产业·观察

过去两周半导体产业发生了一系列或将影响深远的变化。

从产业格局来看，英伟达收购 ARM 的交易正式宣告失败，但这对英伟达并不会造成多大的影响，而且我也不相信英伟达没有为这笔从一开始就不可能成功的并购案做任何预案或准备工作，当然，英伟达必须支付给软银 12 亿美元「分手费」。

并购失败也将进一步加剧 ARM、软银与英国政府之间的复杂关系，特别是软银决定将 ARM 上市地点放在美国之后，正如 FT 所言，这相当于向英国投了不信任票。

软银当然有足够多的理由这么做，自 2016 年英国公投脱欧之后，选择在英国上市几乎不是科技公司的选项，下图就是一个很好的对比。

ARM 再次上市，资本市场如何重新看待这家公司也显得极为重要，过去一年半的时间里，ARM 与英伟达不止一次向各国监管机构传达一个信息：作为半导体产业「独一无二」的公司，IPO 或将严重影响公司的创新能力，进而对半导体产业链产生影响。

现在，ARM 已经换了一套说辞，他们需要让资本市场相信 ARM 是一家可以持续盈利的公司，根据上周透露的消息，2021 年 ARM 公司的收入达到 25 亿美元，经调整后的利润为 9 亿美元。

但由此也产生了另一个疑问：如果 ARM 的盈利能力没有问题，那么为什么还要紧锣密鼓准备上市呢？

再来看看地缘政治对于半导体的影响，欧盟上周通过一项 430 亿欧元的投资计划，主要投资于芯片制造工厂以及其他基础设施，旨在提升欧盟在半导体产业里的话语权，其中的一个目标是，到 2030 年，欧盟半导体市场份额提升到 20%，这个数字是目前的一倍，而且是从 8 年前的 2013 年一直维持现在的数字，下图来自《经济学人》。

但欧洲地区并不是半导体不发达地区，相反，全球唯一一家光刻机公司 ASML，就是一家位于荷兰、市值达到 2300 亿欧元的芯片产业链巨头，除此之外包括英飞凌、NXP 等芯片公司都是来自欧洲，欧洲芯片产业的最大的问题是其长期面向欧洲市场，导致在芯片制程上缺乏竞争力，使得这些公司无法适应全球当下芯片竞争的态势。

而在欧盟上周的投资计划里，鼓励各成员国通过补贴的形式，吸引包括英特尔、台积电等公司来欧盟国家建立工厂是一项重要举措。英特尔此前已经明确表示，只有政府承担 40% 的费用，他们才会来当地建立工厂，这是否会掀起新的补贴竞争进而造成产能过剩，或许将是下一阶段欧盟各国讨价还价的关键。

最后看看两家 X86 架构芯片巨头的新举措：

• 英特尔上周正式加入 RISC-V 基金会，以「X86+RSIC-V」对抗咄咄逼人 ARM 架构，会成为接下来英特尔的新故事；
• AMD 收购 FPGA 公司 Xlinix 的交易已经得到主要国家的批准，预计下周将正式公布。

巨头

DeepMind。最近发布的 AlphaCode，被认为是又一个要「替代程序员」的 AI 产品（上一个产品是 Github 的 Copilot）。

AlphaCode 基于这几年流行的 Transformer 架构（GPT-3 也是这个架构），面向代码编程竞赛的 Codeforces，在这个场景里，每个竞赛题都需要根据描述生成相应代码，并给出正确的结果。

AlphaCode 在这个竞赛平台与人类程序员比赛，最终在 5000 人的比赛里位列前 54%。从某种意义上说，AlphaCode 比另外 46% 的人类程序员更聪明。

但 AlphaCode 要做的事情，远不是「替代程序员」这么简单。

正如 DeepMind 官方博客所言，AlphaCode 目前仅适用于竞赛类编程比赛，这和此前 AlphaGo 只适用于围棋比赛一样，它们仅仅局限在某一类特定任务里，和人类围棋高手或代码工程师拥有良好的逻辑推理能力，从而可以在其他场景中广泛使用是两类完全不同的「智能」。

更重要的是，AlphaCode 「写」代码的方式还是依托在巨大甚至无限的算力需求基础之上，比如针对一个问题，AlphaCode 可以生成数千个甚至十万级别的样本，然后过滤出有效的代码，相比之下，人类程序员更多是在有效资源的限制下进行调试、调优。

纽约大学计算机科学教授 Ernest Davis 的评价非常到位，他说 AlphaCode 像是训练出了一只可以「写哈姆雷特的猴子」（此处使用了「无限猴子原理」，详见维基百科的解释），但需要很多只「猴子」，才能解答某些问题。

索尼。索尼的强化学习算法战胜 GT 赛车领域人类最强者，相关论文已经发表在 Nature 。这个名为「GT Sophy」的算法要应对的场景远比围棋或星际争霸等游戏复杂，它需要应对虚拟驾驶场景带来的各种挑战，包括路线选择以及如何不犯规等。

这个算法也让很多人（包括我）对其在自动驾驶领域的应用充满期待，毕竟，目前已经有很多自动驾驶软件开展仿真测试，那么，GT Sophy 能否给自动驾驶测试带来真正的突破呢？这或许是一个非常值得关注的发展方向，不过，虽然索尼已经开始探索自动驾驶的相关产品，但已经明确表示，还没有计划在其自动驾驶车辆中采用 GT Sophy。

微软。微软正在和新加坡内政部科学技术局（HTX）共建「主权云」，根据 Register 获得的消息，新加坡将「主权云」视作警察、军方等机构使用云服务的平台，微软通过「主权云」帮助 HTX 实现数字化转型，微软会提供包括计算、存储在内的众多云计算产品。

