智源导读：12月16日，由科技媒体【量子位】主办的“MEET 2021智能未来大会”在北京召开，其中包括创新工场董事长兼CEO李开复、中国工程院院士谭建荣、小米公司副总裁崔宝秋、清华大学计算机系教授唐杰等诸多 AI
产业界、学术界的知名人物现场分享了过去一年的成果、经验，并碰撞出不少思辨的火花。
量子位将 19 位嘉宾核心观点整理如下，智源社区转载供读者参考。
按演讲顺序，各小标题如下：
-> AI从业者要遵循AI领域的“希波克拉底”誓言
大会开场，创新工场董事长兼CEO李开复与量子位主编李根，畅谈了这一年中AI在技术的突破，以及落地上的新见解。
谈到今年的疫情，李开复认为，疫情带来最大的影响就是加快了数据化、线上化和AI化。AI最重要的核心就是海量的数据，海量的数据就能带来更多新的应用。
线上会议加速了虚拟人的发展，社交距离的限制促进了配送机器人的应用。
今年，AI在基础技术上有多项重大突破，比如大型语言模型GPT-3和预测蛋白质结构的AlphaFold。
这些AI技术轰动全球，然而李开复也谈到了它们广阔的应用前景。但他认为，AI给社会带来最大的价值，或者带来最大的经济价值，肯定不是这种黑科技。
今天AI的技术已步入成熟，可以被传统公司拥抱，AI给传统行业带来了立竿见影的巨大效果，比如制造、健康、医疗、零售、金融、保险等等行业。
李开复呼吁这些传统企业应该像20年前拥抱互联网一样，拥抱AI是大家最大的机会。越早拥抱AI，就会拥有更大的竞争力，越晚拥抱AI，生存的空间可能会进一步被压缩。
至于怎么拥抱AI，则需要有海量的、结构化的、有标注的、达成商业目标的精确数据，这是一个长期积累的过程。
过去一年，李开复在《纽约时报》等外媒上谈到了中国AI企业的出海机会。他认为今天中国的创新至少在IT、AI的领域是有机会弯道超车的。虽然有一些地方美国更强，技术更深，但是中国的商业化做得更快。在中东、非洲、南美等新兴市场，这些地区还没有形成美国产品的使用习惯。中国企业有机会拿下世界GDP四分之一、人口四分之三的广阔市场。
最后，李开复还站在20年后思考现在——从2041年角度，给出AI从业者建议：AI从业者要遵循AI领域的“希波克拉底”誓言，确保自己做出来的算法带给人类的是进步，而非偏见、不公、伤害。
-> 开源是人类技术进步的最佳平台和模式
小米集团副总裁、集团技术委员会主席崔宝秋分享了小米在AI和开源上的思考。
在战略上，今年小米将未来十年的核心战略升级为手机×AIoT，AIoT是AI技术加持的智能设备。
在产品上，2020年小米升级了AI相机、快速充电技术，推出了还有基于UWB技术打造的小米“一指连”当然还有小米最重要的AI技术——“小爱同学”。“小爱同学”就是小米的AI，就是小米的分布式AI能力系统。为了打造一个开放的平台与开放的生态，小米开源了两大技术。
一个是小米2018年对外开源的移动端深度学习开源框架MACE，另外一个就是人机交互方面的语音交互工具包Kaldi 2.0。
崔宝秋认为，今天我们正在跨入互联网文明，大数据信息时代，开源将扮演越来越重要的角色。在过去10几、20多年来，从早期的互联网，到云计算，到大数据，到2016年开始变得非常火热的人工智能，我们离不开开源软件，开源软件在云计算和大数据时代，已经成为事实的标准。
在今天，AI全球分化的时代，各个AI巨头，各个国家，都想通过开源这种模式来快速打造AI方面的领先地位。所以所有的巨头都在深度拥抱开源。所以中国的所有AI企业，包括小米在内，也都在纷纷拥抱开源。崔宝秋坚信，开源是人类技术进步的最佳平台和模式。
->计算力就是生产力
浪潮信息副总裁、浪潮AI&HPC总经理刘军指出，我们已经进入到了一个智慧时代，而智慧时代最重要的生产力就是计算力。在智慧时代，劳动者第一次不仅仅是人，人工智能也成为了我们的劳动者。
