手机网站
手机网站
终端、软硬件集成、异构计算、深度学习和神经网络将成为人工智能芯片公司从2020年开始赢得未来第四次工业革命的起点和法宝。如何改变零散的终端，如何通过软硬件结合提高计算能力，以及如何利用深度学习更好地为未来场景服务，已经成为大名湖一组专家的关键。让我们看看他们思考后做出了什么样的回答。
写作|颜卿
从2000年开始，弱小的人工智能站起来，奔向下一个阶段——2040年强大的人工智能。
二十年后，由人工智能驱动的第四次工业革命从“自动化”转变为“智能”。
所有这些都离不开人工智能的三个要素:计算力的进步、算法和深入学习。当第四次工业革命到来时，计算领先于其他。
根据计算，面对今天支离破碎的发展，人工智能芯片制造商无疑知道是时候采取一些不同的措施了:武装中国:“一套允许所有平台以有限的能力运行的软件。”
有两个关键问题——由不同效率或需求引起的三端分离，以及终端的碎片化
根据以上两点，Arm China产品研发副总裁刘询认为，中间因需求不同而分离的云、终端和区域服务实际上是在一个链条中，尽管这种“碎片化”在终端中特别体现出来。
Arm中国产品研发副总裁刘珂分享了对智能未来的思考
当计算平台在云和终端中分布不同时，它将引发对形式的思考。“不同的计算需求如何在计算模块上提供不同的形式？在他的演讲中，刘坤不仅要求观众，也要求武装中国支持他自己的计算。是像过去一样将云与终端完全分离，还是以什么方式合并和互补？
针对上述问题，Arm China认为，“从算法和软件的角度来看，任何设备都可以帮助我们链接到整个人工智能链，可以进行数据处理，并且可以进行兼容的网络数据处理。这是我们看到的一个非常重要的发展理念。ゥ？
硬件和软件的结合必须是未来计算发展的唯一途径。因此，在上游，只有放弃过去对云发展的思考，接受异构技术形式已经成为人工智能加速器主流的现状，放弃对通用计算的追求，我们才能更好地帮助通用方法登陆终端。
未来当通用计算和专用计算以一定比例共存时，希望会有一种软件架构能够统一中央处理器、GPU、TPU、NPU等部件，并使用统一的软件编程行为来绑定碎片化的市场，这将为整个行业的云互操作性提供良好的行业迁移效果。
Arm China愿意做的是在计算成本的前提下，尽可能为市场开放自己的选择:根据自己的需求，让每个人根据场景选择合适的计算平台模块。
他们提出了一个具体的产品概念，即周易:智能计算机平台。大多数系统将选择的中央处理器、通用处理器、网络处理器和VPU处理器放在一起。当软件将算法和网络分配给这些不同的计算能力模块时，效率得到了提高。全志:如何解决足球内部互动问题是关键
异构计算已经成为人工智能的主流，这是业界达成的共识。全志认为，在片上系统(SoC)中，所有计算单元共享系统所有资源的形式，即AP SoC，是他们通过观察以前行业的发展所发现的最理想的载体。
作为SoC制造商，有必要在未来适应长期接口库(IR)撕裂的现状，同时计划在未来关注终端，解决SoC内部交互问题，实现系统互联的效果。例如，研究内部数据转换的机制，利用SoC抽象层来预测和分配操作单元和内存交互单元，从而屏蔽底层硬件的差异，使开发人员能够更加关注模型开发。这样，不同计算单元的计算程度可以合理分配和组合，成为目前的一种有效应用。耐用性:终端人工智能网络是分散的，以共享计算能力。
致力于在以客户为中心的终端推理芯片市场生产高性能、低成本芯片产品的耐力(Endurance)认为，建立终端网络首先要做的就是“去中心化”，从而实现计算能力的共享。
数十亿个传感器的数据传输将给云带来计算压力。同时，实时识别、宽带传输压力、隐私安全等问题亟待解决。此时，最需要的是终端，重新配置成为终端网络的关键。容差通过极高的媒体访问控制利用率将大小和功耗降至最低。知识与记忆:记忆与计算解决方案的集成打破了人工智能芯片数据处理带来的计算瓶颈。
