头条：从 Apple Silicon 到 Amazon Silicon

上周有两件围绕「XX Silicon」的事情值得关注。

一是苹果正式发布面向 Mac 系列的自研芯片 M1，作为首款「Apple Silicon」的电脑芯片，M1 的性能不仅在苹果的 PPT 上秒天秒地，还在随后的一系列媒体跑分评测中得以充分验证，比如 CPU 跑分、虚拟 X86 时的跑分、GPU 跑分。

二是 AWS 宣布将把原本运行在英伟达 GPU 上的 Alexa 语音服务迁移到搭载自家 Inferentia 的计算实例上，这是 AWS 自 2018 年以来持续打造的、基于 ARM 架构、面向机器学习云上推理的自研芯片。根据 AWS 的官方博客，未来一段时间，所有搭载 Alexa 的 Echo 设备都将由 AWS 的自研芯片驱动。

这两个事件展示出一个有趣的变化趋势：以「XX Silicon」为代表的自研芯片正在成为新的潮流，究其原因，有以下两个方面。

首先，如果你经常听到「万物互联」这个词，那么应该可以理解这些「万物」底层计算芯片需求，正迎来一个高速增长的阶段。

这意味着，整个行业不仅需要提供强大计算能力的通用芯片，还需要应对各种场景的专属芯片。这更意味着，过往统治个人电脑与服务器通用芯片的英特尔时代，正在终结。

当然，这个终结不是结束，在个人电脑领域，高通、微软都曾试图利用 ARM 架构构建一条新的产品线，但结果无疾而终，苹果上周所展示的芯片能力以及过去几年基于 iPad 软硬件所打造的应用生态，已经显示出一定的胜算，但这个新征程才刚刚开始；另一方面，在服务器芯片领域，机器学习/深度学习的海量需求，极大刺激了从 GPU 的英伟达到 TPU 的 Google 以及部分 FPGA 厂商的扩张速度，整个市场依然处在非常早期的阶段，未来也有诸多变数。

其二，成本与效率是巨头们积极推进各种「XX Silicon」的原力。以 AWS 面向服务器市场的 Graviton 2 芯片为例，亚马逊表示，这款基于 64位 ARM Neoverse 内核，采用 7nm 工艺制造的芯片，相较于 x86 同类产品计算能力可提升 4 倍，性价比最高提升高达 40%。

科技媒体AnandTech 随后的测试中显示，针对计算服务，Graviton 2 在和基于 X86 的英特尔/AMD 服务器的竞争中展现了不俗的实力，如果说过往 ARM 芯片在服务器领域总是有各种无法兑现的承诺，但这一次 Graviton2 的表现已经足以证明 AWS 的宣传没有夸大其词。

通过降低成本、提升芯片带来的计算效率，AWS 这样的云计算公司可以更好控制对服务器硬件的采购预算，减少对上游服务器硬件公司的依赖，从而可以向更多客户提供更便宜的云服务；而对于像苹果这样的消费电子公司，自研芯片进一步巩固了强大的产品护城河，过去几年苹果在智能手机芯片上的技术投入，确保历年 iPhone 永远处在第一梯队，接下来苹果在 M1 芯片上技术投入，以及软硬件领域的整合，也将继续引领消费电子领域的发展。

面向未来，「XX Silicon」还将有几个值得长期关注的方向。

其一，英伟达是否能够完成对 ARM 的收购，我在此前的「AI Insider」里多次谈及此次收购，无论是产业转型角度还是国家安全的角度，这笔交易成功与否都将产生重要影响。

其二，苹果 M 系列芯片的进化速度，这不仅是观察苹果 Mac 系列电脑转型的切入口，也是整个 PC 行业是否转向 ARM 架构的一个观察方向。

其三，RiSC-V 能否在 X86、ARM 的阴影下实现突破，作为一个开源架构，RiSC-V 具备不小的潜力，国内多个地方政府与包括阿里巴巴、小米在内的企业都在做相应研发，但能否形成对 X86、ARM 的替代，还有非常多的未知数。

产业观察：「5G+云」的诱惑下，AWS、Azure 如何扩张

过去一年以来，「5G+X」的市场宣传越来越多，这其中，「5G+云」的市场诱惑最大，这既是对 5G 面向 B 端应用场景的探索，也是云计算巨大增长空间里新变量。下图来自 FT

翻看中国三大运营商 2019 的年度财报，就有以下一组数据：

• 2019 年，中国电信的云业务收入达到 71 亿元，同比增长 57.9%，与此同时，物联网连接数达到 1.57 亿，收入同比增长 21.7%；
• 2019 年，中国联通产业互联网收入同比增长 43%，达到 329 亿元，占整体主营业务收入比例达到 12.4%；
• 2019 年，中国移动推进「网+云+DICT」，DICT 收入实现 261 亿元，增幅达到 48.3%；

