本次峰会环绕“芯”为主题，约请了国内外芯片行业威信专家、Arm生态伙伴、AI芯片领域精良企业磋商家当变革，共同解析了行业技能发展的最新动向，以及未来AI落地的思路。

Arm 中国产品研发副总裁刘澍：碎片化的市场须要软件平台来统一

AI在云端、终真个发展突飞年夜进，此外，区域性做事器（例如家庭式做事器等）的发展越来越火。
如何把这三个不同领域串起来，使之成为一种协同的智能？刘澍认为，未来一个非常主要的思路是：任何一个设备都可以直接链接到全体链条上进行数据处理，而不一定非要区分是在云/端/边缘或哪个阶段，数据的处理是流动的。

当5G和AI真正领悟后，将给全体平台的算力分布和形态带来更多的思考。
刘澍认为，首先，软硬件结合是未来打算发展的必由之路。
一方面，通用打算可能无法适用于终端；另一方面，异构打算作为现在云真个主流思路，连同加速器等等，可能将成为未来非常盛行的形态。

其次，如何办理软件跨不同运算模块的存在？由于本日绝大部分AI能力和深度学习算法都是在通用阶段完成的，由于通用打算可以供应很好的兼容性、软件算法和移植，这是AI发展的第一个阶段；而随着越来越多异构打算架构的涌现，未来十年中，通用打算和专用打算一定是共存的，预测NPU会成为未来十年算力的紧张承载者，不过即便如此，通用打算的需求还是比我们想象中更多，超过50%的打算还是会在CPU和GPU上完成。
在这一趋势下，未来须要一种软件架构来进行统一，让碎片化的市场可以用统一的软件编程来实现，这样对全体业界云端互通能够达到很好的迁移效果。

此外，未来各种联网设备涌现后，所有设备的安全性都会成为一个主要问题。
Arm中国也会把安全性提到新的高度上，这是未来研发投入的一个主要环节，而周易平台也将支撑更高安全性的实现。

百度paddlePaddle产品经理赵乔：深度学习平台是智能时期的操作系统

深度学习是AI领域目前最为火热的方向之一。
2011年后，随着算法、框架的成熟，深度学习进入发达发展期。
以OCR技能为例，早期运用有很多图像预处理事情须要人工加特色处理后才便于机器进行学习，全体流程相对较长。
利用深度学习方法后，就变成了检测和识别两个步骤。
深度学习的上风是随着数据量的线性增长，性能也在线性增长，在大数据模型开拓中，深度学习上风显著。

在全体智能时期，深度学习平台最下层是芯片，最上层连接运用。
根据百度基于飞桨平台构建AI开放生态的履历，赵乔提出，随着基于深度学习框架所开拓的模型越来越多，AI家当生态将以深度学习开源框架平台为核心，开拓者、利用者和干系生态伙伴共同构成。
它纵向串联起算法、AI能力的利用、垂直家当的演进，横向则拉动了全体高校和企业产学研的路径，在全体AI生态发展起到主要浸染。

综合国内外深度学习框架现状，百度飞桨平台将持续在四方面扩大上风：开拓便捷的深度学习框架、超大规模深度学习模型演习技能、多端多平台支配的高性能推理引擎、家当级的开源模型库。

谷歌环球开拓专家武强：通过深度强化学习进行智能交通掌握

汽车正在变得越来越越智能，但智能掌握仍是智能交通中的薄弱环节，武强认为可以通过深度强化学习改变现有的交通掌握办法。
例如监测路口的车流量情形，动态地改变交通灯的时长，从而改进拥堵。

把每一个路口车辆的***采集出来，用强化学习的办法打算后传给云端进行折衷，理论上可以进行路口的智能分配。
但是，由于实际的路况信息非常繁芜，大略的智能化并不能够应对所有的分外情形，例如车里面有没有急诊病患须要立时送医院，是否能够识别并且优先公交车、出租车等鼓励绿色出行等等。
须要深度强化学习+边缘打算+多智能体的办法才能实现。

什么是深度强化学习？简言之是智能体与环境不断交互的过程中，根据褒奖的机制不断调度自身的状态，将这个强化学习的过程通过深度神经网络来实现，即强化学习+深度学习。
但交通不是单个路口的行为，而是多个路口的多智能体的综合，因此就须要边缘打算，将多个智能体联合起来。
如果每个路口就有一个交警，多智能体就相称于给每个交警都配备一部对讲机进行通信，这便是多智能体的联合深度学习算法。

未来，在智能交通掌握方面，武强透露重点会是现实数据，他们采集了很多交通路口的实时***做交通流量预测，由于只有真实的流量才可以用相应算法进行仿照和调试，之后再用多智能体深度强化学习进行研究。

珠海全志科技人工智能首席专家林建文：办理人工智能SoC异构打算寻衅

林建文认为，目前在AI异构打算形态中紧张存在三大寻衅：一是编程措辞落到打算单元须要一道中间表示层；二是端侧运用中，算子在打算单元的分配；三是系统间带宽的花费、数据格式不兼容的问题。

