QQ在線
企業(yè)微信
資訊
438 
終端、軟硬一體、異構(gòu)計算、深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)，它們將成為自 2020 年起，眾 AI 芯片企業(yè)制勝未來第四次工業(yè)革命的起點和未來法寶。如何改變碎片化的終端，如何通過軟硬件結(jié)合來提升算力，如何使用深度學(xué)習(xí)來更好地服務(wù)未來場景，這幾個問題成為了大名湖畔一群行家里手思考的關(guān)鍵。我們來看看他們思考后作出了怎樣的回答。
撰文 | 晏清
2000 年起，弱人工智能站了起來，跑向下一個階段2040 年強人工智能。
20 年后，以人工智能為驅(qū)動力，由「自動化」轉(zhuǎn)變?yōu)椤钢悄芑沟牡谒拇喂I(yè)革命。
而這一切都離不開人工智能三要素：算力、算法、深度學(xué)習(xí)的進步。
1 第四工業(yè)革命到來，算力先行
基于算力，在面對現(xiàn)如今碎片化的發(fā)展，AI 芯片廠商們無疑都知道該采取點不一樣的措施了：
Arm 中國：「在有限的運力上，讓所有平臺都可以發(fā)揮出來的一套軟件」
有兩個問題十分關(guān)鍵效能或訴求不同帶來的三端分裂，和終端的碎片化
根據(jù)以上兩點，Arm 中國產(chǎn)品研發(fā)副總裁劉澍認為，由不同的訴求，導(dǎo)致的相互間被割裂的云端、終端，以及中間的區(qū)域性服務(wù)本就是在一根鏈條上，盡管這種「碎片化」在終端上體現(xiàn)尤甚。
Arm 中國產(chǎn)品研發(fā)副總裁劉澍分享關(guān)于智能未來的思考
當算力平臺在云端和終端分布不同時，就會帶來對形態(tài)的思考，「不同的運算需求，怎么在算力模塊上提供不同的形態(tài)呢？」劉澍在演講的過程中既是向在座的觀眾發(fā)問，也是 Arm 中國對自己的算力支撐發(fā)問。是像過去一樣讓云端和終端完全分離，還是通過何種方式融合、互補？
針對以上問題，Arm 中國認為，「從算法和軟件角度來說，任何一個設(shè)備都可以幫助我們鏈接到整個人工智能的鏈條上，都能夠進行數(shù)據(jù)處理，并且都能夠進行兼容式的網(wǎng)絡(luò)數(shù)據(jù)處理，這個是我們看到的一個非常重要的發(fā)展思路。」
硬件和軟件的結(jié)合必定未來計算發(fā)展的必由之路。因此，在上游，放棄過去的云端發(fā)展思維，接受異構(gòu)技術(shù)形態(tài)成為 AI 加速器主流的現(xiàn)狀，放棄一味地追求通用計算，才能更好地幫助通用方法降落在終端。
在通用計算和專用計算按一定比例共存的明天，希望有一種軟件架構(gòu)可以把 CPU、GPU，乃至于 TPU、NPU 等幾部分統(tǒng)一起來，用統(tǒng)一的軟件編程行為將碎片化的市場黏合，將為整個業(yè)界的云端互通提供很好的業(yè)界遷移效果。
Arm 中國愿意做的，就是在計較成本的前提下，為市場盡可能開放選擇：針對自己的需求，讓大家根據(jù)場景來選擇合適的計算平臺模塊。
他們提出了一個具體的產(chǎn)品概念，也就是周易：智能計算機平臺。把絕大部分系統(tǒng)都會選擇的 CPU、GPU、NPU、VPU 都集合在一起，當軟件把算法、網(wǎng)絡(luò)分配在這些不同的算力的模塊上，實現(xiàn)效能的提升。
全志：如何在 SoC 中解決內(nèi)部交互問題是關(guān)鍵
異構(gòu)計算成為人工智能的形態(tài)主流，是業(yè)界達成的共識。全志認為，處在一個 SoC 中，全部計算單元共享一個系統(tǒng)全部資源的形式，即 AP SoC，是他們縱觀以前行業(yè)的發(fā)展，發(fā)掘出的最理想的載體。
