中德專(zhuān)家談AI中小企業(yè)的機(jī)會(huì)與技術(shù)方向

2019年11月，“2019中德中小企業(yè)合作交流大會(huì)·AI分論壇”在濟(jì)南舉行。在圓桌論壇環(huán)節(jié)，安創(chuàng)加速器（Arm Accelerator）董事長(zhǎng)楊宇欣主持了討論，與中德專(zhuān)家們探討了“AI中小企業(yè)創(chuàng)新發(fā)展的瓶頸與突破”這一主題，涉及AI在哪些產(chǎn)業(yè)落地，深度學(xué)習(xí)技術(shù)的瓶頸和限制，各家在芯片領(lǐng)域的布局和進(jìn)展等。

論壇從左至右：安創(chuàng)加速器董事長(zhǎng)楊宇欣，地平線副總裁紀(jì)鵬、曠視科技產(chǎn)品市場(chǎng)總經(jīng)理沈瑄、德累斯頓工業(yè)大學(xué)教授Christian Mayr，安創(chuàng)生態(tài)CTO程斌、OPEN AI LAB業(yè)務(wù)發(fā)展總監(jiān)付仲韜

1 AI落地的市場(chǎng)及挑戰(zhàn)

1.1 AI落地的商業(yè)機(jī)會(huì)

曠視科技產(chǎn)品市場(chǎng)總經(jīng)理沈瑄指出：隨著芯片的迭代、升級(jí)，我們可以做出更多的設(shè)備，二者是相輔相成、呈螺旋性上升的。例如，AI產(chǎn)業(yè)是2016年阿爾法狗出來(lái)后帶動(dòng)起來(lái)的，在當(dāng)時(shí)環(huán)境的芯片算法下，第一個(gè)落地點(diǎn)是人臉，現(xiàn)在出現(xiàn)在手機(jī)、汽車(chē)等場(chǎng)景，現(xiàn)階段人們也在探討智能制造/倉(cāng)儲(chǔ)物流、教育、醫(yī)療y等應(yīng)用。

AI之前是AI+，經(jīng)過(guò)這四五年的變化，現(xiàn)在變?yōu)閭鹘y(tǒng)的農(nóng)業(yè)、科技、教育+AI，即AI需要跟傳統(tǒng)行業(yè)結(jié)合。因?yàn)閭鹘y(tǒng)行業(yè)首先有自身的行業(yè)屬性，AI并不是通用的行業(yè)。因此，業(yè)界一直稱AI只是一個(gè)技術(shù)，給傳統(tǒng)行業(yè)或者現(xiàn)有的行業(yè)帶來(lái)了降成本和效率提高。

曠視科技產(chǎn)品市場(chǎng)總經(jīng)理 沈瑄

地平線公司副總裁紀(jì)鵬介紹了地平線所關(guān)注的AI汽車(chē)和安防領(lǐng)域。首先，AI汽車(chē)是一個(gè)比較明確的AI發(fā)展方向。另外一個(gè)AI比較大的落地點(diǎn)是安防，監(jiān)控系統(tǒng)是政府主導(dǎo)的大需求。

2019年AI商業(yè)上有一些萌芽，但還處于非常初始的階段，沒(méi)有到大規(guī)模使用的階段，該有的細(xì)分的場(chǎng)景諸如鐵路上的場(chǎng)景，從管理上能起到減員增效的作用。但還有一些AI應(yīng)用場(chǎng)景值得商榷，例如利用AI監(jiān)控員工是在聊天還是在工作，從被監(jiān)視者的角度來(lái)看，被監(jiān)視者眼前放一個(gè)攝像頭，可能很難受。因此，AI在找落地的過(guò)程中，還需要一個(gè)探索的過(guò)程。

地平線公司副總裁 紀(jì)鵬

安創(chuàng)生態(tài)CTO程斌補(bǔ)充道，除了視覺(jué)和語(yǔ)音方面，他所接觸的初創(chuàng)公司中還有做觸覺(jué)的公司，這也是IoT能夠出現(xiàn)亮點(diǎn)的領(lǐng)域。