此前曾被广泛报道的新加坡机器人巡逻 Rover-x，其背后的管理机构正是 HTX。

阿里云。作为奥运会唯一云服务商，阿里云过去两周发布了大量公关新闻稿，展示云计算之于奥运会的价值，比如赛事转播、数据中心的绿色节能效应等等。

另外值得一提的是，此次冬奥会期间，包括阿里巴巴、百度、京东在内的众多科技公司的技术或产品，成为各家公司宣传的焦点，这里有一篇综述。

产业·云计算

春节时间，微软、亚马逊、Google 相继发布了财报，三大美国公司最新的云计算营收状况也正式出炉：

• 微软智能云：营收 183 亿美元，同比增长 26%，其中公共云服务 Auzre 增长 46%，具体营收数字依然没有公布；
• AWS：营收 178 亿美元，同比增长 40%；
• Google Cloud：营收 55 亿美元，同比增长 44%。

而从利润上看，2021 年 AWS 全年营收利润高达 185.32 亿美元，微软营业利润 299.71 亿美元，营业利润率分别是 29.8% 和 44.2%。

从营收、增长与利润来看，AWS 和微软都无可争议地占据着全球前二的位置。与此同时，两家不同咨询公司也给出了全球云计算市场的基本格局，Synergy 的报告称：

• 2021 第四季度全球云基础设施支出超过 500 亿美元，同比增长 36%；
• 2021 全年的云计算支出达到 1780 亿美元，同比增长 37%；

玩家方面，如下图所示：

Canalys 的数据也差不多：

• 2021 第四季度全球云基础设施支出首次突破 500 亿美元，同比增长 34%，至 535 亿美元；
• 2021 年全年来看，同比增长 35% 至 1917 亿美元。

下图是云计算市场的基本格局：

下月，阿里巴巴也会发布新一季财报，之前的财报数字来看，阿里云营收同比增长 33% 至 200.07 亿元人民币，连续四个季度盈利。

对于接下来整个产业的发展方向，我有几个宏观判断，其一，AWS 会推出更多 PaaS 产品，以应对来自微软的挑战，从商业软件到办公协同，不管 AWS 是推出自己的产品还是发起重磅收购，我一点也不会吃惊。

其二，云计算的竞争继续发生在「距离客户最近的地方」，不管是国内还是全球市场，无论是 AWS 还是阿里云，云计算早已不是代码、UI 好与坏的竞争，而是一场围绕客户体验的争夺，这需要庞大的销售、客服队伍，更需要广泛的行业合作伙伴以及灵活的产品方案，不管公有云还是私有云，只要是可以满足客户需求的产品，都可以称之为「云计算产品」。

第三，整个云计算市场的「蛋糕」还在不断变大，对于阿里云、腾讯云等中国巨头来说，2022 年，「走出去」很关键。

业界·其他

AI 与医疗。药物发现是医疗 AI 的重要应用场景，比如利用机器学习算法，科学家可以更快了解抗抑郁症药物情况。在这个研究里，科学家利用机器学习分析了 200 位先前被诊断患有严重抑郁症患者的脑电波。经过八周的药物治疗后，科学家再去分析这些患者脑电波的变化，从而确定这类药物对于患者大脑模式的影响。这项研究的论文摘要已经发表在 Nature Biotechnology。

大型药企也是将 AI 应用于药物发现的重要推动者，比如拜耳、诺华，路透社援引一份 2019 年的数据称，大约有 90 家公司参与到利用 AI 进行药物发现的 4.73 亿美元市场竞争之中。

但与诸如计算机视觉或自然语言处理广泛应用相比，AI 在药物发现领域的应用面临两个巨大挑战：

• 数据质量和数量；
• 复杂的分子结构需要更大规模的机器学习模型。

如果你对 AI 药物发现感兴趣，可以通过这个网站查看一系列专题讲座。

随着 AI 在医疗领域的应用不断增多，如何减少进而杜绝算法偏见，成为这个应用场景里的重要关注点，世卫组织上周发布了一份报告，探讨 AI 算法在面向老年人医疗诊断中的问题和解决方法，你可以在这里免费获取这份报告。

更进一步，通过对英国国家卫生局发布的国家医疗成像平台 AI 算法的评估，我们也可以提前感受到 AI 算法在医疗场景的诸多影响，而这篇报告还提供了一些流程和方法，非常值得一看。

快速查询全球主要国家 AI 战略/政策。制定 AI 国家战略已经成为全球主要国家努力的方向，透过这个网站，你可以快速查询各国在 AI 领域的战略与相关政策。

YouTube 使用 DeepMind 的棋盘游戏算法。这个名为 MuZero 的算法源自于 DeepMind 在围棋领域的算法积累，而 YouTube 将其应用到视频压缩算法中，从而可以节约网络带宽，提升视频播放速度。

虽然 DeepMind 和 YouTube 同属 Alphabet 公司，但隶属 Google 的 YouTube 还是要向 DeepMind 支付费用，2020 年，DeepMind 曾表示从 Alphabet 的其他公司获得了超过 11 亿美元收入。

两份关于如何看待 AI 的报告，第一份调查覆盖了 28 个国家，其结果显示，不同经济发展水准的国家居民对于 AI 的态度有明显不同，新兴国家的受访者更了解、也愿意使用人工智能产品，并对人工智能的未来使用充满乐观态度，你可以在这里免费获取这份报告。

另一份报告的受访者聚焦在日本地区，东京大学的研究者设置了诸如隐私、问责、可解释性等八个议题，通过在线调查的方式完成调查，其结果显示，公众对 AI 的态度或因为场景而存在差异，同时诸如性别、年龄等因素也会影响到受访者的态度，你可以在这里免费下载这份报告。