计算行业分成两个主要的独立周期：金融周期和产品周期。关于金融周期中我们现在的处境，最近出现了很多呼声。金融市场也得到了极大的关注，它们的波动往往无法预测，有时还大起大落。相对而言，产品周期方面受到的关注就少一些，尽管事实上产品才是计算行业发展的真正推动力。通过对过去的学习和延伸到未来的思考，我们可以了解并预测产品周期。
每隔 10-15 年就会迎来一个新的计算时代
技术产品周期在平台和应用之间是相互促进相互增强的。新平台支持新应用，而新应用又反过来让新平台更有价值，从而创造出一个正反馈循环。往小一点说，分支技术周期总是在发生，但每隔一段时间——从历史上看是每隔 10-15 年——就会开始出现重要的新周期，整个地重塑计算领域。
金融和产品周期大多是独立演进的
PC（个人计算机）的出现让企业可以创造文字处理器、电子表格和其它许多不同的桌面应用程序。互联网让搜索引擎、电子商务、电子邮件和信息、社交网络、 SaaS 业务应用和其它许多服务成为可能。智能手机造就了移动通信、移动社交网络和拼车共享等按需服务。今天我们正处在移动时代中间，可能还有更多移动创新正待到来。
每一个产品时代都可分为两个阶段：
孕育阶段（the gestation phase）：新平台开始引入，但价格昂贵、不完整且/或难以使用；
成长阶段（the growth phase）：解决了以上问题的新产品出现，开始迎来指数级爆发增长。
Apple II 发布于 1977 年（Altair 发布于 1975 年），但直到 1981 年 IBM 个人电脑的出现才正式启动了 PC 行业的爆发。
每年的 PC 销量（单位：千台）
互联网的孕育阶段是 80 年代和 90 年代初，那时计算机还只是学术界和政府机构所使用的基于文本的工具。随着 1993 年 Mosaic 网页浏览器的出现，互联网进入成长阶段，至今仍在继续。
全球互联网用户数量
90 年代是功能手机的天下，新千年初出现了 Sidekick 和黑莓的早期智能手机，但直到 2007-2008 年 iPhone 和之后的 Android 出现后，智能手机才真正进入成长阶段。自那以后，智能手机就开始了爆发式增长：今天拥有智能手机的人数已超过 20 亿。预计到 2020 年，全球人口的 80% 都将拥有智能手机。
每年全球智能手机销量（单位：百万）
如果 10-15 年的周期模式还会重复，那么几年之后，计算时代就应该会进入下一成长阶段了。以此看来，现在我们应该已经处在新时代的孕育阶段。下一个计算时代会是怎样呢？现在在硬件和软件领域已有很多重要趋势可以让我们一窥未来。下面我将对这些趋势进行探讨，然后给出关于未来可能模样的一些想法。
硬件：体积小、价格便宜、无处不在
在大型机时代，只有大型企业才能买得起电脑。小型机是规模较小企业的选择，PC 用于家庭和办公，而智能手机则是个人使用。
计算机体积一直在稳定变小
我们这个时代，处理器和传感器的体积和价格都还在持续下降，计算机的数量也将因此远远超过人类的数量。
造成这一现象的原因有两个：一是过去 50 年里半导体产业的稳步推进（摩尔定律）；二是 Chris Anderson 所称的「智能手机大战的和平红利」：智能手机的巨大成功导致大规模投资进入处理器和传感器领域。如果你拆开一架现代无人机、虚拟现实头戴设备或物联网设备，你就能在其中找到大部分智能手机组件。
在现代半导体时代，人们关注的焦点已经从独立 CPU 转向了被称为系统级芯片（SoC）的专用芯片组合。
计算机价格一直在稳定下降
典型的系统级芯片包含高能效的 ARM CPU，外加用于图像处理、通信、电源管理、视频处理和更多功能的专用芯片。
树莓派 Zero：5 美元的 1 GHz Linux 计算机
这种新架构让基本计算系统的价格从约 100 美元降至约 10 美元。售价仅 5 美元的树莓派 Zero 是一款计算速度达 1GHz 的 Linux 计算机。在同等价位上还能买到运行某个版本 Python 的带有 WiFi 功能的微控制器（参考 wifi-enabled microcontroller）。不久之后这些芯片的成本就将低于 1 美元，其成本效益足以让我们在几乎任何东西中嵌入一部计算机。
与此同时，高端处理器也有让人印象深刻的性能提升。其中尤其重要的是 GPU（图形处理器），最好的 GPU 由 NVIDIA 制造。GPU 不仅对传统的图形处理非常有用，而且还在机器学习算法和虚拟/增强现实设备上具有重要价值。NVIDIA 在路线图中承诺在未来几年内实现 GPU 性能的显著提升。
