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! 复制 laoyaoic 微信公共号搜索添加关注.
1.明年手机差异化竞赛 品牌厂决胜AI新战场;
全球智能手机市场历经2017年的高度竞争之后, 厂商展望2018年手机市场将呈现新风貌, 不仅手机硬件规格持续创新, 更重要的是, 2018年手机大厂纷将扩大导入人工智能(AI)应用, 提升虚拟实境(VR)及扩增实境(AR)支持, 至于手机产业版图及市场变化, 厂商预期大陆手机厂势力将进一步扩张, 尽管中, 高端手机需求可望回温, 然竞争战火亦将更激烈, 而相关零组件缺货问题仍将延续. 2018年智能手机市场除了持续硬件规格创新及性价比竞争, 一线手机大厂仍将扮演引领全球手机规格走向的重要指标, 2017年包括三星电子(Samsung Electronics)Note 8, 苹果(Apple)iPhone X在人工智能相关应用, 以及双镜头, 创新辨识系统, 高规格屏幕等, 可望在2018年成为其他竞争对手跟进的重要方向. 近期业界传出三星首款采用可弯曲OLED设计的高端手机, 将在2018年CES亮相, 届时是否引发新一波手机厂高端机型的竞争, 以及面板供应链与硬件终端厂商之间的竞合变化, 成为业界关注的焦点. 值得注意的是, 随着人工智能在手机的应用性更丰富多样化, 2018年包括三星, 苹果, 华为, 宏达电等手机厂商, 均将人工智能相关应用导入, 视为手机差异化的重要卖点, 2018年手机品牌厂将在AI新战场全面决胜负. 而伴随Google, 亚马逊(Amazon)等语音助理技术发展更趋成熟, 预料将让手机与物联网, 相关周边产品的搭配应用更丰富化. 至于近年来相当热门的VR, AR等应用, 亦是2018年手机发展不可忽视的关键指标, 厂商认为由于手机规格持续提升, 5G网络进入试营运阶段, 可望让手机搭配VR的体验性增加, 尤其在AR方面, 全球手机品牌大厂纷强化支持力道, 2018年内建深度传感器的手机款式将增加, 加上手机显示影像品质大幅提升, 同样有利于AR应用推展, 让手机在商用, 娱乐等应用更多元. 在手机市场竞局方面, 大陆手机厂华为, Oppo, 小米等借由大陆市场支撑, 加上海外市场销售大有斩获, 厂商预期2018年大陆这三大手机品牌厂年出货规模, 均有机会达到1亿支以上, 且为拉抬手机销售获利与提高品牌知名度, 2018年大陆手机厂商在中阶及中高端机型的市场推展力道将更为强劲, 并对竞争对手造成更大的压力. 至于零组件供应方面, 由于中, 高端手机出货比重持续提升, 加上手机创新功能不断增加, 厂商预期手机上游关键零组件恐持续处在供应吃紧状况, 除了面板, 存储器等关键零组件, 包括PCB, 被动元件等亦可能出现供不应求, 且面对零组件价格可能攀升, 将让手机品牌厂商所面临的获利压力增加, 2018年手机市场发展及产业变化仍大, 持续牵动供应链营运走势. DIGITIMES
2.AI芯片公司Think Force完成4.5亿元A轮融资;
新浪科技讯 12月15日晚间消息, 近日, AI芯片初创团队Think Force宣布完成由依图科技, 云锋基金, 红杉资本, 高瓴资本的4.5亿元A轮融资. 三家侧重点不同的投资公司和AI企业依图科技的投资组合, 此次共同聚焦AI芯片, 可见资本界对AI芯片发展未来有着一致认可.
从官网介绍来看, 上海熠知电子科技有限公司 (Think Force) 是今年刚成立的新公司, 由来自芯片设计, 算法软件, 系统开发领域的资深专家创立. 公司目前规模11-50 人, 法人代表是徐如淏. 对于团队具体成员, 官方没有给出详细介绍.
而此次代表公司对外发声的张震宁, 目前担任Think Force的VP Marketing. 根据网上资料显示, 张震宁毕业于上海交通大学, 有MIT求学背景. 此前曾在日本著名电子工业公司TDK和中国腾讯公司任职.