透过各种场合，电信运营商们还在不断强调所谓「云网融合」的技术价值，也就是把云计算的技术与通信网络的技术融合在一起，进一步凸显运营商在面向 5G 场景中的「重要作用」。但站在行业的角度去看，这背后又体现了电信运营商们的集体焦虑，这个话题涉及的内容更多，暂且不表。

与中国电信运营商还拥有云计算业务不同，海外特别是美国的电信公司，在「5G+云」的场景下，选择与云计算巨头合作。

事实上，无论中美，正在到来的 5G 时代都是电信与云计算行业的第一次深度融合。历史上，4G 网络建设之时，即便是在美国，云计算行业还处在非常初级的阶段，云不过是小公司节约预算的一种方式，根本不在 AT&T、Verizon 等巨头的考虑范畴。但在过去十年多时间，一如马克·安德森所言，「软件正在吃掉世界」，比如软件定义网络就「逼迫」思科这样的通信硬件公司进入艰难转型的阶段。

而当运营商开始建设 5G 网络的时候，从新型互联网公司到传统能源巨头，从工业制造、农业生产再到在线内容社区，云计算已经无处不在，在美国，AWS 与微软 Azure 开始疯狂地向电信领域扩张。

2019 年 7 月，微软与 AT&T 签署一项价值超过 20 亿美元的战略协议，双方将在云、AI 与 5G 领域展开合作；5 个月后的 AWS re:Invent 大会上，AWS 与 Verizon 达成类似的合作，今年 8 月的时候，双方已经在波士顿和湾区建成面向企业与开发者的 5G 边缘计算服务，并将在今年年底推广到更多城市。

进入 2020 年，微软先后收购 Affirmed Networks 与 Metaswitch Networks 两家电信软件公司，WSJ 援引消息人士的话透露，微软在两笔收购上花费超过 20 亿美元，旨在抢占电信市场的先机。

此前 Google Cloud 也在努力推进其边缘云产品在电信市场的占有率，并与 AT&T 实现了合作，路透社的报道指出，拥有 8000 万 5G 用户覆盖能力的 AT&T 将通过 Google 边缘计算技术，进一步提升用户访问移动网络的安全性。

今年 9 月，微软面向电信运营商发布公有云服务，负责 Auzre 电信业务的 Yousef Khalidi 告诉路透记者，借助上述几笔收购可以帮助微软形成「电信 DNA」，而微软在边缘计算、AI 中的技术积累则有助于在这个领域的进一步发展。

在 FT 看来，微软利用欧洲对华为的禁令加速扩张，目前沃达丰、德国电信等欧洲电信公司都是微软的客户。

市场研究公司 CCS Insight 还指出了另一种可能：微软与诺基亚之间会发生什么事。而不管是入股诺基亚还是直接收购，都会帮助微软构建起面向电信领域的云、软件与硬件的庞大产品线，但我个人认为这个可能性非常低，毕竟，作为电信服务商的诺基亚，在 5G 时代拥有国家/地区战略意义，收购难度极大。

关注：机器学习模型的理想与现实

上周，AWS 发布了一款适用于机器学习的「No Code」产品 AWS Glue DataBrew，根据其官方博客的介绍，这款产品可以帮助开发者在不写代码的情况下实现数据的标准化操作，从而减少为机器学习准备数据的时间。AWS 给出的一个数据：与传统数据准备方法相比，速度可提升 80%。

事实上，过去几年类似 AWS Glue DataBrew 的产品数不胜数，科技巨头们——无论美国还是中国——热衷于不断降低机器学习的使用门槛，一方面是 Google、百度等公司相继开源了机器学习框架，诸如 Google Tensorflow 就在上周迎来五周年的庆祝，这些开源框架为更多行业认识、接受机器学习/深度学习提供了可能。

另一方面，从相对专业的自动机器学习（AutoML）到可随时上手的诸如微软不久前发布的 Lobe（支持 Windows 与 macOS 两大桌面平台，用户下载后无需联网，直接可以在本地运行）再到 AWS 的AWS Glue DataBrew，「No Code」俨然构成了这一类机器学习产品最好的注脚，「你无需写代码，即可完成机器学习」。

而从另一个角度切入，则出现一个问题：越来越多被训练与被部署的机器学习模型和产品，是否能够满足现实的需求？

这是一篇最近由 Google 研究者发表的论文的议题，其中的要点：从实验室到现实世界，机器学习模型训练与部署需要克服诸多困难。

研究者发现，不管是视觉、医疗成像还是自然语言处理，一些在实验室里已经非常成熟的技术，当面对现实环境的时候，复杂而无法控制的变量，极大影响着机器学习模型的效率。特别是在医疗领域，论文明确指出，「不能指望机器学习模型可以自动化、通用化的应用」。

这篇论文明确了一个极易被忽视的领域：当社会发展步入人与机器共同相处的时候，当社会经济的大量决策由机器完成的时候，这些在实验室里完美的模型，是否能够适应复杂的现实环境，都是一个个巨大的问号。

