據(jù)外媒（aitrends）報道，在人工智能（Artificial Intelligence，簡稱AI）的洶涌浪潮中，相比谷歌、亞馬遜和Facebook這些互聯(lián)網(wǎng)巨頭公司的摩拳擦掌躍躍欲試，蘋果似乎是最“冷靜”的一個。造成這種情形的原因，一部分是因為蘋果公司冷靜的企業(yè)風格不太容易吸引到頂端的AI人才——后者更希望被聲高勢強的公司雇傭。谷歌和亞馬遜相繼開源推出Tensor Flow和DSSTNE來招徠開發(fā)者，F(xiàn)acebook也開源共享了自己的Torch擴展模塊。意識到落后的蘋果奮起直追，在去年連忙通過一系列大小收購來補足自己在AI領域的短板。

　　除了想盡辦法動員AI開發(fā)者的力量，蘋果也相繼推出了自己的深度學習工具。在收購Tuplejump之后，蘋果繼續(xù)將Tuplejump下面的FileDB開源。這是一種具有機器學習功能的分布式列式數(shù)據(jù)庫，能夠用以進行復雜的流數(shù)據(jù)分析。同時蘋果向開發(fā)者開放了Siri的API，使得第三方應用也能夠使用Siri的自然語言處理（NLP）系統(tǒng)。除此之外，蘋果還推出了基本神經(jīng)網(wǎng)絡子程序（BNNs），讓開發(fā)者在他們開發(fā)的程序中能夠使用人工神經(jīng)網(wǎng)絡的高效算法。美中不足的是，這套程序之所以稱為“基本”，是因為蘋果只是提供了現(xiàn)成的神經(jīng)網(wǎng)絡模型供開發(fā)者使用，并沒有開放訓練該神經(jīng)網(wǎng)絡的途徑。（訓練神經(jīng)網(wǎng)絡代價高昂，中小開發(fā)團隊也無力承擔）

　　補足了技術上的短板，公司“政策”上的妨礙或許會是阻礙蘋果在AI上更進一步的最大因素。蘋果公司一向以其對用戶隱私的保護而備受稱贊。iPhone的數(shù)據(jù)傳輸全部使用端到端加密，在需要對用戶照片和信息進行數(shù)據(jù)分析時，蘋果傾向于在用戶手機上完成將這些分析運算，而不是將文件上傳云端（以避免中間的安全隱患）。高標準的隱私保護和AI對大數(shù)據(jù)的需求水火難容，蘋果對此的解決方案是，它們或許會改用較寬松一些的隱私策略：對大數(shù)據(jù)流向進行洞察，而不窺探具體的個人數(shù)據(jù)。

　　不過目前這種妥協(xié)方案還在計劃中而并未完全實施。相比這種嚴于律己的困頓，擁有對用戶數(shù)據(jù)的完全訪問權就會方便的多。比如谷歌和Facebook，相比蘋果，他們的深度學習和AI表現(xiàn)也更加出色。“更好的隱私”和“更好的服務”似乎難以調和。不過一家叫Snips的創(chuàng)業(yè)公司可能會對蘋果的堅守有所助益。Snips致力于開發(fā)能夠在不侵犯用戶隱私的情況下收集數(shù)據(jù)的方法。

　　此外，在嵌入式系統(tǒng)上應用AI深度學習也是蘋果困境的解決之道。硅谷的科技巨頭們已經(jīng)通過各種方式探索基于嵌入式系統(tǒng)的深度學習。最近IBM聲稱，其“True North”計算芯片已能夠實現(xiàn)類似人腦的功能：“具有深度學習能力，像人類大腦一樣進行關聯(lián)分析，判斷各種可能性”。未來這種芯片可以被應用到各種設備中去：比如物聯(lián)網(wǎng)、智能手機、機器人、汽車、云計算和超級計算機。IBM之外，英特爾公司最近收購了視覺處理單元制造商Movidius。谷歌的Project Tango曾讓普通手機擁有令人驚艷場景感應功能，其中Movidius的技術就功不可沒。

　　True North和Movidius的偉大之處，在與將以往只能靠服務器進行的大數(shù)據(jù)深度學習放在本地芯片上完成。既然蘋果希望在堅守嚴格隱私標準的同時發(fā)展AI，那么收購一家這樣的創(chuàng)企是一個合情合理的選擇。蘋果汽車的傳聞一直不絕于耳，自動駕駛汽車和嵌入式深度學習亦是密不可分。在競爭對手哪里，英偉達已經(jīng)開始部署自己的DrivePX2，英特爾不久之后也將利用Movidius的技術來發(fā)展自己的自動駕駛技術。目前在嵌入式深度學習上卓有成就而還未被收購的企業(yè)包括：Knu Edge、Teradeep和Pilot AILabs等等。除了創(chuàng)企，不少大學里也有機構在進行該領域的研究，比如羅徹斯特大學和UCLA。這些都可能成為蘋果未來的合作之選。