今年在AI方面最重要的一个的技术创新，就是GPT-3。而为了训练它，据说需要花费500万到2000万美金计算费用。其实不仅GPT-3，我们遇到的各种AI的实际应用，实际上背后也有算力在做支撑。
工业时代的基建是发电厂。而在智慧时代，智能计算中心就是新的发电厂。它会为智慧应用提供源源不断的AI算力数据服务，这也是今年4月份发改委针对新基建做出了新的阐述，即面向AI的新基建。
进入AI时代，提供算力服务的智算中心和过去的超算中心在计算架构上有所不同。浪潮基于AI芯片、AI服务器、高速互联、深度学习的框架，来构建整个智算中心，实现生产算力、聚合算力，调度算力、释放算力，从而形成一个算力生产供应的平台，数据开发共享的平台，智能生态的建设平台和产业创新的平台。
过去几年里，浪潮致力打造“元脑生态”计划，本质就是使具备领先AI算法的科技公司，能够覆盖到传统的行业客户。在这样一个生态中，具备领先AI算法的科技公司作为“左手伙伴”，够覆盖到千行万业的行业ISV、SI作为“右手伙伴”，浪潮聚焦做算力系统平台能力共享，这样三类角色在元脑生态里产生了化学反应，携手合作促进产业AI化，驱动产业AI化的进步。
-> 敏捷也是AI能力的一种体现
山景智能科技创始人及CEO也分享了一些经验。山景智能专注于在金融领域，帮助银行业、金融行业去寻找通用智能能力。所谓通用智能能力，不能只对某一个模型、某一个算法而沾沾自喜，而更多是做AI的能力泛化。
黄勇认为，银行一定要构建自己的开放的架构、敏捷的架构、智能化的架构。这是今天银行恰恰缺乏的。金融领域、金融机构、未来的金融企业，一定会从数据智能走向业务智能。
黄勇认为，机器会替代人写代码、替代人做业务的决策，因此上端一定会出现业务服务自动编排和自动分装的过程。不仅仅在金融领域，在其他的领域都会走向这一步，这样才会把人的各种能力释放出来做其他的决策。AI中台向上发布的不仅仅是算法和模型，而是业务智能能力。只有实现数据自动化、数据智能能力的分装和AI智能能力的分装，才有可能实现业务的自动化服务。未来所有的算法，从需求到算法，到整个业务流程，一定是完全敏捷的，敏捷也是AI能力的一种体现。
-> 未来5年大部分卡车都会变成无人卡车
G7创始人、首席执行官翟学魂分享了物联网技术在无人卡车中发挥的作用。G7是一家10年前成立的，专门在物流领域里面提供物联网服务的公司。通过运货卡车加入IoT、 AI的技术，G7可以将使用寿命从5年变成12年，虽然车制造的成本比一般的车要贵，但通过这种方式，贵的东西反而变便宜了。
翟学魂以卡车运输煤炭为例，讲述了物联网大数据对运输安全的改进，通过车载物联网设备的数据识别，可以发现用怎样的方式运输会更安全。另外，通过对物联网数据的分析，也可以得到一些经济数据，G7发现卡车物联网数据跟GDP的数据高度是吻合的，还有利用卡车运输数据分析雄安的建设状况。
翟学魂认为，未来3到5年时间带来的变化，会远远超过过去这10年。未来5年左右的时间，大部分新的卡车都会变成自动驾驶的卡车，也许不是完全无人的，但是一定是司机不怎么管安全，也不怎么管油耗的，只是坐在那儿象征性的开一下车。而且他还认为，未来5年之后，绝大部分卡车的能源会发生根本性变化，不会再用柴油了，所以能源、装备、生产力在未来5到8年的时间，会发生根本性的变化，而G7能在里面起到显著地推动作用。
-> 为了省钱用AI替代人是伪命题
容联云通讯CPO熊谢刚分享了他们在AI落地化中的一些行业经验。过去两到三年，大量的AI创业公司出现，但是这些创业公司其实都面临着产品变现非常难的问题。很多创业公司100人到500人发展很快，收入基本上都是好几千万，但是很难看到在未来的两到三年，或者三到四年，做到上亿，甚至接近几个亿的收入规模。
原因是什么？是因为每个AI项目的客单价不高。作为一个AI创业公司，如何让公司怎么成长起来，需要让客户在使用完AI产品以后，切实感受到业务效果的提升。过去受到市场的影响，行业在大谈AI产品是为了替代人，替代人的目的是什么？是为了服务、省钱。
