在9月14日於中國大陸四川成都舉行的2018年國際泛半導體產業投資峰會上,華登國際董事總經理李文飆主持了一場關於「人工智慧+的產業機會」的圓桌討論。他指出,對於整個半導體未來的發展,人工智慧(AI)其實是最大的一個推力。

「晶片的整合度已高達40億個電晶體,另一方面科學家發現人的智慧主要在大腦皮層,大腦皮層裡面有160億個神經元,也就是說摩爾定律(Moore’s Law)使機器智慧和人工智慧向自然智慧去接近,這是令人興奮的;」 李文飆指出,現在很多應用是通用晶片,也不少公司做自己的專用晶片,那他們各有什麼好處?

本文摘錄了業界精英們的觀點。

AI+熱點討論一:通用晶片vs.專用晶片,都如何落地?

未來五到十年是人工智慧客製化晶片的一個春天

雲天勵飛創始人、CEO陳甯舉了一個簡單的例子:「這波人工智慧是2016年3月份的AlphaGo 1.0的版本戰勝李世石,讓全球老百姓感受到人工智慧的春天即將來臨,但是我們忽略了一組資料,AlphaGo 1.0訓練一盤圍棋的電費是上千美元,這組數字說明目前我們的通用晶片架構並不適合深度學習,無法承擔深度神經網路的運算體系和承載運算力。」

「雲天勵飛的做法是針對深度神經網路設計了一系列的處理器,客製了130條指令,針對深度學習高效的提升運算力,降低功耗。比如說相對同款的GPU能效會提升20倍以上,尤其是在終端晶片的應用上面,當你對成本和功耗非常敏感的時候,比如說我們認為所有的攝影機都是會智慧化,需要這些攝影機不僅看到、並且看懂世界,那在這些應用場景,比如說未來我們的智慧型手機裡面,他更需要一系列的專用的針對人工智慧深度神經網路的客製化晶片,所以我們認為未來五到十年是人工智慧客製化晶片的一個春天。」

AI落地汽車電子,走「兩個極端」都不行

芯原微電子董事長兼總裁戴偉民指出,人工智慧最大的問題是落地,哪怕你演算法做成晶片,晶片也要放在一個應用環境中;「不落地,那下半年融資就沒有那麼容易了。所以我非常看好雲天勵飛,是因為它們先落地的做法比較好,這個落地很困難、也很不容易。」

「所有應用當中最困難落地應用領域是汽車電子,而自動駕駛是我們很好的歷史機遇,如果是機械的就基本上沒有機會。現在看起來有兩個措施,一個是Mobileye,他基本上封閉式的,很難去程式設計,而Level 4、Level5一定要可程式化設計才行。通用晶片的實現還早,這種情況還是需要專用晶片,但不能夠可程式化設計是個問題。」

「另一個是比較通用的,比如說Nvidia的平台,想怎麼程式設計就怎麼編,但是功耗價格沒有競爭力;例如Level 3的Audi A8,GPU加上感測器比汽車還貴,這是個問題。汽車電子走這兩個極端都有問題。通用AI不能做死,某種意義來說,平台不管所有場景(無論是港口還是高速還是卡車),放進去就要能自學。所以,關鍵是可程式設計。」

應用場景是專用的,晶片本身架構是通用的

陳寧從另外一個角度補充道:「今天所謂人工智慧通用晶片,更多是在雲端做資料的訓練,而在應用端其實更多的是專用晶片。在專用晶片領域,我們要追求晶片本身架構上的通用性,因為我們的深度學習演算法還不斷的在反覆運算,雲天的晶片可能每個星期都會有一個新的版本出來,所以在我們的終端專用晶片裡面,其內核是個高效的可、程式設計的處理器,這樣可以非常靈活的升級他的演算法,但是他的應用場景是專用的。」

