产品中心

资讯 | 让AI计算无处不在 华为干了一件大事

作者:仙宝云 | 发布时间:2021-09-11 08:52:49 | 阅读:119

1.让AI计算无处不在 华为干了一件大事

智慧城市、智慧交通、智慧医疗、智慧建筑……AI技术正在缔造人类梦寐以求的美好未来。

尤其是此次新冠疫情中,CT影像诊断、无人服务车、红外体温检测等AI服务为守护人类健康做出了很大贡献。

如在意大利,华为携手AGS和依图医疗,推出AI辅助CT影像诊断新冠肺炎,医生获取精准医疗影像诊断报告的速度大大加快,将其从繁重的工作中解脱了出来。

如今,在“新基建”战略风口下,AI已成为一种新型基础能源,通过与应用的结合使能千行百业,是数字化向智能化转型的新动能。

但在此之前,需要认识到的是,我们还有几大鸿沟需要跨越:从AI算法到产品化应用实际还有很远;AI训练和推理设备独立,业务流程分割;场景多样,设备各异,AI融入实际应用门槛高等。

立足当下、面向未来,如何在更高的层次、更大的范围,让AI为人类带来更加美好的未来,如何让AI触手可及,这正是AI领导者、先行者华为规划和思考的问题。

华为在AI时代的第二个「组合王炸」

未来是端边云协同的AI时代。

万物互联和智能,这是当前华为以端边云协同计算为基础的AI的第一个“组合王炸”:5G+AI+云。

在今年7月初“2020创新数据基础设施峰会”上,华为公司高级副总裁、云与计算BG总裁侯金龙曾提到:

新基建的核心就是信息网络,而信息网络中的核心又是5G+AI+云的组合,即5G是“信息的高速公路”,云和AI是“发动机”。

在此背景下,华为充分发挥自身5G+AI+云综合优势,并加速全场景行业应用落地,高效打通数字世界和物理世界的边界。

在8月10日举办的华为HAI 2020大会暨昇腾AI新品全球发布会上,华为更是重磅发布了昇腾AI全栈平台。

即包含异构计算架构CANN 3.0、全流程开发工具链MindStudio、应用使能MindX等,覆盖从基础软件到应用使能等全栈软件平台。

硬件是AI基础,软件是AI的未来。在摩尔定律放缓的当下,单纯靠工艺制程来提升硬件性能变得越来越难,软件才是发挥硬件性能的核心,在软硬件结合的过程中,软件正发挥着越来越重要的作用。

华为昇腾计算业务总裁许映童在大会上强调了本次发布产品的目标:“极简易用,让AI计算无处不在;极致性能,让AI计算触手可及”。

用软件释放澎湃AI算力,华为此次带来的昇腾AI全栈平台,是其在AI时代的第二个“组合王炸”。

从此,集齐了两个“组合王炸”的华为,犹如打通了AI产业发展的任督二脉,将加速释放产业新势能。

最「硬核」的软件使能

落子无悔,掷地有声。剖析昇腾AI全栈平台,可以看出华为的初心是把复杂留给自己,把简单留给伙伴。

据介绍,统一异构计算架构CANN 3.0,经过3年的迭代,做到了端边云全场景协同、AscendCL(昇腾统一编程接口)使能高效开发、释放硬件澎湃算力三大创新实践。

在使能全场景AI开发方面,CANN 3.0支持手机、摄像头等10+设备形态,EMUI、Android等14+操作系统和MindSpore、PyTorch等多种AI框架。

AscendCL使能开发方面,CANN3.0基于统一API适配全系列硬件、软硬件解耦、后向兼容三大特点打造了四大开放性设计:Plugin适配,支持第三方框架;图融合接口开放,支持自定义算子融合;Ascend-IR接口开放,支持自定义模型;预置算子库源码开放。

针对不同阶段的开发者,CANN 3.0提供两种算子开发方式,实现超高效率和超强性能。其中,基于TBE-DSL算子开发体系,可让算子开发时间较业界降低70%。对于高级开发者提供了TBE-TIK开发方式,可实现指令级编程和调优能力,开发者需熟悉指令集和指令流水、手工精准控制数据搬运及切分,基于TBE-TIK的开发可覆盖全部算子,充分发挥芯片的性能。

