1982年，計算機(jī)領(lǐng)域的先驅(qū)艾倫·凱（Alan Kay）說：認(rèn)真寫軟件的人，應(yīng)該自己做硬件。喬布斯多次引用過這句名言。
現(xiàn)在，認(rèn)真寫軟件的人，不僅自己做硬件，而且還在自己做最硬核的芯片。由于成本、空間和功耗的限制，定制化芯片時代來了，隨之掀起了一場難以避免的算力對決。
這周，與物聯(lián)網(wǎng)密切相關(guān)的云計算領(lǐng)域，正在發(fā)生一場有關(guān)算力的巨變！
華為通過連續(xù)兩屆全連接HC大會，完成并強(qiáng)化了一次華麗轉(zhuǎn)身：從連接優(yōu)先，到算力優(yōu)先。過去三十多年里，從有線到無線，從2G/ 3G/ 4G到5G，華為一直在專心做連接?，F(xiàn)在，聯(lián)接到哪里，華為的算力就布局到哪里。
2017年，華為云提出一個小目標(biāo)：讓華為云躋身全球“五朵云”之一，為隨后的戰(zhàn)略演進(jìn)埋下伏筆。
2018年，華為正式發(fā)布全棧全場景AI解決方案，同時亮相兩款A(yù)I芯片，華為昇騰910和昇騰310。
2019年，華為公布計算戰(zhàn)略，并帶來了全球最快的AI訓(xùn)練集群Atlas 900，計算產(chǎn)業(yè)新的大航海時代徐徐開啟。
總之一句話：華為將在云邊端各個層面引發(fā)算力革新。
緊接著，在云棲大會，“算力”再次成為關(guān)鍵詞。
阿里巴巴董事局主席兼首席執(zhí)行官張勇說：在數(shù)字經(jīng)濟(jì)時代，大數(shù)據(jù)是石油，而算力是引擎。隨著算力的發(fā)展，最終一定是“數(shù)”和“智”的全面結(jié)合，并邁入數(shù)字經(jīng)濟(jì)時代。
自從阿里宣布將物聯(lián)網(wǎng)列入新賽道之后，便以“生死看淡、不服就干”的態(tài)度一路狂奔完成了“由軟到硬”的演進(jìn)。
2018年，阿里宣布成立一家獨(dú)立運(yùn)營的芯片公司：“平頭哥半導(dǎo)體有限公司”。
2019年，阿里的云邊端一體化全棧芯片產(chǎn)品家族已顯雛形，涵蓋云端AI芯片（含光800）、終端高性能處理器IP（玄鐵系列）和一站式芯片設(shè)計平臺（無劍SoC平臺）。
同時，阿里云正式發(fā)布開源物聯(lián)網(wǎng)操作系統(tǒng)AliOS Things 3.0，在硬件驅(qū)動層與最新的平頭哥AI芯片架構(gòu)緊密集成。阿里人工智能實(shí)驗室和平頭哥共同定制開發(fā)的智能語音芯片TG6100N，也即將在智能音箱產(chǎn)品中使用。
除了上述提到的兩家，同樣出擊云邊端全棧芯片布局，推進(jìn)算力革新的公司，還有亞馬遜、谷歌、微軟、百度、IBM…沒錯，云計算企業(yè)跨界造芯，而且是圍繞AIoT云邊端“一體化”造芯的做法，正在成為顯性趨勢。
這篇文章，我們將對巨頭們云邊端全棧造芯的布局進(jìn)行全景式呈現(xiàn)。
曾經(jīng)的云計算服務(wù)商只是云端AI 芯片的主要推動者，現(xiàn)在他們則將技術(shù)能力滲透到了邊緣。這些巨頭們需要云邊端一體的戰(zhàn)略挖掘數(shù)據(jù)的價值，在數(shù)據(jù)的時代保持領(lǐng)先，而這個戰(zhàn)略非常重要的支撐就是云端、邊緣和終端的AI芯片。如果說巨頭們研發(fā)云端AI芯片的做法尙屬“醉翁之意不在酒”，那么研發(fā)終端和邊緣芯片則是明確劍指AIoT智聯(lián)網(wǎng)而來。
在這場前所未有的造芯趨勢中，巨頭們發(fā)布了哪些芯片？出于什么動機(jī)，巨頭們選擇扎堆造芯？這波浪潮將會涌向何方，又會塑造哪些商業(yè)模式？哪些企業(yè)更有希望生存并獲利？
或許誰率先悟透了這波造芯戰(zhàn)事，誰就更易卡位前排，獲得在物聯(lián)網(wǎng)市場未來戰(zhàn)役中的更多主動權(quán)。