据官方介绍, 芯片虚拟化技术, 在需要弹性计算的场景成倍提高芯片使用率, 例如让整体AI云使用率成倍提高, 类似CPU的虚拟化给云计算的弹性调度带来成倍的成本节约. 通过在芯片架构与Firmware上进行大量研究和实验, 以保证在云端应用中可以实现完全透明的虚拟化能力. 另外, 结合自主研发的固件和TFDL软件SDK能够实现对于各类神经网络模型的计算加速, 加速单元实际效率在90% - 95%之间, 相对于Nvidia的主流计算卡能达到5倍以上的功耗和成本节省.
AI芯片作为人工智能发展的基础核心, 在全球范围内早已成为各行业巨头最为重视的战略高地. 芯片公司英伟达和英特尔, 以收购或自研的方式拓展产品疆域; 互联网公司谷歌和Facebook, 投入AI芯片开发以满足自身不断爆发的运算需求; 而国内如阿里, 腾讯也不甘落后, 早已开始布局海内外AI芯片企业. 此次Think Force融资可以预见, 随着具备全球视野的顶级投资人和资本的快速加入, 产业资源必将进一步聚拢. (辛苓)
3.地平线黄畅: 产业化落地的规模决定了人工智能公司的价值;
文/杨雨林
许多人把2017年称为人工智能爆发的元年, 在2017年已经过去的50周里, 几乎每周的创投新闻中都有与人工智能有关的内容.
目前在人工智能领域的创业中, 有两个方向: 1, 以算法为主, 做算法研究 ; 2, 以硬件为主, 做AI芯片; 对于一般的创业公司来说, 大多选择单独研究算法, 或者单独做AI芯片, 只有谷歌或者BAT级别的大厂, 才会又研究算法, 又开发芯片.
而地平线科技却是一个很特殊的创业公司, 不仅研究算法还自己生产芯片, 地平线希望通过将算法集成在高性能, 低功耗, 低成本的嵌入式人工智能处理器及软硬件平台上, 为超过1,000种设备装上 '大脑' , 让它们具有从感知, 交互, 理解到决策的智能. 目前地平线与国内国际顶尖的汽车Tier 1, OEMs及玩具, 家电厂商展开了深入的合作, 已经成功推出量产产品.
在2017全球青年创业者大会上, 腾讯科技采访到了地平线联合创始人黄畅博士, 和他聊了聊关于人工智能行业2017年的变化, 以及未来可能出现的机会.
以下为采访实录, 腾讯科技整理发布:
做硬件是为了更好的适配算法, 2018开始尝试量产芯片
2015年, 时任百度深度学习研究院主任架构师的黄畅辞职创业, 与时任百度深度学习研究院的副院长余凯等人一起创立了地平线机器人, 致力于提供高性能, 低功耗, 低成本, 完整开放的嵌入式人工智能解决方案.
在地平线的规划中, 不仅要做算法, 还要做人工智能芯片, 这样的的做法在当时并不被人理解, 作为一个初创公司如果又要研究算法又要研究硬件是一件浪费资源的事情, 同时在芯片领域虽然还没有专注做人工智能芯片的公司, 但是如果传统的芯片巨头发现机会, 转入人工智能领域将是一件非常容易的事.
仅仅一年, 对 '芯片+算法' 持否定态度的预测便被Google推翻, AlphaGo取得的成绩开始刺激人们的神经, 同时, 特斯拉也开始布局人工智能芯片, 黄畅认为: 'Google研究的TPU和通过用户Learning取得的成绩证明了这是一条正确的道路, 如果希望自己的软件得到更好的应用便应该自己去做硬件. '
目前, 地平线通自主设计研发了针对自身应用场景或者智能摄像头应用场景中的芯片, 在2017年, 已经联合国内, 国外的一些厂商进行落地的探索, 在2018年开始尝试量产.
2017许多芯片厂商入局, 对AI初创企业来说最重要的是甄别需求
在2016年年底到2017年, 出现了大量的芯片制造商, 但是其中有很多都只是借势营销, 挂一个名头, '一些传统的芯片的制造厂商, 他其实并没有对这个东西有深入思考, 不管是应用层面还是算法的发展趋势上面. 所以他更多的是借着这个趋势去把它原来的东西去给包装一下, 然后挂一个名字去做. ' 黄畅说.