作為 SoC 廠商，要在適應(yīng)未來長期存在的接口池（Interface Repository,IR）撕裂的現(xiàn)狀，同時計劃在未來，將注意力集中在終端，在 SoC 中集中解決內(nèi)部交互問題，實現(xiàn)系統(tǒng)內(nèi)互聯(lián)的效果。例如研究內(nèi)部數(shù)據(jù)轉(zhuǎn)化的機制，運用 SoC 抽象層預(yù)測并調(diào)配 OP 及內(nèi)存交互單元，屏蔽底層硬件的差異，使開發(fā)者更加專注于模型的開發(fā)。通過這樣的方式合理調(diào)配不同計算單元的算度并配合起來，成為當下的高效應(yīng)用。
耐能：終端 AI 網(wǎng)絡(luò)去中心化，達到算力共享。
致力于在終端推理芯片市場，以客戶為中心，生產(chǎn)高性能、低成本芯片產(chǎn)品的耐能認為：建立終端網(wǎng)絡(luò)，首先要做的是「去中心化」，來達到算力共享。
數(shù)十億傳感器的數(shù)據(jù)傳輸，會為云端帶來運算處理壓力。同時，實時識別、寬帶傳輸壓力，隱私安全等問題亟待被解決。這時最需要的就是終端，而可重構(gòu)性成為終端網(wǎng)絡(luò)的關(guān)鍵。耐能將通過極高的 MAC 利用率實現(xiàn)尺寸與功耗的最小化。
知存：存算一體方案為 AI 芯片打破數(shù)據(jù)搬運帶來的運算瓶頸。
將存儲和計算結(jié)合在一起，是知存對由數(shù)據(jù)搬運導(dǎo)致的運算瓶頸做出的最直接的技術(shù)選擇。
作為國內(nèi)最早接觸存算一體技術(shù)的團隊，他們打破常規(guī)計算架構(gòu)，采用新的方式：直接用 ROM 單元，把需要的神經(jīng)網(wǎng)絡(luò)、所有的參數(shù)都存儲在 RAM 單元當中，只需把被處理的語音結(jié)構(gòu)存儲到神經(jīng)網(wǎng)絡(luò)當中，最終輸出。效率將由此大幅提高，并且可以降低整個系統(tǒng)的成本。
未來他們還會針對存算一體帶來的特定摩爾定律進行開發(fā)，爭取在 28nm 芯片上達成存算一體技術(shù)。
而針對算法，知存、曠視、科大訊飛、引力互聯(lián)分別發(fā)表了不同的見解：
知存和曠視同時提到了一個詞「降噪」。
知存的算法還在合作開發(fā)中。針對語音識別業(yè)務(wù)，他們已經(jīng)看到市場在選擇采用深度學(xué)習(xí)算法制作「噪音抑制劑」，而降噪識別是算法的一個重點，對算力有非常高的要求。目前，只有手機的電池設(shè)備才可以采用這樣的算法。
曠視展示神經(jīng)網(wǎng)絡(luò)降噪視覺效果
曠視自 2017 年進入手機市場后，順應(yīng) 5G 時代的到來，在今年和 OPPO Reno 合作推出首發(fā)的夜視算法全球首款神經(jīng)網(wǎng)絡(luò)降噪。經(jīng)過在影像處理前，讓圖像數(shù)據(jù)進入神經(jīng)網(wǎng)絡(luò)進行降噪處理，然后再經(jīng)過傳統(tǒng)處理方式，使圖片獲得更加「干凈」和「平衡」的視覺效果。
曠視認定算法不可能獨立運行，一定要跟硬件匹配。他們認為交互、運算和網(wǎng)絡(luò)，會是今后人工智能三大落腳點。
科大訊飛認為算法本身的改進是由深度神經(jīng)網(wǎng)絡(luò)開始，其次是大數(shù)據(jù)，而第三點就是芯片產(chǎn)商們的努力，產(chǎn)品的迅速迭代促使算力不斷提升。
引力互聯(lián)看好邊緣計算市場，邊緣計算場景對實時性，對安全性要求低，甚至不需要聯(lián)網(wǎng)，需要更高效的邊緣計算速度，這樣的場景的需要，也會刺激大量邊緣計算芯片的需求。