云計算巨頭“扎堆”造AIoT芯片
根據(jù)OpenAI在2018年發(fā)布的分析數(shù)據(jù)顯示，自2012年以來，最大規(guī)模的人工智能AI訓(xùn)練運(yùn)行所使用的計算量呈指數(shù)增長，3.5個月翻一倍（相比之下，摩爾定律需要18個月）。自2012年以來，該指標(biāo)增長了30多萬倍。如此快速增長的市場，可謂絕無僅有，自然吸引了巨頭們的注意。
1. 亞馬遜：不給他人可趁之機(jī)
亞馬遜想做AI芯片，已經(jīng)是由來已久的事情了。畢竟在云服務(wù)領(lǐng)域，AWS承載著全球的AI需求爆發(fā)；而終端領(lǐng)域隨著Alexa和Echo的布局越來越大，也急需要芯片層的突破，將技術(shù)進(jìn)化的主旋律掌握在自己手中。
為了實(shí)現(xiàn)自有AI芯片的目標(biāo)，2015年，亞馬遜以3.5億美元收購了以色列芯片制造商Annapurna Labs。2017年，亞馬遜收購安全攝像頭制造商Blink，這家芯片廠商在IoT低功耗芯片和機(jī)器視覺處理芯片上都有技術(shù)積累。
自從2018年初，就有消息稱亞馬遜可能正在設(shè)計終端AI芯片。自研的專用AI芯片將主要用于提升AI語音任務(wù)的效率，降低Alexa對云計算的依賴，提升搭載Alexa設(shè)備的本地AI算力，同時降低設(shè)備功耗，增強(qiáng)Alexa設(shè)備的可移動性。
在云端，亞馬遜的AI芯片已經(jīng)亮相，首款云端AI推理芯片AWS Inferentia的目標(biāo)是殺傷微軟Azure、谷歌云等一批對手，不給別人可乘之機(jī)。
2. 谷歌：試水專用AI芯片的先鋒
作為最早開始做AI相關(guān)研發(fā)的科技公司之一，谷歌亦是試水專用AI芯片的先鋒，最早驗證了專用集成電路ASIC可以在深度學(xué)習(xí)領(lǐng)域替代GPU。
早在2006年，谷歌就開始考慮在其數(shù)據(jù)中心部署GPU或者FPGA、ASIC，當(dāng)時的結(jié)論是，能在專門的硬件上運(yùn)行的應(yīng)用并不多，使用谷歌大型數(shù)據(jù)中心的富余計算能力即可。
情況在2013年發(fā)生了轉(zhuǎn)變，當(dāng)時谷歌用戶每天使用語音識別DNN語音搜索三分鐘，使得谷歌數(shù)據(jù)中心的計算需求增加了一倍，而如果使用傳統(tǒng)的CPU將會非常昂貴。因此，谷歌啟動了一項優(yōu)先級別非常高的項目，快速生產(chǎn)一款定制芯片ASIC用于推理，并購買現(xiàn)成的 GPU用于訓(xùn)練。
谷歌于2016年推出了自己開發(fā)的AI芯片Tensor Processing Unit（TPU），現(xiàn)已進(jìn)入第三代，為谷歌的語音助理、谷歌地圖、谷歌翻譯等各種AI應(yīng)用提供算力支撐。最初設(shè)計的TPU用于深度學(xué)習(xí)的推理階段，而新版本已經(jīng)可以用于AI訓(xùn)練。
谷歌聲稱，使用32種最好的商用GPU訓(xùn)練機(jī)器翻譯系統(tǒng)需要一天的時間，相同的工作量需要在8個連接的TPU上花費(fèi)6個小時。
可以明確，谷歌TPU的推出，主要是因為市場上沒有滿足其需求的芯片，使得他們進(jìn)入了自研芯片領(lǐng)域，并且TPU作為云端推理芯片并不對外出售，而是通過谷歌云對外提供算力。
3. 百度：AIoT芯片為遠(yuǎn)場語音交互打造
今年7月的百度AI開發(fā)者大會上，百度CTO王海峰正式推出了百度首款語音AIoT芯片“鴻鵠”。該款芯片是百度語音團(tuán)隊與AIoT芯片企業(yè)欣博電子合作打造的，由百度技術(shù)團(tuán)隊偏重算法，欣博電子團(tuán)隊偏重芯片硬件。
