听大佬们讲:AI+的产业机会

分享到:

“芯片的集成度已高达40亿个晶体管,另一方面科学家发现人的智慧主要在大脑皮层,大脑皮层里面有160亿个神经元,也就是说摩尔定律使机器智能和人工智能向自然智能去接近,这是令人兴奋的。” 李文飚指出,现在很多应用是通用芯片,也不少公司做自己的专用芯片,那他们各有什么好处?

1

本文摘录了业界精英们的观点。

AI+热点讨论一:,通用芯片VS专用芯片,都如何落地?

【未来五到十年是人工智能定制芯片的一个春天】

云天励飞创始人、CEO陈宁博士举了一个简单的例子,这波人工智能是2016年3月份的阿尔法狗1.0的版本战胜李世石,让全球老百姓感受到人工智能的春天即将来临,但是我们忽略了一组数据,阿尔法狗1.0训练一盘围棋的电费是上千美元,这组数字说明目前我们的通用芯片架构并不适合深度学习,无法承担深度神经网络的运算体系和承载运算力。

云天励飞的做法是面向深度神经网络去设计了一系列的处理器,定制了130条指令,面向深度学习高效的提升运算力,降低功耗。比如说相对同款的GPU能效会提升20倍以上,尤其是在终端芯片的应用上面,当你对成本和功耗非常敏感的时候,比如说我们认为所有的摄像机都是会智能化,需要这些摄像头不仅看到、并且看懂世界,那在这些应用场景,比如说未来我们的智能手机里面,他更需要一系列的专用的面向人工智能深度神经网络的定制芯片,所以我们认为未来五到十年是人工智能定制芯片的一个春天。

【AI落地汽车电子,走 “两个极端”都不行 】

芯原微电子董事长兼总裁戴伟民博士指出,人工智能最大的问题是落地,哪怕你算法做成芯片,芯片也要放在一个应用环境中。不落地,那下半年融资就没有那么容易了。所以我非常看好云天励飞是因为它们先落地的做法比较好,这个落地很困难、也很不容易。

所有应用当中最困难落地应用领域是汽车电子,而自动驾驶是我们很好的历史机遇,如果是机械的就基本上没有机会。现在看起来有两个措施,一个是Mobile eye,他基本上封闭式的,很难去编程,而Level 4,Level5一定要可编程才行。通用芯片的实现还早,这种情况还是需要专用芯片,但不能够编程是个问题。

另一个是比较通用的,比如说英伟达的平台,想怎么编程就怎么编,但是功耗价格没有竞争力。例如Level 3的奥迪A8,GPU加上传感器比汽车还贵,这是个问题。

汽车电子走这两个极端都有问题。

通用AI不能做死,某种意义来说,平台不管所有场景(无论是港口还是高速还是卡车),放进去就要能自学。所以,关键是可编程。

【应用场景是专用的,芯片本身架构是通用的】

陈宁从另外一个角度补充道:今天所谓人工智能通用芯片,更多是在云端做数据的训练,而在应用端其实更多的是专用芯片。在专用芯片领域,我们要追求芯片本身架构上的通用性,因为我们的深度学习算法还不断的在迭代,云天的芯片可能每个星期都会有一个新的版本出来,所以在我们的终端专用芯片里面,其内核是个高效的可、编程的处理器,这样可以非常灵活的升级他的算法,但是他的应用场景是专用的。

【人工智能公司看到“刚需”就要迅速产业化“变现”】

达闼科技联合创始人、副总裁汪兵指出,达闼科技从2015年开始成立后就一直在闭门研发,在研发过程中做了一件事情,就是在研发的过程中间,看见有市场刚需的产品,他会迅速的把他产业化,然后变现,所以去年(2017年)的营收就超过了1个亿美金。

人工智能怎么样去产业化,就是在市场上找到刚需,在人工智走到家庭还有很长一段时间的时候,需要人工智能的公司不断的去变现,不断的去投入研发,来做未来的事情。

达闼科技从开始成立的时候就对自己定一个目标,希望在2025年,用十年的时间,让机器人保姆真正的能走入到家庭。我们在这三年多的工作当中,发现了很多刚需,也投入了大量研发,现在的专利数是500+。

