集微网推出集成电路微信公共号: '天天IC' , 重大新闻即时发布, 天天IC, 天天集微网, 积微成著! 扶植 laoyaoic 微信公共号搜索添加关注.
1.中国AI产业链:芯片, 语音识别, 无人驾驶成产业热点;
■ '智能时代' 系列报道 (中)
近日, 中国人工智能产业发展联盟组建成立. 据介绍, 联盟将快速推动人工智能技术在生产制造, 健康医疗, 生活服务, 城市治理等场景的应用, 提升产业发展能力与水平. 同时, 将整合全产业链资源, 促进人工智能科技成果和资源的积累与转化.
业内比较一致的看法是, 人工智能产业链可分为基础层, 技术层和应用层. 对此, 全球巨头立足自身核心技术进行扩散, 积极进行布局. 与此同时, 中国人工智能产业链也已 '显山露水' , 20余家A股公司正在 '抢滩' 产业链.
基础层: 中国芯片尝试 '弯道超车'
基础层主要包括计算芯片, 大数据, 存储. 微软的最新研究报告称, 在人工智能领域, 传统的芯片计算架构已无法支撑深度学习等大规模并行计算的需求, 这就需要新的底层硬件来更好地储备数据, 加速计算过程. 基础层主要以硬件为核心, 其中包括GPU/FPGA等用于性能加速的硬件, 神经网络芯片, 传感器与中间件, 这些是支撑人工智能应用的前提. 这些硬件为整个人工智能的运算提供算力, 目前多以传统的国际IT巨头为主.
目前, 在GPU领域, 英伟达主打工业级超大规模深度网络加速, 并推出了基于Volta, 首款速度超越100TFlops的处理器Tesla; 英特尔主要围绕FPGA构建产业, 推出了模仿人脑的人工智能芯片. 谷歌也推出了第二代TPU芯片, 为自己的开源TensorFlow框架提供芯片支撑. 此外, 在这一领域还有众多的初创公司, 如中星微, 寒武纪以及西井科技等, 但在产业布局能力和研发实力方面, 还不能与上述巨头匹敌.
《经济参考报》记者注意到, 中国在类人脑芯片上的探索起步并不晚. 2015年, 由浙江大学计算机学院牵头, 浙江大学与杭州电子科技大学的学者合作研制出了国内首款基于硅材料 (CMOS) 的支持脉冲神经网络 (SNN) 的类脑芯片—— '达尔文' 芯片. 该课题组认为, '达尔文' 虽是国内首款支持脉冲神经网络的类脑芯片, 但与国际先进水平的IBM TrueNorth芯片比较, 还有一定距离.
中国在类人脑计算上的探索目前比较受关注的是中国科学院计算技术研究所陈云霁, 陈天石主导的 '寒武纪' 课题组. 计算所的有关专家告诉记者, 寒武纪深度学习处理器的能效比主流CPU和GPU有两个数量级的提升, 具有较强的市场竞争优势. 从2017年起, '寒武纪' 课题组获得了中科院为期18个月共计1000万元的专项资金支持, 用于项目研发及产业化. 据中国科学院计算技术研究所智能处理器研究中心介绍, 这1000万元专项资金一方面用于人工智能芯片的基础性研究, 探索下一代人工智能芯片的架构, 算法以及在一些新型场景 (如AR/VR) 中的应用开发方法. 这将为我国参与智能时代国际芯片市场角逐打下科学和技术基础. 专项资金另一方面用于寒武纪芯片在各种智能云服务器, 智能终端和智能机器人市场中的推广, 力争在18个月内初步奠定寒武纪芯片在智能芯片市场上的地位.