而熊谢刚认为，用AI替代人，在今天的这样一个定位，是一个伪命题。用AI去做产品考虑的恰恰不是去替代人，而是用AI去做人做不了的事情。这些事情可分为两类：一类就是数据量特别大的，还有一类就需要计算速度越快越好的。例如在通信领域做应急通信，出现大量的突发事件的时候，需要快速的响应。所以一旦用AI的技术去很好的处理了这两个事情，客户花多少钱都会买单。如果能找到这两个点的话，一定会让AI产品成为刚需。
在上午的最后阶段，百度副总裁、Apollo平台研发总经理王京傲，驭势科技联合创始人、董事长兼CEO吴甘沙，轻舟智航联合创始人、CEO于骞，图森未来联合创始人&COO郝佳男，四位行业大佬坐在一起激辩自动驾驶。谈到各种公司技术的侧重点，每个人都对自动驾驶未来的发展有着独到的见解。
王京傲认为，今年汽车行业的一个趋势是汽车智能化，从各大新造车势力的股价可以看出其势不可当。自动驾驶的大幕刚刚拉开，大家快来做，越早越好。在Robotaxi方面，百度现在已经落户到了广州、沧州、北京、长沙这些城市，明年会落地更多的城市，并提升这些城市的运营效率。对于未来的展望，百度的目标是，在未来的3年将Robotaxi落户30个城市，在未来的5年里面将Apollo智能驾驶安装到百万辆车以上。
吴甘沙认为，今年自动驾驶商业化有三个关键词：上量、真无人、全天候。上量是指驭势科技对今年客户总量的预计太保守。真无人则是体现在从去年底开始驭势科技率先在运营中取消了安全员。全天候是说无人驾驶进入运营状态后，必须应对各种复杂环境和气候等。他还指出，从商业化节奏和需求的迫切性上来看，无人驾驶汽车载物会比载人更快落地。
于骞则认为，在国内载人的场景，Robobus一定要比Robotaxi更快落地，而载货方面，在美国的重卡，应该是一个比较快的落地方向。在L4方面，Robobus以固定路线、中低速的微循环公交形式落地会更实际和务实。而L4级别的自动驾驶，想大范围普及，还需要解决很多corner
case，即便强如Waymo，目前也面临许多技术问题。甚至到最后，Robobus和Robotaxi或将殊途同归，以共享无人小巴的形态大范围普及。
郝佳男指出，在无人车落地化方面，中国相比美国有着许多优势。美国每个州有自己的一个计划，对无人驾驶持相对开放的态度。在中国可能有一些法规需要进行突破，但是，他对此比较乐观。中国其实有很多美国可能不太容易推进的资源，比如说V2X、车联网，这些资源可以让中国“后发先至”，走得更快。
-> 数字经济搞得好不好，要看企业、群众是否受益
中国工程院院士谭建荣在会上做了题为《数字经济与数字转型：关键技术与发展趋势》的演讲。
谭建荣院士指出，实体经济始终是国民经济最重要的基础，搞人工智能、大数据、数字经济，一定要跟实体经济结合起来，而且是一定要跟制造业结合起来。
从需求上看，目前，无论是实体经济还是数字经济，都发生了很大的变化。变化主要来自4个方面：
-
批量化生产向定制化生产的转变
-
单一化产品向多品种产品的转变
-
产品更新换代周期越来越快
-
大众化产品向高端化产品的转变
与此同时，是新一代信息技术的发展。新一代信息技术同样具有4个显著的特点：
-
由互联网技术发展到物联网技术
-
由虚拟现实技术发展到增强现实技术
-
由网格计算技术发展到云计算技术
-
由机器学习技术发展到深度学习技术
这样的转变和发展，就支撑起了现在数字经济的发展。
谭建荣院士认为，数字经济的发展过程中有三大重要的里程碑：
第一个里程碑，是40年前美国未来学家阿尔文·托夫勒提出“数字经济”的概念。在《第三次浪潮》中，他预见到互联网是个舞台，创新的主角是大数据，大数据将走向第三次浪潮的华彩乐章。
第二个里程碑，是美国副总统戈尔提出数字地球的概念。数字地球是一个与地理信息系统、网格、虚拟现实等高新技术密切相关的概念。其核心是地球空间信息科学，以及遥感技术、地理信息系统和全球定位系统这三大基本技术的集成。
