換言之，相比於一時的短期收穫和低價值的重複勞動，我們應著眼於“長半衰期&高收益值”的東西。

什麼是“半衰期”？它指的是隨著時間拉長你的激情會不斷被削弱；

而“收益值”，則指的是你做一件事情時，所獲得的精神或物質方面的回報。

比如玩遊戲、刷抖音，這兩者雖是“高收益值”，但卻伴隨著“短半衰期”，也就是說時間越長你越得不到收穫。

反之，“長半衰期&短收益值”的事情也很多，比如看書、健身、與牛人交流、積累你的良好信用...

為什麼聊如何把握機會，卻又要談到個人努力呢？

道理很簡單，因為倘若從立體的多維角度思考，個人的努力相當於一個“點”，而趨勢是為你賦能的，它如同“線面體”。

一個點必須依附一條線，而一條線又要依附於線和麵。這就好比一個趨勢來了，先會啟用一個經濟體，然後才是一個行業，再者是一部分公司，最後才是個體的人。

所以，當你站在高層次的格局俯瞰一個新物種的發展規律時，不要忘記一句老話——“打鐵還需自身硬”。

正如前面故事中所講到的，想要借到十萬支箭，你起碼先要有艘船。

要知道，抓住機會其實並沒想象中那麼難，難的是你自身是否能夠和趨勢形成同頻的順週期。

換句話說，你既要能享受得了機會的高潮，也要能忍得住趨勢的黑暗。

02.用5WH建立起思維的“軸”

說到“軸”這個概念，也許你會想到數學當中XYZ等的各種軸線。

換做認知思維領域，我喜歡將其比作一種“時空結構”。比如我們要寫一篇敘事文的時候，首先會想到7要素，即時間、地點、人物、起因、經過、情節、結果。

而我所講的“軸”，就是串聯起一個完整故事的思維主線。

比如我曾經是一名產品經理，當我要設計一款APP的時候，首先要問自己一個5W2H的問題：

Who：產品給誰用？→What：產品主打功能是什麼？→Why：使用者為什麼要用？→Where：推廣渠道和使用者場景是什麼？→When：產品什麼時候交付？→How：如何組織開發及營銷工作？→How much：產品是否免費，定價多少？

事實上，5W2H裡的每個關鍵詞都能再延伸出好多個問題。想必很多人知道，之所以這麼問，是因為能更加立體多維的看清一個問題。

這套系統雖不是最全面的思考方法，但卻能幫助我們看明白95%的未知事物。好比一個新的技術、一個新的行業、一個新的公司，甚至一個新的工作機會。

就拿區塊鏈來舉例。在我看來，區塊鏈從來不是什麼高深的技術，之所以很多人聽到後一頭霧水，是因為沒有真正的系統思考過。

或者你可以嘗試下用5W2H的方法，從以下幾個問題開始尋找答案：

Why：為什麼說區塊鏈是下一個趨勢？

What：區塊鏈提供了什麼核心價值？它的構成邏輯是什麼？

Where：區塊鏈會在哪些領域得以應用？

Who：誰會是區塊鏈的受益者？我能用得上這個技術嗎？

When：區塊鏈會經歷哪些週期？現在處於什麼階段？

How：如果可以，我該如何運用區塊鏈？

How much：研究區塊鏈需要付出多少成本？我需要花時間學習嗎？

說到這裡，也許你已經明白了。同樣一件事物，在不同的人眼裡往往有著不同的詮釋，區別就在於你是否能站在更高的層次，運用更多的維度去思考。

高手之所以是高手，並非在於他比你有更多的機會，而在於他比你能用更立體的視角看待問題。

這就如同每一個人的四周都有一堵牆，普通人站在牆內以為世界只有眼前這麼大，而高手則會踮起腳尖試圖看向牆外，因為他知道，世界的大小不是由圍牆決定的，而是由自己的身高決定的。

所以我們才常常開玩笑說，個子高就是有好處，因為他能比別人呼吸到更新鮮的空氣。

近年來，隨著全球AI產業的快速增長，AI晶片需求大幅上升。按照Gartner最新資料，2018年全球AI晶片市場規模達到42.7億美元。未來幾年，全球各大晶片企業、網際網路巨頭、初創企業都將在該市場上進行角逐，預計到2023年全球市場規模將達到323億美元。未來五年（2019~2023年）平均增速約為50%，其中資料心、個人終端、物聯網晶片均是增長的重點。

