头图｜视觉中国
本期首先谈谈 AI 如何影响地缘政治，一方面，AI 改变了国家间的权力平衡；另一方面，跨国公司的 AI 产品与一系列新技术，也成为国家之间竞争的新变量。
“计算”专栏里，我会汇总近期围绕半导体产业的诸多关键事件，其中包括英特尔/AMD 的收购、台积电财报以及芯片公司的政治游说。
本期还将关注：
巨头 · 云：腾讯裁员、AWS 推进 5G、Azure 的 ARM 计算实例；
市场 · 融资：IDC 云计算支出数据、机器人权利报告、两笔 AI 领域的融资；
研究 · 大模型：如何认识大模型、Open AI 与 Google 的最新大模型；
接下来，欢迎和我一起复盘过去一周全球数据与计算领域的产业变化。
焦点·洞察
AI 如何影响地缘政治
3 月末，新加坡总理李显龙访问美国，除了在制造、医疗领域加强合作之外，人工智能也是两国重要探讨的议题，新加坡《联合早报》之前的报道：
……美国—新加坡增长与创新伙伴关系（US-Singapore Partnership for Growth and Innovation，简称PGI）下的三个新合作领域，即人工智能框架、美国先进制造贸易考察团和东南亚网络安全合作。
在人工智能框架方面，美国商贸部与资媒局将合作努力开发可互操作的人工智能治理框架，并支持行业采用道德人工智能。
白宫也在李显龙访美时发布声明，强调美国和新加坡之间紧密的伙伴关系。
无论是“拉拢”新加坡还是扩大和东南亚其他国家的技术合作，上述合作都具备了浓浓的中美地缘政治博弈的意味，以人工智能为代表的新技术（趋势）正在深刻影响地缘政治变革的方向。
首先，AI 等新技术一定程度上改变了国家之间的权力平衡，自 18 世纪的工业革命开始，技术始终是塑造地缘政治的底层力量，从蒸汽机、电力到石油再到现在的 AI（或数据），无一不是如此。
如今，不管是哪一类智库给出的报告，中美两国在 AI 领域都是第一集团，欧洲、日本、以色列等国紧随其后。
其次，AI 等新技术的发展，让越来越多跨国科技公司拥有了巨大权力，成为地缘政治里的新力量。
一个例子是，乌克兰战争爆发后，与欧美各国政府宣布制裁俄罗斯同时发生的，还有包括芯片、云计算等科技公司的制裁，而乌克兰为了应对来自俄的网络攻击，公开呼吁 Elon Musk 的卫星公司帮忙……
第三，AI 等新技术也在构建全新的对抗与冲突形式，过往国际政治中存在热战与冷战、贸易战或经济战，而在当下以及未来，基于 AI 的信息战，诸如假新闻、误导消息、Deepfake 等都会成为新战场，更不要说大量基于 AI 技术的网络攻击了。
最后再推荐一本去年多次谈到的书，Atlas of AI: Power, Politics and the Planetary Costs of Artificial Intelligence，作者 Kate Crawford 以冷静的笔调戳穿了一系列人工智能技术突破带来的幻觉，其中有两点值得关注：
其一，人工智能不是万能药丸，技术的突破需要与产业相结合；
其二，与过往技术一样，人工智能的各项技术，依然依托在政治、经济影响力之下，既在制造新冲突，也在制造新的不平等。
产业 · 计算
先看两笔近期重磅收购。Techcrunch 援引消息人士的话称，英特尔已经完成对以色列创业公司 Granulate 的收购，尽管两家公司并未透露具体交易金额，但结合多方消息来看，英特尔为这笔交易花费了 6.4 亿美元。
整个并购将在 2022 年第二季度完成，Granulate 公司的 120 名员工将加入英特尔。这家公司的核心技术是通过软件方式帮助客户更好利用计算性能，这对降低计算成本，特别是云计算的成本意义重大，未来或将基于英特尔 X86 计算架构提供优化方案。
另一笔收购来自 AMD。AMD 宣布将以 19 亿美元收购网络技术供应商 Pensando，后者是一家由几位前思科工程师创立、面向数据中心提供网络芯片的公司，该公司的客户包括 Azure、IBM、Oracle 等巨头。
网络芯片的竞争愈发激烈，本质上都是在降低数据中心芯片处理网络计算的压力，或者说是将 CPU 的部分工作迁移出来，比如英伟达提出的 DPU（Data Processing Unit）。从这个角度去看，AMD 是在通过收购进一步强化其在数据中心的产品布局。