谷歌的量子计算机
量子计算是一个目前还处于实验室阶段的普遍适用技术，但一旦实现商业化，将可能给应用于生物和人工智能等领域的某些类别的算法带来几个数量级的性能提升。
软件：人工智能的黄金时代
今天在软件方面发生着许多令人兴奋的事。分布式系统就是一个很好的例子。随着设备数量的指数级增长，它对多台机器的并行任务与设备之间的通讯和协调也日益重要。有趣的分布式计算技术包括 Hadoop 和 Spark 这些用于并行处理大数据问题的系统，以及用于保护数据和资产安全的比特币\区块链技术。
但也许最让人兴奋的软件突破正在人工智能（AI）领域内发生。人工智能有很长一段糅杂着炒作和失望的历史。阿兰·图灵自己曾预测说到 2000 年时机器将有能力成功模仿人类。但，现在我们终于有理由相信人工智能终于开始进入黄金时代了。
「机器学习是一个核心的变革方式，让我们重新思考我们所做的一切。」——谷歌 CEO Sundar Pichai
人工智能的很多兴奋点都集中在深度学习上，机器学习技术大众化的开端是现在已经非常出名的 2012 年谷歌推出的使用巨大计算机集群来学习鉴别 YouTube 视频中的猫的项目。深度学习是神经网络的传承，神经网络这项技术可以追溯到 1940 年代。得益于新算法、廉价的并行计算和广泛可用的大数据集等因素的结合，这项技术终于重现生机。
ImageNet 挑战的错误率（红线=人类的表现）
人们很容易将深度学习误认为是又一个硅谷流行语。然而它所带来的兴奋得到了令人印象深刻的理论和现实世界的结果的支持。比如，ImageNet 挑战（一个流行的机器视觉大赛）获胜者的错误率在使用了深度学习之后出现了 20-30% 的下降。使用深度学习，获胜算法的准确度也在稳步提高，到 2015 年时已经超过了人类的表现。
许多与深度学习相关的论文、数据集和软件工具都已经开源。其所带来的民主化效应让个人和小型企业能够打造出强大的应用。WhatsApp 仅凭 50 名工程师就能够打造出为 9 亿用户提供服务的全球信息系统；相比而言，前几代信息系统需要数千名工程师。这种「WhatsApp 效应」现在正在人工智能领域出现。类似 Theano 和 TensorFlow 这样的软件工具与用于训练的云数据中心和低廉的 GPU 相结合，让小团队的工程师也能够打造出最为先进的人工智能系统。
例如，有一个单独的程序员正在开发一个利用 TensorFlow 给黑白照片上色的小项目。
左：黑白；中：自动上色后；右：原图
另外还有一个小型初创公司打造了实时物体识别：
这让人不禁联想起一部科幻电影中的著名场景：
大型科技公司首先发布的一个深度学习应用是 Google Photos 的搜索功能，其智能程度让人震惊。
用户使用「big ben」作为关键词搜索照片（没有元数据）
很快我们就能看到各种产品中智能的显著提升，包括语音助手、搜索引擎、聊天机器人、3D 扫描仪、语言翻译、自动驾驶、无人机、医疗成像系统等。
「很容易预测下 10000 家初创公司的商业计划：从事X并加入人工智能。这是一笔大生意，而现在它在这里了。」——Kevin Kelly
初创公司打造人工智能产品需要在特定应用上保持高度的关注，这样才能抗衡将人工智能作为首要发展重点的大型科技公司。人工智能系统会随着收集数据的增多而变得更好，这意味着可以创造一个良性滚雪球的数据网络效应（更多用户→更多数据→更好的产品→更多用户）。地图初创公司 Waze 使用数据网络效应打造的地图比其它更有资本的竞争者好很多。成功的人工智能初创公司都会遵循类似的策略。
软件+硬件：新型计算机
现在有各种各样的计算平台处于孕育阶段，很快它们就将变得更好——可能进入成长阶段——因为它们整合了现在最先进的硬件和软件。尽管它们的设计和封装方式各不相同，但它们都有一个共同的主题：它们通过在世界顶层上（on top of the world）嵌入智能虚拟层赋予我们新的增强的能力。下面是一些新平台的简要概述：
汽车
谷歌、苹果、Uber 和特斯拉这样的大型科技公司正向自动驾驶汽车领域投入重要资源。特斯拉 Model S 这样的半自动汽车已经公开上市，能力也在快速提高。全自动驾驶所需的时间更长，但可能不会超过 5 年时间。现在已经有几乎能与人类司机并驾齐驱的全自动驾驶汽车了。但是基于文化和监管方面的原因，全自动驾驶汽车只有在远远超过人类司机时才能被广泛允许。