AI 晶片的應用領域廣泛分佈在金融證券、商品推薦、安防、消費機器人、智慧駕駛、智慧家居等眾多領域，催生了大量的人工智慧創業企業。

目前的人工智慧，主要應用在以下五大主要場景中：資料中心、自動駕駛、安防、智慧家居、以及機器人。

表1：主要AI晶片型別及企業。

一、資料中心（雲端）

資料中心是AI訓練晶片應用的最主要場景，主要涉及晶片是GPU和專用晶片（ASIC）。其中GPU在雲端訓練過程中得到廣泛應用。

目前，全球主流的硬體平臺都在使用英偉達的GPU進行加速，AMD也在積極參與。亞馬遜網路服務AWS EC2、Google Cloud Engine（GCE）、IBM Softlayer、Hetzner、Paperspace、LeaderGPU、阿里雲、平安雲等計算平臺都使用了英偉達的GPU產品提供深度學習演算法訓練服務。

在雲端推理市場上，由於晶片更加貼近應用，市場更多關注的是響應時間，需求也更加的細分。除了主流的CPU+GPU異構之外，還可透過CPU+FPGA/ASIC進行異構。目前，英偉達在該市場依然保持著領軍位置，但是FPGA的低延遲、低功耗、可程式設計性優勢（適用於感測器資料預處理工作，以及小型開發試錯升級迭代階段）和ASIC的特定最佳化和效能優勢（適用於在確定性執行模型）也正在凸顯，賽靈思、谷歌、Wave Computing、Groq、寒武紀、位元大陸等企業市場空間也在擴大。

表2：全球人工智慧硬體平臺AI晶片配置情況。

二、自動駕駛

自動駕駛汽車裝備了大量的感測器、攝像頭、雷達、鐳射雷達等車輛自主執行需要的部件，每秒都會產生大量的資料，對晶片算力有很高的要求， 但受限於時延及可靠性，有關車輛控制的計算不能再依託雲端進行，高算力、快速響應的車輛端人工智慧推理晶片必不可少。

目前，自動駕駛所使用的晶片主要基於GPU、FPGA和ASIC三條技術路線。但由於自動駕駛演算法仍在快速更迭和進化，因此大多自動駕駛晶片使用GPU+FPGA的解決方案。

未來演算法穩定後，ASIC將成為主流。按照SAE International的自動駕駛等級標準，目前已商用的自動駕駛晶片基本處於高階駕駛輔助系統（ADAS）階段，可實現 L1-L2 等級的輔助駕駛和半自動駕駛 (部分宣稱可實現L3的功能 )；而面向L4-L5超高度自動駕駛及全自動駕駛的AI 晶片離規模化商用仍有距離。

根據豐田公司的統計資料，實現L5級完全自動駕駛，至少需要12TOPS的推理算力，按照Nvidia PX2自動駕駛平臺測算，差不多需要15塊PX2車載計算機，才能滿足完全自動駕駛的需求。

AI 晶片用於自動駕駛之後，對傳統的汽車電子市場衝擊較大，傳統的汽車電子巨頭（恩智浦、英飛凌、意法半導體、瑞薩）雖然在自動駕駛晶片市場有所斬獲，但風頭遠不及英特爾、英偉達、高通，甚至是特斯拉。

國內初創企業如地平線、眼擎科技、寒武紀也都在積極參與。在自動駕駛晶片領域進展最快，以及競爭力最強的是英特爾和英偉達，英特爾強在能耗，英偉達則在算力和演算法平臺方面優勢明顯。

英特爾進入自動駕駛晶片市場雖然較晚，但透過一系列大手筆收購確立了其在自動駕駛市場上的龍頭地位。2016年，公司出資167億美元收購了FPGA龍頭Altera；2017年3月以153億美元天價收購以色列ADAS公司Mobileye，該公司憑藉著EyeQ系列晶片佔據了全球ADAS 70%左右的市場，為英特爾切入自動駕駛市場創造了條件。收購完成之後，英特爾形成了完整的自動駕駛雲到端的算力方案——英特爾凌動/至強+Mobileye EyeQ+Altera FPGA。英特爾收購Mobileye之後，後者也直接推出了EyeQ5，支援L4-L5自動駕駛，預計在2020年量產。

