包括阿里巴巴达摩院在内的全球顶级科研机构纷纷对2020年的科技行业做出了预测，过去的一年，大数据和AI行业继续蓬勃发展：

• 硬件层面：各种专用芯片开始提供算力支持，5G带来更多潜在应用。
• 软件层面：各巨头公司布局计算框架、云服务，为开发者提供更简单易用的基础服务。
• 技术之外：隐私问题和资本泡沫开始引起广泛重视。

个人数据隐私进一步得到保护

一直以来，中国人对个人的数据隐私并不敏感，但随着一些隐私泄露和个人数据滥用的案例的爆炸式增长，中国政府正逐渐加大对个人数据隐私的保护。业界普遍认为，2019年是大数据行业的地震之年，最严监管时代已经到来。2019年9月以来，包括51信用卡在内的多家大数据风控公司被查，有些机构使用爬虫技术不正当窃取用户隐私，进而滥用隐私进行暴力催收。得数据者得天下，在大数据风控领域，谁能拿到数据，谁就能占取行业发展先机。我们不经意间在某个APP点过同意某项协议，在完全不知情的情况下，个人数据很可能就被非法卖给多家数据公司。普通人很可能对这个数据黑市没有太多概念，但一款名为"ZAO"的换脸APP给大家上了一堂隐私课，相关人士起底了它个人隐私霸王条款，指出同意这个霸王条款将意味着提交到这款APP上的个人自拍有刷脸支付安全隐患。

实际上，在个人数据隐私方面，各国都在逐步加强监管，欧盟的GDPR号称史上最严数据保护条例，我们国家的《个人信息安全规范》逐步填补了这方面的空白。随着公民隐私意识的增强和政府的监管，未来企业对大数据的收集和使用不能再走粗放式的发展模式。

5G加速各类应用

2019年是5G元年，手机厂商争先发布5G手机，电信运营商纷纷支持5G网络，5G商用的大门已经打开。依托5G的速度和带宽，在游戏、视频、车联网、智慧城市等具体应用领域，各类贴近用户侧的应用将进一步落地。我认为，游戏很可能是最先享受5G网速红利的应用。因为游戏涉及图像的渲染，需要大量的数据传输和计算，一些计算密集型的任务可以转移到云端，用户客户端的设备可以不用配备太强大的计算和存储功能，这将大大减轻用户购买设备的成本。

更多更快的数据，更强大的计算框架！

5G和IoT技术的成熟意味着更多更快的数据将会生成。对于企业来说，如何更快地处理数据、对数据进行预处理和机器学习、提供决策依据或生成商业价值，依然是一项巨大的挑战。各家科技巨头纷纷布局大数据处理和机器学习框架，希望提供给开发者更简单方便的大数据和机器学习工具。例如，阿里巴巴在主推Apache Flink，Facebook和Google继续发力大规模分布式机器学习框架PyTorch和TensorFlow。

AI芯片和边缘计算

传统的计算机架构依赖CPU的通用计算，GPU的计算加速。随着ASIC等专用芯片大规模落地，更多的专用芯片将进入各类数据中心，加速一些特定领域的计算任务。2019年见证了很多芯片的发布，比如阿里平头哥产品玄铁、华为昇腾等。这些新型芯片很可能逐渐重新定义计算架构，芯片领域将不再是Intel、AMD、Nvidia、赛灵思的美国公司的专场。

另外，只在大型数据中心进行计算才是真正的计算吗？计算其实可以放在任何位置，手机、IoT设备、机器人、无线基站、路边机柜。边缘计算将重新定义计算这个概念，它更靠近数据源，减少了网络传输。很多专用芯片恰好可以用于边缘计算。如果说2019年是“上云”的一年，越来越多的服务开始部署到云上，2020年，更多的计算发生在云之前。云上进行超大规模的数据处理，而在边缘部分可以进行数据缓存和过滤、实时处理、深度学习推理等数据处理工作。越来越多的语音识别和计算机视觉任务将在边缘终端上进行。

深度学习落地

深度学习热潮的从2012年计算机视觉的爆发开始，已经持续到第9个年头了。8年间，以深度学习为代表的人工智能技术日趋成熟，越来越多的企业已经在生产环境部署深度学习模型。深度学习的快速落地得益于更方便易用的框架，如TensorFlow或PyTorch，互联网上开源的项目、培训、论文和在线课程也能帮助使用者快速搭建深度学习模型，而且还有TensorFlow Serving这样的模型部署和服务工具，模型可以快速部署在数据中心甚至是移动端。AutoML正在进一步降低了深度学习的成本。

2018和2019年深度学习最成功的模型是基于Transformer的BERT，这是深度学习在自然语言处理届里程碑式成果。但从研究到模型部署还有一段路要走，相信在2020年，更多的自然语言处理任务将应用上BERT的成果。

与此同时，强化学习、图神经网络更多的研究和应用成果将出现新的进展。深度学习的可解释性也许为期不远。

AI：狂欢还是泡沫？

AI是不是资本吹捧的泡沫？有可能！尽管2020年我们将迎来AI第一股旷世港交所上市。但与前几年的AI融资疯狂不同，2019年已经见证了不少AI梦的破碎，裁员、撤资、跑路丑闻不断。可以确定的是，资本正在回归理性，AI人才供大于求的趋势可能不在。大浪淘沙，那些无法将产品落地、无法提供商业价值的企业将会被市场淘汰。

职场指南

对于大数据和AI从业者来说，我们要跟对老板、选对方向，看准趋势：

1. 避免入坑，尤其是看清公司的商业模式和未来规划是否符合当前趋势。

对于一些融资泡沫、管理混乱或走在法律红线上的公司，普通职场人最好敬而远之。我们尤其要评估企业的产品落地能力，是否有法律风险，能否持续提供商业价值等。一些商业模式不确定的公司很可能在未来某个时刻暴雷。

2. 向更有前景的领域转型。

在之前企业上云的那波浪潮里，一些中小企业的运维工程师发现，云上应有尽有，老板可以服务上云以精简人员，云正在抢了他们的饭碗。同样的残酷未来也会发生在其他领域，职场人必须对自己当下的工作和行业趋势有足够的敏感，提前规避各种危机。