【这两个AI+项目的成功,我们反思到两点】

臻识科技 CEO任鹏表示,公司2008年成立以前都是做计算机视觉,那个时候没有人提不落地的东西,主要是因为AI太火了,感觉要落地不是那么容易。我们做产品看两方面:首先我们提供的产品或者服务,第一个是能不能为我们的用户节省成本,就比如说我们做视觉,视觉上面通过相机解决了以前用人来做的一些事情,这个其实是给用户省成本的,这个是很好落地的;第二点是视觉提取的数据,数据能不能产生价值,和如果能产生价值,也好落地。

我们从成立到现在做得比较成功的一些项目里面都有一个无人化的概念,比如说最早在国内做的一个“无人化油田”项目,因为当地偷油抢劫很多,我们用视觉监控替代保安,后来国内大的油田基本上全部换成这种无人值守的油井。另外一个项目是最近几年比较成功的项目,比如国内的停车场的刷卡入场基本换成了车牌识别为主。

我们后来也在反思,这两个项目为什么能成功能够,不是我们推行业,而是行业推我们来落地——两个关键点,一个是保安人力成本的节省,第二个是提取车牌的数据能产生价值。

【人工智能,不仅吃算力,还吃数据】

中电健康云科技有限公司总经理周振指出,医疗健康领域有很多人工智能可以落地的点,但是一方面人工智能会吃很多计算资源,会考虑芯片的算力问题,另外一个方面人工智能也很吃数据,要完成这些模型的训练是需要大量的数据。

我们有很多很好的医疗健康相关的一些辅助决策或者模型,但是到中国要训练的时候,我们缺少足够好的数据,因为中国医院的信息化的水平和数据质量还是有一些问题。中电健康云,包括整个中电体系都在集中精力解决这个问题。

我们会建立大数据的平台来汇集所有的医疗健康的数据,并做清晰和处理,包括IBM沃森的应用。这里面有一个很有意思的点,我们做这个数据治理的过程当中,我们可能是支撑上层的应用,但是做这个数据治理的过程当中,由于用到一些人工智能的算法和应用,还有模型,比如说我们知道医生会有医嘱,这其实是很核心的数据,这个医嘱在医院信息系统里面很可能就是一段文本,医生可能是手打进去的,我们现在可能会有一些分词的技术来提取一些规范化的模型,这个病人有什么症状,吃了一些什么药,包括他没有一些什么症状,这个数据抽取出来就比单纯的文本对上层的支撑更好一些,这是相辅相成的事情,你在清洗数据,支持人工智能,人工智能本身又会很好的帮助你来清洗数据。

【每隔十年左右都会有一个周期,大家认为人工智能有可能实现了】

光大控股董事总经理兼光控华登管理合伙人王毅喆指出,我们现在主要投资的人工智能如脑电识别,主要看的还是其有机会成长为一个平台的公司。

在这个领域里,人工智能经历了很多年,大概有二三十年的迭代,每隔十年左右都会有一个周期大家认为人工智能有可能实现了。我自己以前在学校也是做人工智能的,那个时候的语义和现在的语义是完全两个概念。这个过程中底层算力和算法有根本性的发展,并且有可能形成快速的跨越,我们确实在投一些平台类的公司,比如刚才说的脑电实际上是一个交互的公司,他并不把自己定义为一个产品或者是算法,或者底层的公司,而定义为了一个成长为平台类的公司,因为他在收集数据。

AI+热点讨论二:人工智能+,百亿或者是千亿级别的公司是?

上一波的科技革新里面,包括移动互联网,产生很多百亿或者是千亿这样级别的公司,像BAT,像今天的小米、美团等等,我们也是期待在人工智能或者是人工智能+里面也会出现这么一个规模这么一个级别的公司,李文飙向圆桌讨论的嘉宾抛出一个问题:未来什么样的公司会成为这个级别的公司?他需要在人工智能方面有什么样的特色特征?