中科院计算所有关负责人表示, ' '龙芯' 是一条路, 寒武纪是一条路, 而与IBM, 英特尔, AMD合作是另一条路. '龙芯' 走的是 '人有我有' 之路, 寒武纪走的是 '弯道超车' 之路. '
技术层: 国产语音识别算法取得突破
技术层包括算法平台, 图像识别, 自然语言识别处理和智能机器人. 当前, 国内的人工智能技术平台主要聚焦于计算机视觉, 语音识别和语言技术处理领域, 国内技术层公司发展势头也随之迅猛, 其中有代表性的企业包括科大讯飞, 格灵深瞳, 捷通华声 (灵云) , 地平线, SenseTime, 永洪科技, 旷视科技, 云知声等.
麦肯锡的一份研究报告对中国人工智能发展状态进行了全面而细致的梳理. 麦肯锡认为, 中国在算法开发方面与其他国家相当. 中国的研究者在开发用于语音识别和定向广告的算法方面已经取得突破. 得益于全球的开源平台, 中国企业能够快速复制其他地方开发的最先进的算法.
中国科技战略研究院有关专家对记者表示, '人工智能产业的发展离不开海量数据的支撑, 数据训练量的大小影响着算法实现的成熟度. ' 阿里云iDST总监初敏表示, 算法, 数据, 计算平台, 用户, 商业模式, 用互联网的思维把这五个因素串起来, 人工智能迭代才能非常快. 以更快的速度使用反馈数据来更新模型, 形成这样的正循环周期后, 效果就会越来越好. 哪怕就是算法不变, 只要能不断地反馈数据并不断优化, 过一两个月之后, 它的能力也会好很多.
国内的曙光公司联合众多企业成立了航天星图, 中科三清, 曙光易通, 锁定数据. 航天星图专注于地理空间大数据处理, 可视化应用, 中科三清由曙光与中科院物理所合资, 专注于大气, 水以及土壤污染的预报, 预警, 治理评估和应急提供可行性的解决方案. 除了传统IT企业在抢数据资源之外, 事实上, 中国也涌现了很多运营和经营数据的公司, 比如数据堂, 星图数据, 百分点等, 并涌现了更多公共数据开放平台.
数据显示, 2016年中国数据总量占全球数据总量的14%. 据预测, 到2020年, 中国的数据总量将占全球数据总量的20%, 届时中国将成为世界第一数据资源大国和全球的数据中心.
创新工场人工智能战略白皮书显示, 数据隐私, 数据安全对人工智能技术建立跨行业, 跨领域的大数据模型提出了政策, 法规与监管方面的要求. 各垂直领域的从业者从商业利益出发, 也为数据的共享和流转限定了基本的规则和边界. 此外, 许多传统行业的数据积累在规范程度和流转效率上还远未达到可充分发挥人工智能技术潜能的程度.
麦肯锡表示, 中国的大技术公司通过它们专有的平台收集数据, 但中国在创建数据友好的生态系统方面落后于美国, 缺少统一的标准和跨平台的共享. 从世界有关国家看, 开放政府数据有助于私营部门的创新, 但中国公共部门开放的数据相对较少.
应用层: 驾驶, 医疗等成热点领域
应用层包括无人驾驶, 智能安防和智慧医疗等. 从全球看, IBM最早布局人工智能应用, '万能Watson' 推动多行业变革. 百度推出 '百度大脑' 计划, 重点布局无人驾驶汽车. 而谷歌的人工智能业务则较为繁杂, 多领域遍地开花, 包括AlphaGo, 无人驾驶汽车, 智能手术机器人等. 微软则在语言语义识别, 计算机视觉等领域保持领先.
科大讯飞董事长刘庆峰表示, 2017年是中国人工智能应用的落地年, 成为人工智能产业发展的分水岭. 他认为, 应用才是人工智能发展的硬道理, 只有技术不断地应用在各个领域, 才能得到发展.
腾讯集团董事长马化腾表示, 没有场景支持的人工智能研究是空中楼阁. 这些年, 人工智能技术的快速发展, 让人工智能在个人助理, 汽车领域, 医疗健康, 安防, 电商零售, 金融, 教育等方面的应用覆盖了生活的各个方面.
