今年初谷歌AlphaGo与围棋**李世石的人机大战，让人们对人工智能的关注度提升到了前所未有的高度，正所谓“外行看热闹、内行看门道”，AlphaGo获胜的背后离不开谷歌开发的深度神经网络，而这正是人工智能机器学习当中重要的组成部分。

　　AlphaGo在对战时，是采用一种“在线学习”(On-Line Learning)的模式，意思就是说AlphaGo的服务器在美国中西部，通过谷歌云服务连接到韩国首尔的对局室，谷歌总部团队必须确保AlphaGo与谷歌的服务器连接顺利，

　　在机器学习领域，除了这种目前较为主流的“在线学习”，还有一种效率更高并且直接在硬件端完成机器学习的方式——片上学习，简单讲就是字面所传达的意思，在芯片上进行机器学习。

　　在了解“片上学习”之前，我们有必要回顾一下计算机的工作结构。

　　几十年前，美籍匈牙利科学家冯·诺依曼曾提出了以自己名字命名的“冯·诺依曼体系”，这种体系结构下，计算机的指令和数据采用0和1的二进制，处理任务按照固定程序顺序进行，也就是所谓的“串联”。

　　而人脑处理事情为“并联”模式，人类可以同步处理看到、听到的内容，并且基于人类的“自我学习”能力，完成一次判断。比如，心智正常的人，面对一本杂志与一份报纸，可以在一瞬间分辨出来，这是人类大脑内的视觉图像信息神经元、逻辑思维判断神经元与人类“自我学习”能力，在一瞬间里“并行”作业的结果。

　　“冯·诺依曼体系”沿用了半个世纪，但在接下来的人工智能时代，计算机需要尽可能地模拟人类大脑神经元和突触处理信息的方式，如视觉、听觉，随后，接受到的信息、图片和声音又能改变神经元之间的联系，这整个过程就是机器学习的过程。

　　机器学习的过程只有通过神经网络的计算才能实现，为了处理神经网络所带来的指数级数据增长，人们开始研发专门的芯片，才有了后来的“片上学习”。

　　“片上学习”的进化历程

　　从全球范围内来看，已有多家公司致力于“在线学习”的算法研究，在视觉、声音、大数据等领域人工智能均有一些落地的案例，相比之下“片上学习”在严苛的硬件环境中依旧研究进展缓慢。

　　比如IBM的TrueNorth项目，这个以神经形态工程学设计的CMOS芯片，包含了4096个硬件核心，每个核心包含256个可编程的神经元芯片，拥有超过100万的神经元。

　　在钛媒体创新产品平台“我造社区”当中，有一家名为“西井科技”的神经形态实验室同样致力于此。今年5月份，这家公司宣布研发出了全球块5000万“神经元”类脑芯片——Westwell去年被网友视为恶搞视频的“附近有钱人”（到位，Alipay Everywhere）功能竟然“弄假成真”了，经钛媒体向支付宝方面的人证实，支付宝近期已经把这个愚人节的创意在产品内实现，类似功能计划在9月底10月初发布。

　　通过支付宝向附近的人借厕纸，让附近的人帮修电脑、为女生送花即将变为现实，听起来很有意思。

　　支付宝官方微博已经证实上线新功能

　　支付宝官方微博在2015年“愚人节”发布的视频

　　虽然网友对此消息的态度都是戏谑与调侃，不过“愚人节玩笑成真”却反映了支付宝社交路线“越走越窄”的窘境——可选项已经越来越少。不过我们也发现，不断试错的支付宝社交路线，可选项已经越来越小，熟人社交无法撬动，只剩下陌生人社交这张牌。

　　帮忙、跑腿、求助平台？

　　将支付宝的用户数据与地理位置结合，打造是集闪送、58、滴滴于一身的P2P（peer to peer）生活服务平台，这一思路或许来源于闲鱼“附近鱼塘”的成功。支付宝的优势是信用信息与消费信息，然而千奇百怪非标准化的需求匹配需要的不只是这些数据，随手帮忙的路人也正在被专业人员所取代，就像滴滴变身出租车公司，达达变身快递公司一样，随机的陌生人匹配不仅效率更低，专业度也无法保证。

　　毕竟，信用不等于专业，支付宝要想变成一个专业技能交换平台，就要做技能认证、监管、服务跟踪等一系列的工作，产品的臃肿会成不可承受之重。理想很丰满，产品会更“丰满”。

　　附近有钱人？

　　问路、寻人、跑腿、带路这些支付宝列出的功能，一半是伪需求，一半是模糊需求，而且解决这些需求都和有钱没钱没什么关系。附近有钱人可能只是支付宝宣传的一个噱头罢了。

　　事实上，支付宝此举的目的是将自己打造成用户的“**数字化 ID”。无论是已经实现的指纹识别还是人脸识别登录，还是即将实现的人脸支付，支付宝希望在微信的熟人关系之外再打造一个人际关系网络，基于“点”的个人数据支付宝已经是满盈将溢，却苦于一直找不到差异化的“连点成线”、“连线成网”的方法。

　　过去的熟人信用不仅未能成功“打劫”微信关系链，反而让微信从熟人关系链上反手一刀，釜底抽薪。支付宝也渐渐意识到熟人关系链上没法从微信那里讨得便宜，开始转向陌生人关系。

