本期导读：
本期导读：
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......
编者按：本周开始，「AI Insider」将全新改版，其一，更新周期变短，从每周一期调整到每周两到三期；其次，发布时间将放在周二到周四晚上 9 点，与之前的「Dailyme」的发布时间一样；其三，整体的内容选题也将更垂直和细分。
我希望用我的时间和对行业的理解，帮助读者梳理一幅 AI 与 Cloud 的产业变革图景。
至少这一次，AI 不会拯救人类。从加拿大的 BlveDot 到波士顿儿童医院，这些机构都准确地预测到新冠肺炎疫情，但在这场疫情中，AI 所能起的作用还非常小。即便是最近国内被热议的 AI 诊断模型，阿里达摩院的 AI 算法以及百度的 Linearfold 算法，这些尝试依然处在非常早期的阶段，而针对新冠肺炎的 AI 药物发现应用更是遥遥无期，MIT 科技评论一针见血地指出：当下所有 AI 技术应用到新冠肺炎治疗的消息都是炒作，至少这一次疫情中，AI 不会拯救人类。
Google Cloud 继续扩大数据中心地域（Region）。上周，Google 宣布在德里（印度）、多哈（卡塔尔）、墨尔本（澳大利亚）、多伦多（加拿大）推出数据中心新地域，每个地域包含三个可用区（Zone）。目前 Google Cloud 已经在 16 个国家部署了 22 个地域，拥有 67 个可用区。关于「地域」、「可用区」的概念可参考 AWS 官方博客的这篇文章，云计算公司普遍采用 AWS 设立的这个标准.......
差不多两年前，我开始将每天阅读科技新闻与故事的「笔记本」分享出来，这也是「DailyMe&WeeklyMe」的由来。
也正是因为要运营这样一个「笔记本」，我需要每天关注太多有用或无用的信息，这当然是内容工作者的常态，但到了 2020 年，特别是在过去一个多月的疫情高峰期里，处于「被迫隔离」阶段的我——和绝大多数人一样——每天需要接收太多信息。
过度的食物摄取可能会导致肠胃问题，过度的信息消费也会造成心理不适。
如果你关注我在 Dailyio 的动态，会发现我从 2 月下旬推出了一个名叫「Deep Reading」的内容产品，以 7 天为一个时间间隔，精选 7 篇值得阅读的长文给大家阅读。
某种意义上说，「Deep Reading」是我做给自己的产品，一如我将自己使用 iPad Pro 的想法记录到「iPad Power User」一样，「Deep Reading」成为我每天阅读一篇长文的动力。
更进一步，我也在想，当我每天都关注 AI、Cloud 技术突破与行业发展并运营「AI Insider」的时候，我是不是可以减少对于其他领域的内容消费？与此同时，当 AI、Cloud 技术与行业动态越来越多，每周一期的「AI Insider」是否可以完全覆盖这些内容？
在上述背景下，我开始思考将「AI Insider」与「DailyMe/WeeklyMe」合并的可能性，最终决定了停止更新「DailyMe/WeeklyMe」并启动新的产品，新的产品名称依然是「AI Insider」，但内容更新周期将从每周一期调整到每周至少三期（初步），更新时间初步定在当周「iPad Power User」与「Deep Reading」更新的空隙，比如从周二到周四。
全新的「AI Insider」将焦点对准 AI、Cloud 领域的最新技术发展与行业巨头动态，这将是一份付费订阅的内容产品，这也是我做给自己的产品，但我更希望用我的时间和对行业的理解，帮助读者梳理一幅值得关注的 AI 与 Cloud 的产业图景。
和已经运营近半年的「AI Insider」一样，全新的「AI Insider」提供 30 元/月、200 元/年两个订阅选择。
[purchase_link id="7206" style="" color="" text="购买"]
即日起至 3 月 25 日，订阅或续订「AI Insider」年度会员，输入优惠码「dailyme」，不仅有 50% 的折扣，还有一份价值 148 元的惊喜礼包。