人工智慧公司看到「剛需」就要迅速產業化「變現」

達闥科技聯合創始人、副總裁汪兵指出,達闥科技從2015年開始成立後就一直在閉門研發,在研發過程中做了一件事情,就是在研發的過程中間,看見有市場剛需的產品,會迅速的把他產業化,然後變現,所以2017年的營收就超過了1億美元。

「人工智慧怎麼樣去產業化,就是在市場上找到剛需,在人工智慧走到家庭還有很長一段時間的時候,需要人工智慧的公司不斷的去變現,不斷的去投入研發,來做未來的事情。」

「達闥科技從開始成立的時候就對自己定一個目標,希望在2025年,用十年的時間,讓機器人保姆真正的能走入到家庭。我們在這三年多的工作當中,發現了很多剛需,也投入了大量研發,現在的專利數是500+。」

這兩個AI+項目的成功,我們反思到兩點

臻識科技 CEO任鵬表示,公司2008年成立以前都是做電腦視覺,那個時候沒有人提不落地的東西,主要是因為AI太「火」了,感覺要落地不是那麼容易。「我們做產品看兩方面:首先我們提供的產品或者服務,第一個是能不能為我們的用戶節省成本,就比如說我們做視覺,視覺上面透過相機解決了以前用人來做的一些事情,這個其實是給用戶省成本的,這個是很好落地的;第二點是視覺提取的資料,資料能不能產生價值,和如果能產生價值,也好落地。」

「我們從成立到現在做得比較成功的一些專案裡面都有一個無人化的概念,比如說最早在國內做的一個『無人化油田』項目,因為當地偷油搶劫很多,我們用視覺監控替代保全人員,後來國內大的油田基本上全部換成這種無人值守的油井。另外一個項目是最近幾年比較成功的項目,比如國內的停車場的刷卡入場基本換成了車牌識別為主。」

「我們後來也在反思,這兩個項目為什麼能成功能夠,不是我們推行業,而是行業推我們來落地——兩個關鍵點,一個是保安人力成本的節省,第二個是提取車牌的資料能產生價值。」

人工智慧,不僅吃算力,還吃資料

中電健康雲科技有限公司總經理周振指出,醫療健康領域有很多人工智慧可以落地的點,但是一方面人工智慧會吃很多計算資源,會考慮晶片的算力問題,另外一個方面人工智慧也很吃資料,要完成這些模型的訓練是需要大量的資料。

「我們有很多很好的醫療健康相關的一些輔助決策或者模型,但是到中國要訓練的時候,我們缺少足夠好的資料,因為中國醫院的資訊化的水準和資料品質還是有一些問題。中電健康雲,包括整個中電體系都在集中精力解決這個問題。」

「我們會建立大資料的平台來彙集所有的醫療健康的資料,並做清晰和處理,包括IBM Watson的應用。這裡面有一個很有意思的點,我們做這個資料治理的過程當中,我們可能是支撐上層的應用,但是做這個資料治理的過程當中,由於用到一些人工智慧的演算法和應用,還有模型,比如說我們知道醫生會有醫囑,這其實是很核心的資料,這個醫囑在醫院資訊系統裡面很可能就是一段文本,醫生可能是手打進去的,我們現在可能會有一些分詞的技術來提取一些規範化的模型,這個病人有什麼症狀,吃了一些什麼藥,包括他沒有一些什麼症狀,這個資料抽取出來就比單純的文本對上層的支撐更好一些,這是相輔相成的事情,你在清洗資料,支援人工智慧,人工智慧本身又會很好的幫助你來清洗資料。」

每隔十年左右都會有一個週期,大家認為人工智慧有可能實現了

光大控股董事總經理兼光控華登管理合夥人王毅喆指出:「我們現在主要投資的人工智慧如腦電識別,主要看的還是其有機會成長為一個平台的公司。」

「在這個領域裡,人工智慧經歷了很多年,大概有二、三十年的反覆運算,每隔十年左右都會有一個週期大家認為人工智慧有可能實現了。我自己以前在學校也是做人工智慧的,那個時候的語義和現在的語義是完全兩個概念。這個過程中底層算力和演算法有根本性的發展,並且有可能形成快速的跨越,我們確實在投一些平台類的公司,比如剛才說的腦電實際上是一個交互的公司,他並不把自己定義為一個產品或者是演算法,或者底層的公司,而定義為了一個成長為平台類的公司,因為他在收集資料。」

AI+熱點討論二:人工智慧+,百億或者是千億等級的公司是?