1.2 AI應(yīng)用的挑戰(zhàn)

德累斯頓工業(yè)大學(xué)教授Christian Mayr談了AI應(yīng)用的兩個(gè)挑戰(zhàn)。一是現(xiàn)在很多傳統(tǒng)行業(yè)進(jìn)入AI領(lǐng)域需要改變一些思路，傳統(tǒng)行業(yè)的問(wèn)題都是在培訓(xùn)上，AI企業(yè)應(yīng)該組織培訓(xùn)的工作坊，幫助AI技術(shù)訓(xùn)練和改進(jìn)。另外，現(xiàn)在很多AI應(yīng)用于物聯(lián)網(wǎng)，因此對(duì)硬件的功耗是有要求的，因此越來(lái)越多的AI需要跟芯片結(jié)合，需要做專(zhuān)用的芯片，但專(zhuān)用芯片的設(shè)計(jì)周期較長(zhǎng)，這也是需要解決的問(wèn)題。

德累斯頓工業(yè)大學(xué)教授 Christian Mayr

安創(chuàng)生態(tài)CTO程斌指出了大數(shù)據(jù)的重要性。他認(rèn)為，AIoT不能割裂開(kāi)來(lái)看，因?yàn)槭紫華I需要算法、算力和數(shù)據(jù)。由于大量數(shù)據(jù)來(lái)自于IoT（物聯(lián)網(wǎng)），IoT非常重要。我們需要把大量的數(shù)據(jù)進(jìn)行收集、采集回來(lái)，這是AI數(shù)據(jù)的來(lái)源。同時(shí)因?yàn)楝F(xiàn)在的AI技術(shù)受限于前端的準(zhǔn)確度，包括要有非常準(zhǔn)確的數(shù)據(jù)，對(duì)數(shù)據(jù)還要進(jìn)行大量的標(biāo)注。

2 深度學(xué)習(xí)技術(shù)的瓶頸和限制

安創(chuàng)加速器董事長(zhǎng)楊宇欣稱，目前有兩種AI方法：機(jī)器學(xué)習(xí)和類(lèi)腦。機(jī)器學(xué)習(xí)技術(shù)是現(xiàn)在比較通用的AI解決問(wèn)題的方式，但很多前沿技術(shù)/類(lèi)腦技術(shù)慢慢顯現(xiàn)。目前大部分商用的AI技術(shù)還是基于機(jī)器學(xué)習(xí)，但是類(lèi)腦在未來(lái)解決更多機(jī)器替代人的場(chǎng)景下可能有更廣闊的空間。

那么，AI從技術(shù)角度來(lái)看還有哪些瓶頸和限制，未來(lái)如何突破？

2.1 思維方式的差異

安創(chuàng)生態(tài)CTO程斌指出，AI技術(shù)包括深度學(xué)習(xí)技術(shù)最大的瓶頸在于它跟現(xiàn)有的人的思維方式差異很大。它依靠的是大量的數(shù)據(jù)及對(duì)模型進(jìn)行訓(xùn)練，而且數(shù)據(jù)是要清洗過(guò)、標(biāo)注過(guò)的。但是人可以通過(guò)有限的幾次看（大腦自己的分析）就可以識(shí)別這是蘋(píng)果，這個(gè)蘋(píng)果換了任何角度，或者我只看到這個(gè)蘋(píng)果的某一部分，我都能認(rèn)出來(lái)它是個(gè)蘋(píng)果。但是現(xiàn)在的AI技術(shù)并不是這樣。所以，現(xiàn)在AI對(duì)于算力的要求很高，其實(shí)從人的大腦的角度來(lái)說(shuō)并不需要這么復(fù)雜的結(jié)構(gòu)。真正的AI技術(shù)應(yīng)該跟人腦越來(lái)越近，越來(lái)越向真的人腦和人腦的思考方式靠近，包括脈沖神經(jīng)網(wǎng)絡(luò)是一種嘗試。