英偉達在汽車AI晶片的競爭中不落下風。英偉達在2015年推出了世界首款車載超級計算機Drive PX，緊接著 2016 年推出Drive PX2，2018 年推出新一代超級計算機 Drive Xavier，同年，基於雙 Drive Xavier晶片針對自動駕駛出租車業務的Drive PX Pegasu計算平臺面世。

2019 CES上，英偉達推出了全球首款商用L2+自動駕駛系統NVIDIA DRIVE AutoPilot。DRIVE AutoPilot的核心是Xavier 系統級晶片。該晶片處理器算力高達每秒30萬億次，已經投產。

表3：英特爾和英偉達主要自動駕駛晶片效能指標對比。

三、安防

安防市場是全球及國內AI最為確定，以及最大的市場，尤其是AI中的影象識別和影片處理技術正在全面影響安防產業。其中，在安防產品中，攝像頭、交換機、IPC（網路攝像機）、硬碟燒錄機、各類伺服器等裝置都需要晶片，這些晶片也決定了整個安防系統的整體功能、技術指標、能耗以及成本。

在安防晶片中，最為關注的還是四類與監控相關的晶片（ISP晶片、DVR SoC晶片、IPC SoC晶片、NVR SoC晶片）。

ISP(Image Signal Processing，影象訊號處理)晶片，主要負責對前端攝像頭所採集的原始影象訊號進行處理；

DVR（DigitalVideoRecorder，數字硬碟錄影機）SoC晶片主要用於模擬音影片的數字化、編碼壓縮與儲存；

IPC（IP Camera，IP 攝像機）SoC晶片通常集成了嵌入式處理器（CPU）、影象訊號處理（ISP）模組、視音訊編碼模組、網路介面模組等，具備入侵探測、人數統計、車輛逆行、丟包檢測等一些簡單的影片分析功能；

NVR (Network Video Recorder，網路硬碟錄影機) SoC晶片主要用於影片資料的分析與儲存，功能相對單一，但由於多與IPC聯合使用，市場增長也較快。

通常情況下，安防影片監控模擬攝像機的核心部件包括一顆影象感測器和一顆ISP晶片。

安防影片監控網路攝像機的核心部件包括一顆影象感測器和一顆IPC SoC晶片。

單從國內來看，未來國內影片監控行業增速仍將保持12%~15%左右的水平增長，其中網路監控裝置增長更為迅速，相關晶片產品需求十分旺盛。

安防AI晶片市場上，除了傳統晶片以及安防廠商，還有大量的創業企業在湧入。國外晶片廠商主要有英偉達、英特爾、安霸、TI、索尼、特威、三星、谷歌等；國內廠商主要有海思（華為）、國科微、中星微、北京君正、富瀚微、景嘉微、寒武紀、深鑑科技、雲天勵飛、中科曙光等。

英偉達、英特爾等企業憑藉著通用處理器，以及物聯網解決方案的優勢，長期與安防巨頭如海康、大華、博世等保持緊密聯絡；國內寒武紀、地平線、雲天勵飛等企業，都有AI晶片產品面世，海思本身就有安防攝像機SoC晶片，在新加入AI模組之後，競爭力進一步提升。

從安防行業發展的趨勢來看，隨著5G和物聯網的快速落地，"雲邊結合"將是行業最大的趨勢，雲端晶片國內企業預計很難有所突破，但是邊緣側尤其是影片處理相關AI晶片還是有較大潛力，中國產化替代將加速。但也看到，AI晶片離在安防領域實現大規模快速落地仍有距離。除了功耗和算力約束外，工程化難度大也是困擾行業的重要因素，尤其是在安防這種產業鏈長而高度碎片化的產業，新技術落地需要長時間的積累與打磨，以及人力資源的不斷投入。

表4：國內面向安防AI晶片的企業及主要產品。

四、智慧家居

智慧家居近年來也成為人工智慧重要的落地場景。從技術應用上講，人類 90%的資訊輸出是透過語音，80%的是透過視覺。

智慧家居領域應用最多的就是智慧語音互動技術。近年來，正是看到語音互動技術與智慧家居深度融合的潛力，谷歌、蘋果、微軟均將其作為進入智慧家居領域的重要切入口，釋出了多款軟硬體平臺，如亞馬遜推出的智慧音箱裝置。