搜索是百度的根基，無處不在的搜索入口是百度必須把握住的。阿里騰訊可以沒有智能音箱，但是百度必須有智能音箱。根據(jù)科技媒體“智東西”的報道，今年4月份，“鴻鵠”芯片就已經(jīng)流片成功。目前“鴻鵠”AIoT芯片已投片量產(chǎn)，將搭載在下一代小度AI音箱、以及某些汽車新品中。
在云端，百度給AI芯片以“昆侖”命名，它基于百度CPU、GPU和FPGA的AI加速器的研發(fā)，通過20多次迭代產(chǎn)生。
4.IBM：仿人腦芯片硬件，押注神經(jīng)模態(tài)計算
IBM在最近的研究中證明，深度學(xué)習(xí)算法可以在仿人腦硬件上運(yùn)行，而后者通常支持的是一種完全不同形式的神經(jīng)網(wǎng)絡(luò)。
TrueNorth是IBM的神經(jīng)形態(tài)CMOS ASIC與DARPA的SyNAPSE項目共同開發(fā)的。它是一個芯片設(shè)計上的多核處理器網(wǎng)絡(luò)，有4096個核，每個核模擬256個可編程硅“神經(jīng)元”，總共有100多萬個神經(jīng)元。反過來，每個神經(jīng)元有256個可編程的“突觸”來傳遞它們之間的信號。因此，可編程突觸的總數(shù)超過2.68億個。就基本的構(gòu)建模塊而言，它的晶體管數(shù)量是54億。
根據(jù)芯片專家唐杉博士在GitHub上面的總結(jié)，全球有超過10家企業(yè)都同時布局了云邊端全棧AI芯片，感興趣的讀者可以參考https://github.com/basicmi/AI-Chip。
尋找AIoT“最大公約數(shù)”
目前，云端、邊緣和終端設(shè)備往往是配合工作，云邊端協(xié)同發(fā)展已是大勢所趨。最常見的做法是，在云端訓(xùn)練神經(jīng)網(wǎng)絡(luò)，然后在邊緣側(cè)進(jìn)行推斷。隨著邊緣設(shè)備能力的不斷增強(qiáng)，越來越多的計算工作將在邊緣設(shè)備上得以執(zhí)行。另一方面，云的邊界也逐漸向數(shù)據(jù)的源頭推進(jìn)，未來很可能在傳統(tǒng)的終端設(shè)備和云端設(shè)備之間，出現(xiàn)更多的邊緣設(shè)備，它們會把AI能力分布在各種設(shè)備中，并激發(fā)云計算的進(jìn)一步發(fā)展。
從這個角度來看，跨越云邊端的一個巨大的AI處理網(wǎng)絡(luò)正在形成。智聯(lián)網(wǎng)AIoT可能不僅僅代表一個具體的產(chǎn)品或設(shè)備，而是事關(guān)大量的產(chǎn)品與云端的高頻互動和規(guī)?；瘎?chuàng)新。為了讓智聯(lián)網(wǎng)前進(jìn)的“車輪”迅速轉(zhuǎn)動，巨頭們勢必會有所作為。
最大公約數(shù)是個數(shù)學(xué)詞匯，是指能夠整除多個整數(shù)的最大正整數(shù)。
面向萬物智聯(lián)，整個行業(yè)仍然面臨應(yīng)用碎片化的困擾，直接導(dǎo)致產(chǎn)業(yè)集中度低，新應(yīng)用新產(chǎn)品的滲透率低。對于移動互聯(lián)網(wǎng)來說，手機(jī)就是最大公約數(shù)，掌握了手機(jī)幾乎就掌握了移動互聯(lián)網(wǎng)的入口。但在AIoT時代，這樣的通用設(shè)備并不存在。從現(xiàn)階段來看，AIoT端云一體化芯片與解決方案有可能是AIoT的最大公約數(shù)，成為破解碎片化難題的最佳“解藥”。
針對這一話題，平頭哥半導(dǎo)體有限公司IoT芯片研究員孟建熠曾經(jīng)做過題為“端云一體IoT芯片的機(jī)遇與挑戰(zhàn)”的演講分享，此處援引他的觀點(diǎn)。
他提到，要改變IoT芯片產(chǎn)品研發(fā)速度慢、市場尚未被有效打開、同質(zhì)化競爭嚴(yán)重等問題，就需要徹底切換思路：
首先，需要將芯片研發(fā)思想從技術(shù)驅(qū)動轉(zhuǎn)變?yōu)閼?yīng)用驅(qū)動，提升芯片面向市場的效率。