此前，AMD 已经完成对 FPGA 公司 Xilinx 的收购，这笔总金额高达 350 亿美元的收购将帮助 AMD 正式踏入 FPGA 市场，由于英特尔也拥有另一家 FPGA 公司 Altera，这使得 AMD 可以和英特尔形成一致的产品竞争格局。
关注芯片巨头台积电，台积电上周发布了 2022 年第一季度财报，整体上看依然保持“涨涨涨”的态势，比如：
季度营收 4910.76 亿新台币，约合 169.86 亿美元，同比增长 35.5%；
具体看每个月：
1 月：1721.76 亿新台币，同比增长 35.8%；
2 月：1469.33 亿新台币，同比增长 37.9%；
3 月：1719.67 亿新台币，同比增长 33.2%；
但在这些数字之外，还出现了一些值得关注的变化，台积电董事长刘德音表示，乌克兰战争与亚洲多个国家的疫情防控（封锁）政策，使得包括智能手机、个人电脑在内的消费电子产品需求开始放缓，与此同时，不断上涨的零部件与原材料成本也会转嫁到消费者身上，从而进一步抑制其需求。
需求侧的变化会给整个计算供给（芯片）领域带来诸多不确定性，这里提供几个观察视角：
消费电子需求放缓并不代表整个产业趋势，包括汽车、物联网在内的芯片需求还在持续增加；
消费电子的需求存在一定周期性，在智能手机红利消失的背景下，诸如 VR/AR 等新设备有望成为驱动下一轮消费电子增长的新机会。
这对英特尔来说也不是什么好消息，过去两年 PC 市场回暖，极大推动了英特尔的消费电子营收。《财经天下》上周勾勒了英特尔 CEO Pat Gelsinger 上任 450 天之后给这家芯片巨头带来的变化，放在当下产业背景下，很值得一读。
不过，也正如 WSJ 援引证券公司 Wedbush 分析师 Matt Bryson 的话所言，过去几年英特尔的最大问题是执行力，Pat Gelsinger 的确为这家公司带来了诸多新变化，但执行力如何才是决定这家公司未来发展的关键。
近几年来，芯片公司的政治游说团队已然成为美国政治生态里的重要力量，来自 Protool 的统计显示，自 2018 年以来，芯片公司在华盛顿的政治游说费用上涨了 50%，其中 2021 年的费用高达 4640 万美元。
与此相对，美国主要互联网公司在 2021 年花费了 9020 万美元用于政治游说。
芯片公司政治游说的目的也很简单，一方面是争取政府补贴，比如 2020 年各大芯片公司都希望从美国政府的 3770 万美元补贴里分得一杯羹；另一方面则是影响政策，比如中国中芯国际过去两年先后花费了 31 万 和 18 万美元进行游说，希望影响白宫对该公司的制裁政策。
高通、台积电是最舍得花钱的公司，其中高通的游说费用高达 910 万美元，英特尔和 AMD 的支出是高通的一半，台积电也为此花费了 200 万美元，芯片公司里，有一家公司没有为政治游说花一分钱，这家公司是英伟达。
产业 · 巨头
腾讯云
界面新闻关于腾讯裁员内幕的报道被广泛转载，其中云计算所属的 CSIG 也会进行一些人员调整，包括智慧教育、智慧零售等在内的产品线，或是因为竞争加剧或是因为监管，都会出现不同程度的裁员。
正如我在上月 AI内参 所指，腾讯云需要向行业以及资本市场证明自己的盈利能力，哪怕是盈利方向，仅仅一年四季不停地做“低价上云”的营销活动远不是一家认真的云计算公司。
AWS
负责 AWS 机器学习商业拓展的 Allie Miller 日前分享了几个机器学习领域的重要趋势，也是我个人非常关注的方向：
超大规模语言模型正在成为一个新平台，以 GPT-3 为代表的大模型，会成为软件开发与构建的新范式；
合成数据的崛起，数据之于机器学习模型的重要性不言而喻，合成数据可以降低机器学习模型训练所需的数据成本；
分布式的数据处理技术持续流行，从联邦学习到越来越多的分布式计算集群，带来了巨大的计算性能提升。
上周 AWS 官方博客分享了一篇电信公司使用 AWS 推进 5G 部署的技术新闻稿，其中谈到 AWS 的全球基础设施、本地节点以及云的弹性会如何改变电信公司的产品运营，感兴趣的朋友可以在这里阅读。
