【见证中国速度·安徽篇】一步跨入“4小时经济圈”

2019年11月，“2019中德中小企业合作交流大会·AI分论坛”在济南举行。在圆桌论坛环节，安创加速器（Arm Accelerator）董事长杨宇欣主持了讨论，与中德专家们探讨了“AI中小企业创新发展的瓶颈与突破”这一主题，涉及AI在哪些产业落地，深度学习技术的瓶颈和限制，各家在芯片领域的布局和进展等。

论坛从左至右：安创加速器董事长杨宇欣，地平线副总裁纪鹏、旷视科技产品市场总经理沈瑄、德累斯顿工业大学教授Christian Mayr，安创生态CTO程斌、OPEN AI LAB业务发展总监付仲韬

1 AI落地的市场及挑战

1.1 AI落地的商业机会

旷视科技产品市场总经理沈瑄指出：随着芯片的迭代、升级，我们可以做出更多的设备，二者是相辅相成、呈螺旋性上升的。例如，AI产业是2016年阿尔法狗出来后带动起来的，在当时环境的芯片算法下，第一个落地点是人脸，现在出现在手机、汽车等场景，现阶段人们也在探讨智能制造/仓储物流、教育、医疗y等应用。

AI之前是AI+，经过这四五年的变化，现在变为传统的农业、科技、教育+AI，即AI需要跟传统行业结合。因为传统行业首先有自身的行业属性，AI并不是通用的行业。因此，业界一直称AI只是一个技术，给传统行业或者现有的行业带来了降成本和效率提高。

旷视科技产品市场总经理 沈瑄

地平线公司副总裁纪鹏介绍了地平线所关注的AI汽车和安防领域。首先，AI汽车是一个比较明确的AI发展方向。另外一个AI比较大的落地点是安防，监控系统是政府主导的大需求。

2019年AI商业上有一些萌芽，但还处于非常初始的阶段，没有到大规模使用的阶段，该有的细分的场景诸如铁路上的场景，从管理上能起到减员增效的作用。但还有一些AI应用场景值得商榷，例如利用AI监控员工是在聊天还是在工作，从被监视者的角度来看，被监视者眼前放一个摄像头，可能很难受。因此，AI在找落地的过程中，还需要一个探索的过程。

地平线公司副总裁 纪鹏

安创生态CTO程斌补充道，除了视觉和语音方面，他所接触的初创公司中还有做触觉的公司，这也是IoT能够出现亮点的领域。

1.2 AI应用的挑战

德累斯顿工业大学教授Christian Mayr谈了AI应用的两个挑战。一是现在很多传统行业进入AI领域需要改变一些思路，传统行业的问题都是在培训上，AI企业应该组织培训的工作坊，帮助AI技术训练和改进。另外，现在很多AI应用于物联网，因此对硬件的功耗是有要求的，因此越来越多的AI需要跟芯片结合，需要做专用的芯片，但专用芯片的设计周期较长，这也是需要解决的问题。

德累斯顿工业大学教授 Christian Mayr

安创生态CTO程斌指出了大数据的重要性。他认为，AIoT不能割裂开来看，因为首先AI需要算法、算力和数据。由于大量数据来自于IoT（物联网），IoT非常重要。我们需要把大量的数据进行收集、采集回来，这是AI数据的来源。同时因为现在的AI技术受限于前端的准确度，包括要有非常准确的数据，对数据还要进行大量的标注。

2 深度学习技术的瓶颈和限制

安创加速器董事长杨宇欣称，目前有两种AI方法：机器学习和类脑。机器学习技术是现在比较通用的AI解决问题的方式，但很多前沿技术/类脑技术慢慢显现。目前大部分商用的AI技术还是基于机器学习，但是类脑在未来解决更多机器替代人的场景下可能有更广阔的空间。

那么，AI从技术角度来看还有哪些瓶颈和限制，未来如何突破？

2.1 思维方式的差异

安创生态CTO程斌指出，AI技术包括深度学习技术最大的瓶颈在于它跟现有的人的思维方式差异很大。它依靠的是大量的数据及对模型进行训练，而且数据是要清洗过、标注过的。但是人可以通过有限的几次看（大脑自己的分析）就可以识别这是苹果，这个苹果换了任何角度，或者我只看到这个苹果的某一部分，我都能认出来它是个苹果。但是现在的AI技术并不是这样。所以，现在AI对于算力的要求很高，其实从人的大脑的角度来说并不需要这么复杂的结构。真正的AI技术应该跟人脑越来越近，越来越向真的人脑和人脑的思考方式靠近，包括脉冲神经网络是一种尝试。

安创生态CTO 程斌

德累斯顿工业大学教授Christian Mayr是主要研究类脑技术的，他认为现在的深度学习更多地是基于特征点学习的，需要大量的数据，但很多时候因为在学习到特征点的时候并不能从更高的层面去识别，因此技术应该到更高层面去解决这个问题。例如看几千头大象的照片后就可以识别大象，但在识别过程中例如看到大象的某一个特征，即使那不是大象，机器也可能会识别成大象；人当然是不会识别错的。