第三个里程碑，就发生在中国。2016年在杭州举行的G20领导人峰会，首次提出全球性的《二十国集团数字经济发展与合作倡议》。2017年中国政府工作报告，首提“数字经济”，提出要“促进数字经济加快成长，让企业广泛受益、群众普遍受惠”。
谭建荣院士也强调，数字经济搞得好不好，人工智能搞得好不好，主要的标准就是这两条：第一，企业有没有受益；第二，群众有没有受惠。
那么，回到那个问题，数字经济与实体经济紧密结合，又该如何高质量发展？谭建荣院士提到了高质量发展的4大要素：高质量的产品、高质量的技术、高质量的管理和高质量的人才。
具体而言，谭建荣院士总结分享了5个方法：
第一，要把人工智能用到制造业当中，形成智能制造，用智能制造来提升创新能力、设计能力和产品研发能力。如今，产品创新设计能力仍然是中国制造业的短板，而这种创新能力的薄弱，也是存在于信息企业当中。谭院士引用中国工程院前院长徐匡迪院士的观点强调：“不研究人工智能的算法，就无法掌握人工智能的核心技术。”
第二，通过智能制造来提升工艺。
第三，通过智能制造来强化质量。不仅要提高硬件产品的质量，还要提高软件产品的质量。谭院士认为，工业软件是中国最短的短板之一，亟待补全，而要重振中国的工业软件企业，人工智能将大有用武之地。
第四，智能制造+延伸服务。不仅软件业要变为服务业，制造业也要向制造服务方向转变。
第五，通过智能制造数字化转型，找准产品服务对象，拓展产品市场。
->“接地气的AI”就是希望让每个人享受到科技带来的便利
科技应该真正为社会价值做出贡献。美团副总裁、首席科学家夏华夏分享了什么是“接地气的AI”。用智能语音技术帮盲人点餐，用NLP帮助餐馆老板回复客户问题，在疫情期间用无人车协同骑手配送外卖……说起来，都是“小事”，但夏华夏认为，这些深入人们日常生活的AI应用，恰恰体现了很多科技工作者工作的价值——用技术，去帮助每一个普通人生活得更好。
夏华夏指出，接地气的AI，是人工智能发展至今的一个大趋势。过去由数字、资本驱动的AI，在今天逐步落地之后，已经变成由实际价值驱动的AI。这个价值由谁来决定？自然是技术的受益者，每个普通大众。
所以，到底什么是“接地气的AI”？
第一，是落地速度接地气。以美团为例。据不完全统计，在2020年，整个美团AI团队落地了近3000个实际业务需求，涵盖配送调度策略调整、商家智能运营的方方面面。
第二，是服务行业接地气。也就是说，把AI技术应用到普通的本地生活服务商，包括衣食住行、吃喝玩乐。从用户的角度来看，人工智能渗透进衣食住行的方方面面，带来了用户体验的提升；从商家的角度而言，美团这样的平台提供的AI能力，能够帮助商家做信息化、数字化、智能化乃至自动化升级，优化商家整体的经营手段。
第三，是服务对象接地气。技术在飞快地往前发展，但却不是每个人都享受到了技术带来的便利。但夏华夏认为，技术的发展不应该把任何一个人抛下、落下。AI的服务对象，应该是每一个普通人。而这，也是美团AI的技术宗旨。
那么，“接地气”是不是意味着只想今天，不想明天？夏华夏回答：科技落地应用与长期技术探索并不矛盾。
接地气是我们在落地科技时的一种“科技为人”的价值导向。科技的落地应用，与长期、有挑战的科技探索之间并不冲突。
在长期、有挑战的工作上做投入、做突破，才能让科技持续产生价值。
最后，夏华夏还展望了一下AI最美好的模样：像水电煤一样成为未来生活的基础设施，无处不在，但不一定需要被用户感知。AI可以在生活的每一个角落为我们服务。
-> 认知图谱是人工智能的下一个瑰宝
清华大学计算机系教授、系副主任唐杰在会上做了题为《认知图谱，人工智能的下一个瑰宝》的演讲。人工智能的发展可以划分为三个时代：符号AI、感知 AI 和认知 AI。认知AI到现在为止尚未实现。
那么，实现认知AI需要做什么？唐杰教授指出，现在急需打造的是AI基础设施，比如认知图谱怎样构建。