百度公司总裁张亚勤表示, 百度要做人工智能时代的操作系统, 需要建立一个生态, 没有场景的人工智能是没有用的. 百度未来10至20年的战略都押注在人工智能领域, 公司所有的资源和技术都向其倾斜.
人工智能在汽车领域的应用前景十分广阔, 其中自动驾驶最受人关注. 在自动驾驶领域, 很多厂商已经深耕数年, 这让2016年成为自动驾驶充分竞争的一年. 今年百度智能汽车正式亮相, 向全球展示了百度在高精地图生产制造, 自动驾驶环境感知等领域的领先技术, 并发布自动驾驶开放平台. 通过应用人工智能技术, 能够提高公共交通系统的安全性和效率, 自动驾驶车辆也可以减少交通事故, 缓解交通压力, 为实现指挥交通发挥重要作用.
阿里巴巴与杭州市政府合作, 通过整合人工智能技术的交通信号灯, 使城市交通更加智能化, 减少了拥堵, 在特定区域提升了11%的交通流量. 吉利汽车搭建新一代核心业务系统整体上云, 实现了传统业务的在线化和数据化运营, 助力吉利汽车引领汽车行业的 '互联网+' 潮流.
最近, 国防科技大学相关团队研发的医疗机器人对外公布. 该机器人通过运用超级计算机的大数据运算以及人工智能技术, 可以提供挂号, 诊疗, 体检等一体化智能医疗服务, 包括智能挂号, 智能诊疗, 智能健康体检三大功能系统. 百度在医疗O2O智能分诊, 人工智能参与的智能问诊, 基因分析和精准医疗, 基于大数据的新药研发等四方面进行研发, 期望把几十万台服务器的运算能力和最先进的算法, 运用到医疗和健康领域.
近两年来, 长虹, 美的, 格力, 格兰仕等家电公司都在向智能制造转型, 在机器人生产及应用领域进行布局. 同时, 几乎所有的家电厂商都立足 'Smart Home' , 将人工智能和智慧家庭更紧密地结合在一起.
不过, 接受采访的专家表示, 大多数传统行业的业务需求与人工智能的前沿科技成果之间尚存在不小距离. 面向普通消费者的移动互联网应用与人工智能技术之间的结合尚处在探索阶段. 经济参考报
2.从苹果仿生芯片到华为NPU 手机AI是否噱头大于功用;
文|邻章
人工智能的野火正呈现出燎原之势, 从原来B端蔓延到了C端, 与我们接触最为紧密智能手机就是其中一例. 其从去年的AI算法应用于系统优化已快速进化到今年在核心处理器上占据一席之地, 与CPU, GPU, ISP一道成为了专用处理单元之一.
诸如苹果为iPhone8, iPhone X系列新品搭载的A11仿生处理器就集成了一个每秒运算次数最高可达 6000 亿次的神经网络引擎, 华为为Mate10系列新品搭载的麒麟970处理器上也集成了来自寒武纪授权的NPU专用处理单元. 而高通(52.02, -0.27, -0.52%)骁龙虽然目前在处理器上还没有向苹果和华为那样推出专用AI处理单元, 但事实上在高通骁龙835处理平台上也集成了 '骁龙神经处理引擎软件框架' , 提供对定制神经网络层的支持, OEM厂商和软件开发商都可以基于此打造自己的神经网络单元.
面对AI在智能手机上所呈现出的星火燎原之势, 智能手机厂商对AI显得兴奋无比, 事实上消费者在许多时候却是一脸懵逼, 时常会产生这样的疑问: AI对于智能手机而言, 究竟是噱头还是真能够带来实际功用?
在这里, 其实可以给出一个颇为肯定的答案: 对于智能手机而言, AI的确具备实际功用, 并且将在未来改变我们与智能手机的沟通方式, 让智能手机真正实现智能化. 但在当下, AI在智能手机上也受困于落地场景有限而导致的消费感知不强.
一, 智能手机AI化, 为什么不是噱头?