國內智慧語音龍頭企業科大訊飛較早就切入了該領域，聯合地產商推出了硬體平臺魔飛（MORFEI）平臺，電視、咖啡機、電燈、空調、熱水器等產品都能透過融入相關平臺實現智慧化。

當前，無論是智慧音箱還是其他智慧家居裝置，智慧功能都是在雲端來實現，但云端存在著語音互動時延的問題，對網路的需求限制了裝置的使用空間，而且由此還帶來了資料與隱私危機。

為了讓裝置使用場景不受侷限，使用者體驗更好，端側智慧已成為一種趨勢，語音AI晶片也隨之切入端側市場。

國內主要語音技術公司憑藉自身在語音識別、自然語言處理、語音互動設計等技術上的積累，開始轉型做AI語音晶片整合及提供語音互動解決方案，包括雲知聲、出門問問、思必馳以及 Rokid。

市場上主流的AI語音晶片，一般都內建了為語音識別而最佳化的深度神經網路加速方案，以實現語音離線識別。隨著演算法的精進，部分企業的語音識別能力得到了較快提升，尤其是在遠場識別、語音分析和語義理解等方面都取得了重要進展。

雲知聲在2018年5月，推出語音AI晶片Swift，並在研發多模態晶片，以適應物聯網場景，目前公司晶片產品已經廣泛用於智慧家電如空調之中；出門問問也在2018年推出了AI語音晶片模組"問芯"MobvoiA1；Rokid也發在2018年釋出了AI語音晶片KAMINO18；思必馳利用其聲紋識別等技術優勢，2019年初推出基於雙DSP架構的語音處理專用晶片TH1520，具有完整語音互動功能，能實現語音處理、語音識別、語音播報等功能。

由於語音晶片市場過於細碎，需要企業根據場景和商業模式需要設計出晶片產品，這對傳統的通用晶片企業的商業模式是一種顛覆，以致於在2018年以前都很少有晶片巨頭進入該領域，這也給了國內語音晶片企業較大的施展空間。而對演算法公司來說，透過進入晶片市場，進而透過解決方案直接面向客戶和應用場景，透過實戰資料來訓練和最佳化演算法。

表5：國內主要語音晶片廠商及產品情況。

五、機器人

機器人是人工智慧行業最早的落地形態，也是現在和將來重要的應用方向。機器人主要包括兩類——製造環境下的工業機器人和非製造環境下的服務機器人。

工業機器人主要是面向工業領域的多關節機械手或多自由度機器人。服務機器人則是除工業機器人之外的、用於非製造業並服務於人類的各種先進機器人。

隨著雲物移大智等資訊及智慧化技術的發展，機器人在某些領域的工作效率高於人類，並在工業和服務場景中得到了大量應用。

據國際機器人聯盟統計，2017年，全球工業機器人產量達到38.1萬臺，同比增長30%，預計2018-2021年全球工業機器人產量將保持10%以上增速增長，2021年產量預計將達到 63.0萬臺。中國是全球最大的工業機器人生產國，2017年產量達到13.79萬臺，同比大幅增長60%。

服務機器人主要用於物流、防務、公共服務、醫療等領域，雖然規模不大，但是增長迅速。2017年全球產量為10.95萬臺，同比大幅增長85%。預計2018年全球專業服務機器人產量將達到16.53萬臺，同比增長32%，2019-2021年平均增速將保持在21%左右。

機器人尤其是國內產業規模的快速擴大，將大幅帶動國內機器人相關智慧晶片產業的發展。機器人由控制、感測、驅動和電源四大裝置構成，其中控制裝置是機器人的"大腦"，核心是AI晶片。機器人晶片需要具備強大的資料計算、自主判斷思考和執行能力，國外廠商如高通、英特爾、英偉達都在積極部署該領域，國內企業目前處於追趕狀態，相關企業包括瑞芯微、珠海全志、炬芯等。

如果想要在人工智慧時代有所成就，可以重點關注這五大場景應用中的市場機會。

我即將碩士畢業走向工作崗位，找的工作也是某大廠人工智慧演算法工程師，只想簡單說一句，人工智慧是大勢所趨，起碼工資不會低的。但是對能力和學歷要求比較高。大公司起碼要是985碩士研究生以上學歷，做好心裡準備