开源全球首个可制造PDK，免费帮实现造芯梦想

李彦宏：局中人深知 AI 大有可为大家得熬过悲观期

7 月 9 日消息，7 月 9 日-11 日，2020 世界人工智能大会云端峰会开幕，大会由上海市人民政府主办，以“智联世界共同家园”为主题。李彦宏在大会现场进行主题演讲。

李彦宏谈到，我们一直在反思科技公司能在人类发展中起到哪些作用，比如我们面临新冠病毒的威胁，我们没有能在武汉封城的时候把无人车开进去帮助市民，或者人工智能技术怎么能帮助疫苗更快的研发出来。

“人工智能发展了这么多年，有繁荣有低谷，现在也有些悲观情绪，但作为局中人，我们深知人工智能一直在进步发展，我们希望用技术让人类掌握自己的命运”。

他坦言，迷雾终将散去，人工智能只是处于周期之中，我们一定会迎来大爆发，就像互联网的发展那样，熬过周期，小人物会有大作为。

李彦宏还谈到，技术的智能化、经济的智能化、社会的智能化是人工智能发展的三个阶段，未来人工智能将在经济领域施展魔力。


 

两大应用趋势：云端向边缘端扩展，追求软硬件协同按照部署位置，AI 芯片可以分为云端部署和终端部署两种。经过几年发展，AI 芯片已不仅仅限于云端，边缘 AI 芯片成为各个厂商竞相布局的垂直赛道，越来越多的 AI 应用部署到了端设备上。

目前云端市场发展已渐趋向成熟，巨头盘踞，格局难撼。对于创业公司来说，应用场景更广阔的终端设备市场还蕴含着不少机会。例如智能手机是目前应用最广泛的边缘计算设备，自动驾驶也是边缘 AI 计算的重要应用场景。边缘计算被视为下一个 AI 战场。

而另一方面，边缘侧市场空间更大，更容易给投资人“讲故事”，吸引资本的关注。据中金公司研究数据，2017 年，边缘计算 AI 芯片市场规模为 39.1 亿美元，到 2022 年，这一数字将增长至 352.2 亿美元，5 年或增长 10 倍。

近几年，边缘计算呈现出了巨大的增长需求，** 尤其在有大量数据并要求低延时响应的应用场景中。** 在边缘上做计算，具有数据处理更快速、实时业务处理、成本更低、网络带宽成本低、保护数据隐私安全等优势。

做边缘芯片，最难在于应用场景。 除自动驾驶场景较集中外，其他很多场景十分“碎片化”。AI 边缘芯片现阶段的主要挑战来源于边缘端算力需求的不一致，以及边缘算力平台的差异，导致边缘 AI 芯片的性能和功能需求难以统一界定。

王少军观察到，目前市场上出现了很多场景定义的专用芯片，“市场正朝着专业化、细分化方向发展，也说明，各领域出现了普遍性的行业落地需求，足以支撑专用 AI 芯片的发展，这对掌握了核心技术，能禁得住市场考验的 AI 芯片企业来说是一个好现象”。

另一趋势是，不少 AI 芯片公司越来越追求打造软硬件协同能力。不少原来做芯片的公司开始由硬件切入软件，有些算法公司开始深入硬件做布局。软硬件协同意味着更高的有效算力。

明确重要的落地场景是软硬件协同的前提;此外，一体化过程涉及软件和硬件两种不同技术团队间的协同，在磨合期团队要充分磨合，相关工具支持也得跟上。

软硬协同理念是从软件(算法)和硬件两个角度同时优化，从而实现性能的全局最优。在设计过程中，面临约束条件多且存在不确定性，设计空间大等挑战，导致最终结果很难得到最优解。要实现所有网络的最优，在技术上实现难度较大，为此，芯片设计应以有效加速大多数的算法为目标。

AI 芯片从未成功过?回溯 AI 芯片在国内的发展历程，2015-2016 年是业内公认的小高潮。卷积神经网络、深度学习的突破掀起了 AI 芯片的研究与创投热潮，深度学习方法在很大程度上约减了算法计算需求的多样性，为 AI 芯片提供了明确的技术可行性;算法精度的有效提升为 AI 行业落地提供了可能。

一时间，大批创业公司争相涌入，巨头公司加大投入力度，资本亦疯狂助推 ，尤其在 2018 年，AI 芯片大热，多家创企相继宣布获得融资。

2017-2019 年，在王少军看来是 AI 芯片技术和产品研发“百花齐放”的三年 — 市场端还是英伟达一家独大，涌现出了很多的新技术、新架构和新模式，AI 场景需求的定义更加清晰，云边端基本成为共识，但不同技术路线对不同场景的适应程度还没有被充分验证。

2019 年是芯片行业的转折点。资本寒冬、华为遭断供、多家科技企业被列入实体清单等事件凸显“卡脖子”危机，在国际形势不明朗的环境下，AI 芯片产业链添了不可测的发展变数，对于有技术实力、能完成替代的国内芯片公司来说，未尝不是一个发展的契机。

（编辑：信阳站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!