而对于另外一类公司, 它以前不做芯片的, 但是它更多的是把别人的GPU, 或者是DSP处理器换一个名字, 叫做自己的人工智能处理器, 但是本质上这个芯片都不是他自己设计的, 所以都都是为了赶这个热潮, 人工智能加芯片.
这样的掩耳盗铃式的改革, 其实也存在许多非人工智能企业众, 从目前来看, 人人都在说用人工智能给其他行业赋能, 而人工智能显得像一个 '万金油' 一样的东西, 而对于ToB的初创企业来说最重要的便是去甄别找你合作的伙伴的需求价值, 珍奇程度.
黄畅认为, 作为一个ToB的人工智能创业公司, 每天你可能会看到很多B端客户的需求, 不知道哪些是真的需求, 哪些是假的需求, 同时有的用户期待过高, 甚至是虚假的需求, 只是为了让你配合它去做PR, 所以对于一个初创企业来说, 最重要的便是 '甄别来自你的客户的需求的价值, 珍奇程度, 寻找最适合你, 而且产生最大价值的地方去重点突进, 这是最大的核心问题. '
而在人工智能这个行业中, 未来的独角兽肯定不止一家, 而要成为独角兽的关键便在于, 产品如何落地, 如何进行规模化, 黄畅认为: '对于目前人工智能领域中的初创公司来说, 当遇到问题时, 以前的经验和判断在这个变化的世界里面, 其实很多是不适用的. 只有不断的学习和观察, 将来肯定不只一家是所谓的独角兽企业. 成为独角兽的关键还是产业化落地的规模决定你的价值. '
人工智能对生活的优化是潜移默化的, 前期不容易被感知
'人工智能对于生活的优化是潜移默化的, 有许多甚至不容易体会到. ' 当问到人工智能具体对于生活的改变时, 黄畅向我们说起了他对人工智能实际落地的看法, 和他的理解.
黄畅认为, 目前能让用户感受到真切的改变的有两个: 1, 低速自动驾驶 ; 2, 智能摄像头. 黄畅表示, '低速自动驾驶会是一个比较快的, 而且让人感觉非常深刻的 (项目) . 尤其是把他加注在共享的出行. 通过共享出出行公司去讲这件事情, 会比较直接. ' 同时低速自动驾驶也是未来全自动驾驶的第一步, 而智能摄像头则最容易产生量产, 同时也是物联网的入口.
但其他一些改变也许是潜移默化的对生活进行优化, 这种改变虽然无法被感知, 但会一直存在. 人工智能会改造各种各样的用户体验, 有的是显世的, 有的是隐世的. '显世的, 就是服务于你, 它能帮你更好地去做未来的决策规划, 那隐世的, 就是它能够提供给商家, 提供给更多希望为你提供服务, 为你创造便利. '
同时, 黄畅认为 '只要在实体经济不出现问题的情况下, 资本对于人工智能企业的态度依然是较好的. ' 原因在于 '人工智能是称得上是并肩像这种机械, 电力和通讯上的变革, 他对于人类的改造会足够深刻, 会产生巨大的价值, 你只要看好这个, 你只要认同这一点的话, 那我相信围绕它的投资永远不会落下来. '
AI在智能家居中是一种交互手段, 智能家居的改造应该是在前端
在地平线的规划中, 除了自动驾驶还有智能家居, 在黄畅看来, 整个智能家居的问题在于: '部署成本, 还有接下来整个的运营. '
黄畅认为, 智能家居的薄弱点在于AI在其中提供的只是一个交互手段, 而不是核心价值, 核心价值是内容和服务.
同时, 智能家居目前没有一个共同的协议, 本质上是瓜分利益的, '不管是海尔还是格力, 还是美的, 他们都希望自己去垄断这件事情, 不需要互联互通. 而这个市场又很难进行一个统一的规划的东西, 也没有必要. 所以这确实是一个客观上的事实. '
所以对于智能家居来说, 在后装市场的部署实施其实是非常难的, 黄畅认为, 最有希望的是在前装市场, 就是在装修, 或者是新房的时候会有机会. 你会看到越来越多的新房子会有更多的智能存在里面, 灯的开关, 包括门的打开, 或者是空调的控制. '
目前, 地平线在10月20日已经完成了英特尔领投的亿元级别A++轮融资, 同时也在积极的探索商业化, 黄畅希望在6, 7年以后的实现全自动驾驶. 而近期, 在2018年, 2019年, 进行一些量产. 腾讯科技
4.跳脱深度学习路线 关联记忆AI另辟蹊径
从Altera, Saffron, Nervana, Movidius到Mobileye, 英特尔收购的几家公司似乎均有利于其扩张人工智能(AI)版图的野心. 然而, 英特尔打算如何整合这一切? 尤其是其中最大的谜团——Saffron; 该公司使用的是一种有别于深度学习的AI分支技术——关联记忆AI. 或许从与Saffron的访谈中能够掌握一点线索...
