不管你喜不喜歡，2019年AI(人工智能)趨勢已經襲來。
科技自媒體平臺Hacker Noon日前刊出一篇數字營銷策略師Irfan Ahmed Khan所寫的文章。內容是介紹今年AI行業9大行業風向。
復雜的AI，非常依賴于專業的AI芯片。
全球科技巨頭都已經在AI芯片上“燒錢”無數。谷歌、亞馬遜、Facebook都在潛心布局這一大AI賽道。國內則有華為、寒武紀科技、地平線機器人等。
走到舞臺中間的AI芯片，細分領域也越來越多：有專注于計算機視覺，也有專注于語音識別，更有專注于自然語言處理等。
2019年是AI與其他技術相融合的一年。最值得期待的，無外乎是AI+物聯網。其中，有兩大風口值得關注。一是工業互聯網，二是分布式人工智能。
在工業互聯網領域，AI的感知、交互、決策能幫助線下的工業企業更好地發現線上的需求，通過大數據做上下游的數據整合和分析，壓縮生產和質檢環節，進行更好地指導決策。“中國制造”的標桿富士康集團正向工業互聯網邁進。
在分布式人工智能領域，也有大商機。從概念上理解比較抽象，可以直接舉個例子。
以非常時髦的“城市智慧大腦”為例。在智慧城市的交通項目中，牽涉到數萬個攝像頭，用傳統的集中式人工智能處理方案，傳輸費用每年就要數億元，AI計算費用更是超過10億元/年。但如果采用分布式人工智能的處理模式，先在邊緣開展AI數據預處理，然后把數據傳到數據中心做最后的處理，能將費用整體節省到原來的1/10。
乍一看AutoML也是非常費解。其意義在于：幫助開發人員提供他們需要的定制選項，而不必強迫他們完成復雜的工作流。
解釋出來也都非常費解。下面引用一段谷歌首席執行官Sundar Pichai在推出AutoML時所說的話來解惑。
“設計AI所需的神經網絡，不僅非常耗時，還對專業知識要求極高，使得只有小部分科研人員和工程師能夠參與設計。因此我們創建了AutoML。有了它，神經網絡自己也可以設計神經網絡了。我們希望AutoML能夠擁有現在一些博士擁有的能力，并可以在三到五年內使眾多開發人員也能通過 AutoML 設計神經網絡，滿足特定的需求。”
又是一個由非常簡單字母拼湊而成的高深技術名詞。AIOps的意義可以專業地解釋為：使IT部門的員工能進行精確的原因分析，快速地幫助他們從大量數據集中找到有用的見解和模式。
以上可以比較簡單的理解為，AIOps平臺能讓一個公司養更少的技術人員來支持更多的技術工作。其原因在于，AIOps平臺(機器)自身可以采集多維度、海量的IT數據，只要有少量熟悉 AIOps 產品的運維工程師即可實現中大型企業日常的IT支撐保障。
AI技術的開發人員有一大苦惱，就是市場上有幾十種幫助設計神經網絡的框架，且互相缺乏集成，難以兼容。
2019年由微軟和Facebook等科技巨頭推出的開放神經網絡交換(ONNX)，可以解決上述困擾，即允許開發人員跨多個框架、重復使用設計好的神經網絡。
2019年，AI學習而生成的數據要從數量向質量轉變。這就需要AI披上各行各業的“外衣”，精準專業的抓取、分析、生成數據。
高質量的AI，需要在專業化系統中運作。因此，這也將催生更多高質量的AI系統。2019年，對專用AI系統的需求將呈指數級增長。企業也越來越愿意購買“最懂自己”的AI。
上面所說的那么多AI的神奇之處，最終還是需要“人肉”落實在企業生產實踐中。換句話說，2019年，企業將更加需要靠譜的AI人才。
美國AI技術服務商Espressive創始人兼首席執行官Pat Calhoun表示，企業都希望借AI實現數字化轉型，但苦于沒有開發人員、AI專家來幫助他們，
美國網絡安全公司Awake Security首席執行官Rahul Kashyap 表示，企業是時候更明智地看待它們AI解決方案的“黑匣子”里發生的事情了。
道高一尺魔高一丈。AI能夠讓生產生活變得更加友好，也就能讓生產生活變得更加邪惡。AI是工具。好與壞，善與惡，取決于它的的使用者。
2019年，隨著AI在各領域的廣泛使用，不法分子可能會“逆水推舟”，對企業的AI發動網絡攻擊。這就迫使企業在安全方面投入更多成本，建立“城墻”來保護墻內的AI數據不被攻擊。這對于AI安全解決方案的提供商來說，是一個風口。
2019年，AI將無處不在。從智能家居到交通出行，從酒店預訂到上網海淘。社會向數字化轉型的步伐向更加堅定。
近段時間被人們笑談的“大數據殺熟”的背后，正是AI在賦能。夏威夷大學信息科技學院教授Tung Bui表示，AI將加速商務系統的數字化轉型，讓人類的商業社會更加智慧。
