随着移动互联网的发展 ， 我们又迈进了万物互联时代 ， 产业数字化如火如荼地进行 。 网络上连接的已经不再限于计算机或者个人设备 ， 越来越多各种各样的设备都连接到互联网上 。 网络技术和操作系统都面临一次升级 ， 从概念到功能外延都在发生变化 。 我有幸在从业这么多年以后又赶上一次技术浪潮 。 在这一轮技术大升级中 ， 面向设备连接的操作系统应运而生 ， 因而我在 2018 年创立了指令集公司 ， 专门从事物联网操作系统的研发和商业化 。
人工智能 —— 从模拟智能到超越人类智能
人工智能的发展代表了人类使用计算的一种追求 。 计算是一种能力 ， 可以做很多事情 ， 包括科学计算和事务型的任务等；其中人工智能的任务是指 ， 让机器通过计算 ， 可以像人类一样拥有智能 。 自从计算机诞生以来 ， 人工智能的发展经历了起起落落 ， 但过去三十年间 ， 人工智能学科总体上一直是在向前发展的 ， 下面是人工智能领域的一些典型事件：

• 深蓝计算机（ IBM 制造 ） ， 1997 年 ， 深蓝击败人类象棋冠军卡斯帕罗夫 。
• 仿生机器人“大狗”（ 波士顿动力学工程公司研制 ） ， 2005 年 ， 可以四条腿行走 。
• 阿尔法围棋（ AlphaGo ， Google 研发 ） ， 2016 年 ， 击败人类围棋冠军李世石 。
• AlphaFold/AlphaFold2（ Google 研发 ） ， 2020/2021 年 ， 基本上攻克了困扰人类科学家已经很久的预测蛋白质折叠结构的问题 。

此外 ， 最近 10 年来 ， 大多数汽车制造企业（无论是传统车企 ， 还是新势力造车企业）以及一些互联网科技公司都在研究自动驾驶汽车 ， 并且陆续有一些自动驾驶汽车上市 。 从以上这些事件我们可以看出 ， 人工智能应用有很多种探索路径：

• 模拟智能

将人类的思考过程 ， 利用计算能力进行模拟 。 比较典型的是象棋和围棋这一类规则化的智力活动 ， 人类的思考过程可以恰当地提炼出来 。 因此 ， 只要有足够的存储和算力支撑 ， 以及人类的经验模型 ， 就有机会做得比人类还好 。

• 利用算法实现智能任务

• 综合替代人类 ， 达到人类智能

比较典型的是自动驾驶汽车 ， 以及各种具有复杂决策能力的机器人 。 自动驾驶汽车可以将人从驾驶任务中解放出来 ， 机器人可以代替人类进入到复杂场景中执行任务 。 这一类人工智能应用需要综合各种软硬件技术 ， 近几年在产业界是一个科创热点 。

• 超越人类智能

探索未知领域 ， 造福人类 。 比较典型的是在一些科研领域 ， 结合了人工智能的技术以后获得了革命性的突破 ， 例如上文提到的 AlphaFold2 使蛋白质折叠结构预测问题得到了突破 ， 达到了原本人类通过实验无法做到的结果 。
人工智能的核心三要素是数据、算力和算法 。 算力是计算的物理基础 ， 数据是计算的原料 ， 算法是计算的逻辑 ， 其最终形式即软件代码 。 人工智能的发展催生了大量的数据工程师和算法工程师岗位 。 数据工程师负责采集数据 ， 对它们进行各种处理 ， 归集起来以供算法使用；算法工程师负责实现各种算法 ， 或者调用一些通用的算法来完成特定的任务 。 经过多年的发展 ， 目前有很多算法库已经沉淀下来 ， 有不少以开源的方式供业界使用 ， 例如 TensorFlow、PyTorch、Ray 和 SparkML 等 。
算法的编程尤其要关注性能 ， 以确保算法的性能足够优 ， 这不是一项简单的任务 ， 它需要扎实的底层系统知识 ， 甚至要理解硬件架构 。 一方面 ， 数据的传递和分布对于一个大计算量的算法是非常重要的；另一方面 ， 在众多计算节点中 ， 要避免出现单点性能瓶颈 。 有很多的领域专家在使用人工智能算法时 ， 并不洞悉底层计算平台的配置要求 ， 或者未能正确地使用计算库 ， 从而造成资源浪费或者计算时间过长 ， 这在实践中较为常见 。