对于智能手机而言, 事实到目前为止, 我们所称谓的智能手机可以说都还是处于被动智能阶段, 它能执行的多是被动式反应, 而非主动反应或是提前预测. 诸如解锁设备, 我们需要按压指纹识别按钮才能实现; 进入应用, 我们需要点击应用程序图标; 又如拍照, 如果要获得一张好照片, 我们还需要根据不同场景来进行手动设置各种模式参数.
这是当下智能手机的现状.
但随着AI进入智能手机并不断发展, 在未来智能手机或将变成主动式反应, 能够提前预测用户需求, 给出相应指导, 实现真正的智慧化. 当前, 这种趋势就已经开始显现.
我们以苹果和华为这次推出的AI处理器来列举两个例子.
1.Face ID
苹果在iPhoneX上舍弃了经典的指纹识别, 用Face ID取而代之, 用我们的面部特征作为解锁新方式. 而众所周知的是, 人的一些面部特征会随着时间的推移而发生相应的变化, 有的时候甚至会发生颇为剧烈的变化.
在这样的情况下, 如果机器不能够及时感知我们的面部由于时间的流逝所带来的这些变化, 那么就有可能会出现不能解锁, 需要重新录入面部信息的尴尬.
但AI能做什么呢? AI则能够适应这种随着时间推移而发生的面部变化, 并能作出相应的调整来适应这种变化, 而无需你重新录入面部信息.
在苹果的A11仿生芯片上, 利用AI (机器学习) 技术, 能够让iPhone X的Face ID人的面部特征变化实现主动适应. 苹果在其官网的文案描述是: 'A11 仿生这款芯片能够利用机器学习技术来识别你样貌的变化. 当你戴上眼镜, 帽子或留起胡须时, 你的朋友或许一眼认不出你, 但是 iPhone X 可以. '
2. 拍照的场景智能化
在华为Mate10的发布会上, 华为展示了Mate10能够对拍照场景进行自动识别分析判断. 它可以识别出出现在镜头中是一个什么样的物体, 然后根据算法调整照片. 华为表示, 当下其能够对13种场景与物体进行识别, 诸如美食, 鲜花, 文字, 动物 (狗, 猫) , 下雪, 夜晚等.
而其能够实现这种场景识别的背后动力, 是麒麟970的NUP专用处理单元. 而通过这种AI能力带来的拍照场景识别, 在未来甚至会极有可能重构我们的拍照体验, 将拍照带入智能化时代, 真正实现每一拍都是大片.
如前所述, 当下我们在拍照时, 一般会根据所处场景来选择拍照模式, 我们会出现这样一些行为模式. 诸如享用大餐时, 总是会调出美食模式来润色润色; 自拍时, 总是会跑到一些自拍软件下面, 调整美颜等级把自己拍得像个小仙女; 在记录猫狗这些萌宠精彩瞬间时, 总是会调出抓拍模式来留住这稍纵即逝的瞬间; 在面对夜拍时, 我们或许还会祭出专业模式调节各种参数.
但从华为在Mate10上展现出来的对场景识别并进行算法调整来看, 事实上我们可以大胆设想人工智能在拍照上的未来. 乐观来说, 未来我们在拍照时, 极有可能会呈现出这样的一幅场景: 当智能手机在极短的时间内完成场景检测之后, 它就会自动调出与场景相匹配的拍照模式并调节好最佳参数, 乃至已经为你构好了图, 而我们用户需要做的, 这是按下快门键即可, 真正实现随手一拍就是大片的自动化.
当然, 可以预见的是, 如果真的能够实现这种高度的自动化, 那么随之而来的也或许是拍照乐趣的丧失.
二, 为什么消费者在面对智能手机AI化时, 会产生它是否是新噱头的困惑?
透过上述两个例子, 我们就应该能够一窥AI对于智能手机的助益作用. 并且如我们所见, 当下的AI发展事实上还处于非常初级的阶段, 而随着AI的不断发展, 那么其也将不断提升智能手机的智能化程度, 为我们带来更佳的用户体验. 所以几乎肯定的说, 手机AI具备实际功用, 并且将在未来改变我们与智能手机的沟通方式, 让智能手机真正实现智能化.