可以说,CANN是释放硬件算力的核心,硬件的实际性能与标称性能间有较大的差距,CANN提供的亲和昇腾的图编译等技术可大大提高硬件实际性能。整图下沉执行,充分发挥昇腾芯片算力,提升图优化的效率;自动图拆分与融合,大幅减少计算时间;数据Pipeline智能优化,极大提升数据资源处理效率。与此同时,CANN提供的高性能的算子库也支撑了高效的运行性能。

基于高度适配的软硬件组合,搭载CANN 3.0的华为Atlas硬件在主流推理和训练模型的性能实现了业界领先:在主流推理场景中,华为实测性能约为业界的1.45倍;在高清视频场景中,华为Atlas 300I可同时处理80路1080p、25FPS的高清视频,是业界同时处理路数的2倍。

除异构计算架构CANN 3.0,AI算子开发方面,为助力开发者高效开发,华为还带来了昇腾全流程开发工具链MindStudio 2.0。

MindStudio 2.0使用便捷,开发者从算子、模型到应用开发一套工具全部搞定,无需在不同工具上完成,大大降低开发门槛。

同时,MindStudio 2.0支持业界主流开发框架,可以一键式完成自动化环境准备部署,即装即用,可视化模型开发和智能调优提升了算子开发效率,以往需要1个月开发的算子现在仅仅需要3天就可以搞定。

通过这一套工具开发者可以高效完成端到端全场景开发,一键式批量部署和远程自动化运维,让开发者开发体验更好、开发效率更高。

此外,MindSpore是华为发布的一款支持端边云全场景AI计算框架,旨在为数据科学家和算法工程师提供设计友好、运行高效的开发体验,提供昇腾AI处理器原生支持及软硬件协同优化。

应用使能方面,为让AI应用开发更加简单,高效使能行业应用,MindX提供了MindX DL深度学习平台,MindX Edge智能边缘平台,以及优选模型库ModelZoo和行业SDK。

在事关跨越AI行业落地鸿沟的行业SDK方面,华为基于对制造行业的深入理解,发布针对制造行业第一个SDK:mxManufacture。

mxManufacture将为制造行业提供AI应用开发套件,包含端到端(训练+推理+业务流+工具)全流程。

这对于AI能力不高的制造企业来说,可以说开发简单,部署简单运维也简单,且精度高、速度快、高性能,可以快速上线工业质检业务。

同时,算法与行业知识相结合,从AI训练中心到AI推理中心,做到边云协同,匹配业务全流程开发和部署,使其具有工业属性。

可以看到,通过足够硬核的软件使能,华为昇腾AI全栈平台大大降低了AI应用的开发门槛,让AI开发从未如此简单。

从智造华为,到赋能千行百业

AI如何在制造业发挥规模效应,急需标杆应用场景,提供可参考的全流程解决方案,赋能是关键。

其实,AI已在华为工厂实现工位级、线体级、车间级的规模应用,覆盖80+产线和服务器、5G、终端等产品。

以松山湖制造中心为例,“Atlas”智能制造“Atlas”正在进行。华为在此率先应用了机器视觉智能质检,将AI加速卡Atlas 300I与工控机结合在了一起,打造出了机器视觉智能质检。

从成效上来看,在完成标签缺陷检测、螺钉缺失等已实现“秒级检测”,将质检准确率由之前的传统机器视觉质检的90%提升至99.9%,质检人员效率提升3倍。

同时,为了给ISV和开发者提供开放易用的开发和运行环境和基础服务,实现行业客户、合作伙伴、ISV和开发的三方共赢,一起做大昇腾计算“产业蛋糕”。

如第四范式总裁裴沵思在此次HAI现场,分享了华为、第四范式联合打造自主知识产权的软硬一体全栈AI平台。解读AI极致算力优势的实践。

工商银行与华为基于“工银智慧大脑”进行联合创新,为金融业提供高维、低延时、大规模、高密度的计算能力,为金融业提供高维、低延时、大规模、高密度的计算能力。

值得一提的是,此次华为HAI 2020大会线上直播就使用了基于Atlas人工智能解决方案的讯飞听见即时翻译系统。

在端边云协同的AI时代,人工智能将给交通、物流、教育、医疗、金融等不同行业带来深刻变革。

机构预测,2025年世界人工智能市场规模将超过6万亿美元,年复合增长率达30%。另有测算显示,人工智能对我国GDP的拉动效应将超过1个百分点。

中国工程院院士邬贺铨表示,根据中国《新一代人工智能发展规划》,到2030年,人工智能核心产业规模超过1万亿元,带动相关产业规模超过10万亿元。

但AI技术的发展和应用不是一蹴而就的,而华为在软件技术上的厚积薄发让我们看到了无限可能性。

未来已来,浪潮已起。在AI计算爆发性增长的时代,华为不断发力并完善AI基础软件的布局,并践行“硬件开放,软件开源,使能合作伙伴”的策略,这让我们对AI的美好未来从此有了更多期待。