最后我們來看看深度學(xué)習(xí)。
百度飛槳產(chǎn)品經(jīng)理趙喬向大家分析深度學(xué)習(xí)平臺是未來的選擇
百度飛槳 PaddlePaddle 作為國內(nèi)唯一一家功能齊全的開發(fā)平臺，認為深度學(xué)習(xí)平臺是智能時代選擇的工作系統(tǒng)。
以早期的 OCR 技術(shù)舉例，深度學(xué)習(xí)將大量人工、手工的費時特征處理操作，簡化為僅僅是檢測和識別兩個步驟。從技術(shù)和產(chǎn)業(yè)互聯(lián)的角度，百度觀察并意識到，深度學(xué)習(xí)的優(yōu)勢在于隨著數(shù)據(jù)量的線性增長，性能也隨之線性增長，因此在大數(shù)據(jù)模型開發(fā)當中，深度學(xué)習(xí)具有非常明顯的優(yōu)勢。
深度學(xué)習(xí)框架開發(fā)的模型越來越多，AI 產(chǎn)業(yè)的生態(tài)將以此為核心，將算法開發(fā)者、平臺使用者和相關(guān)的伙伴一起包裹進人工智能智能產(chǎn)業(yè)。開源自研的深度學(xué)習(xí)框架 PaddlePaddle 是一套整體的方案架構(gòu)，采取的是端到端 AI 部署方案，提供多端多平臺服務(wù)，例如 Paddle Lite 就是針對移動端和嵌入式終端同時提供服務(wù)的推理引擎，目前最新的 Paddle Lite 2.0 提供更高性能的端側(cè)推理能力。
2 讓AI降落
如都教授所說，發(fā)跡階段的弱人工智能主要在做一件事，語音識別；而進入強人工智能時代，下一步要集中發(fā)力的則是視覺處理。
在這兩個垂直領(lǐng)域，曠視與科大訊飛這兩個產(chǎn)業(yè)先導(dǎo)，也表達出他們對于芯片產(chǎn)業(yè)的觀察和思考：
曠視：
手機是 AI 芯片出現(xiàn)最多的地方。自 2017 年起，兩年內(nèi)曠視獲得了超過 75% 的手機市場占有率。根據(jù) 5G，他們對手機芯片做出了如下預(yù)測：
1）手機中的傳感芯片將與屏幕相結(jié)合，相機也會在未來與屏幕結(jié)合；
2）本地的計算，人機的交互，輸入與輸出，不會隨著終端產(chǎn)品的形式改變而發(fā)生改變。
他們能明顯感覺到，手機一線芯片正在加速人工智能化。從傳感端到攝像頭，加之人工智能化的存儲，手機現(xiàn)有的形態(tài)消失，轉(zhuǎn)變成一種可穿戴的人機交互設(shè)備，也未嘗是難以想象的未來可能。
科大訊飛：
人工智能技術(shù)的載體就是芯片。芯片分布在大大小小的物聯(lián)網(wǎng)設(shè)備中，由物聯(lián)網(wǎng)連接起來，必產(chǎn)生強大的勢能。
關(guān)于 AI 的計算架構(gòu)，他們認為同時存在實時、可靠、用戶隱私安全的三大挑戰(zhàn)。他們認為，不論是人臉識別、圖像處理，還是語音識別，本地端處理的方式會是更加實時、可靠、安全的選擇，分布式混合框架在未來應(yīng)該得到廣泛應(yīng)用。因此本地 AI芯片將要面對分布式混合框架的高性能、低功耗、可聯(lián)網(wǎng)的三大要求，并努力做到軟硬件的深度結(jié)合。
而除了語音識別、視覺處理這兩個垂直領(lǐng)域的應(yīng)用理解，現(xiàn)場更是分享了豐富的，基于行業(yè)場景的 AI 落地案例：
圖片來自于百度 PaddlePaddle 網(wǎng)絡(luò)宣傳視頻
百度飛槳通過一個現(xiàn)場演示視頻，講述了百度 PaddlePaddle 是如何幫助廣大開發(fā)者將 AI 技術(shù)落地于不同行業(yè)場景的：
國家電網(wǎng)的變電站工作人員，用代碼制造出無人巡檢機器人；
