终端（duān）、软硬一体、异构计算、深度学习（xí）、神（shén）经网络，它们将成为（wéi）自 2020 年起，众 AI 芯（xīn）片企业制胜未（wèi）来第四次（cì）工业革命的（de）起点和（hé）未（wèi）来法宝。如何改变碎片化的终端（duān），如何通过软硬（yìng）件结合（hé）来提升（shēng）算力，如何使用深度（dù）学习来（lái）更好地服（fú）务未来场景（jǐng），这几（jǐ）个问题成（chéng）为（wéi）了大名（míng）湖畔（pàn）一群行（háng）家里手思考（kǎo）的关键。我们来看看他们思考（kǎo）后作出（chū）了怎（zěn）样的回答（dá）。

撰文 | 晏清（qīng）

2000 年起（qǐ），弱（ruò）人工智能站了起（qǐ）来，跑（pǎo）向下一个阶段2040 年强人工智能。

20 年（nián）后，以（yǐ）人工智能为（wéi）驱（qū）动（dòng）力，由（yóu）「自动化」转变（biàn）为「智能化」的第四次工业革（gé）命。

而（ér）这一切都（dōu）离不开人工智能（néng）三（sān）要素：算力、算法、深度学习的（de）进（jìn）步。

1 第（dì）四（sì）工（gōng）业革命到来，算力先行

基于算力，在面对（duì）现如今（jīn）碎片（piàn）化（huà）的发展（zhǎn），AI 芯片厂商们无疑都知道该采取（qǔ）点不一样（yàng）的措施了：

Arm 中国：「在有限（xiàn）的运力（lì）上，让所有平台（tái）都可以发挥出来的（de）一套软件（jiàn）」

有（yǒu）两个问（wèn）题十分（fèn）关键效能或诉求不（bú）同带来的三（sān）端分裂，和终端的碎（suì）片化

根据以上两点，Arm 中国产品研发副（fù）总裁刘澍认为，由（yóu）不（bú）同的（de）诉求，导致的相互间被割裂的云端、终端，以及中间的（de）区域性服（fú）务本就是在一根链条上，尽管（guǎn）这（zhè）种「碎片化」在终端上体现尤甚。

Arm 中国产（chǎn）品研（yán）发副总裁刘（liú）澍分享关于智能未来的思考（kǎo）

当算（suàn）力平台（tái）在云（yún）端和终端分布不同时，就会带来对形态（tài）的思考，「不同的运算需求，怎么在算力模块上提（tí）供不同的形态呢（ne）？」刘澍在演讲的过程中既是向在座的观众发问，也是 Arm 中国对自（zì）己的算力支撑发（fā）问。是像过去（qù）一样让（ràng）云端和终端完（wán）全分离，还（hái）是（shì）通（tōng）过（guò）何种方式融合、互补？

针对以上问（wèn）题，Arm 中国认为，「从（cóng）算法和软件角度（dù）来（lái）说，任（rèn）何一个（gè）设备都可以帮助我们链接到整个（gè）人工智能的链条上，都能够进（jìn）行数据处（chù）理，并且都能够进（jìn）行（háng）兼容式的（de）网络数据处理（lǐ），这个（gè）是（shì）我们看（kàn）到的一个非常（cháng）重要（yào）的发（fā）展思路（lù）。」

硬件和软件的结合必（bì）定未来计算发展的必由（yóu）之路。因此，在上游，放弃过去的云端发展思维（wéi），接（jiē）受异构技术（shù）形态成为 AI 加速器主（zhǔ）流的现状，放（fàng）弃一味地追（zhuī）求通用计（jì）算，才能更好地帮助通用方法降落在终端。

在（zài）通用计算（suàn）和（hé）专（zhuān）用计算按一（yī）定比（bǐ）例（lì）共存的明天（tiān），希望有（yǒu）一种软件架构可以把 CPU、GPU，乃至于 TPU、NPU 等几部分统一起来，用统一的软件编程行为将碎（suì）片化的（de）市场（chǎng）黏合，将（jiāng）为整个业（yè）界的云端互通提供很（hěn）好的业界迁移（yí）效果。