 

2.喜马拉雅们的“声音生意” 越做越大

在创立喜马拉雅之前,余建军经历了四次创业失败。第五次,他看中了移动音频里蕴藏的商机。

彼时,移动互联网刚开始发展,智能手机出货量飙升,在众多的移动应用场景中,“听”还是一个没有满足的领域。

音频毕竟小众,多数人对他的选择表示不理解。李开复曾用《语音微博是个伪命题》的文章,表达对音频未来的不看好。

但网络碎片化时间增多,新兴汽车人群给广播电台带来的新生,让余建军坚信,只要有合适的使用场景,音频就一定有机会。

2013年3月,喜马拉雅FM正式上线,半年后用户突破千万。同年,荔枝FM、多听FM、考拉FM先后上线,移动音频行业正式形成市场规模。

截至2019年,我国网络音频行业市场规模为175.8亿元,用户规模达4.9亿。

市场前景可期,巨头自然不会放弃。今年以来,字节跳动推出“番茄畅听”APP,腾讯音乐娱乐集团上线全声态音频平台“酷我畅听”。

成长超过资本预期

在碎片化时间的争夺战里,音频无疑是一个独特的角色。

它不像图文、视频产品需要分割用户时间、专注唯一场景,更多是在扮演“时间的陪伴者”,作为伴随性产品出现在运动、开车、劳动等多个场景中。

这种特性,除了让音频豁免于零和博弈的游戏规则,也免去一些不必要的竞争。就像微信会警惕抖音对用户的争夺,但不会介意用户在聊微信时打开音频,听一期高晓松的闲聊节目。

音频行业很快受到资本的青睐。从2014开始,喜马拉雅FM、蜻蜓FM、荔枝FM、多听FM等音频公司相继完成多轮千万美元量级的融资,资本的注入让音频行业的发展进入到一个新的阶段。

《中国网络音频行业研究报告》预计2020年网络音频行业市场规模达272.4亿元,用户规模将达5.42亿。随着在线音频内容的进一步开放,以及用户场景需求得到进一步挖掘,市场有望保持稳定快速增长态势。

以喜马拉雅、蜻蜓FM、荔枝、懒人听书为代表的四大头部平台,其覆盖的独立设备数和MAU都遥遥领先。根据易观千帆,2020年5月喜马拉雅的MAU为9937万人,懒人听书、蜻蜓FM、荔枝分别为4332万、2216万、1798万。

行业潜力释放的同时,企业的成长能力也超乎资本预期。

2014年,华山资本领投喜马拉雅B轮时,其活跃用户的平均收听时长是65分钟,经过6年的发展,现在平均收听时长达170分钟,提高将近三倍,注册用户数量突破6亿,公司估值超34亿美元。

“从长期发展趋势来看,音频行业的增长依然有广阔空间,未来值得看好。”华山资本合伙人刘明豫如此说到。她认为,音频在一些需要解放双眼的特殊场景中,具有独特优势和不可替代性,从而保证了整个行业的稳定发展。

汽车一直是音频的刚需场景。考虑到在线音频平台的内容提供者和产品丰富性远超传播广播,预计车载场景中网络音频的使用将逐渐赶超传统广播,这是一个巨大的渗透空间。

根据赛立信媒介研究的测算,2018年我国智能车载音频的普及率达到18.8%,预计2020年联网车载信息服务终端的新车装配率将达到60%以上,而智能车载音频的普及率将达到31.4%,车载音频的成长空间还有很大。

多年发展,但音频行业的红利还未到来。酷我音乐副总裁肖轶在接受媒体采访时表示,音频20%渗透率相对较低,只有当更多的用户使用音频,音频行业才能真正迎来红利。

机会也许来自终端。随着5G时代逐渐到来,万物互联成为可能,与带屏幕的手机相比,不带屏幕的终端会更加依赖语音交互,在这个前提下,音频或迎来更大的施展空间。

音频全场景时代

尽管万物互联时代尚未真正到来,但身处行业内的玩家们,感到IoT的风已吹起,推动网络音频市场进入全景时代。

这代表着,硬件制造商、系统研发商将与内容服务商一起,通过构建音频场景生态,满足用户在更多特定场景特征下的音频收听需求。

刘明豫对此认为,依托人工智能和智能硬件的发展,网络音频全场景化有机会成为行业突破口,成为车联网、智能家居等新场景的终端产品内容提供商,这是移动音频平台看好的发展方向,也符合整个产业升级的方向。

