來源 ｜ 零壹財經(jīng)

作者 ｜ Chenglin Pua

谷歌（Google），總部位于美國加州芒廷維尤的跨國科技公司。谷歌的業(yè)務(wù)范圍涵蓋互聯(lián)網(wǎng)廣告、互聯(lián)網(wǎng)搜索、云計算等領(lǐng)域。谷歌也開發(fā)并提供大量基于互聯(lián)網(wǎng)的產(chǎn)品與服務(wù)，其主要利潤來自廣告服務(wù)。隨著廣告業(yè)務(wù)市場的增速放緩，谷歌也在尋找下一增長點。

人工智能很可能是谷歌的下一個增長點。谷歌在人工智能領(lǐng)域“不計回報”的大手筆投入，而這些投入也在近期迎來開花結(jié)果的時刻。谷歌接下來很可能在3個領(lǐng)域中領(lǐng)先全球，甚至很有可能帶來技術(shù)革命，這三個領(lǐng)域為預(yù)測蛋白質(zhì)、芯片設(shè)計和人工智能操作系統(tǒng)。

更準(zhǔn)確、快且低價的蛋白質(zhì)預(yù)測

2020年12月，谷歌最新人工智能 AlphaFold 2成功基于氨基酸序列預(yù)測了生命基本分子，蛋白質(zhì)的三維結(jié)構(gòu)。繼AlphaFold在圍棋打敗“世界冠軍”AlphaGo（戰(zhàn)勝人類圍棋冠軍李世石）之后，AlphaFold解決了一個困擾人類50年的難題，此難題屬于人類科學(xué)中最棘手的領(lǐng)域——基因醫(yī)療科學(xué)，這可能為更好地了解疾病和藥物研發(fā)鋪平道路。

AlphaFold 是由 Alphabets／Google 旗下的 DeepMind 開發(fā)的人工智能程序，它能夠執(zhí)行蛋白質(zhì)結(jié)構(gòu)的預(yù)測，該程序被設(shè)計為一個深度學(xué)習(xí)系統(tǒng)。AlphaFold AI 軟件有兩個主要版本。AlphaFold 1在 2018 年 12 月的第 13 屆蛋白質(zhì)結(jié)構(gòu)預(yù)測技術(shù)關(guān)鍵評估（CASP）的總體排名中名列第一。AlphaFold 2 在 2020 年 11 月的 CASP 比賽中再次奪得第一名。AlphaFold 2對于蛋白質(zhì)預(yù)測的準(zhǔn)確度水平遠高于任何其他團隊和程序。2021 年 7 月 15 日，AlphaFold 2 在《自然》雜志上作為開源軟件和可搜索的物種蛋白質(zhì)組數(shù)據(jù)庫一起發(fā)布。

蛋白質(zhì)折疊（Protein folding）是蛋白質(zhì)獲得其功能性結(jié)構(gòu)和構(gòu)象的物理過程。通過這一物理過程，蛋白質(zhì)從無規(guī)則卷曲折疊成特定的功能性三維結(jié)構(gòu)。蛋白質(zhì)的基本單位為氨基酸，而蛋白質(zhì)的一級結(jié)構(gòu)指的就是其氨基酸序列。蛋白質(zhì)會由所含氨基酸殘基的親水性、疏水性、帶正電、帶負電等特性通過殘基間的相互作用而折疊成一立體的三級結(jié)構(gòu)。

一旦蛋白質(zhì)折疊錯誤，就會導(dǎo)致糖尿病、帕金森癥和阿爾茨海默病等疾病。因此，預(yù)測蛋白質(zhì)折疊結(jié)構(gòu)的能力意義重大。AlphaFold 2的成果意味著未來只需要初步的試驗數(shù)據(jù)即可以對蛋白結(jié)構(gòu)進行高效、簡便且精準(zhǔn)的預(yù)測。當(dāng)人工智能與基因科學(xué)相結(jié)合，人類將進入一個風(fēng)高浪急的新時代。