上一波的科技革新裡面,包括行動網際網路,產生很多百億或者是千億這樣等級的公司,像BAT,像今天的小米、美團等等,我們也是期待在人工智慧或者是人工智慧+裡面也會出現這麼一個規模這麼一個等級的公司,李文飆向圓桌討論的嘉賓拋出一個問題:未來什麼樣的公司會成為這個等級的公司?他需要在人工智慧方面有什麼樣的特色特徵?

平台性的公司,才可以成為千億美元的公司

陳甯認為要有潛力成為一個平台性的公司,才可以成為一家千億美元的公司,「但是人工智慧今天的技術還沒有到一個通用人工智慧的階段,所以今天的人工智慧公司我認為一定要是做好一個產品化的公司,但是你的產品得有想像空間,能夠從具體的產品衍生成一個平台公司。」

「雲天勵飛在前面三年創業的時間聚焦做了一件事,就是城市級的動態影像識別,比如說把深圳作為一個樣板城市,打造成全世界第一個,到今天為止也是唯一一個擁有這款產品的世界級樣板,我們今天有資格說我們把這樣一個城市級的產品,構建一個雲端的大腦,通過前端晶片去構建AI的觸角,開放一系列的API允許在各類應用場景,智慧社區平安校園等等去擁抱一個生態,讓各類應用公司在我們這個平台上去開發各類應用場景下的賦能的應用,去轉變成一個平台的公司。」

「基於我們這個城市大腦,我們孵化了一個印象資料,去打造一個商業服務大資料的公司,做中國最大的商業大資料公司,去打造一個全新線下的購物平台。今年上半年萬科也把萬科所有綜合體的商業資料的服務交給印象資料這家公司去賦能,他也是基於城市大腦千人千面的資料採擷和服務功能區做精準行銷,但是所有這一切其實都是源於我們把動態人像識別一款產品,能夠做到精準的城市級一人一臉一檔的識別,所以我的觀點就是由產品開發轉向構建平台,雲天勵飛有信心成為其中的千億美金的公司。」

要打群架,不能單打獨鬥

芯原戴偉民認為,首先這個市場要足夠大,像監控、安防是剛需,特別是在國內是一個很大的市場。每秒能刷多少臉?技術要足夠好這是很重要的,要把產品做好,然後還要有一個開放的心態,願意去做平台做服務,從做產品上升到做生態,這個境界很重要,開放心態和生態,就是說要打群架,不能單打獨鬥,這是一個很重要的境界。

「同樣的事也可以發生在汽車電子領域,現在全民造車,實際上非常焦慮:買封閉式的方案不能改、Nvidia的價格不對、power也不對,這是很大的問題。在汽車界如果也有像雲天勵飛這樣的開放性的公司,一千瓦的方案放在車上先在全球跑著,然後有人把1,000瓦變成120瓦,做到一定程度的時候再客製化晶片,所以這家公司一定要平台化。」

很多人都錯了,其實好的產品變成平台要靠基因

Rokid 創始人、總裁祝銘明和大家觀點不大一樣,他表示,在2014年覺得自己學到的最重一課,就是當你覺得做好一個產品自然會變成一個平台的時候,其實很多人都這麼想,但實際上很多人是不能成為平台。

「這要有兩個前提:一個前提是產業方向本身,我不瞭解安防行業,不確定安防和電商是否能聯繫在一起;第二,他一定是產品自然衍生。比如阿里從淘寶開始,衍生發現國內的交易缺乏信用體系,所以引入支付體系,這是第一步的衍生。」

「所以產品是否能變成平台,要看這條路是否自然而然的衍生的。阿里很多同事離開之後,也是本著這樣的思路去做,做到一定程度就面臨一個天花板,這個天花板是今天的產業方向和產品能力無法突破的,這在根本上決定了他只能做成一個非常好的生意,非常好的垂直的產品和業務,做的好也可能成為一家千億美元等級的公司,但是不是能變成一個大的平台公司是有天生的基因決定的。」

AI+熱點討論三:有人說中國的AI已經並肩美國,甚至超過美國?