傳統(tǒng)芯片研發(fā)思維認(rèn)為按技術(shù)脈絡(luò)做下去總會有市場。然而，智聯(lián)網(wǎng)市場是應(yīng)用驅(qū)動的市場，市場瞬間變化很快。AIoT芯片是針對特定應(yīng)用場景的專用芯片，而不是通用芯片。如果芯片技術(shù)周期不能匹配上應(yīng)用發(fā)展的速度，就會出現(xiàn)“芯片出來了但是應(yīng)用場景已經(jīng)不存在了”的尷尬局面。此外，也只有應(yīng)用推動才可以體現(xiàn)差異化，才可以幫助芯片廠商走出同質(zhì)化競爭的困境。
其次，端和云的協(xié)同發(fā)展是AIoT技術(shù)的新趨勢。AIoT芯片的研發(fā)不能只考慮端，還要考慮云上的應(yīng)用和開發(fā)。
以安全為例，安全是物聯(lián)網(wǎng)應(yīng)用的關(guān)鍵，首先要思考如何以更低成本將安全融合到IoT芯片中，而不能是獨(dú)立的兩個芯片（AIoT芯片和安全芯片）；同時，還必須要從完整的安全體系出發(fā)，考慮與云端安全的協(xié)同，安全體現(xiàn)于應(yīng)用的全部使用過程中。
因此，阿里最新推出的是一整套萬物智聯(lián)AIoT的基礎(chǔ)設(shè)施，在設(shè)備智能化以及應(yīng)用智能化兩側(cè)分別提供了AIoT的操作系統(tǒng)與邊緣計算，在云端提供了智聯(lián)網(wǎng)平臺以及AI一站式應(yīng)用的開發(fā)能力。
在設(shè)備智能化方面，阿里正在構(gòu)建起一個非常豐富的產(chǎn)業(yè)鏈，涉及芯片設(shè)計、芯片制造、模組生產(chǎn)、智能設(shè)備設(shè)計與制造等合作伙伴。其最新發(fā)布的AliOS Things 3.0，使用了全新的應(yīng)用開發(fā)框架，在硬件驅(qū)動層，集成了最新的平頭哥AI芯片架構(gòu)。值得一提的是，AliOS Things 3.0采用微內(nèi)核架構(gòu)，能夠?qū)⒃谥悄苡布线\(yùn)行的軟件容器化和在線化升級，這意味軟硬件可以快速解耦、運(yùn)維，極大地降低了硬件廠商的生產(chǎn)與維護(hù)成本。
算力的特征：云邊端深度協(xié)同
由云邊端一體化驅(qū)動的最新一輪算力革新，有自己的顯著特征。華為輪值董事長胡厚崑對于這些特征有詳細(xì)闡述：
第一個，對算力高度依賴。
統(tǒng)計計算本身就是一種暴力計算，高度依賴于算力。舉個例子，為了讓計算機(jī)認(rèn)識一只貓，就需要數(shù)百萬圖片的訓(xùn)練，這對算力的消耗是非常驚人的，面向自動駕駛、天文探索、氣象預(yù)測等更復(fù)雜場景，對算力的需求將會更大。
第二個，計算和智能將會無處不在，而不僅僅是分布在中心側(cè)。
從中心節(jié)點(diǎn)的暴力計算，到邊緣側(cè)的專業(yè)計算，如基因測序，以及端側(cè)的個性計算，如耳機(jī)、手機(jī)，一起構(gòu)成了未來智能時代的計算形態(tài)。AI無處不在，不只在云上，還在終端上。在端上面的AI，以每年40%的復(fù)合增長率在增長，所以端上AI也非常重要。
第三個，云邊端之間需要高效的協(xié)同。
中心側(cè)負(fù)責(zé)通用模型的計算，為端側(cè)的個性化計算和邊緣側(cè)的專業(yè)化計算，提供協(xié)同支撐。
平頭哥的孟建熠也有相似觀點(diǎn)，他認(rèn)為芯片行業(yè)呈現(xiàn)出的趨勢表明，未來的創(chuàng)新將會是基于云和端的深度協(xié)同創(chuàng)新。未來越多越的產(chǎn)品不僅僅要實(shí)現(xiàn)端側(cè)的智能，也要實(shí)現(xiàn)云側(cè)的智能，任何的產(chǎn)品都會以數(shù)字孿生的形式存在。這也就要求芯片行業(yè)的基礎(chǔ)設(shè)施發(fā)生相應(yīng)的改變。