一个延伸阅读：FT 上周还有一篇探讨 GPT-3 与人类智能之间关系的文章，可以作为机器学习模型在不同环境——实验室与现实社会——中的不同能力的典型案例，非常推荐阅读，你可以通过这个镜像免费阅读这篇文章。

汽车·自动驾驶

大众在电动车与自动驾驶领域持续追赶特斯拉。周一，大众汽车宣布将把德国的两座工厂改造为生产电动车的工厂，该公司 CEO Herbert Diess 明确表示，大众「应该被视为一家科技公司」，与此同时，大众还在加大自动驾驶相关技术研发，「这将是一场与特斯拉的竞赛」。

下图展示了大众与特斯拉在电动车领域的竞争格局，图片来自FT。

本田上周宣布，具备 L3 级别自动驾驶的 Legend 车型已获得政府许可，将在 2021 年 3 月底前上市销售。L3 级的自动驾驶，是指在高速公路交通拥堵时等一定条件下，可将方向盘、刹车等交由车辆搭载的系统操纵，发生事故的时候，部分责任将由由厂商承担。

根据本田的说法，这也是全球首家 L3 级别可量产的自动驾驶车辆。

沃尔玛与通用旗下的 Cruise 合作，推进一个自动驾驶送货项目。此前，Cruise 已经在旧金山开展了自动驾驶车辆送货上门，新的项目将在自动驾驶车辆「聚集地」亚利桑那州凤凰城展开，消费者在当地沃尔玛门店下单后，车辆会将商品送到消费者所填写的地址。

现代汽车或从软银手里买下波士顿动力机器人公司。波士顿动力无疑是机器人领域的明星公司，但在过去十年不断被转手，从 2013 被 Google 收购到 2017 年进入软银大家族，这家公司的未来又和现代汽车联系在一起。

目前可知的信息是，现代汽车有意以超过 10 亿美元的价格买下波士顿动力，不过 Bloomberg 也指出，整个谈判过程还未结束，不排除谈判失败的可能性。

Uber 寻求出售自动驾驶公司。Uber 旗下的自动驾驶公司 Uber Advanced Technologies Group 此前已经完成 10 亿美元的融资，包括丰田、软银都是其投资机构，该公司的估值一度达到 72 亿美元。

根据 TechCrunch 的报道，多个消息源的信息称，自 10 月开始，Uber 就与 Aurora 展开了出售谈判，目前还尚无进一步消息。

行业·巨头

腾讯第三季度财报。其中包含云计算的「金融科技及企业服务」营收 332.55 亿元，同比增长 24%。

腾讯财报透露，该项营收的增长，主要来自商业支付及理财平台的收入的持续扩张，结合两个数字「微信支付总金额同比增长超过了 30%，理财平台客户同比增长则超过了 50%」来看，该季度腾讯云的增长应该非常缓慢，这或许也是财报未透露腾讯云具体营收数字的原因所在。当然腾讯也做了部分解释，「企业服务营收的增长放缓，乃因疫情对线下项目发展及新合同签订的后续影响，以及若干IaaS（基础设施即服务）合同的非经常性调整所致」。

根据今年 3 月的腾讯年报，腾讯云 2019 年营收超 170 亿元，增速 87%。占到了金融科技及企业服务业务总收入约 17%。

AMD 展示面向数据中心的计算卡 Instinct MI100，AI 性能提升 7 倍。该产品线基于 Matrix Core，对标英伟达的 Tensor core。

AMD 表示，这是「世界上最快的 HPC GPU 加速器，提供超过 10 TFLOPS 的 FP64 计算能力」，下图来自 AMD 官网的产品对比，对标的正是英伟达 A100。

英伟达更新 A100 产品线。在半年前发布 A100 GPU 之后，英伟达本周又带来了 A100 80GB，同样是英伟达的 Ampere 架构，能将 A100 40GB GPU 的高带宽内存增加一倍至 80GB。与此同时，采用 HBM2e 显存技术的新 A100 相比老款的显存翻倍至 80GB，并提供 2TB/s 以上的带宽。

英伟达表示，这是世界上最快的数据中心 GPU。

Google Cloud 在欧洲的扩张。最近 Google Cloud 与法国科技公司 OVH 达成合作，后者将成为 Google 在欧洲的云服务代理商，同时欧洲客户的相关数据，也将被保存在 OVH 的欧洲机房。

欧洲城市的透明化 AI 应用。WSJ 报道了几个欧洲城市在部署 AI 应用的相关措施，以打消公众对算法偏见与隐私的顾虑，比如在阿姆斯特丹，当地政府在其网站上公开了目前使用的四种 AI 算法。

IBM 与 AMD 合作。根据其合作协议，双方将在开源软件、安全以及高性能计算上展开合作，Zdnet 指出，此次合作有助于 AMD 继续保持企业混合云中的关键地位。