为什么要强调认知的逻辑呢？唐杰教授举了GPT-3的例子。GPT-3，参数规模达到1750亿，数量级接近人类神经元。并且，在表达能力上，这样的大规模语言模型已经使得AI接近人类。这就带来了一个启示：我们是否可以直接通过大规模、大算力、大计算的方法，得到一个超越人类的通用人工智能？且不谈上亿人民币的训练成本，GPT-3这样的语言模型，如今已经暴露出一个明显的问题：没有常识。比如，你问它一根草有几只眼睛，它会回答“一只眼睛”。
想要解决这样的问题，用计算的方式做认知，唐杰教授谈到可以结合两种方法去实现：
第一，数据驱动。把所有数据进行建模，并学习数据之间的关联关系，学习数据的记忆模型。
第二，知识驱动，构建知识图谱。
不过，仅仅如此仍然不够。唐杰教授指出：
真正的通用人工智能，我们希望它有持续学习的能力，能够从已有的事实、从反馈中学习到新的东西，能够完成一些更加复杂的任务。
因此，认知AI应该符合9个准则：适应与学习能力，定义与语境化能力，自我系统的准入能力，优先级与访问控制能力，召集与控制能力，决策与执行能力，错误探测与编辑能力，反思与自我监控能力，条理与灵活性之间的能力。
认知图谱的概念也就应运而生。认知图谱有三个核心要素：
-
常识图谱。比如高精度知识图谱构建工具，领域知识图谱应用系统，超大规模常识知识图谱，基于知识图谱的推荐/搜索等等。
-
逻辑生成。与计算模型相关，如超大规模的预训练模型，能够自动进行内容生成。
-
认知推理。即让计算机有推理、逻辑思维能力，像人一样思考。
唐杰教授表示，知识图谱+深度学习+认知心理，打造知识和认知推理双轮驱动的框架，将是接下来一个重要的研究方向。项目关键技术通过成果转化孵化了北京智谱华章科技有限公司（简称智谱·AI），形成多个核心产品，在阿里巴巴、搜狗、华为、腾讯、点通、工程院等30余家企事业单位部署了超过100余套智能型云服务系统，应用前景极其广阔。智谱·AI在2020年中国人工智能年度评选中获得AI明星创业公司TOP10及最佳解决方案TOP10两个奖项。智谱·AI作为知识图谱产业链的参与者，助力人工智能赋能实体产业，促进我国新基建发展。
-> 用AI让创作者提升效率，让消费者简单快乐
爱奇艺副总裁谢丹铭，在大会现场分享了爱奇艺在内容创作与消费方面的智能化应用。受到疫情的影响，智能技术在内容产业中的重要性大大提升：内容的创作是否能搬到线上？广告预算减少的情况下，如何让投放效率变得更高？
谢丹铭谈到，爱奇艺的智能化应用主要服务于两部分人，一部分是上游的内容创作者，一部分是用户消费者。
面向内容创作者，爱奇艺基于AI实现了一个大型综艺制作系统，爱创媒资系统：能自动给素材打标签；自动给多个摄像机拍摄的素材按时间做对齐；另外，还有自动审片功能，快速找到不合规内容，快速计算适合的商务植入时间……大大提高综艺后期制作的效率。在电影制作方面，爱奇艺则推出了视频增强技术ZoomAI。可以去噪、插帧、把1080P视频超分为4K视频，完成老电影、老视频的一系列修复工作。
谢丹铭表示，应用AI之后，电影修复的80%工作都可以交由AI来完成。而面向4亿二次元人群，爱奇艺在动漫制作方面同样有AI技术落地：智能上色引擎能根据指定风格，帮助创作者给线稿上色；也能根据人工上色的关键帧，把特征迁移到后面的系列帧当中，提升80%的上色效率。另外，爱奇艺AI也在动态漫画中实现了唇型驱动技术，生成的素材效果非常接近人工。
面向用户消费者，谢丹铭介绍，爱奇艺根据用户需求，推出了奇观功能，不仅能识别演员，还能识别背景音乐，甚至台词的含义等。
总之，在内容的创作和消费领域，从创作到分发，从翻译到审核，AI正在广泛地被应用，实现科技与技术的结合，促进整个产业的升级。谢丹铭表示，爱奇艺希望，通过AI让创作者提升效率，让消费者简单快乐。
-> 强大的AI不应该提供给企业，而应该给企业里的劳动者
小冰公司首席执行官李笛，在大会上分享了小冰框架的大量实践。