存储与计算的结合是存储为数据传输造成的计算瓶颈做出的最直接的技术选择。
作为中国第一个接触内存和计算技术集成的团队，他们打破了传统的计算架构，采用了一种新的方法:直接使用只读存储器单元(ROM unit)将所需的神经网络和所有参数存储在随机存取存储器单元中，并且只将处理后的语音结构存储在神经网络中以供最终输出。效率将大大提高，整个系统的成本将降低。
未来，他们还将开发由内存和计算集成带来的特定摩尔定律(Moore Law)，努力在28纳米芯片上实现内存和计算技术的集成。
对于该算法，在知识与记忆、开放视觉、科技大学交流和重力互联等方面分别表达了不同的观点:
志春和师旷都提到了“降噪”这个词。
现有算法仍在协同开发中。对于语音识别业务，他们已经看到市场正在选择使用深度学习算法来制作“噪声抑制器”，而降噪识别是算法的重要组成部分，这需要很高的计算能力。目前，只有手机的电池设备可以采用这种算法。
基于神经网络的开放视觉显示降噪视觉效果
自2017年进入手机市场以来，师旷顺应了5G时代的到来，并于今年与OPPO Reno合作推出了第一款夜视算法——世界上第一款神经网络降噪。在图像处理之前，图像数据被发送到神经网络用于降噪，然后图像以传统方式被处理以获得更“干净”和“平衡”的视觉效果。
开放视图识别算法不可能独立运行，必须与硬件相匹配。他们认为交互、计算和网络将是未来人工智能的三个基础。
科技大学的迅飞认为，算法本身的改进始于深层神经网络，其次是大数据，第三点是芯片制造商的努力。产品的快速迭代促进了计算能力的不断提高。
重力互联有利于边缘计算市场。边缘计算场景对实时性和安全性的要求很低，甚至不需要联网。它们需要更高效的边缘计算速度。对这种情况的需求也将刺激对大量边缘计算芯片的需求。
最后，让我们来看看深入的研究。
百度飞桨产品经理赵桥分析说，深度学习平台是未来的选择。
百度百科(Baidu PaddlePaddle)作为中国唯一功能齐全的开发平台，认为深度学习平台是智能时代的首选工作系统。
以早期的光学字符识别技术为例，深度学习将大量人工和耗时的特征处理操作简化为检测和识别两个步骤。从技术和行业互联的角度来看，百度观察并认识到，深度学习的优势在于数据量的线性增长和性能的线性增长。因此，在大数据模型的开发中，深入学习具有非常明显的优势。
深度学习框架开发的模型越来越多，人工智能产业的生态将以此为核心，将算法开发者、平台用户和相关合作伙伴包裹进人工智能产业。PaddlePaddle是一个源于研究的深度学习框架，是一套整体方案架构。它采用端到端人工智能部署方案，提供多终端和多平台服务。例如，桨式精简是一个推理引擎，为移动和嵌入式终端提供服务。目前，最新的Plaak Lite 2.0提供了更高性能的端到端推理能力。让人工智能着陆
正如杜教授所说，处于上升阶段的弱人工智能主要是做一件事，语音识别；在人工智能强大的时代，下一步是关注视觉处理。
在这两个垂直领域，这两个行业的领导者师旷和荀飞也表达了他们对芯片行业的观察和思考:
开阔视野:
手机是人工智能芯片出现最频繁的地方。自2017年以来，师旷在两年内获得了超过75%的手机市场份额。根据5G，他们对手机芯片做了如下预测:
1)手机中的传感器芯片将与屏幕结合，将来相机也将与屏幕结合；
2)本地计算、人机交互、输入输出不会随着终端产品形式的变化而变化。
他们可以清楚地感觉到手机的第一线芯片正在加速人工智能。从传感端到摄像头，再加上人工智能存储，现有形式的手机消失了，成为一种可穿戴的人机交互设备。这也是未来不可想象的可能性。
HKUST新闻航班:
人工智能技术的载体是芯片。芯片分布在大大小小的物联网设备中。当通过物联网连接时，它们必须产生强大的势能。