Arm 中国愿意做的，就是在计（jì）较成本的前提下，为市场（chǎng）尽可能开放选（xuǎn）择：针对自（zì）己的需求，让大家根据场景来选择合（hé）适的计算平台（tái）模块。

他们提出了一个具（jù）体的产品概念，也就是（shì）周易：智能计算机平台。把（bǎ）绝大部分（fèn）系统都会（huì）选择的 CPU、GPU、NPU、VPU 都集（jí）合在一起，当软件把算法、网（wǎng）络（luò）分配（pèi）在这（zhè）些不（bú）同的（de）算力的模块（kuài）上，实现效能的提升。

全志：如何在 SoC 中解决内（nèi）部交互问题是关（guān）键

异（yì）构计（jì）算（suàn）成为人工智能的形态（tài）主流，是业界达成的共识。全志认为，处在一个 SoC 中，全部计（jì）算单元（yuán）共（gòng）享一个系（xì）统全部资（zī）源（yuán）的形式，即 AP SoC，是（shì）他们纵观以前行业的发展，发掘出的最理（lǐ）想的载体。

作为 SoC 厂商（shāng），要在适（shì）应（yīng）未来长期存在（zài）的接口（kǒu）池（Interface Repository,IR）撕裂的现状，同时计划（huá）在未（wèi）来，将注意力集中在终端（duān），在 SoC 中集中（zhōng）解决内部交互问题，实现系统内互联的效果（guǒ）。例如研究内部数据转化（huà）的机制，运用 SoC 抽象层预测并调配（pèi） OP 及内存交（jiāo）互单元，屏蔽底层（céng）硬件的差异，使开发者更加专（zhuān）注（zhù）于模（mó）型的开发。通过这样的方式（shì）合理（lǐ）调配不同计算单元的算度并配合起来，成为当（dāng）下的（de）高效应用。

耐能：终端 AI 网（wǎng）络去中心化，达到（dào）算（suàn）力（lì）共（gòng）享。

致力于（yú）在终端推理芯片市场（chǎng），以（yǐ）客（kè）户为中心，生产高性能、低成本（běn）芯片产品的耐（nài）能（néng）认为：建立终端网络，首（shǒu）先要做的是「去中心化」，来达到算（suàn）力共享。

数（shù）十（shí）亿传感器的（de）数据传输，会（huì）为云（yún）端带来（lái）运算（suàn）处理（lǐ）压力。同时，实时（shí）识别、宽（kuān）带传输压力，隐私安全等问题亟（jí）待（dài）被解决。这时最需要的就是终（zhōng）端，而可（kě）重构性（xìng）成为终端网络的关键。耐能将（jiāng）通过（guò）极高的 MAC 利用率实现尺寸与功耗的最小化。

知存：存（cún）算一体（tǐ）方案（àn）为 AI 芯片打破数据搬运带（dài）来的（de）运算瓶颈。

将（jiāng）存储（chǔ）和（hé）计算结合（hé）在（zài）一起，是知存对由数据搬运导致的运算瓶颈（jǐng）做出的最直（zhí）接的技术选择。

作为（wéi）国内最早接触存（cún）算一体技（jì）术的团队（duì），他们打破常（cháng）规计算架构，采用新（xīn）的方式（shì）：直接用（yòng） ROM 单元，把需要（yào）的神经网络、所有的（de）参数都存储在 RAM 单元当中，只需把被处理的语音（yīn）结构存储到神经网络当中，最终输出。效率（lǜ）将由此大幅提（tí）高，并且可以（yǐ）降低（dī）整（zhěng）个（gè）系统的成本。

未来他们还（hái）会针对（duì）存（cún）算一体带来的特定（dìng）摩尔定律进行开（kāi）发，争取在（zài） 28nm 芯片（piàn）上达成存（cún）算一体（tǐ）技（jì）术。