2.2 是否可以走向模拟

安创生态CTO程斌提出一个观点：现在的深度神经网络还是基于数字化的模式，现在也有一些公司在尝试往模拟的方向做。实际上，我们可以把很多东西做到前端的传感器的控制器里，直接从模拟信号的角度切入，不是把模拟转换成数字以后再做各种各样的训练。从人脑的角度来说，人脑传输的都是模拟的脉冲的电频信号而已，这是将来AI的方向。

3 为何很多AI公司热衷做硬件/芯片

看来类脑技术还需要时间，它是突破现在深度学习的一个技术方向。德累斯顿工业大学教授Mayr提到现在很多的AI在往硬件芯片上集合，现在也有越来越多的AI企业不是纯算法企业，而是更多地涉及到硬件/芯片。

德累斯顿工业大学教授Christian Mayr解释道，现在的AI技术是被硬件所推动的，这是一个核心。无论是存储还是算力各方面的发展，已经达到了AI技术的需求。实际上，算法在20世纪80年代就有模型，但原来的硬件没有达到要求，所以现在的AI技术因为硬件把它推动了，所以这个技术在迅速地往前走。

“现在几乎所有算法公司都有自己的芯片计划。”地平线公司副总裁纪鹏具体分析道。“因为芯片只是一个算法的载体，芯片本身并不是最核心的价值，它一定在某种特定的算法框架下结合软件，通过芯片才能够把它的算力发挥到极致，把利用率发挥到最好。”因为早已前瞻到此趋势，地平线是较早做AI芯片的公司。

安创加速器董事长 杨宇欣

旷视科技产品市场总经理沈瑄称有两个趋势促使软件厂商做芯片：第一，做芯片一定是靠量摊薄成本，所以AI芯片一定是从大批量的商用开始。第二，AI芯片厂商在向除了汽车和安防外的其他IoT终端场景赋能，诸如电视机、音响，有诸如MCU+MPU的产品出来，这种产品低功耗，需要有在终端配置的能力。

至于旷视为什么把算法往芯片上叠加或者融合？基于两个原因：如果我的产品可以做大体量，需要我的算法应用；再就是卖软件永远不如卖芯片。

基于此，从2019年上半年开始到2020年，尤其在国家大的方针政策下，预计会有越来越多的AI企业做SoC。

但是，对于创业的中小企业一定要慎重做芯片，因为芯片从一开始做到生产、封装、测试持续18个月的时间，这个周期里有两个挑战，一是你的算法不一定固化了、不用去迭代了；第二个挑战是能否有足够的终端来应用？如果这两点能解决，就可大胆地去做芯片。

4 IP与软件厂商的作用   

安创加速器（Arm Accelerator）是第一家基于Arm全球生态系统，聚焦于AI和物联网产业的创新创业服务平台。安创加速器董事长杨宇欣介绍了Arm的IP优势：Arm针对于AI和细分化的市场，从IP的角度已经切入，已经考虑到单纯的MPU或者AIPU不一定能够完成所有定制化的要求。安创生态有两大业务部门，一是AIoT解决方案部，二是集成电路公共设计平台。集成电路公共设计平台的的口号叫大家都能做芯片、人人都能做芯片。从安创生态科技的角度来说，从两个维度在进行努力，一是从解决方案的维度，另一个是从赋能第三方的角度。安创空间做了三款不同的原型平台，包括AI的、语音的和图像的。

OPEN AI LAB也是安创加速器的企业，是代表安创的创新创业的传承之一。安创第一个加速器企业是地平线，OPEN AI LAB是安创与地平线共同孵化的一家企业，2016年底才成立，只用了2年的时间，估值翻了约9倍。

OPEN AI LAB业务发展总监 付仲韬

OPEN AI LAB业务发展总监付仲韬称，OPEN AI LAB对上服务SoC厂商，对下赋能传统行业的智能改造。AI包括算力、软件和数据，OPEN AI LAB主做软件。芯片无论怎么发展，它有个内在的关系是应用承载方，OPEN AI LAB要打通不同硬件之间的差异化，实现客户对不同场景、不同硬件/芯片的需求，能快速地落地，提供IoT的解决方案。

小结

单纯从算法和软件看AI太局限了，需要拓展到整个硬件系统来看AI。传统行业拥有大量的数据和技术，但会面临AI落地的困扰；因此传统行业需要改变思路，用自身数据帮助AI技术训练。而很多AI企业已不再是纯算法，而更多地涉及到硬件和芯片，要通过把算法叠加或者融合到芯片上。而AI芯片不仅仅只是一个独立的SoC，它可以分布在设备的许多的地方。AI是一个技术，并不是一个产业，最终还是要与传统产业相结合，而这个结合将是未来长期演进的过程。

“2019中德中小企业合作交流大会·AI分论坛”的听众

“2019中德中小企业合作交流大会·AI分论坛”场外海报