但为什么到了消费者层面, 他们面对智能手机AI化时, 还会有它是不是噱头大于实用的困惑呢?
我认为主要原因有两点.
1. 过往概念滥用带来的用户阴影
事实上, 许多国产品牌都热衷于蹭热点, 流行一套 '啥火学啥, 啥火用啥, 啥火跟啥' 的理念, 并且会在营销中夸大其词, 以此拔高消费预期. 但当消费者购买了产品, 进行实际体验时, 却发现并不是那么回事儿, 与预期有着较大差距, 那么自然会产生上当受骗, 这是噱头的认知. 而正所谓一朝被蛇咬, 十年怕井绳, 这种认知他是会迁移的.
2. 厂商没有为AI在智能手机上找到可带来颠覆性认知的落地场景
事实上, AI (机器学习) 应当是属于技术性的东西, 他应当扮演的角色是居于幕后, 为消费者能够感知到的技术提供动力支撑, 他应当是一名无名英雄. 但事实上, 厂商们却因为AI是当下业界热点, 所以理所当然的将AI这种应该在幕后的技术搬到了前台, 将其以卖点的形式推介给了消费者.
但在当下厂商却面临着无法提供可以颠覆消费者认知的AI落地场景的尴尬, 对于AI能够带来的具体变化, 只能是含糊其辞说个大概, 乃至使其有了一些玄学的味道, 着自然会导致消费者对于AI能带给智能手机的助益作用认知不强.
举两个例子: 诸如许多厂商都说利用人工智能 (AI) 能够为智能手机带来更佳的续航成绩, 但是面对消费端, 我们需要解决的问题则是: 究竟如何证明这种续航结果的提升是AI的功劳, 而不是因为新款产品电池容量更大了, 处理器制程工艺更好了, 应用程序变得更良心了带来的功效提升?
又如苹果的Face ID, 虽然业内人士都知道它技术含量很高, 通过AI支持还能够智能调整, 但是对于消费者而言, 在面部解锁这件事情上, 他与没有AI支持的2D面部识别所带来的体验, 事实上在多数时候并没有多大的差距, 甚至2D面部识别在解锁速度上还可能会更快, 那么这就让消费者对AI所能带来的实际功用感到困惑, 觉得他并没有什么卵用.
所以消费者之所以出现对AI是否是噱头的困惑, 其背后原因, 皆是在于多数厂商没有找到一个能够颠覆消费者认知的AI落地场景. 若以过往几次技术革新做个对比, 这一点将更为显现.
回首过往的几次技术革新, 我们能发现的是: 过往的几次技术革新, 事实上技术都有着良好的落地场景进行匹配, 能在第一时间内颠覆消费者的过往认知.
诸如当下智能手机交互核心的多点触控技术, 当苹果将其使用在iPhone是, 消费者可以明显的感知到它甩开功能机实体按键的体验差别; 又如指纹识别技术, 当苹果将它运用于iPhone5s时, 消费者能够感知到他相对于过去数字图像密码解锁带来的便携提升, 能够拥有在录入指纹之后按压一下就能解锁的实际感知.
但AI技术, 在当下却受困于没有能够颠覆消费认知的落地场景, 从而造就了消费者对这项技术的怀疑. 坦白来说, 在没有为AI找到可以颠覆消费认知的场景之前, AI真正能够带给消费者的认知冲击, 甚至还不如智能手机工业设计变化来得强烈.
写在最后:
如我们所见, 面对AI, 现实中呈现出了两极分化的特征, 智能手机厂商们是兴奋不已, 认为AI将带来前所未有的机会, 实际是亦是如此; 但面对消费者, 厂商们在当下却又难以向消费者具体展示, AI究竟能够为智能手机带来何种助益, 无法颠覆消费者的认知. 这是AI在当下的尴尬. 而从这个层面来说, AI也要走的路还很长. 我们只能期待整个AI技术能以更快的速发展, 在消费端带来更为实际可感的助益提升, 让消费者对AI将改变智能手机的玩儿法具体可感.