【平台性的公司,才可以成为千亿美金的公司】

陈宁认为要有潜力成为一个平台性的公司,才可以成为这样一个千亿美金的公司,但是人工智能今天的技术还没有到一个通用人工智能的阶段,所以今天的人工智能公司我认为一定要是做好一个产品化的公司,但是你的产品得有想象空间,能够从具体的产品衍生成一个平台公司。

云天励飞在前面三年创业的时间聚焦做了一件事,就是城市级的动态影像识别,比如说把深圳作为一个样板城市,打造成全世界第一个,到今天为止也是唯一一个拥有这款产品的世界级样板,我们今天有资格说我们把这样一个城市级的产品,构建一个云端的大脑,通过前端芯片去构建AI的触角,开放一系列的API允许在各类应用场景,智慧社区平安校园等等去拥抱一个生态,让各类应用公司在我们这个平台上去开发各类应用场景下的赋能的应用,去转变成一个平台的公司,

基于我们这个城市大脑,我们孵化了一个印象数据,去打造一个商业服务大数据的公司,做中国最大的商业大数据公司,去打造一个全新线下的购物平台。今年上半年万科也把万科所有综合体的商业数据的服务交给印象数据这家公司去赋能,他也是基于城市大脑千人千面的数据挖掘和服务功能区做精准营销,但是所有这一切其实都是源于我们把动态人像识别一款产品,能够做到精准的城市级一人一脸一档的识别,所以我的观点就是由产品开发转向构建平台,云天励飞有信心成为其中的千亿美金的公司。

【要打群架,不能单打独斗】

芯原微电子董事长兼总裁戴伟民博士认为,首先这个市场要足够大,像监控、安防是刚需,特别是在国内是一个很大的市场。每秒能刷多少脸?技术要足够好这是很重要的,要把产品做好,然后还要有一个开放的心态,愿意去做平台做服务,从做产品上升到做生态,这个境界很重要,开放心态和生态,就是说要打群架,不能单打独斗,这是一个很重要的境界。

同样的事也可以发生在汽车电子领域,现在全民造车,实际上非常焦虑:买封闭式的方案不能改、伟达的价格不对、power也不对,这是很大的问题。在汽车界如果也有像云天励飞这样的开放性的公司,一千瓦的方案放在车上先在全球跑着,然后有人把1000瓦变成120瓦,做到一定程度的时候再定制芯片,所以这家公司一定要平台化。

【很多人都错了。其实好的产品变成平台要靠基因】

Rokid 创始人、总裁祝铭明博士和大家观点不大一样,他表示,在2014年觉得自己学到的最重一课,就是当你觉得做好一个产品自然会变成一个平台的时候,其实很多人都这么想,但实际上很多人是不能成为平台。

这要有两个前提:一个前提是产业方向本身,我不了解安防行业,不确定安防和电商是否能联系在一起;第二,他一定是产品自然衍生。比如阿里从淘宝开始,衍生发现国内的交易缺乏信用体系,所以引入支付体系,这是第一步的衍生。

所以产品是否能变成平台,要看这条路是否自然而然的衍生的。阿里很多同事离开之后,也是本着这样的思路去做,做到一定程度就面临一个天花板,这个天花板是今天的产业方向和产品能力无法突破的,这在根本上决定了他只能做成一个非常好的生意,非常好的垂直的产品和业务,做的好也可能成为一家千亿美金的公司,但是是不是能变成一个大的平台公司是有天生的基因决定的。AI+热点讨论三:有人说中国的AI已经并肩美国,甚至超过美国?

【数据量与结果上,是领先美国】

王毅喆认为,如果说中国在一定程度上和美国能比肩,我想应该是数据量上,以及结果上。我们数据采集量比较大,我们能调试的空间也比较大,在应用这一层,我们有可能会走得比较领先。比如说做视觉识别,像云天励飞在东南亚市场,毫无疑问东南亚完全靠采购我们的产品来做。

运用视觉识别来进行侦查反侦查这些动作,中国现在做得最有效。但是从底层层面,从算力驱动、算法和底层芯片角度,我们确实差距还比较远,很明显会有一些受制。

【算法是灵魂,芯片是躯体,数据就是营养】

陈宁认为,中国因为活跃的市场,所以应用肯定是先行先试,和更加大胆的去尝试各类的应有,比如说我们提到的智能安防,在美国由于比较完善,但是个人隐私非常敏感的问题,所以他的应用是非常受限;数据也因为应用受限,很多应用场景没有,所以就缺乏数据。