前两个寻衅比较现实的改进路子是由SoC厂商去把自己底层的算力做统一的抽象，中间表示层就不须要太多去考虑底层，中间框架只须要进行算子的领悟与调配，这样才能实现最高的效率。

第三个寻衅则须要办理SoC中交互的问题，如果SoC内部有数据格式转化的机制，能够很好地通过中间框架反馈，知道下一步要运行什么算子、会落在哪个SoC的打算单元中，都可以做提前的预设。
这种办法能够屏蔽底层硬件差异，让开发者专注在模型的开拓。

林建文表示，人工智能是百行百业的时期特色，每一个行业，包括它的家当链都有自己的独特性。
全志科技关注和国际主流对接的大框架，支持大生态，同时也希望构建基于行业的人工智能的小生态，在重点发展端侧SoC的同时也会兼顾边缘端。

科大讯飞智能硬件生态总监张良春：分布式稠浊架构会广泛运用

AI的广泛落地2019年起已经开始，全新的智能物联网时期将来临。
张良春表示，芯片设计随着时期变革也将迎来小的爆发式增长。
AI打算架构目前紧张面临三大寻衅：第一是实时性，第二是可靠性，第三是用户隐私。
未来，分布式稠浊架构会得到广泛运用，不论是人脸、语音还是其他图像等，在本地端进行数据网络及AI打算，会更可靠、稳定、实时、安全。
这就须要本地有大量的端侧芯片，将处理过的数据进行脱敏送入云端，云端则紧张进行数据挖掘、趋势预测、群体行为等剖析，以及未来本地端模型的迭代替换。

分布式稠浊架构对本地AI芯片提出了更高的哀求，第一是高性能，由于要处理大量的数据，第二是低功耗，第三个是可联网，此外须要软硬件的深度领悟。
面向这些趋势，张良春表示，讯飞开放平台已将267项AI能力全部开放出来，为生态伙伴供应10万亿次AI做事。
未来，也希望为AI芯片厂商供应强有力的支撑，共享生态红利。

旷视科技产品市场总经理沈瑄：交互、运算、网络是AI未来三大落脚点

旷视从一家打算机视觉领域的AI算法公司演进为软硬件兼顾，为了更好地在芯片级做算法匹配，开始进行芯片研发。
2017年，旷视进入手机市场，目前已覆盖大约75%的安卓手机进行人脸识别、拍照功能优化等。

据沈瑄先容，旷视最核心的技能是brain++，基于这一核心在云、边、端有三种神经网络，分别是ResNet、DorefaNet、ShuffleNet。
两大核心算法紧张面向人脸识别和机器人，所针对的三大核心领域包括：个人消费IoT终端、城市大脑、以及供应链IoT。

沈瑄表示，明年手机市场紧张亮点：一是5G，二是光学。
据预测明年海内会有1.5亿部5G手机上市，乃至5G手机价格会低落到1500元公民币旁边，5G一定是明年的主沙场。
光学方面，多摄已经成为趋势，其余一个显著趋势便是传感器未来会和屏进行结合。
所有的一线芯片未来都会加入AI，AI会更多向传感器、摄像头等方向扩展。
交互、运算、网络，会是AI未来三大落脚点。

引力互联创始人兼CEO夏东明：2020年AI边缘打算迎来井喷

随着5G来临，更快的网络速率、更低的网络延时，哪些运算须要在终端进行？AI的边缘打算会有哪些创新与变革？

夏东明表示，市场上存在大量的边缘打算芯片的需求，例如受限于本钱很难用云打算实现的，以及须要实时运算、识别的场景。
还有便是出于安全考虑、时效哀求等，须要终端在短韶光内快速进行判断和决策，都须要边缘打算芯片的算力。
在这方面，很多公司已经进行了大量的实践，2020年，AI边缘打算将迎来井喷式发展。

目前，AI开拓仍旧存在一定的门槛，夏东明认为紧张存在三大痛点：不专属，短缺针对 AI 技能学习及软硬件开拓的开源环境；价格昂贵，硬件本钱高，能够知足普通编程及开拓需求的电脑，动辄4k+；可拓展性小，外设接口相对单一，很难知足连接外部设备的需求。

为了降落AI开拓门槛，加速开拓过程，引力互联在会上正式发布“钛灵 AIX”，这是一款集打算机视觉与智能语音交互两大核心功能为一体的人工智能硬件，搭载 Intel 专业级 AI 加速运算芯片与多种传感技能，搭配Model Play人工智能模型共享平台，在许多场景运用及AI模型***即用。
开拓者可以将 AI 模型移植到程序中开拓运用，这一环节须要节制的知识量较少，缩短了开拓周期。

耐能技能总监陈云刚：打造未来的终端AI网络

受越来越多采取云端AI做事和联网设备的推动，环球AI市场正在快速增长。
AI芯片势头强劲，个中，推理市场大于演习市场，推理打算更多在终端而非云端实现。
到2023年，终端推理芯片市场规模将超过600亿美元，复合年增长率为31%。