注: 本文图片源自网络. 界面
3.解密华为麒麟芯片 打造 AI 开放平台;
'人工智能技术是一种基础能力, 未来将由应用场景驱动发展, 移动端AI计算在突破了性能瓶颈后将会带来大量的全新的AI体验. ' 9月25日, 在2017麒麟芯片媒体沟通会上, 华为Fellow艾伟对包括第一财经在内的媒体表示, 华为即将会把麒麟970作为人工智能移动计算平台开放给更多的开发者和合作伙伴.
'从研发到市场, 华为提供了一个完整的平台, 我们会先在一些开源社区提供开发框架. ' 艾伟对记者说.
事实上, 在9月2日的柏林IFA展上, 麒麟970芯片便以 '绝对主角' 的姿态引发了业内外的高度关注. 作为华为首个人工智能移动计算平台(Mobile AI Computing Platform), 麒麟970被誉为华为在终端侧的 '核武器' . 而从市场动作来看, 目前麒麟正在帮助华为手机构造一个更大的生态圈.
'基于麒麟970海思将搭建一个AI开发平台, 开发者可以用该平台开发版开发更多的AI应用. 这个平台如果搭建成功将使得华为在未来人工智能时代, 在战略层面通过终端与百度腾讯阿里巴巴这些云端服务提供商进行角力, 避免被这些互联网巨头边缘化. ' IHS Technology中国研究总监王阳对第一财经记者如是说.
他认为, 运营商已经被管道化, 终端企业如果不提供一个开放的开发平台与应用开发者合作, 将来在大数据时代的话语权会越来越小.
麒麟十年
'华为坚信芯片是ICT行业皇冠上的明珠, 我们从一开始就选择了最艰难的一条路去攀登, 通过持续投入核心终端芯片的研发, 掌握核心技术, 构建长期的, 持久的竞争力, 从而为用户提供最佳的使用体验. ' 华为Fellow艾伟此前曾对外这么解释华为为什么要在芯片领域做持续投入.
据记者了解, 华为早在1991年就成立了ASIC设计中心, 业内人士介绍, 该设计中心可以看做是华为芯片的前身, 主要是为华为通信设备设计芯片.
随着欧洲逐渐开始进入3G时代, 2004年10月, 华为正式成立了海思半导体, 准备从3G芯片入手, 并且将产品先后打入了沃达丰, 德国电信, 法国电信, NTT DoCoMo等全球顶级运营商, 销量累计近1亿片, 与当时的3G芯片老大高通大概各占据了一半的市场份额.
到了2009年, K3v1发布, 这是海思成立以来发布的第一款智能手机芯片. 虽然由于技术上的不成熟导致这款芯片最终没有走向市场化, 但这颗芯片却开启了海思后面的 '狂奔模式' , 也有了麒麟的成长.
在麒麟970沟通会现场, 第一财经记者在采访区外看到了一张布满华为芯片麒麟历程的背景版, 显示这十年来麒麟发展的几个关键节点. 其中对于麒麟970的描述是, '移动人工智能的算的创新探索, 期望与合作伙伴以及开发者共同开启端侧AI的无限可能' .
艾伟在现场表示, 人工智能将使移动互联网进入到智慧互联时代, 华为不仅仅希望未来的手机能听懂, 看懂, 甚至希望它能够以人类的思考方式来理解人类诉求, 让人们获得自主而恰当的信息和服务. 然而AI技术的核心是对海量数据进行处理, 当前以CPU/GPU/DSP为核心的传统计算架构已经不能够适应AI时代对计算性能的海量需求. 因此, 手机SoC芯片既要不断追求最好的性能, 同时对每一个能力的加入又必须用最高的性能密度和最好的能源效率的方式进行, 这对芯片的设计提出了超高的要求.
