头条

以 AWS Graviton 2 为例，为何云计算巨头热衷自研芯片？2019 年的 re:Invent 大会上，AWS 发布全新的服务器芯片 Graviton 2，根据当时 AWS 官方披露的数字，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%。

这些数字到底有多少可信度？AnandTech 对这款服务器芯片做了一番测试，针对计算服务，Graviton 2 在和基于 X86 的英特尔和 AMD 服务器的竞争中展现了不俗的实力，一如 AnandTech 所言，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。

Graviton 芯片不仅展示了 ARM 架构在服务器市场的巨大野心，也是 AWS 强化自身竞争力的重要举措，通过自研芯片，减少对于上游服务器芯片公司（如英特尔、AMD）的依赖，从而在服务器定制与成本优化上实现突破。

AWS 也对搭载 Graviton 2 芯片的服务器做了大量优化，在另一个测试里，开发者将多线程内存数据库 KeyDB 放在两台不同芯片的 EC2 上运行，其结果也显示，得力于 Graviton 2 芯片与定制服务器的优化，使得使用 Graviton 2 芯片的 EC2 在性能与价格上更具竞争力，下图里， m6g 搭载的是 Graviton 2 芯片，而 m5 是 x86 架构服务器。

考虑到 AWS 庞大的客户数量，此举势必将影响大量不完全依赖 x86 架构客户的选择。

自研芯片，不管是服务器芯片还是 AI 芯片，也是当下云计算巨头们争夺的焦点。 华为一年前发布基于 ARM 的鲲鹏 920（官方新闻稿）；2019 年 9 月，阿里巴巴达摩院展示了其自研的 AI 芯片含光 800；百度也在 2019 年 12 月「再次」展示了自研的 AI 芯片昆仑，并宣布会在 2020 年量产。

自研芯片与专用芯片的发展，将成为未来左右云计算与人工智能领域的重要底层技术。

巨头·产品

百度智能云架构调整。新架构下，百度智能云的云计算、智能金融、智能客服、渠道生态等业务的负责人直接向百度 CTO 王海峰汇报，原智能云两位负责人尹世明、张志琦将另作安排。「界面新闻」援引一位消息人士的话说，架构调整的邮件并没有全员通发，只发给了中高层。此举也意味着，百度 AI 技术平台体系与百度智能云体系进一步整合，对于未来通过智能云落地更多 AI 技术有重要意义。

当然，正如这篇出自虎嗅的文章所言，此次架构调整后的未知数还有很多，从内部协同到外部产业环境变化，未来还有诸多看点。

英特尔披露可识别气味的神经拟态芯片研究。这项研究由英特尔研究院与美国康奈尔大学共同参与，通过测量动物闻到气味时的脑电波活动，将其配置到英特尔神经拟态芯片 Loihi 上。不过需要指出的是，这项研究目前还处在非常早期的阶段，距离未来成为所谓「电子鼻系统」还有非常长的时间。

Google 翻译增加实时语音转录文本翻译功能。目前这个功能仅限于 Android 平台，支持英语、法语等 8 种语言，还未支持中文。如下图所示，通过该功能，可以实现语音实时转录为文本，同时翻译为特定语言。

这个产品充分利用了 Google 实时语音引擎（已开源，Github 源代码）和 TPU 的计算能力。根据 Google 的说法，这项功能会在近期发布，本期「AI Insider」截稿前，我在 Pixel 4 上还没有体验到该功能。

Google Cloud 与 AT&T 共同推进 5G 边缘计算落地。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。

创业·融资

AI 创业公司们。CB Insights 连续第四年发布了「AI 100」创业公司分析报告，这份报告有几个要点：其一，健康领域是创业公司最活跃的市场，拥有 13 家公司，其次为零售和仓储；其二，美国之外，加拿大与英国成为新的创业公司聚集地。

AI 创业公司的「最好归宿」：被收购。Bloomberg 发现，科技巨头一直没有放松对于 AI 创业公司的收割，而创业公司与投资人也乐于这么做。

Bloomberg 援引 CB Inishgts 的一组数据显示，仅在 2019 年，就有 231 家创业公司被收购，而在 2014 年，这个数字仅为 42 家。

而对于创业公司来说，被收购既可以获得更多数据，还可以在算力上得到补充，此前我曾在一篇《AI 创业公司的三大死穴》的文章里做过详细探讨。

面向云和 DevOps 基础架构的创业公司 HashiCorp 完成 1.75 亿美元 E 轮融资。目前这家公司的估值已经超过 51 亿美元，Techcrunch 的报道称，2018 年时该公司的估值只有 10 亿美元，这家成立于 2012 年的公司在过去两年高速增长。

抗疫·隐私

是否应该将智能手机数据纳入到疫情防控中？这项在中国、韩国已经广泛使用的手段仍然有争议，Wird 指出，需要思考这样的使用方法会不会导致不必要的政府监控。

在以色列，以色列内阁已经决定使用手机数据追踪感染者行踪。NYT 的消息称，这项原本被应用在反恐中的举措将应用到公共卫生领域，但这个措施没有得到立法部门的审议，也没有向公众公开。

Wired 报道了一个「低级别」的手机监控程序，来自 MIT 媒体实验室的研究人员开发了一个应用，用户可以自己记录活动，并利用各州或联邦公共卫生部门的数据，自行比对，从而了解自己感染的可能性。

过去这段时间，与中国医生抗疫一起「并肩战斗」的还有大量科技公司。CNBC 之前的报道中，强调了中国科技公司与政府之间协同，而政府也通过无人机、面部识别等追踪潜在感染者，提升防疫效率。

WSJ 上周谈到了中国疫情控制的三大要素，其中就包括「监控」，比如利用三大运营商的漫游数据：

Along with state-run rail operators and airlines, China’s big three telecom providers— China Mobile, China Telecom and China Unicom —were the government’s first line of defense against the spread of the virus.

如果你这段时间在国内生活，这篇长文里提到的举措应该会非常熟悉，但就像 Bloomberg 所说的，这是一次「监控极限的推进」，我们有必要考虑一下：如果疫情结束了，这些（尝试）手段会不会成为管理的新常态？

两家 AI 创业公司的抗疫举措。生物科技创业公司 AbCellera 与制药巨头 Eli Lilly 合作，利用机器学习算法识别可产生抗体的细胞，WSJ 的这篇报道指出，目前已经筛选了超过 500 万个细胞。

来自中国的晶泰科技也在利用机器学习加快发现治疗新冠肺炎病毒的方法，大家可以将 WSJ 这篇报道作为一个医疗领域 AI 实践的样本来参考，或者换句话说，这些举措也是目前行业的通用方法。

学术

Kaggle 推出关于疫情的开放数据挑战。此举旨在鼓励数据科学家、研究者通过自然语言理解等技术分析相关数据，获得更多关于疫情的洞察，目前 Kaggle 准备的开放数据集 CORD-19 涵盖了 29000 篇关于此次新冠肺炎、SARS 以及冠状病毒的研究论文。你可以在 Kaggle 官网了解详情。

GitHub 上的十大图像分类论文。图像分类是计算机视觉的重要分支，也是该领域的热门研究方向，这里汇总了 10 篇来自 Github 的图像分类论文，并且还有详细的说明。