人工智能正在不可避免地进入人类社会的每一个角落，和人类发生各式各样、千丝万缕、无处不在的关联。李笛认为，在讨论人工智能未来的价值之前，需要先讨论人工智能的边界。作为一个占据全世界范围内人和人工智能交互总流量60%的技术框架掌舵者，李笛根据实际经验，把技术运用的边界归结为三件事：
第一件事，预判技术在运用过程中可能会遇到的困境，尝试用系统化的结构，去提升规避掉这些困局。
第二件事，是对场景的克制。人工智能要发展，需要在选择落地场景上保持克制。
第三件事，是尝试保护双方的机制。把人工智能想像成一个面向未来的系统，它会跟亿万人类发生各式各样实时、高并发的交互，所以在系统设计上一个非常重要的边界，就是对双方进行保护。李笛表示，这也是为什么小冰公司坚决禁止为普通个人去训练声音。
李笛在现场展示了小冰的语音能力，在有意识地加入人类语音的瑕疵之后，小冰更加接近于人，能实现31分钟的人类舒适时长。Siri的这一指标为2.6分钟-7.8分钟。李笛认为，这种能力太接近于真人，很有可能被不法分子利用。因此在技术不足以防范语音诈骗的时候，需要非常谨慎。
另外，李笛还谈到了这样一个问题：当你手上有一个强大的AI工具，应该把它提供给谁？
李笛说：不应该提供给企业，而应该给企业里的劳动者。
澎思科技创始人兼CEO马原在会上发表《AIoT生态模式，驱动AI普惠与商业化》的主题演讲。
马原表示，2020年已经成为AI惠普的元年。最先集中爆发的是城市中的金融、教育、社区、楼宇园区、地产商业等场景。长期来看，中长尾客户将占据AIoT市场的主体。作为以AIoT生态模式，加速人工智能普惠和商业化路上的排头兵，马原结合澎思科技的实践经验，从技术变革和落地实践角度阐述了对智慧城市AIoT场景的思考。
技术变革层面，澎思坚持“AI为基，IoT为翼”，大力研发以迁移学习、无监督/自监督学习、小样本学习等为代表的通用人工智能技术，建设云端AI在线迁移学习平台，为普惠智能提供技术基础。同时，投入轻量化应用、边缘智能的IoT物联网搭建，加强端侧AI轻量化设计，实现场景的泛化。目前，澎思的相关算法研究已在产业应用中发挥良好效果，形成生产力转化。
落地实践层面，澎思致力于满足智慧城市AIoT场景的中长尾市场需求，通过追求极致性价比的AIoT智能产品和服务重点场景的解决方案能力，落地楼宇通行、智慧社区等城市人居的核心场景。
马原表示，AI技术的底层其实还是IT技术，用终局思维去倒推，AI最终也会以服务的方式体现，也就是“AI即服务”。他认为，通用智能技术的发展、AIoT的深度融合，以及AI在场景落地中面临的中长尾市场需求，都让普惠成为2020年AI行业发展的大趋势。而在这一过程中，澎思科技将致力于同各行业合作伙伴一起，建立开放、创新、融合的生态体系，共建AIoT多维度应用场景，以AIoT生态模式，加速AI普惠与商业化进程。
-> 5G是首次将AI写入通信核心网络架构里
亚信科技CTO、高级副总裁欧阳晔博士分享的话题是“通信人工智能的下一个十年”。
2017 年，人工智能第一次被 3GPP 定义进入 5G 核心网络架构中并以独立网元存在，是人工智能与移动通信做为通用目的技术融合发展的一个标志性里程碑。
3GPP在2008年第一次引入了自组织网络SON (Self Organizing Networks)的概念，移动通信领域开始尝试利用机器学习、数据挖掘等分析算法来进行网络性能与质量的优化以及网络运维的自动化工作。但受制于数据接口开放程度以及AI功能在网络中定义尚未清晰，SON作为网络智能化的初次尝试，在过去的12年中发展较为平淡。
随着ORAN，ETSI，3GPP在2017年之后愈加清晰的网络人工智能定义及发展分级体系的制定，5G+人工智能作为通用目的技术组合，在未来十年将进入一个快速发展期。