'所以, 麒麟970选择了具有最高能效的异构计算架构来大幅提升AI的算力, 创新设计了HiAI移动计算架构, 首次集成NPU专用硬件处理单元, 其AI性能密度大幅优于CPU和GPU. 相较于四个Cortex-A73核心, 在处理同样的AI应用任务时, 新的异构计算架构拥有大约25倍性能和50倍能效优势, 这意味着麒麟970芯片可以用更少的能耗更快地完成AI计算任务. 以图像识别速度为例, 麒麟970可达到约2005张/分钟, 这种超级的AI运算速度远高于业界同期水平. ' 艾伟对记者说.
此外, 麒麟970 HiAI架构中另外两个重要的组成部分, CPU和GPU也有新的提升. 据官方介绍, 麒麟970 CPU能效提升20%, 率先商用Mali G72 MP12 GPU, 与上一代相比, 图形处理性能提升20%, 能效提升50%, 可以更长时间支持3D大型游戏的流畅运行, 支持AR/VR等全新一代移动互联网体验.
开放与合作
现场除了对技术参数做解读外, 华为还对外展示了麒麟970在不同场景下的技术能力, 比如降噪, 运动下的拍照能力以及高铁场景下的通话能力等.
在 '智能萌颜展区' , 华为对外展示了麒麟970的AI美颜功能, 用户站在指定区域就能自动检测人脸并进行美颜, 每3秒钟还能变换不同的动态效果, 即使在镜头前移动, AI美颜也能精准贴合.
而在 '定格瞬间影像展区' , 记者注意到, 有一个正在保持运动状态的模型, 用麒麟970对模型进行抓拍, 通过照片可以看出, 在这样快速的运动状态下麒麟970的抓拍也非常清晰. 据现场工作人员介绍, 麒麟970支持智能运动检测, 能够抓拍大运动中的物体, 从拍照处理的响应时间, 对焦, 运动检测, 曝光策略等多全流程进行的深入优化, 拍照综合响应处理时间缩短了30%.
事实上, 这些都是麒麟970 '定义' 的应用场景, 艾伟表示, 人工智能技术是一种基础能力, 未来将由应用场景驱动发展. 移动端AI计算在突破了性能瓶颈后将会带来大量的全新的AI体验, 这种发展离不开行业的共同创新, 离不开千万开发者的努力, 更离不开亿万用户的体验和反馈.
'所以, 华为会把麒麟970作为人工智能移动计算平台开放给更多的开发者和合作伙伴, 提供完善的多应用模式和机器学习框架的支持, 让开发者可以用自己最习惯的方式获得麒麟970的强大AI算力, 开发出更具想象力和全新体验的应用, 共同造就移动AI计算应用的美好未来, 开启具有无限想象力的智能社会. ' 艾伟说.
在沟通会现场, 记者注意到, 华为对外公布的十一家与麒麟970深度合作的合作伙伴名单中, 也包括中科院, 360这样的学术机构和公司.
'某种意义上, 麒麟970标志着华为在芯片上已经走出自己的路径, 不需要跟随其他厂商了. ' Gartner研究副总裁, 芯片行业分析师盛陵海对记者表示, 从以前只是跟着别人走到现在做最适合自己的产品, 华为已经有信心去建立自己独特的风格, 这个很重要. 第一财经日报
4.中美企业加强人工智能研发合作 算法+芯片成行业新热点;
新华社深圳10月21日电 (记者陈宇轩) 中美科技企业将进一步加强人工智能研发合作, 在未来, 人们只需通过手机摄像头就能体验更多的人工智能应用. 20日, 芯片制造商美国高通公司与人工智能 '独角兽' 商汤科技在深圳签署了合作协议, 双方将分别发挥各自在芯片研发和计算机视觉算法方面的优势, 推动人工智能在手机等终端的普及.