而针对算法，知（zhī）存、旷视、科（kē）大讯（xùn）飞、引力互联分（fèn）别发表了不同的见解：

知（zhī）存（cún）和旷视同时提（tí）到了一个词（cí）「降噪」。

知存的算（suàn）法（fǎ）还在合作开发中。针对语音识别业务，他们已经看到市（shì）场在选择采用深（shēn）度学（xué）习算法制作「噪音抑（yì）制剂」，而降噪识别是算法的一个重点，对算力有（yǒu）非常高（gāo）的要求。目前，只有手机的电池设备才（cái）可以（yǐ）采用这样的算法。

旷（kuàng）视展示神经网络降噪视（shì）觉（jiào）效果

旷视自 2017 年进入手机市场后，顺（shùn）应 5G 时代的到（dào）来，在今（jīn）年和 OPPO Reno 合作推出首发的夜视算法全球首款神经网络（luò）降（jiàng）噪。经（jīng）过（guò）在影像处理前，让图像（xiàng）数据进入神（shén）经网（wǎng）络进行降噪处理，然后再经过（guò）传统处理方（fāng）式，使（shǐ）图片获得更加「干净」和「平衡」的视（shì）觉效果。

旷视（shì）认定算法不（bú）可能独立运行，一定要跟硬件匹配。他（tā）们认为交互（hù）、运算和网络，会是今后人工智能三大落脚点。

科大讯飞（fēi）认（rèn）为（wéi）算法本身的改进是（shì）由深度神经网（wǎng）络开始，其次是大数据，而第三点就是（shì）芯片产商们的努力（lì），产品的迅速迭代（dài）促使算（suàn）力不断提升（shēng）。

引力互（hù）联看（kàn）好边（biān）缘计算市场（chǎng），边缘计算场景对实时性（xìng），对安全性（xìng）要求（qiú）低，甚（shèn）至不需要联网，需要更高效的边（biān）缘计算速度，这样的（de）场景的需要，也（yě）会刺（cì）激大量边缘计（jì）算芯片（piàn）的需求。

最后我们来看看（kàn）深度学习。

百度飞桨产品经（jīng）理（lǐ）赵乔向大家（jiā）分析深度学习平台是未来的选择

百度飞桨 PaddlePaddle 作为国内唯一（yī）一家（jiā）功能齐全的开（kāi）发平台，认为深度学习平台是智能时代选择的工（gōng）作系统。

以早期的 OCR 技术举例，深度学习将大量人工、手（shǒu）工的（de）费时（shí）特征处（chù）理操作，简（jiǎn）化为仅仅是检测和识别两（liǎng）个（gè）步骤。从技（jì）术和产业互联（lián）的角度，百（bǎi）度观察并意识到（dào），深度学习的优势在于随着数据量的线性增长，性（xìng）能也随之线（xiàn）性增长，因（yīn）此在大（dà）数（shù）据模型开（kāi）发当中，深度学习具有非常明显的优势。

深度学习框（kuàng）架开发的模型越来越（yuè）多，AI 产业（yè）的生态将以此为核心（xīn），将算法开（kāi）发者、平台使用（yòng）者和（hé）相关（guān）的伙伴一起（qǐ）包（bāo）裹进人工智能智能产业。开源自研的深度学习框架（jià） PaddlePaddle 是一套整（zhěng）体的（de）方案架构，采取的是端（duān）到端 AI 部署方案，提供（gòng）多端多平台服务（wù），例如 Paddle Lite 就是针对移动端和（hé）嵌入式（shì）终端同时提供服务（wù）的（de）推（tuī）理（lǐ）引擎，目前最新的 Paddle Lite 2.0 提供（gòng）更高（gāo）性（xìng）能的端侧推理能力（lì）。

2 让AI降落

如都教授所（suǒ）说，发（fā）迹阶段（duàn）的弱人工（gōng）智能主要在做一件事（shì），语音识别；而进（jìn）入强（qiáng）人工智能时（shí）代，下一（yī）步要集中发（fā）力的则是视觉（jiào）处理。

