5月15日下午，以“AI賦能——智能科技改變世界”為主題的2018世界智能大會智能科技產業發展CXO論壇在天津空港經濟區科大訊飛智匯谷舉辦。論壇主持人中國科學院科技戰略咨詢研究院院長潘教峰，科大訊飛副總裁、研究院聯席院長李世鵬第一次公開亮相并主持圓桌對話。重磅演講嘉賓有科大訊飛高級副總裁江濤、中國移動咪咕公司董事長劉昕、Intel中國研究院院長宋繼強、小米副總裁崔寶秋等。新智元創始人兼CEO楊靜女士作為特邀嘉賓參與圓桌對話，探討AI如何賦能生活，改變世界。

科大訊飛在天津發力人工智能了。

昨天，2018世界智能大會智能科技產業發展CXO論壇在天津空港經濟區科大訊飛智匯谷舉辦，天津超腦聯合實驗室、網絡綜合治理聯合研究中心啟動儀式和人工智能產業示范區首批落戶項目入駐儀式正式啟動。

論壇由中國科學院科技戰略咨詢研究院長潘教峰擔任主持，天津市人民政府副市長曹小紅、天津市濱海新區人民政府區長楊茂榮分別發表致辭。

天津市出臺了加快推進智能科技產業發展總體行動計劃和智能制造等十大專項行動計劃，構建了1+10方案體系，系統謀劃大智能戰略布局，加快集結大智能產業集群，全面構建大智能產業體系，為推進高質量發展贏得先機。

科大訊飛高級副總裁江濤，科大訊飛副總裁、研究院聯席院長李世鵬分別發表主旨發言和主持圓桌對話。中國移動咪咕公司董事長劉昕、英特爾中國研究院院長宋繼強、小米人工智能與云平臺副總裁崔寶秋做主題演講。新智元創始人兼CEO楊靜女士作為特邀嘉賓與網智天元創始人兼首席戰略官莫倩、北京人工智能專利產業創新中心總經理劉翰倫等一同探討AI如何賦能生活，改變世界。

以下為論壇的精華。

“漣漪效應”是促進深度學習成功的法寶之一；5G的三大場景為AI提供土壤

江濤首先披露了一組數據：在天津，科大訊飛人工智能開放平臺開發團隊的數量從去年5月份到今年5月份，增長了136%，一年的增長超過了過去五年的總和。

江濤說，人工智能核心技術有2條發展主線，一條是腦科學和神經科學的技術路線，另一條是以DNN為代表的深度學習的技術，或者說基于數理統計的基礎路線。

科大訊飛高級副總裁江濤

過去幾年，以深度學習為代表的技術路線取得了突飛猛進的進展，除了算法的進步以外，數據規模，數據處理能力不斷增加。另外還有一個非常關鍵的因素，科大訊飛稱之為“漣漪效應”。

“漣漪效應”就是從研究到工程到產品到用戶以及用戶使用的產品形成的數據，反過來幫助研究，這樣一個持續閉環的迭代，才是現在基于數理統計、基于統計建模的人工智能最重要的持續推動力，這就是為什么說應用是硬道理，人工智能如果老是講概念沒有實實在在的應用的話，進步就會很慢。

反過來說，通過人工智能示范區，通過人工智能的示范應用上線，讓人工智能去為廣大的老百姓實實在在的服務，在過程中不斷學習行業頂級專家的知識和經驗，AI會越來越聰明，越來越好用。

根據國務院的新一代人工智能發展規劃，2020年就要實現人工智能總體技術和應用與世界先進水平同步，中國移動也提出2020年正式實現5G的規模性商用的目標。

中國移動咪咕公司董事長劉昕認為，促進人工智能與各產業領域的深度融合和5G發展的重點的方向完全一致。

中國移動咪咕公司董事長劉昕

國際電信聯盟為5G定義了三個重要的應用場景，第一個是移動寬帶，對應的就是4K和8K的超高清視頻以及VR/AR這些大流量的應用；第二個是大規模的機器通信，對應的是物聯網這些大連接量的應用場景，這些場景中大量的和AI相關。第三個是高可靠的低時延通信，對應無人駕駛、智能工廠這些典型的低時延應用場景，也是典型的人工智能場景。

“所以為了更好地實現這三大場景，被降低運營成本，5G在網絡設計的時候，就探索將AI和5G進行融合，從端到端構建5G的智慧網絡架構、智慧運營和智慧的服務體系。”劉昕說，智慧型的網絡會給業務帶來更大的便捷，而AI會讓5G網絡提供智能基礎設施，并帶動其他相關基礎設施和相關產業的成熟，進一步為人工智能提供生長和發展的土壤。

異構高效是AI硬件加速的趨勢，神經擬態芯片技術和可重構計算芯片技術具有廣闊前景

接下來是英特爾中國研究院院長宋繼強分享世界人工智能芯片產業發展的熱點和展望。

英特爾中國研究院院長宋繼強

宋繼強首先對AI芯片進行定義和分類。

第一類叫算法加速型芯片，以常用的一些芯片架構為基礎，增加對AI算法的加速單元，比如利用CPU、GPU、ASIC和DSP等架構，來加速現有的一些AI的算法。

第二類是自適應智能芯片。這類芯片自身具備更多的靈活性，有能力去調整自己，改變自己，適應新的工作需求，甚至有一些自主學習的能力。比如神經擬態芯片、軟件定義可重構芯片等。

如果給這些AI芯片加上幾個指標去評估的話，能從不同任務的算法適應性、能效比、部署成本三個指標來評估，有了這些評估指標，可以看到目前明顯的趨勢是從技術因素主導向經濟因素主導轉變。