英特尔(Intel)斥资10亿美元推动人工智能(AI)生态系统之举, 是这家处理器巨擘广受热议的话题之一. 英特尔经由收购及其Intel Capital于AI新创公司的投资, 累积了广泛的AI技术.
从Altera (2015), Saffron (2015), Nervana (2016), Movidius (2016)和Mobileye (2017), 至今被收购的几家公司似乎均有利于英特尔扩张AI版图的野心. Intel Capital还透过投资于Mighty AI, Data Robot, Lumiata, CognitiveScale, Aeye Inc., Element AI等新创公司充实其AI产品组合.
然而, 英特尔打算如何整合这一切, 目前仍不明朗. 由于AI创新仍处于早期阶段, 英特尔的AI策略明显采取分散途径应该也十分合理. 我们可能还得等一段时间才能看到更有连贯性的脉络发展.
相较于整体的AI策略, 英特尔更经常讨论其AI硬体产品组合. 例如, 英特尔日前宣布将在今年年底前出货Nervana神经网路处理器(NNP), 即先前所熟知的 'Lake Crest' . Nervana前执行长暨共同创办人Naveen Rao形容这款NNP是 '深度学习的专用架构' . Naveen Rao如今已是英特尔副总裁兼AI产品总经理.
在AI晶片方面, 英特尔还有其他 '武器' , 包括Xeon系列, 收购Altera取得的FPGA, 车用方面有Mobileye, 以及Movidius用于边缘的机器学习晶片.
然而, 英特尔对于其AI应用或将实际关注于AI的哪些领域一直保持沉默. AI毕竟是一个广阔且深入的技术领域. 在英特尔持续扩展的收购名单中, 最大的谜团非Saffron莫属.
就在收购Saffron近两年后, 英特尔在今年十月发布了一款名为 '英特尔Saffron反洗钱顾问' (Intel Saffron Anti-Money Laundering Advisor; AML)的新产品, 这项消息引起了广泛的关注. 虽然AML明显执行于Xeon处理器上, 但这款产品并不是硬体, 而是有助于调查人员和分析人员揪出金融犯罪的工具.
《EE Times》日前有机会访问到Saffron Technology金融产业解决方案总监Elizabeth Shriver-Procell, 深入了解Saffron产品背后的AI技术, 以及她认为Saffron成为英特尔公司后的种种好处.
Saffron Technology金融产业解决方案总监Elizabeth Shriver-Procell另一方面, 我们更想知道的是, 像Shriver-Procell这样一位长期打击金融犯罪的斗士在全球最大的CPU公司内部主要负责什么.
请先谈谈有关于你自己. 我听说你是财务分析专家, 曾经在财政部等机关和多家公司工作.
Shriver-Procell: 我是一名律师, 主要从事打击金融犯罪的工作. 我曾经在国际谘询公司和各大金融机构工作过. 今年初才离开美国银行(Bank of America), 并加入Saffron. 没错, 我也曾经在美国财政部担任分析发展的专案经理.
那么在加入Saffron之前, 您使用过Saffron的产品吗?
Shriver-Procell: 我曾经接触过的一些组织(包括谘询公司的客户)已经使用Saffron了. 我一直对这个平台很感兴趣, 所以当机会出现时, 我便牢牢地把握住.
那么, Saffron究竟提供什么?
Shriver-Procell: Saffron总是以为广泛应用提供客制化 '分析平台' 的定位进行销售与宣传. 使用者包括供应链, 银行和保险公司.
在 '反洗钱顾问' 工具推出后, Saffron的平台途径有什么变化?
Shriver-Procell: 我们现在正针对特定应用推出更具体的产品.