人工智能面向5G核心网，无线接入网，网络管理域，业务管理域，客户体验管理域，垂直行业及5G专网等，都有极大注智与融智的空间。未来十年，随着5G向6G的演进，人工智能将在第六代移动通信的网络核心架构及业务场景中扮演更重要的角色，最终使网络向高度智能自治的目标迈进。
-> 将最先进算法和最先进芯片架构结合
地平线联合创始人兼技术副总裁黄畅带来的话题是“软件2.0时代AI芯片的挑战”。
从2012年开始，深度学习，尤其是机器视觉开始一飞冲天，取得巨大的突破。过去8年持续的提升，图像识别的精度不断的提升，同时它的计算效率越来越高。和8年前相比，我们今天只要用大约几百分之一的计算量就可以达到8年前做一个图象识别的精度，这是一个巨大的进步。算法的进化速度甚至超过半导体的摩尔定律。每10到14个月，达到相同精度的计算量可以下降一半。
但很不幸这是以算法设计得越来越巧妙为代价的，而算法设计得巧妙会对计算架构提出巨大的挑战，尤其是传统通用的并行计算架构，比如说GPU架构，会使得整个计算效率相当的低下。
因此，在芯片设计领域，相关的处理器架构变得尤为重要，否则继续沿用通用计算架构会使更先进的算法无法高效运行。
所以地平线提出了一个新指标MAPS，即在精度有保障范围内的平均处理速度（Mean Accuracy-guaranteed Processing Speed），针对应用场景的特点，在精度有保障的前提下，包容所有与算法相关的选择，评估芯片对数据的平均处理速度。希望以此为业界同行提供一个评估芯片AI真实性能的全新视角。
MAPS评测方法，关注真实的用户价值，将每颗芯片在‘快’和‘准’这两个关键维度上的取舍变化直观地展现出来，并在合理的精度范围内，评估芯片的平均处理速度。这个方法具有可视化和可量化的特点。通过MAPS这个指标，地平线设计芯片和一个通用设计芯片之间的差别，可以看到芯片功耗和他所能带来的性能方面是有巨大优势的。
最后，在车规芯片上，地平线在过去几年也取得了瞩目的成就。地平线是全球仅有的三家实现了车规级AI芯片规模化量产的公司之一，也是国内唯一实现车规级AI芯片大规模量产的AI芯片企业。
-> AI框架的发展到了汽车替代马车的阶段
大会最后，华为计算开源开发与运营部副总监黄之鹏介绍了今年3月28日开源的自研AI框架MindSpore。可能很多人会有疑问，行业里已经有了TensorFlow、PyTorch这样成熟的框架，为何华为还要“重复造轮子”？
黄之鹏说，如果打个通俗的比方，那就是：AI框架的发展，已经到了一个类似于历史上汽车出现替代马车的阶段。也就是说我们正处于20世纪初的那样一个变革年代。
现有的框架可以看作是达到了马车时代的顶峰。现有框架可以像马车一样做到非常舒适、精致，有足够的运行效率，也有非常好的上下游的生态。
MindSpore类似于那个时代的汽车，可能没那么舒适、精致，但是有很强的操纵感，具有工业化设计和流水线能力，可以有超乎想象的效率和性能，构筑了全新的硬核科技生态。
如果使用过MindSpore，尤其在昇腾环境上，能体会到运行感非常好。
MindSpore就像汽车一样，是一个工业化的产品，具有非常好的工业化能力，尤其是对大规模自动化并行的支持，应该是前所未有的。华为开发MindSpore最重要的是，尝试解决很多具体的问题。对于AI算法工程师来说，如何更高效、更简洁地开发。对于企业来说，尤其是生产环境的鲁棒性也是非常重要的。还有就是硬件能力的释放，现在是有大量AI专用硬件的时代，如何能够把这些优秀硬件的能力极大的释放出来，这对于框架来说也是一个非常重要的问题。
针对这些问题，华为开发了MindSpore。它有几个非常关键的特性：一个是自动并行，二是高阶优化，三是是全栈协同。
最后黄之鹏也表达了MindSpore的开放态度。虽然MindSpore是国产框架，但绝对不会在局限在中国一个社区，MindSpore从诞生之始就是一个立足于中国，但是面向全球开发者的全球性的开源社区。
点击左下角“阅读原文”，了解更多！
点击联系发帖人