資料量與結果上,是領先美國

王毅喆認為:「如果說中國在一定程度上和美國能比肩,我想應該是資料量上,以及結果上。我們資料獲取量比較大,我們能調試的空間也比較大,在應用這一層,我們有可能會走得比較領先。比如說做視覺識別,像雲天勵飛在東南亞市場,毫無疑問東南亞完全靠採購我們的產品來做。」

「運用視覺識別來進行偵查反偵查這些動作,中國現在做得最有效。但是從底層層面,從算力驅動、演算法和底層晶片角度,我們確實差距還比較遠,很明顯會有一些受制。」

演算法是靈魂,晶片是軀體,資料就是營養

陳甯認為,中國因為活躍的市場,所以應用肯定是先行先試,和更加大膽的去嘗試各類的應有,「比如說我們提到的智慧安防,在美國由於比較完善,但是個人隱私非常敏感的問題,所以他的應用是非常受限;資料也因為應用受限,很多應用場景沒有,所以就缺乏資料。」

「我們在全國已經有接近150億左右的人的影像資料,演算法是靈魂,晶片是軀體,資料就是營養,只有擁有了資料,人工智慧這兩三歲的寶寶才能逐漸的成長,但是歐洲已經出台了管理辦法,中國網信辦也在研究一些資料管理的法案,我們只有充分客觀的去認識這些資料的資訊安全,個人隱私等各方面的問題,去規範他、去擁抱這個問題,才有可能引導這個產業健康的發展,避免一兩個特殊的社會事件去影響和阻礙整個產業的發展。」

「資料也有兩面性,國內擁有應用和資料的優勢,自然我們的應用演算法的訓練的流程,就會更加先進一些,但是底層的理論基礎卻是有非常大的差距,這一輪的人工智慧的爆發就是因為美國有無數的教授坐了60年的冷板凳,才推動了這一波的深度學習,但是我們國內像90年代學神經網路的這些找不到工作,大家都轉型去搞程式設計了,我們怎麼補上這些短板,像我們這些人工智慧的公司,要在美國要在西雅圖去設立研發中心,就是因為低潮的時候依然有高校培養大批的人才,但是我們中國的人工智慧這些高校的學科都是最近兩年之內才開闢的。」

「晶片本身就是一個國際化的產業鏈,不可能任何一個國家把晶片的設計封裝測試全鏈條的壟斷,中國其實除了在國防領域以外,在其他的這些民用,包括安防領域也沒有必要去做一個全鏈條的佈局,而是應該去認准我們在哪些晶片的領域有可能形成一個差異化的優勢,只要在國際上有話語權,大家能夠互相制衡就可以,比如說我們跟CEC的戰略合作做到自主可控;飛騰聯合,用我們AI的晶片做到智慧可控的晶片組,這就是差異化的優勢。」

李文飆最後總結道:「我自己覺得中國在人工智慧方面,跟美國還是相差很遠的,儘管我們的應用不錯,特別是有人口紅利,但我們必須要有自知之明,這個路還很長,像軟銀孫正義在今年年會裡面講的,『我們處在一個很令人興奮期待,心怦怦跳的時代,但是從現在開始會有更大的變革到來,30年物聯網將使全球網路化,機器人滲透到我們日常生活,AI超越人類智慧,那個時候敢肯定是人類的壽命會超過一百歲,人類和機器會共生,這個時代感覺連睡覺都是浪費時間』。」

(本文原刊於EDN China)