此一巨大的突破引來了許多大佬的紛紛點贊，例如李飛飛、馬斯克�！蹲匀弧冯s志則評論：這將改變一切！谷歌的首席執(zhí)行官Sundar Pichai在推特上為此次突破點贊。DeepMind聯(lián)合創(chuàng)始人及首席執(zhí)行官Demis Hassabis則表示，DeepMind背后的終極愿景一直是構(gòu)建通用人工智能，利用通用人工智能來極大地加速科學(xué)發(fā)現(xiàn)的步伐，幫助我們更好地了解周圍世界。

谷歌2014年以6億美元的價格收購了DeepMind，該公司以圍棋人工智能AlphaGo而聞名。不過該公司一直表示，希望能在科學(xué)領(lǐng)域發(fā)揮更大的影響力。DeepMind擁有近一千名員工，至今仍然幾乎沒有任何收入。谷歌母公司Alphabet為支持該公司投入了巨額成本，該公司已經(jīng)成為全球人工智能競賽的領(lǐng)先者之一。

那么此成果會帶來哪些影響？首先是基因檢測的成本極速下降。早期完成人類基因圖譜時，個人基因組測序成本介于1000萬至5000萬美元（約合6376萬－3．19億元人民幣）之間。2010年，這一成本已下降到5000美元（約合3．19萬人民幣元）。如今私營機構(gòu)的檢測成本已低至數(shù)百美元。隨著人工智能深度參與此領(lǐng)域的發(fā)展，未來成本會進一步持續(xù)下降。

還有則是人工智能醫(yī)生將逐漸取代醫(yī)生，用基因治療的方法，重塑體內(nèi)一切組織和器官的活性。將病歷丟給人工智能訓(xùn)練，那么其診斷水平不會亞于現(xiàn)今的醫(yī)生。而后醫(yī)療徹底成為一項信息＋基因的科技。依靠人工智能，我們能夠更快、效率開發(fā)出藥物，不必像如今一樣采取試探性的治療手法。

極大縮短芯片設(shè)計周期

2021年6月9日，谷歌于《自然》論文期刊上公布了用人工智能提升芯片設(shè)計速度的研究結(jié)果。此論文名為《A graph placement methodology for fast chip design》，谷歌成功開發(fā)了一種基于深度學(xué)習(xí)的芯片布局規(guī)劃方法。該方法能夠自動生成平面圖，在包括功耗、性能和芯片面積等關(guān)鍵參數(shù)指標(biāo)上，都優(yōu)于或與人類芯片設(shè)計師所設(shè)計的規(guī)劃圖效果相當(dāng)。

《A graph placement methodology for fast chip design》論文

最重要的是，人類工程師設(shè)計芯片需要花費數(shù)月時間，而谷歌開發(fā)的人工智能僅花費6小時就能達到相同的效果。

實際上早在一年前，谷歌人工智能負責(zé)人Jeff Dean領(lǐng)銜的團隊就已經(jīng)發(fā)表過一篇預(yù)印版論文提到這項技術(shù)。谷歌也會將該技術(shù)使用在下一代Google張量處理單元（TPU）加速器產(chǎn)品的開發(fā)中中，節(jié)省數(shù)千小時人力。

芯片設(shè)計是個非常耗時的工作，開發(fā)數(shù)個月甚至是數(shù)年再正常不過了。為此，電子設(shè)計自動化（Electronic design automation， EDA）的誕生解決了芯片開發(fā)時間過長的問題。EDA是指利用計算機輔助設(shè)計軟件，來完成超大規(guī)模集成電路芯片的功能設(shè)計、綜合、驗證、物理設(shè)計（包括布局、布線、版圖、設(shè)計規(guī)則檢查等）等流程的設(shè)計方式。

谷歌在論文中給出的深度強化學(xué)習(xí)方法，是一種具有泛化能力的芯片布局方法，通過領(lǐng)域自適應(yīng)策略，跨芯片進行推廣。人工智能也能夠自行從經(jīng)驗中學(xué)習(xí)，使芯片布局設(shè)計能力更快更好�！蹲匀弧冯s志評論認為，此研究能夠大大縮短芯片設(shè)計所需時間。

Google多年來一直在研究如何使用機器學(xué)習(xí)制造芯片，谷歌甚至開始用人工智能設(shè)計自家的TPU芯片，走在世界的前沿。

TPU，張量處理單元（Tensor Processing Unit），是 Google 開發(fā)的專用集成電路，專門用于加速機器學(xué)習(xí)。自 2015 年起，谷歌就已經(jīng)開始在內(nèi)部使用 TPU，并于 2018 年將 TPU 提供給第三方使用，既將部分 TPU 作為其云基礎(chǔ)架構(gòu)的一部分，也將部分小型版本的 TPU 用于銷售。