玩家们看到IoT时代带来的可能和空间,早已开始布局。

蜻蜓FM选择拥抱外部合作伙伴。从2015年开始,蜻蜓FM与福特、沃尔沃等50家整车厂、TSP厂商开展合作,拥有800万APP预装量,并通过智能硬件终端进入后装市场。2018年推出全场景生态战略,在智能家居、智能音箱等终端开展布局,将音频覆盖到用户几乎所有的生活场景。

喜马拉雅则成立硬件事业部,选择自己把控终端。目前已经研发出一系列的智能设备产品,包括小雅AI音箱、主打0-14岁儿童的晓雅Mini AI音箱、晓雅车载版、小雅Nano音箱等。

然而,看上智能音箱市场的玩家绝不止喜马拉雅。阿里、小米、百度、腾讯等互联网巨头都是智能音箱市场的有力竞争者。

Strategy Analytics公布的数据显示,2019年第一季度:

百度智能音箱出货量达到410万,同比增速高达81900%;

阿里巴巴智能音箱出货量为370万,同比增长243%;

小米智能音箱出货量为340万,同比增长518%;

百度+阿里+小米的全球市场份额由上季度的18%提升至43%。

数据表明了智能音箱市场的火爆,也为音频行业的爆发增长奠定足够的基础。

尽管百度、阿里、小米、喜马拉雅都推出了自己的智能音箱产品,但是至今仍未有哪一家可以获得绝对的竞争优势。

喜马拉雅相关负责人表示:“用户在线时长每增长一分钟,喜马拉雅对应的估值就会增加,在推出智能音箱小雅Nano之前,用户每天收听喜马拉雅约128分钟,而有了小雅之后,他们每天停留在喜马拉雅里的时间超过3个小时。”

由此可以看到,智能音箱不仅仅是简单的硬件市场,其背后是用户习惯的培养和用户时间的争夺大战。

荔枝对loT的布局较晚,2019年10月与人工智能品牌小度达成合作,小度的硬件产品上线了荔枝的海量音频内容。按照荔枝的计划,接下来将进一步探索和开发物联网领域的创新产品,例如智能设备、车载设备,以及游戏、付费内容、教育和广告等领域的创新音频应用。

“从未来的角度来讲,音频平台会借助个性化数据驱动获得新发展,智能设备也将创造出更多交互场景和新的商业价值。”刘明豫对此说到。

怎么赚钱?

知识付费、有声书付费和直播,被普遍认为是音频行业三种主流内容变现形态。

但在 “收藏了=学完了”的时代情绪之下,很多付费用户的复购率开始降低,知识付费的红利明显消退。

风口吹向了直播。音频直播成了并非新事,但对长音频平台来说,如何靠它盈利,却是一门需要思考的新生意。

从产品矩阵来看,多数平台都已开始提供直播服务:

喜马拉雅、荔枝、蜻蜓FM、酷我畅听、网易云音乐和酷狗音乐,在有声书、知识付费等长音频节目同时,提供音频直播;

LOOK直播、斗鱼、映客、克拉克拉等平台则只提供音频直播服务。

绕开喜马拉雅和蜻蜓FM主打的大IP及PGC模式,荔枝在集中探索UGC内容的同时,开始选择去“FM化”,发力“音频直播”。

荔枝曾经透露,在推出虚拟礼物和语音直播功能之后的三个月内,它的直播收入就超过千万。

此时的荔枝,对标的已经不是喜马拉雅和蜻蜓,而是作为直播平台,和映客、陌陌形成竞争关系。

2020年3月12日,荔枝也发布上市后首次财报,音频娱乐(即虚拟礼物打赏)收入占比约为98.63% ,是其营收最大支撑点,播客、广告和其他营收占比微乎其微。

相比喜马拉雅,荔枝的付费用户数量不多,但每个用户的贡献大,才能够以43.4万的付费用户实现年10亿多的营收,音频直播的盈利能力不容小觑。

喜马拉雅和蜻蜓虽然也开设了直播入口,但直播并非平台重心。

喜马拉雅员工告诉亿欧,平台的直播基本上是挂钩于传统节目,围绕节目和大咖衍生出的一些直播活动和直播行为,平台仍以长音频节目为主。

虽然直播并非重点发力方向,但头部平台的吸引力,毫无疑问会分化走一部分用户以及营收。

在主播田不田看来,荔枝直播竞争大,除了直播打赏没有其他获得收入的途径。进驻喜马拉雅等综合性平台,除了直播收入,平台还提供更多获取收入的机会。

亿欧智库研究院院长由天宇认为,尽管直播参与者越来越多,但在整个音频供给侧里,直播的供给比例仍然很小。不过,对平台而言,直播仍是一种可做的内容供给形式。

写在最后

GGV的合伙人符绩勋讲过一个投资故事:

在今日头条发展初期,他看着数据涨得不错,想投资这家公司。问了周围很多的人后,发现除了公司的司机之外没什么人用,于是推断中国的用户可能不会有那么强的信息需求,决定放弃投资。后来他在复盘时反思,我们有时候就得看到中国如此广大,只在一个视角,往往看不到全部。

如果余建军当初听从了周边人的建议,没有看到移动互联网时代的爆发,以及音频未来的长期价值,今天的音频行业或许是另一番情况。

当平台拥有技术、连接、服务等能力时,互联网就足以把任何东西都变成商品。

声音,也不例外。

3.自动驾驶在“不确定性”中驶向终点

在“技术变现”的路上,命运自有时间表,它通常不以“业内人士”的主观臆测为转移。

最典型的例子,就是自动驾驶。

数年以前,从业者纷纷预言,2020年将会成为自动驾驶“爆发”拐点。但事实胜于雄辩,迥异于各大厂商对外公布的美好寓言,2020年已经过去了七个多月,大多数人离自动驾驶还很远。

所以不要被“量产”这一模糊的概念所蛊惑,任何试图深度嵌入到整个社会系统中的技术,都涉及技术,场景,生态,政策,习俗乃至伦理等一系列必备要素,没凑齐,就是没凑齐,急不得。

不过话说回来,路途虽比想象中遥远,但并不意味着终点不会到来。

循序渐进

其实自2020年以来,自动驾驶行业新闻不断。

即便市场环境整体黯淡,许多公司也陆续传出融资新闻,整个行业场景落地的速度也正在变快。最重要的是,自动驾驶产业开始完成与社会系统的“对接”。

譬如几天前,据媒体报道,《自动驾驶出租车运营规范与安全管理要求》团体标准已经立项,包括滴滴,百度,博世,北汽,腾讯,初速度等国内企业,相关监管部门,专家及政策研究机构等已经开始进行相关商讨。这也是自动驾驶的商业化规则。

大概半个月前,这一团体标准已通过线上形式组织召开标准启动会,内容包括确认robotaxi运营标准的框架和提纲,以及重点围绕测试车辆管理规范,保障性管理规范,测试驾驶员管理规范,测试中心风险分析与预案以及载人运营等标准内容展开讨论。

出租车尚且如此复杂,未来更大基数的私家车更是如此。

因此在很多人看来,自动驾驶是个循序渐进的过程:一方面要在确保安全的前提下“狂轰油门”,通过路测数据迅速迭代;一方面又要“脚踩刹车”,等一等配套设施和政策法规的逐步完善。所以全球自动驾驶竞争的核心不是“一步到位”,而是比谁先在这个动态平衡的过程中处于领跑地位,率先跑完验证自动驾驶社会价值的全部流程。

当然,对于商业公司来说,循序渐进的过程中,最重要的是永远是:钱和技术。

自动驾驶是个极度烧钱的行当。

以谷歌为例,谷歌母公司Alphabet为Waymo每年投入10亿美元,今年上半年,Waymo还首次从外部融资22.5亿美元用以支持自动驾驶技术的研发和商业落地。

而技术更不必多言。这个世界上但凡有能力的科技企业,都已全部挤在自动驾驶的赛道。

以中国最具“技术”标签的科技企业华为为例,就在最近,根据天眼查APP显示,华为技术有限公司新增多项专利信息,其中包括“一种机动车辆自动驾驶方法及终端设备”“控制智能汽车行驶方向的方法和装置”以及“交通信号灯的识别方法、系统、计算设备和智能车”。其中“一种机动车辆自动驾驶方法及终端设备”与“控制智能汽车行驶方向的方法和装置”的申请日期分别在2017年6月和2017年4月,公开日期均为2020年8月。

其中,“一种机动车辆自动驾驶方法及终端设备”的专利摘要显示,本发明实施例公开一种机动车辆自动驾驶方法及终端设备。由于本发明实施例中,终端设备根据车辆外部环境数据和初始定位精度确定机动车辆的目标驾驶参数,所以目标驾驶参数会随车辆外部环境数据的不同而变化,进而与外界环境相匹配,提高机动车辆自动驾驶的安全性。

嗯,技术是自动驾驶的底层动力,但人们也不免好奇,自动驾驶技术的“终点”将是哪里?