在使用的時候，異構目前是一個很好的解決方法，因為沒有某一款芯片可以單獨能夠把各種應用場景都很好的解決掉。

目前來講做最好的一個方案，很可能需要去選擇多種芯片來組合使用。舉個例子，谷歌的TPU的特點是專門針對深度學習的典型應用的加速器，圖中黃色的方塊就是專門針對8比特或者16比特做的一個大的乘加陣列，有256×256個乘加器，對做DNN這種大規模矩陣運算非常有效，而且還配備了片上24兆的存儲。它的好處是可以讓這些芯片面積上每一個晶體管都發揮最大的作用。

還有Intel的Movidius Myriad X芯片，它右上角的一個神經計算引擎，也是一個專門為了做深度神經網絡，但它也是固定的一些比特數，做加速用的部件，同時還有16路的SHAVE，可以很靈活的去處理其他的一些視覺加速。

對于一個芯片的評價，不能脫離開它的應用場景來去講。要考慮做什么樣的任務、部署的條件、功耗、尺寸、價格等等，不能隨便拿兩個芯片對比。

宋繼強對國內國外的AI芯片從設計階段、流片測試到小批量試產、量產銷售做了個對比。

可以看到，目前能夠達到穩定量產銷售的基本上都是國際公司。紅色的話是GPU架構為基礎，藍色的是FPGA相關的芯片，綠色的都是ASIC，黃色的是DSP。目前的主流是根據具體的業務的需求，做ASIC或者FPGA加速方案。

對于機器學習目前處理的不太好的場景，推理、通過小數據學習，這部分的人工智能加速怎么辦？靠什么樣的芯片來支撐？

宋繼強提出了幾種計算新模式，來探索芯片的創新架構。

一種是深度學習，把過程通過深度網絡表示出來；另一種是模擬人類大腦的神經擬態計算，讓系統可以去自己去學習多種不同的任務，而不是只能學習一種任務，并且還能夠去自己去演進、去推理，通過交互強化來適應答案；最后一種是量子計算。

Intel的LOIHI自主加速芯片結構就是很詳細的模擬神經元的結構。

左邊綠色的是數字的輸入，中間是模擬細胞體里邊樹突的處理過程，最右邊藍色的是它的竹突的輸出，中間底下還構建了一個學習的累加過程。如果把這一個小塊看作一個神經元的話，用集成電路把它實現，它就是一個神經元的基本電路，實現的是一個神經擬態電路。

此外，還有清華大學研發的Thinker芯片，走的是可重構電路架構路線。有以下幾大特點：

一個任務有多個等效處理軟件；

函數化的硬件架構（粗粒度）；

適應軟件需求，動態選擇性改變硬件；

切換速度和功耗大幅優于FPGA。

從業界發展的趨勢來看，現在還是AI芯片的初級階段，從確定算法、領域的AI加速芯片向具備更高靈活性、適應性的智能芯片發展是科研發展的必然方向。神經擬態芯片技術和可重構計算芯片技術允許硬件架構和功能隨軟件變化而變化，實現以高效能比支持多種智能任務，在實現AI功能時具有獨到的優勢，具備廣闊的前景。

對于未來，宋繼強提出短期、中期和長期三個發展趨勢：

短期：以異構計算（多種組合方式）為主來加速各類應用算法的落地（看重能效比、性價比、可靠性）

中期：發展自重構、自學習、自適應的芯片來支持算法的演進和類人的自然智能。

長期：朝著通用AI芯片的方向發展。

小米的IoT平臺有1億在線的聯網設備，今年第二季度開源移動端深度學習框架

小米的AI早已用在方方面面，小米手機上有十多款搜索的產品，背后都是搜索平臺部門來支撐的。

小米人工智能與云平臺副總裁崔寶秋

崔寶秋說，深度學習讓AI火了起來，過去小米的技術路線發展圖實際上是從C到B到A（云計算、大數據、人工智能）。小米過去幾年打造了強大的云技術團隊，從C開始到B，組建了小米的大數據團隊，招聘數據科學家。2016年大力投入AI，圍繞深度學習打造小米AI團隊。AI今天已經成為小米的核心戰略，是未來10年20年最重要的戰略。

小米在AI上有三大優勢：

第一個優勢，有很強的硬件優勢，小米手機的設計制造能力代表了小米在硬件上的各種優勢和水平。小米AI音箱也充分顯示了這個優勢。

第二個優勢，小米有很強的大數據獲取能力。

第三個優勢，小米的廣深的生態鏈布局，也就是產品線。很多人講，小米在AI上投入再多都不為多。

下面是小米的AI能力圖譜：從基礎的大數據、深度學習，到中間的感知、認知層，再到上面的開放平臺，對接小米的各個業務與產品，以及生態鏈的產品。

值得一提的是，小米推出的戰略性產品小愛同學。它是一個智能語音交互平臺，可以控制很多智能設備。小米希望通過小愛同學控制所有的IoT設備，也就是所謂的智聯網。目前小米的IoT平臺有1億在線的聯網設備，小愛同學將來可控制的產品會越來越多。小愛同學促進了小米AI領域的全面提升，包括遠場增強、分布式拾音、喚醒等等。

從云計算到大數據到AI，開源技術是小米一直擁抱的。在深度學習方面，小米基于TensorFlow、Kubernetes推出了自己的深度學習云服務。從PaaS到SaaS，對小米內部各個業務開放，也對小米生態鏈企業開放。

另外，小米也準備在今年第二季度開源小米自己的移動端深度學習框架，這個框架已經支持了CPU、DSP、GPU、高通和小米自己的澎湃芯片，支持TensorFlow和Caffe等模型，目標是打造業內最好的移動端深度學習框架。