在这（zhè）两个（gè）垂直领域（yù），旷视与科大讯飞（fēi）这两个产业先导，也表达出他们对于芯片产业（yè）的（de）观察和思考：

旷视：

手（shǒu）机是（shì） AI 芯片出现最多的地方。自 2017 年起，两年内（nèi）旷视获得（dé）了（le）超（chāo）过（guò） 75% 的手机（jī）市（shì）场占有率。根据 5G，他们对手机芯片做出了如（rú）下（xià）预测：

1）手机（jī）中的传感芯（xīn）片将与屏幕相结合，相机也（yě）会在未来与屏（píng）幕结合；

2）本地的计算，人机的交互，输（shū）入与输出，不会（huì）随（suí）着终端产品的形式改变而发生改（gǎi）变。

他们能明显感觉到（dào），手机一线芯片正（zhèng）在加（jiā）速人工智（zhì）能化。从传（chuán）感端到摄像头，加之人工智（zhì）能化的（de）存储，手机现有的形态消失，转变成一（yī）种可穿戴（dài）的人机（jī）交互设备，也未尝（cháng）是难以想象的未来可能。

科大（dà）讯飞：

人工智能技（jì）术（shù）的载（zǎi）体就（jiù）是芯片。芯片分布在大大小小的物联网设备中，由物（wù）联网连（lián）接起来（lái），必产生强大的势（shì）能。

关于 AI 的（de）计（jì）算架构，他们（men）认（rèn）为同时存在实时、可靠、用（yòng）户隐私安全的三（sān）大挑战（zhàn）。他们认为，不论（lùn）是人（rén）脸识（shí）别、图像处理（lǐ），还是语音识别，本地端处（chù）理的（de）方（fāng）式会是（shì）更加实时、可靠、安全的选择，分布式混合框架在未来应该得到广（guǎng）泛应（yīng）用。因（yīn）此本地（dì） AI芯（xīn）片将要（yào）面对分布式（shì）混合框架的（de）高性（xìng）能、低功耗、可联网的三大要求，并努力做到软硬（yìng）件的深（shēn）度结（jié）合。

而除（chú）了语（yǔ）音识（shí）别、视觉处理这两个（gè）垂直（zhí）领域的应用（yòng）理解，现（xiàn）场更是分享了丰（fēng）富的，基于行业场景的 AI 落地案例（lì）：

图片（piàn）来自于百度 PaddlePaddle 网络宣传视频

百（bǎi）度飞桨通过一个现场演示视频（pín），讲述了百度 PaddlePaddle 是如何帮（bāng）助广大开发者将 AI 技术落（luò）地于不（bú）同行业场景的（de）：

国家电网的变电站工作人员，用代码制造出无人巡检机器人；

工（gōng）厂的设（shè）备工（gōng）程师，利用大（dà）数（shù）据模（mó）型，将噪音转变为探测机器健康的诊断工具（jù）；

农业开发（fā）团队利用深度（dù）学习，为一个村子的农民提供（gòng）实时有（yǒu）效的生产指导建议；

工厂（chǎng）将配料方法和 30 多年的宝贵专业经验（yàn）转化为模型，指导未来的生产。

PaddlePaddle 用以上（shàng）几（jǐ）个（gè）实例（lì）证明了深（shēn）度学习平（píng）台可以切实（shí）服务于社会需要的方方（fāng）面（miàn）面，而（ér）这样子的（de）例子在（zài）未来（lái）也许还会更多。

谷歌全球（qiú）开（kāi）发专家（jiā）武强博士向（xiàng）我们展示智能交通控制（zhì）系统

谷歌智能（néng）交（jiāo）通控制，基于国内交通拥堵造成的（de） 2500 亿损失产生了思（sī）考，并用深度强化（huà）学习（xí）、边缘计（jì）算，以及多智能体，创造出一个尽可能没有交通资源浪费的社会前景（jǐng）。