L5的野望

说来也巧,也在最近,特斯拉CEO埃隆·马斯克表示:“全自动驾驶技术”有望在今年年底前推出。事实上,马斯克曾在世界人工智能大会开幕式上就表示,特斯拉已“非常接近”L5级自动驾驶技术,有信心在今年开发出这项技术的基本功能。

所谓L5级自动驾驶,你可以简单理解为:无人驾驶系统能够在任何条件下驾驶车辆。

与其他科技领域一样,马斯克在自动驾驶身上表现出极度的乐观,但却仍有反对者对“完全自动驾驶的交通系统”表示悲观,甚至最极端的说法是:L5或许是一个梦。

原因很简单,AI处理不了意外。

数十年前,AI概念诞生初期,当时的研究者心高气傲,并不满足于将机器仅用于计算,他们试图让AI完整拷贝人脑的思考过程,让机器“知其然,也知其所以然”。

但众所周知,多年以来,人类意识之谜没有任何实质进展,研究者开始收缩野心,重回对“计算”的追寻。如今的机器学习就是一条试图弯道超车的捷径,将现实世界以数据作为颗粒度呈现,再通过神经网络消化数据,更好地认清这个世界。

以自动驾驶为例,它最基础的原理就是将人类司机目力所及的一切物体,路人,建筑,其他车……都构建成三维模型,关心它们之间的移动趋势,估算速度,预测路线,有冲突就刹车或绕路。

但从逻辑上,这也几乎意味着,无人车做不到所谓“绝对”的准确性,因为真实的交通是一个复杂生态系统,随机分布着各种意外。

据说谷歌自动驾驶就曾遇到过不少“意外”:比如,几个小孩在高速路上玩青蛙;一个残疾人坐着电动轮椅,在路上追一只鸭子,鸭子绕圈跑,他也绕圈追……面对如此荒诞场景,你很难苛求机器能百分百预测这些人的轨迹。毕竟近些年人工智能领域的一切进步,都可归为相似的框架:“输入数据,生成回应”——换句话说,由过去推导未来,机器没法预测完全不在它经验范围内的意外。

命运自有时间表

自动驾驶或许处理不了“意外”,但自动驾驶将驶向未来这件事本身,应该没有意外。

原因有很多,比如在单纯的概率层面,机器犯错更少。譬如特斯拉刚刚发布202年第二季度车辆安全报告显示,在有Autopilot自动辅助驾驶参与下的驾驶过程中,平均每453万英里的行驶里程会出现一起交通事故;在没有Autopilot自动辅助驾驶参与但有主动安全功能的驾驶过程中,平均每227万英里的行驶里程会发生一起交通事故;在没有Autopilot自动辅助驾驶和主动安全功能参与的驾驶过程中,平均每156万英里的行驶里程会出现一起交通事故。

这一观点老生常谈,因此我想谈谈另一个原因,那就是:追溯人类技术演变史,一旦新事物破茧而出,往往就没有了回头路,你只能去迭代它,不能消灭它。

其实就像香烟,大约公元400多年,人类开始使用烟草,而一旦香烟诞生,你觉得它还会从世界上彻底消失吗?永远不会。哪怕进入现代,人类若想减少香烟带给整个社会的负外部性,也只能通过技术而非禁止,比如发明电子烟。

事实上,摊开科技史你会发现,解决技术带来的问题的方式永远都是通过更好的技术,忘了是哪位技术思想家说过:“即使新的科技发明带来的49%是问题,但它同时也带来了51%的好处,差别就在于这2%,2%很少,但人类需要这2%,通过一年年积累产生强大影响力。所以,即便新发明带来的好处只比问题多一点,这一点就是人类进步的动力。”

自动驾驶就是如此。

虽然大多数人离它真正普及还很远,但如开篇所述,命运自有时间表。

一百多年前,人类一旦发明汽车,马车所代表的田园牧歌,就只能成为一曲挽歌;一百多年后亦是如此,从汽车与信息文明相遇的那一瞬间,一切悲喜就已不可避免。