安創(chuàng)生態(tài)CTO 程斌

德累斯頓工業(yè)大學(xué)教授Christian Mayr是主要研究類(lèi)腦技術(shù)的，他認(rèn)為現(xiàn)在的深度學(xué)習(xí)更多地是基于特征點(diǎn)學(xué)習(xí)的，需要大量的數(shù)據(jù)，但很多時(shí)候因?yàn)樵趯W(xué)習(xí)到特征點(diǎn)的時(shí)候并不能從更高的層面去識(shí)別，因此技術(shù)應(yīng)該到更高層面去解決這個(gè)問(wèn)題。例如看幾千頭大象的照片后就可以識(shí)別大象，但在識(shí)別過(guò)程中例如看到大象的某一個(gè)特征，即使那不是大象，機(jī)器也可能會(huì)識(shí)別成大象；人當(dāng)然是不會(huì)識(shí)別錯(cuò)的。

2.2 是否可以走向模擬

安創(chuàng)生態(tài)CTO程斌提出一個(gè)觀點(diǎn)：現(xiàn)在的深度神經(jīng)網(wǎng)絡(luò)還是基于數(shù)字化的模式，現(xiàn)在也有一些公司在嘗試往模擬的方向做。實(shí)際上，我們可以把很多東西做到前端的傳感器的控制器里，直接從模擬信號(hào)的角度切入，不是把模擬轉(zhuǎn)換成數(shù)字以后再做各種各樣的訓(xùn)練。從人腦的角度來(lái)說(shuō)，人腦傳輸?shù)亩际悄M的脈沖的電頻信號(hào)而已，這是將來(lái)AI的方向。

3 為何很多AI公司熱衷做硬件/芯片

看來(lái)類(lèi)腦技術(shù)還需要時(shí)間，它是突破現(xiàn)在深度學(xué)習(xí)的一個(gè)技術(shù)方向。德累斯頓工業(yè)大學(xué)教授Mayr提到現(xiàn)在很多的AI在往硬件芯片上集合，現(xiàn)在也有越來(lái)越多的AI企業(yè)不是純算法企業(yè)，而是更多地涉及到硬件/芯片。

德累斯頓工業(yè)大學(xué)教授Christian Mayr解釋道，現(xiàn)在的AI技術(shù)是被硬件所推動(dòng)的，這是一個(gè)核心。無(wú)論是存儲(chǔ)還是算力各方面的發(fā)展，已經(jīng)達(dá)到了AI技術(shù)的需求。實(shí)際上，算法在20世紀(jì)80年代就有模型，但原來(lái)的硬件沒(méi)有達(dá)到要求，所以現(xiàn)在的AI技術(shù)因?yàn)橛布阉苿?dòng)了，所以這個(gè)技術(shù)在迅速地往前走。

“現(xiàn)在幾乎所有算法公司都有自己的芯片計(jì)劃?！钡仄骄€公司副總裁紀(jì)鵬具體分析道。“因?yàn)樾酒皇且粋€(gè)算法的載體，芯片本身并不是最核心的價(jià)值，它一定在某種特定的算法框架下結(jié)合軟件，通過(guò)芯片才能夠把它的算力發(fā)揮到極致，把利用率發(fā)揮到最好。”因?yàn)樵缫亚罢暗酱粟厔?shì)，地平線是較早做AI芯片的公司。

安創(chuàng)加速器董事長(zhǎng) 楊宇欣

曠視科技產(chǎn)品市場(chǎng)總經(jīng)理沈瑄稱有兩個(gè)趨勢(shì)促使軟件廠商做芯片：第一，做芯片一定是靠量攤薄成本，所以AI芯片一定是從大批量的商用開(kāi)始。第二，AI芯片廠商在向除了汽車(chē)和安防外的其他IoT終端場(chǎng)景賦能，諸如電視機(jī)、音響，有諸如MCU+MPU的產(chǎn)品出來(lái)，這種產(chǎn)品低功耗，需要有在終端配置的能力。

至于曠視為什么把算法往芯片上疊加或者融合？基于兩個(gè)原因：如果我的產(chǎn)品可以做大體量，需要我的算法應(yīng)用；再就是賣(mài)軟件永遠(yuǎn)不如賣(mài)芯片。

基于此，從2019年上半年開(kāi)始到2020年，尤其在國(guó)家大的方針政策下，預(yù)計(jì)會(huì)有越來(lái)越多的AI企業(yè)做SoC。