自动驾驶汽车制作环境地图
预计还将有更多大量投资投入自动驾驶汽车。除了大型科技公司，大型汽车制造商也开始对自动驾驶严肃起来。你甚至还将能看到一些初创公司的有趣产品。深度学习软件工具已经非常好用了，一个单独的程序员就能做出一辆半自动驾驶汽车。
自制的自动驾驶汽车
无人机
今天的消费级无人机包含了现代的硬件（大部分智能手机组件外加机械部件），但软件却相对简单。不远的将来，我们将看到整合了先进的计算机视觉和其它人工智能技术的无人机，从而使它们更加安全、更易于操控且更加有用。无人机娱乐录像还将继续流行，但也将出现重要的商业实用。有成千上万种涉及到攀爬建筑、高塔和其它结构的危险工作，使用无人机能让这些工作变得更为安全和高效。
飞行中的全自动无人机
物联网（IoT）
物联网设备最明显的应用目的是为了节能、安全和便捷。Nest 和 Dropcam 是前两个目的中比较受欢迎的例子。而在便捷上，亚马逊的 Echo 是最有趣的产品之一。
物联网的三种应用
在真正尝试 Echo 之前，大部分人都认为它只是一个噱头，而一旦尝试后，他们会惊讶原来它这么有用。Echo 是「长期在线语音」作为用户交互接口能够多么有效的伟大演示。在能够进行全面对话的通用型人工智能出现之前，我们还需要等待一段时间。但就像 Echo 一样，目前声音可以在限制范围内获得成功。随着最近深度学习领域的突破，人工智能的语言理解能力也会获得提升，从而开启其产品设备之路。
物联网也将在商业环境中得到应用。比如带有传感器和网络连接的设备在监测工业设备方面具有很大的用处。
可穿戴设备
今天的可穿戴计算机在许多方面都存在限制，包括电池、通信和处理。其中成功的产品都聚焦于非常狭窄的应用领域，比如健康监测。随着硬件组件的不断改进，可穿戴设备也将和智能手机一样支持更多丰富的应用，并开启一些新的应用。至于在物联网上，声音可能会成为主要的用户接口。
电影《Her》中出现的可穿戴超智能 AI 耳机
虚拟现实（VR）
对虚拟现实而言，2016 年是让人兴奋的一年：Oculus Rift 和 HTC/Valve Vive（也许还有索尼 Playstation VR）的发布意味着舒适的、真实感极强的虚拟现实系统终于走向了公众。虚拟现实系统需要达到非常好的程度才能避免「恐怖谷」陷阱。合适的虚拟现实需要特殊的屏幕（高分辨率、高刷新率和低残留）、强大的显卡和追踪用户准确位置的能力（之前推出的虚拟现实系统只能追踪用户头部的旋转）。今年，公众将首次体验到什么叫「出离（presence）」——当你的感官被完全欺骗时，你会感到被完全传输到了虚拟世界中。
Oculus Rift 玩具盒演示
虚拟现实头设还将继续改进并越来越便宜。主要的研究领域包括：1）用于创建渲染和/或拍摄虚拟现实内容的新工具；2）用于从手机和头设中直接追踪和扫描的机器视觉；3）用于主控大型虚拟现实坏境的分布式后端系统。
房间规模的虚拟现实 3D 世界创造
增强现实（AR）
增强现实可能在虚拟现实之后到来，因为增强现实需要大部分虚拟现实所需的东西还外加一些新技术。比如，增强现实需要先进的低延迟的机器视觉以在同一个交互式场景中令人信服地将真实和虚拟物体结合。
电影《王牌特工》中真实和虚拟的结合
也就是说，增强现实可能会比你预想得更快到来。下面这个演示视频是由 Magic Leap 增强现实设备拍摄的：
Magic Leap 演示：真实的坏境，虚拟的角色
接下来是什么？
有可能 10-15 年的计算周期已经结束，移动是最后的时代。但也有可能下一个时代并不会很快到来，或者只有前面所谈论的新计算类别中的一个子类最终会变得重要。
我倾向于认为我们并不只是处于一个，而是很多个新时代的风口浪尖。「智能手机大战的和平红利」创造了新设备的「寒武纪大爆发」，而软件，尤其是人工智能的发展将让这些设备变得智能和有用。上面谈到的许多未来技术今天都已存在，并会在不远的将来得到广泛的应用。
观察者也已经注意到许多这些新设备都还处于他们「尴尬的青春期」。这是因为他们都还处于孕育阶段，就像是 70 年代的 PC、80 年代的互联网和 2000 年代早期的智能手机；我们看见了一点尚未到来的未来。但未来正在到来：市场有涨有跌，兴奋感也起起落落，但计算技术一直在稳步向前推进。
本文文字及图片出自 微信公众号
你的反应是：