相比云端AI，邊緣AI更大
根據(jù)IDC數(shù)據(jù)顯示，2025年全球每天每個人與聯(lián)網(wǎng)設(shè)備互動的次數(shù)將近4800次，平均每18秒將產(chǎn)生一次互動。更多的互動，意味著更多的數(shù)據(jù)。全球數(shù)據(jù)分析總量將在2025年增長至5.2 ZB，是原來的50倍。超過25%的數(shù)據(jù)將成為實(shí)時數(shù)據(jù)，物聯(lián)網(wǎng)實(shí)時數(shù)據(jù)將占其中的95%。未來IoT整體的市場會非常龐大，聯(lián)網(wǎng)的設(shè)備還會越來越多，這些設(shè)備在一天里將產(chǎn)生65G的數(shù)據(jù)。
最近，市場研究機(jī)構(gòu)ABI Research發(fā)布了兩份報告，詳細(xì)描繪了邊緣和云端的AI芯片市場狀態(tài)。
其中一份報告聚焦于快速成長的云端AI推理與訓(xùn)練服務(wù)應(yīng)用，預(yù)期該市場在2024年將從2019年的42億美元成長至100億美元。
另一份報告則聚焦于邊緣AI市場，指出邊緣AI推理芯片市場在2018年的規(guī)模為19億美元；而邊緣訓(xùn)練市場在同一年度的規(guī)模只有140萬美元。雖然邊緣AI訓(xùn)練市場目前還很小，但在2019年至2024年之間，整體邊緣AI市場規(guī)模估計可達(dá)到31%的復(fù)合年平均成長率(CAGR)。
更應(yīng)關(guān)注的是由邊緣AI開啟的巨大市場。具體而言，ABI Research認(rèn)為邊緣AI將覆蓋三大利基市場：
第一個利基市場是基于異構(gòu)運(yùn)算的機(jī)器人。
第二個利基市場是智能工業(yè)應(yīng)用，包括智能制造、智能建筑與石油天然氣等領(lǐng)域。
第三個利基應(yīng)用是在“非常邊緣”的地方，也就是將超低功耗AI芯片嵌入到傳感器與其他廣域網(wǎng)上的小型終端節(jié)點(diǎn)。
就在本周，Linux基金會總經(jīng)理Arpit Joshipura拋出一個非常激進(jìn)的預(yù)測，他認(rèn)為在2025年邊緣計算將會超越云計算。
無論這一預(yù)測能否成真，邊緣計算的崛起，引起了云計算巨頭們的極大重視。
雖然云計算的幾大巨頭保持明顯的領(lǐng)先位置，但排序仍在動態(tài)變化，領(lǐng)先只是暫時。如果一步踏錯，就有可能滿盤皆輸。
以亞馬遜為例。在云計算服務(wù)上，亞馬遜雖然依舊處于霸主地位，但根據(jù)最新財報數(shù)據(jù)顯示來看其增速依舊在放緩。據(jù)亞馬遜最新財報顯示，亞馬遜云計算服務(wù)AWS 第二季度營收為83.8億美元，同比增長37%，去年同期增速為49%。在云計算發(fā)展趨勢越來越迅速的環(huán)境下，亞馬遜的云服務(wù)業(yè)務(wù)卻放緩了腳步，這勢必將影響他的發(fā)展勁頭。
在云端，亞馬遜推出AI芯片，不僅可以擺脫對少數(shù)供應(yīng)商的高度依賴和束縛，還可以降低成本，進(jìn)一步鞏固優(yōu)勢。
在邊緣，AI芯片有利于推進(jìn)亞馬遜在B2B和B2C領(lǐng)域的滲透。
比如在智能家居這個市場，亞馬遜以Alexa和Echo系列智能音箱為開端，現(xiàn)在已經(jīng)奠定了在智能家居里面的基礎(chǔ)。無奈競爭者眾多，例如谷歌就在亦步亦趨，對于亞馬遜來說，通過定制芯片可以更便捷的打造自己的差異化方案，這點(diǎn)顯得尤為重要。
寫在最后
算力革新是手段，數(shù)據(jù)增值是目的。
如果說云邊端全棧芯片正在引發(fā)的算力革新，屬于智能時代生產(chǎn)力的變革，那么更應(yīng)該關(guān)注的是生產(chǎn)關(guān)系的變化，也就是企業(yè)之間將以何種方式協(xié)作，讓數(shù)據(jù)能夠被高效使用。
