全国服务热线:

0769-83109319

新闻中心

News
博客详情

新闻详细: 首页> 博客详情
人工智能还要从芯片上寻突破
专栏:行业新闻
发布日期:2016-09-14
阅读量:5454
作者:佚名
收藏:
  2016年初,一场“人机大战”成为万众瞩目的焦点,谷歌AlphaGo大胜世界围棋冠军李世石,更是引发激烈讨论。尽管这场世纪大战硝烟散尽,但AlphaGo的精彩表现让由此引发的人工智能热潮不减反增。在这股热潮下,很多行业都开始向人工智能演进,人工智能时代已经悄然到来,而人工智能也将极大地提升和扩展人类的能力边界,对促进技术创新、提升国家竞争优势,乃至推动人类社会发展产生深远影响。

3.jpg

2016年初,一场“人机大战”成为万众瞩目的焦点,谷歌AlphaGo大胜世界围棋冠军李世石,更是引发激烈讨论。尽管这场世纪大战硝烟散尽,但AlphaGo的精彩表现让由此引发的人工智能热潮不减反增。在这股热潮下,很多行业都开始向人工智能演进,人工智能时代已经悄然到来,而人工智能也将极大地提升和扩展人类的能力边界,对促进技术创新、提升国家竞争优势,乃至推动人类社会发展产生深远影响。

  我国人工智能正在向通用应用过度

  纵观国内的人工智能产业发展,在整个产业链上主要由“基础技术”、“人工智能技术”和“人工智能应用”三个核心环节构成。从这三个方面,我们可以看到国内人工智能产业的发展脉络,可以对人工智能的应用进行解析。

  人工智能的基础技术主要依赖于云计算技术和大数据技术。在这方面,国内市场的规模是巨大的。产业界对待云计算技术和大数据技术已不同于早期单纯地学习、模仿的业务模式,而是越来越务实地接纳它,不断挖掘其中蕴藏的巨大价值,并依据服务性质的不同,构建出人工智能的基础平台。

  这些平台从基础设施、平台服务、软件应用服务等层面,为人工智能技术的实现和人工智能应用的落地提供了基础的后台保障和实现前提。例如,云创大数据推出的深度学习一体机,就是在大数据基础上推出的人工智能平台,有助于研究者迅速深入到人工智能的核心领域。

  人工智能技术专注于模式识别、机器学习和人机交互三个方面。模式识别偏重于对信号、图像、语音、文字、指纹等非直观数据方面的处理,如语音识别、人脸识别等。机器学习覆盖了从通用人工智能应用到专用人工智能应用的大多数领域,如计算机视觉、自然语言处理、生物特征识别、DNA测序等。人机交互既包括了人与系统的语音交互,也包含了人与机器人实体的物理交互。

  国内人工智能技术在应用层面主要聚焦于计算机视觉、语音识别和语言技术处理领域。其中的代表企业包括科大讯飞、百度、阿里巴巴、腾讯、旷视科技、格灵深瞳等。

  人工智能应用则涉及到专用应用和通用应用两个方面。其中,专用领域的应用涵盖了目前国内人工智能应用的大多数应用,包括各领域的人脸识别、语音识别、智能机器人等方面。而通用型应用则侧重于智能家居、智能农业、智能医疗等领域的通用解决方案。目前,国内人工智能应用正处于由专业应用向通用应用过度的发展阶段。

  从算法和芯片入手,推动人工智能应用创新

  我国人工智能领域的研究积累和发达国家相比差距不大。如果能在国家战略层面,制定针对人工智能的全面推进计划,会给我国带来实现弯道超车、提升综合国力和影响力的绝佳机会。

  我们应该大力推动人工智能发展,抢占人工智能应用创新制高点,助力国家产业转型升级,争取形成全球竞争优势。

  这需要先创新人工智能算法。作为人工智能实现的核心,算法是未来全球人工智能行业最大的竞争门槛。但国内基本上还是在学习国外的算法,缺乏对算法的自主创新。虽然在工程学算法上我国已取得了阶段性突破,但是基于认知层面的算法水平还亟待提高,这也是未来竞争的核心领域。