关于人工智能的计算架构，他们认为同时存在三大挑战:实时、可靠和用户隐私安全。他们认为，无论是人脸识别、图像处理还是语音识别，局部处理方法都将是一种更加实时、可靠和安全的选择，分布式混合框架应该在未来得到广泛应用。因此，本地人工智能芯片将面临分布式混合框架的高性能、低功耗和网络化三大要求，努力实现软硬件的深度结合。
除了语音识别和视觉处理两个垂直领域的应用和理解之外，该场景还分享了大量基于行业场景的人工智能登陆案例:
这张照片来自百度百科在线推广视频
通过现场演示视频，百度贴牌描述了百度贴牌如何帮助开发者将人工智能技术应用于不同的行业场景:
国家电网的变电站工作人员制造了带有代码的无人检查机器人。
工厂中的设备工程师使用大数据模型将噪声转化为检测机器健康的诊断工具。
农业发展团队利用深入学习为村里的农民提供实时有效的生产指导和建议。
工厂将配料方法和30多年宝贵的专业经验转化为模型，以指导未来的生产。
PaddlePaddle用上述例子证明了深度学习平台能够有效地服务于社会需求的各个方面，将来可能会有更多这样的例子。
谷歌全球发展专家吴强博士向我们展示了智能交通控制系统。
谷歌的智能交通控制，基于国内交通拥堵造成的2500亿损失，利用深度强化学习、边缘计算和多智能体，创造尽可能不浪费交通资源的社会前景。
多智能体是通过在每个十字路口使用交通灯来形成彼此之间的通信协议而创建的。在多智能体与真实环境的交互中，不断训练奖励机制，实现深度强化学习，利用深度强化学习算法预测和分析交通流，从而改变红绿持续时间，使不智能的交通信号机制变得“智能”。然而，选择边缘计算而不是云计算将会更加实时、高效，并有助于缓解真实的交通压力。
谷歌让我们想象一辆与时间赛跑的救护车可以在没有任何拥堵的情况下平稳行驶。我们期待着这一幕的到来。
西京科技向观众展示“远洋”智能港
安创加速器副总裁英飞(English Fei)告诉大家:“企业的七个阶段已经成功加速，共有115个项目，其中33%是人工智能项目，共有38个，13个人工智能芯片项目。这一比例可以说在硬科技创业加速平台中占有相当大的份额。ゥ？
此后，安创将继续努力为中国本土创新型企业提供硬科技支持、资金支持或选择建议，以及创业经验。还将继续帮助远离技术上游的中国移动、华润、洪都集团、宝马等大型企业快速匹配资源，实现大型企业创新。它还将帮助海外初创企业在中国搭建一座“本土化”的桥梁。目前，四个中英创新项目已成功登陆中国。
这将导致工商业之间的积极合作。范女士用英语说:“我们一直认为做生意的核心是做生意。这是健康的商业环境。ゥ？
行业中的社区也需要有意建立和维护:
百度闫飞是中国唯一功能齐全、开放的发展平台。它的最大目标是发展生态。它不仅要满足金融、航空空航空航天、军事、政府和其他企业和机构(如自主控制)的关键技术目标，还要尝试利用TensorFlow和Pytorch等国外框架改变整个行业在应用开发中的主流现状。
这需要人工开发和培养未来用户，培养他们的使用习惯。
当它在2018年被正式更名为“飞桨”时，近一百万用户被开发出来。从今年开始，百度开始与包括北航在内的40多所大学合作，开设人工智能专业课程和培训，预计明年将为本科生开发深度学习课程。开放用户企业成长计划，开展实战训练；同时，它还在网站上推出视频课程，寻找教育领域的工业合作。
所有这些都是为了降低国内开发商使用深度学习的门槛。至于平台本身，他们更开放，分享百度自己在国际领域的标记模式。新的学习，如联邦学习，也将发布新的代码供开发人员使用，进一步降低每个人的开发成本。
另一个有相同想法的开发平台是重力互连模型游戏。模型播放平台(Model Play)已经在手机上推出，方便用户随时登录、开发和分享。希望每个人都能轻松进入学习人工智能的门槛，未来的人工智能将由现在和未来的行业人士来定义。
相信在未来20年里，国内人工智能芯片行业将直面新一轮产业革命的挑战，做好准备。