关联记忆AI另辟蹊径
我猜测英特尔收购Saffron的主要原因更在于取得AI技术, 而不只是打击金融犯罪(尽管这也很值得). 请谈谈Saffron设计的AI专业技术与应用, 它和其他AI技术有何不同?
Shriver-Procell: Saffron所使用的AI技术称为 '关联记忆' (Associative Memory)法, 它是源于深度学习(Deep Learning)的一种差异化AI分支技术. 关联记忆AI非常擅长于观察庞大且多样化的资料, 并从相距甚远的不同资料库中鉴识签名或模式. 它能够统整来自企业系统, 电子邮件, 网路和其他资料来源的结构化和非结构化资料.
以一位银行客户Mary为例. Mary每隔一周前往伦敦, 并在Liberty大街的商店购物. 住在另一个国家的John也与Mary差不多同时间去了伦敦, 但他的目的看来完全不同. 那么这两者之间有什么关系? 有何共同点? 我们能查看其IP位址吗? 是否能在其登录模式中找到任何相似之处? 是否有任何迹象显示任何不法行动正进行中?
因此, 重点就在于关联记忆AI能够同时查看并统整这么多看似毫无关系的资料库?
Shriver-Procell: 不仅如此, 它还能够快速完成原本极其耗时的任务. 虽然深度学习需要大量训练, 但关联记忆AI则不需要任何训练. 这种AI分支技术能快速的一次性学习, 同时也无需建模.
新闻稿中提到了Saffron的 '白盒AI' (white box AI), 能再详细解释吗?
Shriver-Procell: 所谓的 '白盒AI' , 我们希望强调的是透明度. 它让我们能解释如何得出某种结论. 过去, 金融机构向供应商购买基于模型的诈欺检测解决方案, 我们称之为 '黑盒子' , 因为使用者并不清楚其软体在黑盒子中如何运作. 而当监管机构要求金融机构说明如何得出结论时, 他们也无法真的提出解释. 因为他们看不到黑盒子里有些什么, 也无从判断它是否正常运作.
在受到高度监管的产业中, 金融机构提供资料透明度的能力至关重要.
听起来很有趣, 似乎与深度学习AI完全相反. 有些安全专家担心, 在自动驾驶车中部署深度学习AI执行驾车决定时, 例如转弯, 汽车制造商无法解释AI为什么做此决定. 在学习过程中缺乏透明度, 导致汽车制造商难以验证自动驾驶车的安全性.
Shriver-Procell: 我认为最重要的是认清AI存在着多种不同的途径. 当英特尔执行长谈到揭开AI的前景与潜力时, 他建议我们应该尝试新事物, 以及探索新的学习典范.
您认为不同的AI分支技术最终将汇聚于同一点吗?
Shriver-Procell: 我认为这些分支之间是互补的. 正如我们看到各种融合应用的发展趋势一样, 我认为结合多种类型的AI才能满足各种应用的需求.
请介绍有关Saffron的更多新产品.
Shriver-Procell: 正如之前所说的, Saffron总是以平台方式销售产品. 现在, 随着我们在特定的细分市场中发现具体需求, 决定开始推出能够因应不同市场挑战的特定解决方案.
Saffron一直以打击金融犯罪的经验为基础, 在金融市场上占据非常强势的地位. 透过360度视图统整结构化和非结构化资料, 我们就能够了解在跨资料储存边界所发现的模式.
我们还宣布, 纽西兰银行(Bank of New Zealand)最近加入英特尔Saffron的早期导入计划. 这是专为对于以联想记忆AI最新进展提供创新金融服务感兴趣的机构而设计的.
您认为Saffron在加入英特尔后获得了什么好处?
Shriver-Procell: 加入英特尔带来的好处良多. 我们正讨论大型金融机构面对的严重问题. 为了提供有力的支持, 需要像英特尔这样的巨擘所拥有的力量和资源, 也需要英特尔作为技术合作伙伴的全力支持, 才能顺利在Saffro平台上建构新的功能和应用, 并使其得以升级与扩展. 随着AI快速进展, 探索实现AI的新事物与新方法不容忽视.
编译: Susan Hong
(参考原文: Intel/Saffron AI Plan Sidesteps Deep Learning, by Junko Yoshida)eettaiwan