如何在AI芯片市场生存并取获胜利？陈云刚认为，首先公司要有精准的定位；其次要以客户为中央；第三，须要有竞争力的、具备性价比上风的产品。

耐能专注于超高效NPU和轻量级CNN算法，希望以AI赋能终端设备，建立未来的终端AI网络。
这一网络将紧张具备四大特色：去中央化、算力共享、多个输入、主动智能。

陈云刚表示，智能物联网1.0时期是蜂窝网络，设备连到做事器，通过智好手机APP来掌握；2.0现在比较主流，智能化程度较高；3.0时期，智能设备可在本地实时做推理，相互之间可以协作，比如用现存网络的做事器去掌握各个设备，通过去除中央化，达到算力共享。

知存科技CEO王绍迪：存算一体芯片办理AI落地瓶颈

以深度学习为代表的AI算法须要频繁地进行数据存取，低功耗和高性能之间的抵牾一贯是端侧AI芯片落地的难题。
在常规的AI打算中，首先要把神经网络存储在ROM中，运算时再通过RAM进行缓存，然后进走运算。
而存算一体相称于直接用ROM单元，把须要的神经网络、所有参数都存储在ROM单元当中。
这样只须要把被处理的语音/图像存储到神经网络中，存储单元可以运算乘加法，存储密度和效率带来数量级的提升，进而降落整体系统本钱。

王绍迪认为，存算一体技能能够办理常规AI打算中频繁进行数据存取的难题，基于Flash的仿照存算一体技能是AI加速领域发展最快、最靠近家当化落地的一个方向。

知存科技最新发布的MemCore001/MemCore001P两款智能语音芯片，基于高精度Flash仿照存算一体技能开拓完成，支持智能语音识别、语音降噪、声纹识别等多种智能语音运用。
芯片运行功耗小于300uA，待机功耗小于10uA。
在几百微安电流下即可运行主流深度学习算法，同时实现单麦或双麦降噪和无单独唤醒的One-shot识别，适用于电池供电的小型智能设备、可穿着设备和有源供电的智能家电、智能掌握等运用。

西井科技产品总监张烁：自动驾驶落地必须与场景结合

西井科技致力于推进AI在工业和物流领域的落地，港口是个中一个场景。
由于港口本身的作业工况和温湿度情形，以及这一场景中24小时的作业流程等分外需求，导致它不是一个可以大规模遍及全自动化作业的场景。
目前我国只有三个港口：喷鼻香口岸岸、青岛港口、厦门港口实现了全自动化作业。
而大部分港口发展的方向是什么？张烁认为是AI驱动下的全面无人化，通过AI技能提升效率、降落本钱。

西井科技从替代人工采集数据、录入系统的事情开始，目前通过AI识别可以完成98%以上原来须要人工作业的事情，包括闸口升级改造、自动对位、自动吊装、锁孔识别、远程自动作业等等。
切进口岸场景，西井设计了无人驾驶集装箱卡车。
为什么选择港口落田主动驾驶技能？有哪些易与难？

张烁表示，相对繁芜的交通道路，码头场景封闭、路线固定、目标物体较少，常日为低速行驶。
但是，寻衅在于其作业精度哀求厘米级别，且环境高度变革，常日须要多车高效协同作业，还有金属旗子暗记滋扰定位。
要实现在这一场景的自动驾驶，须要系统级的办理方案，包括：车辆管理调度系统、生产效率协作系统、车辆仿真平台、无线通信传输技能、智能驾驶感知决策掌握、车辆线控技能、无线远程掌握技能等。

为了实现这些，西井从底层的AI芯片和算法开始打造，直到聪慧大脑，针对客户场景供应了完全的、垂直化的办理方案。
张烁表示，未来十年，AI的发展一定是突飞年夜进的进程，但是在自动驾驶方面，其落地必须依托于和详细场景的结合。

安创加速器副总裁英语霏：AI 时期，成功的加速器能发挥哪些浸染？

安创加速器作为Arm环球唯一的加速器，聚焦于硬科技特殊是芯片在人工智能和物联网领域的创新，希望借助家当资源上风，以及Arm在环球的生态系统上风，帮助创新技能实现更快的家当化落地。
目前安创加速器已经走过了四年，紧张专注于从天使轮到A轮的技能驱动型创新项目。

英语霏表示，安创加速器最核心的部分是打造家当闭环，包括根本的核心芯片、传感器、算法等，人工智能、物联网核心模块作为平台层，再向上形成垂直领域的运用层。
安创加速器目前共加速了7期企业，统共项目数量115个；个中有6个项目是独角兽企业，估值均匀增长8倍；38个AI项目，占比33%；芯片干系项目有24个，个中AI芯片项目13个。

安创加速器看重自身的能力培植，依托人工智能和物联网行业的计策资源库，目前已与浩瀚的企业达成互助，如投资机构、大企业和政府园区，将通过这些资源与Arm生态本身的一些资源形成联动和互补。
在互助方面，安创希望打造一个家当闭环平台，链接创新创业企业与行业标杆大企业，推动创新技能落地。

作者：张慧娟