工廠的設(shè)備工程師，利用大數(shù)據(jù)模型，將噪音轉(zhuǎn)變?yōu)樘綔y機器健康的診斷工具；
農(nóng)業(yè)開發(fā)團隊利用深度學(xué)習(xí)，為一個村子的農(nóng)民提供實時有效的生產(chǎn)指導(dǎo)建議；
工廠將配料方法和 30 多年的寶貴專業(yè)經(jīng)驗轉(zhuǎn)化為模型，指導(dǎo)未來的生產(chǎn)。
PaddlePaddle 用以上幾個實例證明了深度學(xué)習(xí)平臺可以切實服務(wù)于社會需要的方方面面，而這樣子的例子在未來也許還會更多。
谷歌全球開發(fā)專家武強博士向我們展示智能交通控制系統(tǒng)
谷歌智能交通控制，基于國內(nèi)交通擁堵造成的 2500 億損失產(chǎn)生了思考，并用深度強化學(xué)習(xí)、邊緣計算，以及多智能體，創(chuàng)造出一個盡可能沒有交通資源浪費的社會前景。
通過將各個路口的紅綠燈利用起來，互相形成通信協(xié)議，創(chuàng)造出一個多智能體；在多智能體與現(xiàn)實環(huán)境的交互中，不斷通過獎勵機制訓(xùn)練，達到深度強化學(xué)習(xí)，利用深度強化學(xué)習(xí)算法對交通流量進行預(yù)測分析，由此改變紅綠的時長，使不夠智能的交通信號機制也變得「智能」起來。而選擇邊緣計算而非云端，則會更加實時、高效，更有助于緩解現(xiàn)實的交通壓力。
谷歌讓我們設(shè)想，一輛爭分奪秒的救護車，能夠一路綠燈地暢行在毫無擁堵的馬路上，我們期待這個場景到來的那天。
西井科技向在場觀眾展示「WellOcean」智慧港口
我們都知道西井科技的產(chǎn)品核心是無人駕駛，但誰又能想到是駕駛在無人的智慧港口里呢？
人工智能引起的工業(yè)革命洋流首先襲向港口。無人化作業(yè)是他們思考后得出的第一個結(jié)論，于是 WellOcean 作為智慧港口解決方案出現(xiàn)，使新的、智能化的港口從人員的數(shù)量、種類進行簡化，讓曾今熙熙攘攘的碼頭變得安靜有序。將原來超過 98% 需要人來完成的作業(yè)，用遠程自動化智能工具替代完成，既降低了港口和客戶的成本，又提升效率，同時降低了安全事故發(fā)生的概率。如此科技，西井去年發(fā)布的首款全時無人駕駛重卡 Q-truck 才能高精度無阻、暢快地跑在無人的智慧碼頭上。
另外，通過技術(shù)提升前線人員的工作效率是他們的新方向。只需要 14 個攝像頭就可以完成集裝箱信息、車輛信息采集，指導(dǎo)岸橋?qū)首鳂I(yè)箱上船的全過程。讓 24 小時三班倒，8 小時內(nèi)每 2 分鐘就疲于盯梢的工作人員放松了緊繃的神經(jīng)。基于時間和人力的成本縮減達到以往成本的 80%，卻幫助客戶提升了 3 倍的效率。
他們專注于將自己的技術(shù)與場景的結(jié)合，期待他們在未來創(chuàng)造出更多更具體的價值。
3 讓AI更活躍
安創(chuàng)加速器副總裁英語霏為大家分享產(chǎn)業(yè)生態(tài)建設(shè)心得
產(chǎn)業(yè)系統(tǒng)的良性發(fā)展離不開好的產(chǎn)業(yè)生態(tài)建設(shè)。
安創(chuàng)加速器成功孵化出估值 30 億美元的 AI 獨角獸企業(yè)「地平線」，也在此分享了他們作為世界嵌入式移動芯片領(lǐng)域主導(dǎo)者，以及作為 AIOT 產(chǎn)業(yè)的創(chuàng)新創(chuàng)業(yè)服務(wù)平臺，為芯片產(chǎn)業(yè)生態(tài)的建設(shè)所作出的貢獻：