谷歌TPU芯片

谷歌此次在芯片設(shè)計中應(yīng)用人工智能則意味著人工智能正在幫助推動人工智能技術(shù)的進步。未來只要技術(shù)持續(xù)成熟，人工智能自行迭代、升級恐怕都不是問題�；蛟S借助人工智能，我們能夠延續(xù)摩爾定律也說不定。

摩爾定律（Moore＇s law）內(nèi)容為：集成電路上可容納的晶體管數(shù)目，約每隔兩年便會增加一倍；預(yù)計18個月會將芯片的性能提高一倍（即更多的晶體管使其更快）。隨著晶體管的變小，摩爾定律開始挑戰(zhàn)物理極限，許多人認為摩爾定律將在3納米附近終結(jié)。

如今芯片設(shè)計是個非常熱門的領(lǐng)域。元宇宙、云計算、人工智能扥前沿科技都需要更加先進的芯片。而人類能夠完成的事情是有限的，許多科技公司例如英偉達等也在研究其他方法來加快芯片研發(fā)工作流程。更加強大的芯片設(shè)計意味著更快且更好的掌握未來。因此，谷歌正在利用人工智能來加速，顛覆芯片設(shè)計領(lǐng)域。

人工智能領(lǐng)域的操作系統(tǒng)

TensorFlow是一個開源軟件庫，用于各種感知和語言理解任務(wù)的機器學(xué)習(xí)。TensorFlow目前被50個團隊用于研究和生產(chǎn)許多谷歌的商業(yè)產(chǎn)品，例如語音識別、谷歌郵箱、谷歌相冊和谷歌的搜索引擎。TensorFlow最初由谷歌大腦團隊開發(fā)，用于Google的研究和產(chǎn)品生產(chǎn)，于2015年11月9日開源發(fā)布。

研究人員和計算機科學(xué)家可以利用TensorFlow來構(gòu)建數(shù)據(jù)分析系統(tǒng)，讓計算機利用數(shù)據(jù)進行決策。機器學(xué)習(xí)的核心是讓機器讀懂?dāng)?shù)據(jù)并基于數(shù)據(jù)做出決策。當(dāng)數(shù)據(jù)規(guī)模龐大而又非常復(fù)雜時（越加有效的數(shù)據(jù)），我們可以通過機器學(xué)習(xí)讓機器變得更聰明（準(zhǔn)確率越高）。TensorFlow則是開發(fā)人工智能工具或是基礎(chǔ)設(shè)施。

谷歌開源TensorFlow，全世界的人們都可以使用這一專業(yè)軟件。而更深層次的是對機器學(xué)習(xí)整體行業(yè)的影響，無論是創(chuàng)業(yè)公司還是行業(yè)巨頭，都可以根據(jù)自身需要來使用TensorFlow。借此谷歌可以在人工智能界樹立權(quán)威。許多競爭對手例如Torch和Theano都由小型團隊不斷更新升級；而谷歌在機器學(xué)習(xí)方面的投入遠超其他競爭對手。斯坦福大學(xué)計算機科學(xué)的Christopher Manning教授指出，TensorFlow神經(jīng)網(wǎng)絡(luò)的運行速度提高了100倍，TensorFlow的開源對機器學(xué)習(xí)社區(qū)是一份大禮。如今雖然人工智能或機器學(xué)習(xí)的研究論文中TensorFlow在逐年下降，但工業(yè)界、職場中仍然以TensorFlow為主。

人工智能學(xué)習(xí)平臺的論文使用比例

來源：Assembly AI

LinkedIn上平臺相關(guān)的招募崗位

來源：Assembly AI

而未來隨著人工智能爆發(fā)，應(yīng)用更加廣闊的時候，TensorFlow或許會成為人工智能的安卓系統(tǒng)。倘若真的實現(xiàn)，那么谷歌將再一次在操作系統(tǒng)里領(lǐng)先，成為巨頭。

End．

       原文標(biāo)題 : 谷歌的人工智能三大布局