通过将各（gè）个路口的红绿灯利用起（qǐ）来，互相形成（chéng）通（tōng）信（xìn）协议，创造出一个多智（zhì）能体；在多智能体与现实环境的交互中，不断通过（guò）奖励机制训（xùn）练，达到深度强化（huà）学习，利用深度（dù）强化（huà）学习算法对交通（tōng）流量进行预测分析，由此改变红绿的时长（zhǎng），使不够智能的交通信号（hào）机制也（yě）变得「智能」起（qǐ）来。而选择边（biān）缘计算而非云（yún）端，则（zé）会更加实（shí）时、高效，更有（yǒu）助（zhù）于缓解现实的交通压力。

谷歌让（ràng）我们设想（xiǎng），一辆争分夺秒的救护（hù）车，能够一路绿灯地畅（chàng）行在毫无拥（yōng）堵的马路上，我们期待这个（gè）场景到来的那天。

西井科技向在场观众展示「WellOcean」智慧（huì）港口

我们都知（zhī）道西井科（kē）技的产品核（hé）心是无人（rén）驾驶，但谁又能想到是驾驶在无人的智慧港口里呢（ne）？

人工智能引起的工业革命洋（yáng）流首先袭（xí）向港口。无（wú）人化作业是（shì）他们思考后（hòu）得出的第一个结论，于是（shì） WellOcean 作为智慧港口解决方案出现，使新的、智能化的（de）港口从人员的数量、种类（lèi）进行简（jiǎn）化，让曾今熙熙攘攘的码头变得安静有序。将原来超过 98% 需要人来（lái）完成（chéng）的作（zuò）业，用（yòng）远（yuǎn）程自动化智能工具替代（dài）完成（chéng），既降低了港口和（hé）客户的成本（běn），又提升效率，同时降低了安全事故发生的概（gài）率。如此科技（jì），西井去年发布的（de）首（shǒu）款全时（shí）无人驾驶重（chóng）卡 Q-truck 才能高精度无阻（zǔ）、畅快（kuài）地跑在无（wú）人的智慧码头上（shàng）。

另外，通（tōng）过技术提升（shēng）前（qián）线人员的工（gōng）作效率是（shì）他们的（de）新方向。只需要 14 个摄像头就可以完成（chéng）集装箱信（xìn）息、车辆信息采集，指导岸桥对准（zhǔn）作业箱上（shàng）船的全过（guò）程（chéng）。让 24 小时三班倒（dǎo），8 小时（shí）内（nèi）每 2 分钟就疲于盯梢（shāo）的工作（zuò）人员放松了紧绷的神经。基于时间（jiān）和人力的成本缩减达到（dào）以往成本的 80%，却帮助（zhù）客户（hù）提升了 3 倍的效率。

他们专注于将自（zì）己的技术与场景的结合，期待他（tā）们在未（wèi）来创造出更（gèng）多更（gèng）具体的价值。

3 让AI更（gèng）活（huó）跃

安创加速器副（fù）总裁英语霏为（wéi）大家分享产业生态建（jiàn）设（shè）心得

产（chǎn）业系统的良性发展离不开好的产业生态建设。

安创加速器成功孵（fū）化出（chū）估值 30 亿美元的 AI 独角兽企业（yè）「地平线（xiàn）」，也在此（cǐ）分享了他们作为世界嵌入式移动芯片领域（yù）主导者，以及（jí）作（zuò）为 AIOT 产（chǎn）业的创新创业服务平（píng）台，为（wéi）芯片产业生态（tài）的建设所作出（chū）的贡（gòng）献：

经过多年（nián）实践（jiàn），安创形成了自己的核心服务体（tǐ）系：项目（mù）加速、大（dà）企业创新（xīn）、城市创新（xīn）和跨境创新。

尤（yóu）其值（zhí）得一提的是，在项（xiàng）目加速过程中，他们（men）基于安创成长营，成（chéng）功打造了一（yī）个从核心的芯片、传感器、算法构建的基础（chǔ），到人工智能、物联（lián）网核（hé）心模块等平台层，再到最上层垂直领域例（lì）如交通、医疗、家（jiā）居（jū）、工（gōng）业等应用的产业闭环。通过这种方式，赋予创（chuàng）业型企业（yè）活力，以及（jí）获得由资源对接带来的强推动力。

