解读计算机应用技术的次时代
「科技产品周期」源于「平台」与「应用」之间的不断互相作用;新平台提供了新应用运行的基础，而新应用反过来也使新平台更有价值，从而形成一个正周期。每10到15年，便会出现一个新的周期，彻底地重塑计算机世界。如果按照「每10至15年，周期便会完成一个循环」的说法，那么我们目前已经处于「计算机次时代」的「孕育期」之中了，同时还将在未来几年内进入「成长期」。那么小编将从硬件以及软件的发展趋势中带与大家聊聊计算机应用技术「次时代」的端倪。
硬件：微小、便宜、无所不在
在「主机时代」，只有大型组织机构才能够拥有一台大型计算机;对于那些小型组织来说，它们只能买得起小型计算机;而至于家庭和办公室，PC是他们最佳的选择;但若只为了个人使用，可能我们会选择一台智能手机。
由于处理器和传感器变得越来越小，价格也越来越便宜;所以也许很快我们就能看到世界上计算机的数量或许会超过人类的数量的那天。
之所以计算机如此飞速发展，主要有两个原因：一个是半导体产业在过去50年来的稳定发展;另一个则是「智能手机战争的和平红利」(the peace dividend of the smartphone war)：智能手机的大获成功促进了处理器以及传感器的相关投资，从而带动了周边系列行业的兴起，如果你拆开一架无人机或者一个VR头戴设备，你会发现里面基本上都是智能手机的适用零件。
在「现代半导体时代」，人们的注意力已经从独立CPU转移到了集成度更高的单芯片系统上。
典型的单芯片系统会把高性能ARM的CPU与用于图形处理、信息交换、以及电源管理、视频处理的专业芯片「捆绑」在一起。这种新结构将一台基础计算机系统的成本从100美元降至10美元。如今，你只要花5美元就能买到Raspberry Pi Zero，这是一台1GHz的基于Linux计算机;不仅如此，很快这些芯片会进一步降价至1美元，到了那时，我们终于可以说「所有人都能买得起一部计算机了」。
与此同时，高端处理器领域的发展也令人印象深刻，尤其是以Nvidia为代表的图形处理器厂商们。对它们来说，图形处理器不再仅用于图形处理上，它们在机器学习算法的发展以及VR/AR设备上也扮演着重要角色，在未来几年图形处理将会迎来一个显著的飞跃。
除图形处理器之外，量子计算在未来或许也会成为一匹大黑马。如果量子计算走出实验室，进入商业应用，那么这将会对于生物学以及人工智能领域的相关算法产生极大的提升。
软件：人工智能的黄金时代
如今软件领域「令人兴奋」的事情中，分布式系统是十分突出的一个。
当终端越来越多时，不同终端之间的并行任务处理以及信息交换，成为了一个重要的问题。市面上已经有了一些有趣的分布式系统，如Hadoop、Spark等，它们用于大数据处理以及解决数据及安全问题。
但即使分布式系统再有用，也比不上AI能够给人带来的兴奋感。在过去，AI总被人冠以「不实宣传」的帽子，Alan Turing当年曾预言机器将在2000年彻底模仿人类，但事实证明这个预言并没有实现。然而无论如何，我们依然有充分的理由相信，如今AI将进入一个真正的「黄金时代」。
大多数关注AI的爱好者，都是从「深度学习」(Deep Learning)开始的。这是一个Google在2012年发布的机器学习技术，当时Google通过使用这个技术，让AI学习辨认YouTube视频中的一只猫。深度学习是一个生物神经网络的延伸，这是一个集新算法、低成本以及大数据的技术集合。
「深度学习」的兴起是建立在大量的理论以及实践成果上的。在著名的计算机竞赛ImageNet Challenge上，一些参赛者们都运用了「深度学习」，结果证明它对于算法的提升的确是显著的：它们的错误率更低，最终排名也在前20%-30%。
许多关于「深度学习」的论文、资料以及软件工具都是开源的，这使得个人和小型机构也有了通过「深度学习」来构建优秀应用的机会。在此基础上，WhatsApp曾只靠50个工程师就建立了一个能够服务于全球9亿用户的全球信息系统——而这要是放在过去，至少需要几千个工程师才能完成。
这样的模式在AI领域也开始出现：Theano以及TensorFlow等软件将云数据中心与图形处理进行结合，让更多小团队能够更低成本地建立AI系统。下面便是个人开发者利用TesnorFlow做的一个能够自动给黑白照片加上颜色的应用：
另一方面，大科技公司也早已对于「深度学习」进行研究，首个运用相关技术开发的应用应该是Google Photos中的搜索功能：如果你想搜索关于伦敦的照片，那你只需要在相册上的搜索栏中打「伦敦」即可，你相册中与伦敦相关的照片便会瞬间被筛选出来。
完全有理由相信，我们很快就能看到其他产品在人工智能方面的显著提升，无论是语音助手、搜索引擎、聊天机器人、3D扫描、语言翻译、汽车、无人机还是医疗成像系统等。
创业公司会倾向于做更为功能更为「垂直」的AI产品，因为只有这样它们才能剑走偏锋，有效抵抗大科技公司。应用数据的增加使AI系统不断完善，从而促生了「数据网络效应」：更多用户——更多数据——更好的产品——更多用户。做地图应用的创业公司Waze就通过「数据网络效应」来改进自己的产品，从而从竞争对手中脱颖而出。