商汤科技联合创始人徐立表示, 美国高通公司在芯片研发方面拥有国际领先的优势, 商汤科技则专注于计算机视觉和深度学习原创技术的研究. 双方的合作内容是围绕移动终端和物联网产品, 将商汤科技的机器学习模型与算法, 与高通的骁龙芯片结合起来, 在创新视觉和基于摄像头的图像处理方面开展研究.
记者采访了解到, 目前国内人工智能的发展更多体现在算法方面, 而作为算法的运算器, 芯片对行业发展有关键性的作用. 随着商汤科技与高通公司等中美科技企业陆续加强合作, '算法+芯片' 成为人工智能领域的新热点.
据中国科学院计算技术研究所副研究员刘军发介绍, 现阶段生产设计较为成熟的芯片适合于大规模的并行运算, 一般在中心化, 集成化的超性能计算机环境下使用, 不一定适合去中心化的生活场景. '我们需要一些功耗更小, 更灵活的芯片, 在手机, 手表, 眼镜等更多终端上使用, 相关的应用要更加平民化, 傻瓜化. '
'我们将发挥 '算法+芯片' 的优势, 让手机用户更多体验到人工智能带来的便利, 这是人工智能生态的新支点. ' 徐立说.
5.重庆市集成电路技术创新战略联盟在邮电大学成立
重庆市集成电路技术创新战略联盟揭牌. 重庆邮电大学供图
华龙网10月21日14时50分讯 (首席记者 黄军) 今 (21) 日, 重庆市集成电路技术创新战略联盟在重庆邮电大学成立. 记者获悉, 这是重庆市在集成电路产业领域首个覆盖全产业链的技术创新战略联盟.
据介绍, 重庆市目前已有集成电路企业40余家, 一批高等院校和科研单位也长期从事微电子技术和半导体工艺研究. 截至目前, 重庆市已经汇聚了芯片设计, 芯片制造, 封装测试, 原材料制造等上下游企业.
重庆市集成电路技术创新战略联盟的理事长单位为西南集成电路设计有限公司, 秘书长单位为重庆邮电大学, 是重庆市在集成电路产业领域首个覆盖全产业链的技术创新战略联盟. 联盟是重庆市科委首批批准的10家技术创新战略联盟之一, 是大力打造的我市实施创新驱动发展战略的重要载体和平台.
首批成员单位包括10家企业, 3所高校和2家研究院所. 首批加入技术创新战略联盟的企业中, 汇聚了西南集成, 金山科技, 中航微电子, 中科渝芯等一批在集成电路产业具有一定影响力的企业. 联盟集聚有丰富的技术创新资源, 拥有2个国家级重点实验室, 1个国防重点实验室, 一个省部级重点实验室, 有非常强的技术创新能力.
联盟主要职能为: 根据市政府的集成电路产业规划, 策划市级集成电路产业重大专项, 提升集成电路产业的技术创新能力和水平; 根据我市集成电路产业发展的布局特点, 争取国家级重大科技专项的支持, 联合攻关科研, 产业的重要难题; 探索 '政, 产, 学, 研, 用' 新型合作机制, 为地方政府在该领域提供决策咨询, 项目策划, 产业规划等服务, 为企业提供信息咨询, 产品规划, 人才支持等服务; 加强与国内外该领域企业, 高等院校, 科研机构及联盟机构的对接交流, 推动促进科研和产业方面的合作.
重庆市集成电路技术创新战略联盟相关负责人表示, 联盟成立后将在重庆市科委的指导下, 充分发挥联盟理事会的作用, 建立起高效的联盟运行机制, 充分发挥科技资源丰富的特点, 搭建开放式合作平台, 发挥龙头骨干企业的带头引领作用, 开展广泛深入合作, 带动上下游企业, 高校院所进行深度的产学研协同创新, 全力打造在国内有较强影响力的集成电路产业集群, 形成领域内具有持续竞争实力的创新生态圈, 为重庆市实现万亿级电子信息产业集群提供核心竞争力.