云計算巨頭的自研芯片將會服務(wù)于自己的業(yè)務(wù)和生態(tài)，他們都沒有將芯片銷售作為商業(yè)模式，而是致力于拉通由硬到軟、由芯片到應(yīng)用的整個垂直架構(gòu)。智能設(shè)備連接帶來的數(shù)據(jù)以標(biāo)準(zhǔn)服務(wù)的方式承載于開放平臺之上，更容易橫向貫通不同AIoT應(yīng)用企業(yè)或服務(wù)商之間，基于整體數(shù)據(jù)服務(wù)的分工與協(xié)同。
一直以來，物聯(lián)網(wǎng)硬件和物聯(lián)網(wǎng)數(shù)據(jù)的重要性都被低估了。過去幾年大家都在喊著設(shè)備先聯(lián)網(wǎng)，但是發(fā)現(xiàn)聯(lián)網(wǎng)后產(chǎn)生了一大堆數(shù)據(jù)沒法變現(xiàn)。現(xiàn)在如果大家還在想著設(shè)備先智能、先AI，就仍然不會在數(shù)據(jù)和應(yīng)用變現(xiàn)方向產(chǎn)生突破。
在剛剛結(jié)束的云棲大會上，阿里通過一些實(shí)際案例，展示了數(shù)據(jù)“升維”的潛力，從單一的數(shù)據(jù)感知、邁向AIoT的多維感知，將人的數(shù)據(jù)、車的數(shù)據(jù)和社會公共服務(wù)數(shù)據(jù)打通，探索利用應(yīng)用業(yè)務(wù)合作，達(dá)成創(chuàng)新變現(xiàn)的可能性。
比如阿里將搭載斑馬智行系統(tǒng)的智聯(lián)網(wǎng)汽車與云棲小鎮(zhèn)智慧停車系統(tǒng)打通，只要汽車駛?cè)脒`章區(qū)域違規(guī)停放，被違章監(jiān)控探頭成功鎖定識別后，違停預(yù)警系統(tǒng)在20秒左右便會發(fā)出預(yù)警通知，通過車機(jī)語音和手機(jī)短信的方式提醒車主及時駛離，并推送周邊停車場以及泊位信息，引導(dǎo)車主有序停放。
這套“智慧防違章”系統(tǒng)不僅大幅度降低了違停發(fā)生率，減少車主因為臨停產(chǎn)生的罰單，也減輕了城市管理基層工作人員的負(fù)擔(dān)，降低了疏導(dǎo)交通的成本，提高了城市運(yùn)行效率。根據(jù)統(tǒng)計，“智慧防違章”系統(tǒng)讓杭州云棲小鎮(zhèn)區(qū)域違停率下降了37.8%，車位周轉(zhuǎn)率提升了5%。更重要的是，這是一個城市管理實(shí)現(xiàn)違停“硬性執(zhí)法”到“柔性執(zhí)法”的有效轉(zhuǎn)變，運(yùn)用數(shù)字化和智能化實(shí)現(xiàn)人性化服務(wù)。
在這個場景中，通過物聯(lián)網(wǎng)硬件有效采集和綜合利用各種數(shù)據(jù)，成為關(guān)鍵能力。其中涉及到各種角色，包括物聯(lián)網(wǎng)數(shù)據(jù)的提供者、數(shù)據(jù)價值的獲得者、合作與協(xié)同的撮合者…大家如何各取所需、共享收益？新型生產(chǎn)關(guān)系中不同角色的定位和分工還在重構(gòu)和裂變的過程中。
本文小結(jié)：
1. 云計算巨頭們正在云邊端各個層面引發(fā)算力革新。
2. 智聯(lián)網(wǎng)AIoT可能不僅僅代表一個具體的產(chǎn)品或設(shè)備，而是事關(guān)大量的產(chǎn)品與云端的高頻互動和規(guī)?；瘎?chuàng)新。
3. 由云邊端一體化驅(qū)動的最新一輪算力革新，有自己的顯著特征：第一，對算力高度依賴；第二，計算和智能將會無處不在；第三，云邊端之間需要高效的協(xié)同。
4. 算力革新是手段，數(shù)據(jù)增值是目的。無論企業(yè)之間將以何種方式協(xié)作，讓數(shù)據(jù)能夠被高效使用才能體現(xiàn)價值。