这场疫情的影响或许还将持续一段时间，我也将继续努力向各位订阅读者生产 AI 垂直领域有价值的中文互联网内容，减轻各位朋友获取相关信息的负担，保护你的注意力不受更多损害。
本期导读：
投资公司 a16z 上月发表了一篇分析 AI 创业公司困境的文章，如果你关注 AI 创业领域，一定要读一下这篇文章，或者你也可以先看看我的点评。
这篇文章从商业模式的角度入手，将 AI 创业公司与传统软件公司做了对比，你会发现其中有太多值得思考的问题，我将其称之为「AI 创业公司的死穴」
1.云服务的成本
AI 创业公司热衷于使用云服务，云服务的确可以帮助 AI 创业公司快速完成机器学习模型的搭建与部署，并借助其弹性的特点，使得 AI 创业公司可以应对突发的流量压力。
但这个看似甜蜜的方案背后，隐藏了众多「套路」，一方面，整个机器学习模型训练所需的计算、存储、网络资源非常高，这也是一个巨大成本，FT 此前的一篇报道称，创业公司在云上的花费，为 AWS、微软贡献了巨额收入。
另一方面，云服务的隐形成本还包括机器学习模型在云服务商不同区域的迁移，以及在不同云服务商之间的迁移等等。
更重要的一点还在于，困扰整个 AI 发展的算力问题，短期来看几乎只能靠钱来解决，摩尔定律已经失效，而 OpenAI 指出的巨大算力需求与英伟达单个 GPU 实际算力提升之间形成了鲜明的反差。
或许会有人说，分布式计算就是为了解决这个难题而出现的，但正如 a16z 分析师所言，这个方案解决的是速度，而不是成本。创业公司对于分布式计算的迷恋，无异于「财务自杀」。
2.人类的位置与成本
如果你听过「没有数据就没有智能」，还需要记住另一句：「没有大量被人类标注的数据，就没有足够的智能」。
这就涉及到了整个产业链上的人类成本。过去几年时间里，媒体热衷于报道哪家公司年薪百万招募机器学习博士，但很少听到哪家 AI 公司为获得人类标注数据所付出的成本，a16z 给出的数字，这个数字占据了企业营收的 10%—15%。
另一个佐证是，在被誉为「AI 第一股」的旷视科技招股说明书里，「数据标注」人员占公司全员的比例为 17%。
这也可以解释为何数据标注已然成为一个巨大的产业，利用中国天然的劳动力优势，数据标注产业的发展势头也非常凶猛。
如果说数据标注只是一种外包的人力成本，那么 AI 创业公司还需要另一层人力成本，当 AI 产品渗透到各个行业，创业公司们所面对的是一个巨大而又需要定制化的市场，换句话说，这需要大量人力去维持、开拓。
这又和传统软件公司不同，在传统软件公司，软件的一个功能可以适配足够多的企业和行业，但在 AI 领域，数据源的不同所带来的连锁反应到底有多大呢？a16z 分析师举了一个例子，两家汽车制造商的车辆缺陷检测，看似相同，但不同数据来源决定了整个模型训练、部署会出现巨大差异。
3. AI服务化是个不得已的选择
「AI 服务化」与其说是 AI 创业公司的营销词汇，倒不如说这是一个无奈选择，当云服务成本无法通过规模化降低，当人力成本在数据标注与行业扩张中居高不下，留给 AI 创业公司的选项委实不多。
a16z 分析师最后的总结指出，当下很多 AI 创业公司更像是一个服务公司而不是软件公司，「你可以代替某些服务公司，但无法代替服务」。
对于崇尚「软件吃掉世界」的 a16z 而言，这个推论也向世人展示了其对于 AI 创业的看法，当 AI 创业公司被看作服务的时候，AI 创业公司的估值与增长空间已经被限定，至少在硅谷，软件/技术公司的估值为其营收的 10–20 倍，而服务类公司的只是 2 倍。
这也抛出了另一个问题：是不是即将迎来又一个「AI 冬天」？从我的角度去看，这个时期更像是「秋天」，无论资本市场还是国内外的巨头公司，正在更理性地看待 AI 技术与产品，同时也在评估其对于未来行业发展的影响。
所有这一切都在展现一个事实：AI 创业公司的热潮已经过去了。
（欢迎订阅「AI Insider」获取本期全部内容 ）
[purchase_link id="7206" style="" color="" text="订阅"]