Meta
CNBC 的一篇报道指出，Meta 的 AI 员工正在大量离职，结合其他信息源来看，Meta 位于伦敦的办公室几乎已经关闭，多位研究者离开。
负责 Meta AI 研究的 Yan LeCun 在一封回复 CNBC 的邮件里表示，“人们的兴趣在改变”。这几乎就是一个肯定式的回答。
微软
上周微软发布了首个基于 ARM 架构的 Azure 虚拟机实例预览版，该计算实例的芯片来自 ARM 架构芯片公司 Ampere Computing，目前有通用和内存优化型两款产品供选择。
根据微软透露的消息，相比于 X86 架构的计算实例，两款基于 ARM 架构的计算实例性能提升了 50%。
市场 · 应用
先看两个值得关注的融资案例。基于 AI 的商业翻译软件公司 LiLt 完成 C 轮 5500 万美元的融资，这家公司的核心产品是一个面向企业业务的翻译平台，支持 40 种语言，并提供可定制的专业术语库和词典。
另外值得一提的是，LiLt 在不断提升机器翻译能力的同时，还将人类翻译员纳入到整个业务流程里，众包的人类翻译员会为机器翻译的内容进行校对或情感润色。我个人认同该公司的做法，机器翻译的确极大改变了翻译这项工作，但不可能完全自动化，人类在这个流程里依然扮演着重要角色。
医疗 AI 公司 Viz.ai 也在上周完成一笔 1 亿美元的 D 轮融资，估值超过 12 亿美元，跻身“独角兽俱乐部”。
Viz.ai 的产品是一个基于 AI 技术的疾病检测和数据协同平台，目前已经在 1000 家医院使用，通过数据在不同科室的高效流转，为诊断和护理提供依据。
沿着医疗 AI 多说几句，根据一份对 7000 篇临床医疗 AI 论文的研究，研究者们发现，这些论文使用的数据集，超过一半来自中国和美国，而高收入国家的数据集占据了相当大的比例。
鉴于数据在机器学习模型中的重要地位，由某一类数据集训练的医疗 AI 算法往往无法应用到其他地区，缺乏医疗 AI 数据会进一步加剧医疗不平等。
IDC 公布一组全球云计算的市场数据。其中，2021 第四季度全球企业云计算支出为 211 亿美元，同比增加 13.5%，而 2021 年全年支出为 739 亿美元，同比增长 8.8%。
另外，IDC 预测 2022 年的云计算支出将达到 900 亿美元，同比增加 21.7%。
关于机器人的权利问题，这里有一份报告。这篇报告的关注点在于“机器人是否或应该拥有权利”，为此，作者援引不同立场和研究结果，构建起了一个不错的分析框架，不过报告并未给出明确的结论，你可以在这里免费获取这份报告。
研究 · 大模型
机器学习领域的超大规模模型，特别是语言模型越来越多，推荐一篇由多位中国从业人员联合署名的论文，虽然这篇论文整体上并没有提出多少发现，但作为一篇综述性的论文，可以作为了解超大规模模型的知识入门。
OpenAI 和 Google 最近推出的大模型则有诸多新发现。
先看 Open AI 的 DALL·Ｅ2，这是一个可以将人类输入的语言转化为艺术图像的机器学习模型，根据其论文，该模型使用 CLIP 对比模型，首先创建一个嵌入文本标题的图像，然后再生成一个图像。
其测试结果也令人印象深刻，一个测试来自 Open AI 员工，他使用类似“在沙漠里骑行的熊猫”作为输入，系统生成了几张图片，如下图所示：
Open AI 并未公开这个模型，不过已经向部分研究者提供了预览版，未来或以 API 的形式提供给开发者。
Google 上周展示了一个拥有 5400 亿参数的超大规模语言模型 Pathways Language Model（简称为 PaLM），整个模型使用 6144 个 Google 自研芯片 TPU，成本可想而知，但 Google 指出，PaLM 的训练效率很高，其 57.8% 的硬件 FLOPs 利用率是业界大规模语言模型的最好数据。
与此同时，这个模型还在“智能”层面有了一些突破（如上图所示），也进一步验证了所谓“模型越大，效果越好”的假设，没有人知道超大模型的极限在哪里，这条路的探索也还在继续
评论