我们在全国已经有接近150亿左右的人的影像数据,算法是灵魂,芯片是躯体,数据就是营养,只有有了数据,人工智能这两三岁的宝宝才能逐渐的成长,但是欧洲已经出台了管理办法,中国网信办也在研究一些数据管理的法案,我们只有充分客观的去认识这些数据的信息安全,个人隐私等各方面的问题,去规范他,去拥抱这个问题,才有可能引导这个产业健康的发展,避免一两个特殊的社会事件去影响和阻碍整个产业的发展。

数据也有两面性,国内拥有应用和数据的优势,自然我们的应用算法的训练的流程,就会更加先进一些,但是底层的理论基础却是有非常大的差距,这一轮的人工智能的爆发就是因为美国有无数的教授坐了60年的冷板凳,才推动了这一波的深度学习,但是我们国内像90年代学神经网络的这些找不到工作,大家都转型去搞编程了,我们怎么补上这些短板,像我们这些人工智能的公司,要在美国要在西雅图去设立研发中心,就是因为低潮的时候依然有高校培养大批的人才,但是我们中国的人工智能这些高校的学科都是最近两年之内才开辟的。

芯片本身就是一个国际化的产业链条,不可能任何一个国家把芯片的设计封装测试全链条的垄断,中国其实除了在国防领域以外,在其他的这些民用,包括安防领域也没有必要去做一个全链条的布局,而是应该去认准我们在哪些芯片的领域有可能形成一个差异化的优势,只要在国际上有话语权,大家能够互相制衡就可以,比如说我们跟CEC的战略合作做到自主可控;飞腾联合,用我们AI的芯片做到智能可控的芯片组,这就是差异化的优势。

李文飙最后总结道:我自己觉得中国在人工智能方面,跟美国还是相差很远的,尽管我们的应用不错,特别是有人口红利,但我们必须要有自知之明,这个路还很长,像软银孙正义在今年年会里面讲的,“我们处在一个很令人兴奋期待,心怦怦跳的时代,但是从现在开始会有更大的变革到来,30年物联网将使全球网络化,机器人渗透到我们日常生活,AI超越人类智能,那个时候敢肯定是人类的寿命会超过一百岁,人类和机器会共生,这个时代感觉连睡觉都是浪费时间”。

继续阅读
5G才是目标?芯片或将出现转机,幸亏华为提前做好准备

自从去年五月份开始,华为的业务就开始接连不断地遭遇针对。首先是5G,再是系统,然后又到了今年的芯片。对于华为来说,5G和系统方面的针对其实并没有令自己损失,一方面5G是由自己完全自主研发,所以核心技术和专利都掌握在自己的手里,甚至美国还特意批准相关企业参加有华为存在的5G标准大会。而系统方面华为也有HMS和鸿蒙,所以这两点限制对华为来说并没有造成太大损失。

智能物联网如何将人工智能的力量带入物联网?

星纵LoRaWAN基站网关具备广覆盖、低功耗、高性价比、高性能、高可配置等特性。支持半/全双工无线通信服务,最高可支持16通道收发数据,并通过有线、蜂窝或Wi-Fi多种网络回传。内置永久免费的网络服务器,运营成本低。

基于数据预测的解释真的能增加用户对人工智能的信任吗?

本文为大家介绍了一项最新的研究进展,它有助于理解人工智能的可解释性实际上如何影响用户对人工智能的信任。

美国“任性”行为下,芯片价格集体大跌!美芯片业损失超11300亿

据11月1日消息,受美国限制对华为供货影响,存储芯片市场价格出现了集体暴跌。市场研究公司DRAM Exchange统计数据显示,截至10月末,DRAM芯片(动态随机存取存储器)固定交易价格为2.85美元,环比下滑8.9%。

东莞台博会促合作意向30.8亿,5G、人工智能技术最吸睛

11月1日,2020第十一届东莞台湾名品博览会(简称“台博会”)圆满收官,4天共吸引约5万人次入场,促成合作意向30.8亿元,转型专业展取得良好开局。