头图｜视觉中国
本期“AI内参”首先从英伟达收购 ARM 失败谈起，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，而在地缘政治之下，欧盟的半导体投资计划影响如何？本期会带来一些思考和分析。
春节期间，美国三大云计算公司相继发布财报，结合这些财报数字与多家咨询机构的报告，我会谈谈自己对云计算产业未来的几个思考。
本期还将关注：
微软与新加坡共建“主权云”；
DeepMind AlphaCode 的价值；
机器学习在药物发现中的挑战；
两份关于医疗领域 AI 算法偏见的分析报告；
两份如何看待 AI 的调查报告；
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？
从地缘政治对半导体的影响来看，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”），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。
评论