據外媒（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這些互聯網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，Facebook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據庫，能夠用以進行復雜的流數據分析。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網絡子程序（BNNs），讓開發(fā)者在他們開發(fā)的程序中能夠使用人工神經網絡的高效算法。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成的神經網絡模型供開發(fā)者使用，并沒有開放訓練該神經網絡的途徑。（訓練神經網絡代價高昂，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的數據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據分析時，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對大數據的需求水火難容，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：對大數據流向進行洞察，而不窺探具體的個人數據。

　　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，擁有對用戶數據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據的方法。

　　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：比如物聯網、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據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。