安（ān）创加速器副总裁英语霏（fēi）告诉大家：「已成功加速了七期企业（yè），项目（mù）总（zǒng）量达到 115 个（gè），其中 33% 是 AI 项目，共计 38 个，AI 芯片项目 13 个（gè）。这个（gè）比例可（kě）以说（shuō）在硬科技（jì）的（de）创业加速平台中算（suàn）是比较大（dà）的份（fèn）额了。」

之（zhī）后，安创还会继续努力为中国本土创新企业提供硬科技技（jì）术（shù）支持（chí）、资金支持或甄（zhēn）选建议，以及创业经验借鉴；也将继续（xù）帮助（zhù）如中国移动、华润、红豆集团、宝（bǎo）马等离技术上游遥远的大企业快速匹配资源，实现（xiàn）大企业创（chuàng）新；更会帮助海外的创业公司搭建起中国「本地化（huà）」的（de）桥梁，目前中英创（chuàng）新（xīn）项目中的 4 家企业（yè）已（yǐ）成功（gōng）落（luò）地中国。

如此引来送（sòng）往（wǎng），形成商（shāng）业（yè）和（hé）产业（yè）的（de）良性合（hé）作。英语霏女士说：「我们始终认为，商业（yè）的核心还是要把生意做起来，这才是良性的商业（yè）环境。」

产业中的社群也需要刻意地（dì）去（qù）建（jiàn）立（lì）与维护:

百（bǎi）度飞桨（jiǎng）是国内（nèi）唯一（yī）功（gōng）能齐全并开放（fàng）的开发平台，最大的（de）目（mù）标还是要发展生（shēng）态。不单（dān）是为了（le）满（mǎn）足金融、航空航天、军（jun1）工、政府等企事业单位（wèi）自主可（kě）控等（děng）关键技术目标的实现，更要努力改变整个产业（yè）界使用（yòng） TensorFlow、Pytorch 等国外的框架（jià）来（lái）进行应用开发的主流现状（zhuàng）。

这就需要人为地开发并培养未来的用户，以及培养未（wèi）来用户的使（shǐ）用习惯。

2018 年正（zhèng）式更名为（wéi）「飞桨」之时，开（kāi）发用户将近一百（bǎi）万。并从这一年开（kāi）始，百度开始和 40 多所高校展开合作，这之中包括北（běi）航（háng），设（shè）立人工智能专门课程和（hé）培训，明年有望向本科生开发深度学习课（kè）程；在用（yòng）户企（qǐ）业中开放成长计划，进行实战训练（liàn）；同时还在网站上线视频课程，在教育领域寻找产业合作。

一切（qiē）为（wéi）的是降低国内开发者使（shǐ）用深度（dù）学习的门槛。而就平台本身，他们更加开放（fàng），将百度自己在国际（jì）领域打标得到的模（mó）型也分享出（chū）来。新的学习，如联邦（bāng）学（xué）习等，也同（tóng）样会有新的代码（mǎ）放出来便于开发者使用，进一步降低大（dà）家的开发成本（běn）。

具有同（tóng）样想法的（de）还有引力互联的开发者平台 Model Play。Model Play 平台（tái）已在手机端上（shàng）线，更加（jiā）便（biàn）于使用者随时登陆、开发和共（gòng）享，希望所（suǒ）有人可以很轻松进（jìn）入门槛学习 AI，而（ér）未（wèi）来（lái）的人工智能由在座的产业人士（shì）和未来（lái）的开发（fā）者一起（qǐ）去定义（yì）。

相（xiàng）信在即将到来的二十年里（lǐ），国（guó）内（nèi） AI 芯片产业（yè），面对（duì）新工（gōng）业革（gé）命（mìng）挑战（zhàn），迎头直上，有备无患。