但是，對(duì)于創(chuàng)業(yè)的中小企業(yè)一定要慎重做芯片，因?yàn)樾酒瑥囊婚_(kāi)始做到生產(chǎn)、封裝、測(cè)試持續(xù)18個(gè)月的時(shí)間，這個(gè)周期里有兩個(gè)挑戰(zhàn)，一是你的算法不一定固化了、不用去迭代了；第二個(gè)挑戰(zhàn)是能否有足夠的終端來(lái)應(yīng)用？如果這兩點(diǎn)能解決，就可大膽地去做芯片。

4 IP與軟件廠商的作用   

安創(chuàng)加速器（Arm Accelerator）是第一家基于Arm全球生態(tài)系統(tǒng)，聚焦于AI和物聯(lián)網(wǎng)產(chǎn)業(yè)的創(chuàng)新創(chuàng)業(yè)服務(wù)平臺(tái)。安創(chuàng)加速器董事長(zhǎng)楊宇欣介紹了Arm的IP優(yōu)勢(shì)：Arm針對(duì)于AI和細(xì)分化的市場(chǎng)，從IP的角度已經(jīng)切入，已經(jīng)考慮到單純的MPU或者AIPU不一定能夠完成所有定制化的要求。安創(chuàng)生態(tài)有兩大業(yè)務(wù)部門(mén)，一是AIoT解決方案部，二是集成電路公共設(shè)計(jì)平臺(tái)。集成電路公共設(shè)計(jì)平臺(tái)的的口號(hào)叫大家都能做芯片、人人都能做芯片。從安創(chuàng)生態(tài)科技的角度來(lái)說(shuō)，從兩個(gè)維度在進(jìn)行努力，一是從解決方案的維度，另一個(gè)是從賦能第三方的角度。安創(chuàng)空間做了三款不同的原型平臺(tái)，包括AI的、語(yǔ)音的和圖像的。

OPEN AI LAB也是安創(chuàng)加速器的企業(yè)，是代表安創(chuàng)的創(chuàng)新創(chuàng)業(yè)的傳承之一。安創(chuàng)第一個(gè)加速器企業(yè)是地平線，OPEN AI LAB是安創(chuàng)與地平線共同孵化的一家企業(yè)，2016年底才成立，只用了2年的時(shí)間，估值翻了約9倍。

OPEN AI LAB業(yè)務(wù)發(fā)展總監(jiān) 付仲韜

OPEN AI LAB業(yè)務(wù)發(fā)展總監(jiān)付仲韜稱，OPEN AI LAB對(duì)上服務(wù)SoC廠商，對(duì)下賦能傳統(tǒng)行業(yè)的智能改造。AI包括算力、軟件和數(shù)據(jù)，OPEN AI LAB主做軟件。芯片無(wú)論怎么發(fā)展，它有個(gè)內(nèi)在的關(guān)系是應(yīng)用承載方，OPEN AI LAB要打通不同硬件之間的差異化，實(shí)現(xiàn)客戶對(duì)不同場(chǎng)景、不同硬件/芯片的需求，能快速地落地，提供IoT的解決方案。

小結(jié)

單純從算法和軟件看AI太局限了，需要拓展到整個(gè)硬件系統(tǒng)來(lái)看AI。傳統(tǒng)行業(yè)擁有大量的數(shù)據(jù)和技術(shù)，但會(huì)面臨AI落地的困擾；因此傳統(tǒng)行業(yè)需要改變思路，用自身數(shù)據(jù)幫助AI技術(shù)訓(xùn)練。而很多AI企業(yè)已不再是純算法，而更多地涉及到硬件和芯片，要通過(guò)把算法疊加或者融合到芯片上。而AI芯片不僅僅只是一個(gè)獨(dú)立的SoC，它可以分布在設(shè)備的許多的地方。AI是一個(gè)技術(shù)，并不是一個(gè)產(chǎn)業(yè)，最終還是要與傳統(tǒng)產(chǎn)業(yè)相結(jié)合，而這個(gè)結(jié)合將是未來(lái)長(zhǎng)期演進(jìn)的過(guò)程。

“2019中德中小企業(yè)合作交流大會(huì)·AI分論壇”的聽(tīng)眾

“2019中德中小企業(yè)合作交流大會(huì)·AI分論壇”場(chǎng)外海報(bào)