經(jīng)過多年實踐，安創(chuàng)形成了自己的核心服務(wù)體系：項目加速、大企業(yè)創(chuàng)新、城市創(chuàng)新和跨境創(chuàng)新。
尤其值得一提的是，在項目加速過程中，他們基于安創(chuàng)成長營，成功打造了一個從核心的芯片、傳感器、算法構(gòu)建的基礎(chǔ)，到人工智能、物聯(lián)網(wǎng)核心模塊等平臺層，再到最上層垂直領(lǐng)域例如交通、醫(yī)療、家居、工業(yè)等應(yīng)用的產(chǎn)業(yè)閉環(huán)。通過這種方式，賦予創(chuàng)業(yè)型企業(yè)活力，以及獲得由資源對接帶來的強推動力。
安創(chuàng)加速器副總裁英語霏告訴大家：「已成功加速了七期企業(yè)，項目總量達到 115 個，其中 33% 是 AI 項目，共計 38 個，AI 芯片項目 13 個。這個比例可以說在硬科技的創(chuàng)業(yè)加速平臺中算是比較大的份額了。」
之后，安創(chuàng)還會繼續(xù)努力為中國本土創(chuàng)新企業(yè)提供硬科技技術(shù)支持、資金支持或甄選建議，以及創(chuàng)業(yè)經(jīng)驗借鑒；也將繼續(xù)幫助如中國移動、華潤、紅豆集團、寶馬等離技術(shù)上游遙遠的大企業(yè)快速匹配資源，實現(xiàn)大企業(yè)創(chuàng)新；更會幫助海外的創(chuàng)業(yè)公司搭建起中國「本地化」的橋梁，目前中英創(chuàng)新項目中的 4 家企業(yè)已成功落地中國。
如此引來送往，形成商業(yè)和產(chǎn)業(yè)的良性合作。英語霏女士說：「我們始終認為，商業(yè)的核心還是要把生意做起來，這才是良性的商業(yè)環(huán)境。」
產(chǎn)業(yè)中的社群也需要刻意地去建立與維護:
百度飛槳是國內(nèi)唯一功能齊全并開放的開發(fā)平臺，最大的目標還是要發(fā)展生態(tài)。不單是為了滿足金融、航空航天、軍工、政府等企事業(yè)單位自主可控等關(guān)鍵技術(shù)目標的實現(xiàn)，更要努力改變整個產(chǎn)業(yè)界使用 TensorFlow、Pytorch 等國外的框架來進行應(yīng)用開發(fā)的主流現(xiàn)狀。
這就需要人為地開發(fā)并培養(yǎng)未來的用戶，以及培養(yǎng)未來用戶的使用習(xí)慣。
2018 年正式更名為「飛槳」之時，開發(fā)用戶將近一百萬。并從這一年開始，百度開始和 40 多所高校展開合作，這之中包括北航，設(shè)立人工智能專門課程和培訓(xùn)，明年有望向本科生開發(fā)深度學(xué)習(xí)課程；在用戶企業(yè)中開放成長計劃，進行實戰(zhàn)訓(xùn)練；同時還在網(wǎng)站上線視頻課程，在教育領(lǐng)域?qū)ふ耶a(chǎn)業(yè)合作。
一切為的是降低國內(nèi)開發(fā)者使用深度學(xué)習(xí)的門檻。而就平臺本身，他們更加開放，將百度自己在國際領(lǐng)域打標得到的模型也分享出來。新的學(xué)習(xí)，如聯(lián)邦學(xué)習(xí)等，也同樣會有新的代碼放出來便于開發(fā)者使用，進一步降低大家的開發(fā)成本。
具有同樣想法的還有引力互聯(lián)的開發(fā)者平臺 Model Play。Model Play 平臺已在手機端上線，更加便于使用者隨時登陸、開發(fā)和共享，希望所有人可以很輕松進入門檻學(xué)習(xí) AI，而未來的人工智能由在座的產(chǎn)業(yè)人士和未來的開發(fā)者一起去定義。
相信在即將到來的二十年里，國內(nèi) AI 芯片產(chǎn)業(yè)，面對新工業(yè)革命挑戰(zhàn)，迎頭直上，有備無患。