　　陌生人关系曾经帮助陌陌从微信阴影下杀出一条血路，*终挣得一片属于自己的天空。如果说陌陌起家于地理位置（LBS）＋生理需求，那么支付宝想做的是“地理位置＋生活需求”。生理需求是*强的需求，而生活需求是次强需求。

　　微信上的服务提供者都是冷冰冰的商家，而支付宝上的服务提供者都是活生生的人，借由服务交易产生联系进而连点成线，连线成网，其实百度地图是*适合做这件事的，而且他们完全可以声称自己拥有无人能及的用户地理位置数据，就像支付宝拥有无人能及的消费及信用数据一样。

　　而钛媒体的问题是，有“地利之便”、同样是流量入口百度地图为什么没有抢先一步？

　　这一问就戳中了百度多年以来的一块心病——没有自己的一套用户体系。用户画像模糊不清，虽然百度地图早已成为**的地理位置＋生活服务平台，然而在用户身份画像方面依然比不上腾讯和阿里，做得也一直是B2C的生活服务，未敢如支付宝这样弯道超车，在B2C之外直接做C2C的服务交易。

　　这样分析下来，支付宝的**竞争对手反而不是微信，而是百度地图。石家庄网络优化言百度地图也变得越来越像支付宝、通过百度钱包打造了自己的交易闭环。反而是坐拥牢不可破的熟人关系链的微信可以坐山观虎斗。

　　那么支付宝和百度地图的竞争就变成了：是用户的消费信息更重要还是位置信息更重要？

　　只要回想一下你在消费时的决策顺序，这个问题的答案就会浮出水面。当你在和女神电影之后，想要找一个地方共进晚餐，是先打开百度地图（或大众点评）还是支付宝？在我的使用中，支付宝仅用于结账时的商家优惠，换句话说，支付宝一般都在消费的**环节出现，虽然它在努力的用尽各种姿势向前移，然而只要“支付工具”的核心定位不变，用户的使用习惯就不会轻易发生改变。

　　这也是为什么支付宝再出奇谋，不再在B2C生活服务这一棵树上吊死，而是另辟蹊径，走P2P生活服务（或曰众包服务）路线的原因。我相信闲鱼的附近鱼塘的大获成功给了支付宝信心，既然基于地理位置＋个人信用的二手交易可以成功，那么其他的服务交换呢？

　　问题在于，闲鱼的鱼塘基于的固定的地理位置，如学校、小区、村镇等，地理位置提供的是交易的便捷与安全，鱼塘也渐渐变成了陌生邻居变熟人的论坛。支付宝基于的是移动的地理位置，机动的非标准化需求（不像二手交易的标的一般都是标准化的，以电子产品为主，即便如此58的转转依然用专业估价来攻击闲鱼的这个“软肋”）。

　　非标准化已经让O2O的泡沫难以为继相继破灭，而且这些随机的服务交易也很难像鱼塘那样沉淀下来稳定的关系（宣传片中修一次电脑就和女生勾搭上，纯属程序员的幻想）。

　　有人说信用关系和余额宝数字难道不会成为吸引妹子的“杀器”吗？我要告诉你除了相亲和援交，陌生人社交谁会看这些数字呢？陌陌上大家看的是颜值，闪送上大家看的是接单数与满意度，Uber把妹的神话也早就破灭了。Brain，可模拟出5000万级别的“神经元”，总计有50多亿“神经突触”。

　　作为对比，人类大脑的神经元大约800亿--1000亿个，有5000万个神经元的电脑虽然不能与人类大脑相提并论，但它已经可以实现一些浅层的“片上学习”了，比如分辨画作流派这种事情。

　　类似谷歌AlphaGo的深度神经网络，未来可能通过“片上学习”实现        

　　2014年，加州理工大学Sergey Karayev 等人收集了Wiki-paintings画作，以此来检验机器学习的成果。Westwell Brain“片上学习”Wiki系统的测试成绩为1秒自动完成1000多张图片的分类，正确率接近****。

　　打个比方，“片上学习”Wiki系统就好像学生身边时刻跟随着一位“私教”，直接在芯片上边学习边测试训练成果，**的优势是实现“无网络”情况下的“自我学习、自我实时提高”。

　　而“在线学习”则好比学生定期去“学校”上课，回家后做作业来测试学习效果，再将优化过的模型灌输在硬件中，每一次新的学习都需通过网络、云端等手段重新进行传输、迁移。

　　因为“片上学习”可以实现本地化学习，从而帮助机器大幅度提升效率，提高运算速度。在网络环境相对严苛或有限的情况下，“片上学习”的芯片消耗的带宽和流量更少，大幅降低云端服务器的通讯成本，且耗时更少。

　　从技术角度来看，“片上学习”的芯片的确有很多优势，它可以直接在硬件上完成学习与测试，进而让基础算法的研发迭代，产品的升级有着更短的周期和更高的效率，并且消耗更少的能源。

　　但另一方面，“片上学习”还没有特定的标准，据西井科技相关负责人介绍，全球从事此领域研究的公司仅在个位数，相关从业人员也极为紧缺，如何使用“片上学习”芯片的技术进行具体场景的商业化落地还存在很大挑战。