  目前,专用化领域的场景应用仍是研发和投资的核心,基础技术的成熟也带来了存储容量和机器学习等人工智能技术的提升,但受限于现阶段运算能力以及大规模CPU和GPU的并行解决方案,国内人工智能的发展主要集中于计算机视觉、语音识别、智能生活等方向上。

  因此,通过算法的创新、技术的演进、数据的积累演化和超算平台的应用,未来我国人工智能产业的发展趋势应由专用化领域的场景应用向语音、视觉等领域的通用化解决方案发展。

  未来人工智能的竞争重点将在机器学习领域,即监督学习、非监督学习和增强学习三个方面。届时,算法的竞争将进入白热化阶段。只有在算法层面突破,国家或企业才能在图像识别和计算机视觉领域取得突破性进展和国际技术水平。

  下一步,我国要做的是研发人工智能芯片。在目前对人工智能技术的大量讨论中,有一点容易被忽略,那就是承载人工智能运行的芯片。人脑是千亿神经元、百万亿突触构成的复杂网络,现有芯片和这个还存在多个数量级差距。因此,我们需要从芯片上寻求突破,加强芯片的并行计算能力,在高速的状态下分析海量的数据;提高芯片的编程专用性、高性能、低功耗,在大规模服务器部署或资源受限的嵌入式应用方面体现潜力;同时做到将性能和功耗完美结合。

  以谷歌的TPU芯片为例,与市面上的FPGA和GPU相较,其每瓦性能呈倍数提升。该芯片对于降低的运算精度有更高容忍度。也就是说,它每次运作需要的晶体管较少,并因此能达到更高的每秒运算次数。在我国,中国科学院计算技术研究所发布的“寒武纪”处理器芯片和云创大数据即将发布的深度学习芯片,就是在这个领域的探索。

  加大政策支持力度,提升企业合作水平

  人工智能的研究面很广泛,任意的研究分支都涉及到庞大的计算代码,加上漏洞的排查和跨领域的交叉,任何企业都难以在封闭环境内取得阶段性突破。随着专用领域应用的普及和通用技术应用需求的增强,我国更应不断加大开放性,使系统级开源成为常态。国外的谷歌、微软、Facebook、雅虎等视人工智能为未来核心竞争力的顶级企业,都先后开放了自身的人工智能系统。国内的科大讯飞、百度、阿里巴巴、腾讯等也在人工智能领域取得领先优势后,在不同维度和空间开放了自身的人工智能系统。

  企业对外开放了自身的人工智能系统,并不代表核心技术和算法的完全出让。底层系统的开放,可以让更多的企业或社会团体从不同的角度参与到人工智能相关领域的研发,为我国人工智能的应用创新和产品的快速迭代提供规范化平台,形成良性的发展环境。对于开放的企业来说,也确保了它们与行业最新前沿技术的同步成长。

  我国想要发展人工智能产业,还要增强企业间合作。国内人工智能产业从专用领域应用开发的成熟度和差异化技术门槛的角度上分析,可分为底层基础构建、通用场景应用和专用应用研发三个方向。

  在底层基础构建方面,企业依托自身数据、算法、技术和平台优势,在为行业类的各公司提供基础资源支持的同时,也会将自身优势转化为专用和通用应用领域的研究,从而打造自身的人工智能产业链生态闭环。在通用场景应用方面,企业将主要以计算机视觉和语音识别为方向,为安防、生活、金融和制造等领域提供通用解决方案。在专用应用研发方面,则集中了大部分硬件制造商、创业企业、解决方案商、应用提供商等。总的来说,人工智能应用创新的推动离不开产业链上各核心环节的相互配合,离不开产业研发方向上各企业间的相互协作。

  政策支持上加大对人工智能的支持力度也必不可少。

  我国参与人工智能技术研究的企业比较少,且自身的研发投入能力较为有限,迫切需要国家层面的政策支持,才能确保我国在未来10年的人工智能最关键技术发展时期,具备与欧美抗衡的研发实力和研发进展,确保我国在科技进步浪潮中始终处于国际领先地位。具体建议如下:

  首先,由科技部牵头加大对人工智能基础研究的支持力度,国家发改委和财政部予以项目立项和经费支持。鼓励和支持国家科研单位和人工智能企业间建立长期和深层的合作机制,以便调集和整合我国的人工智能领域各个研发机构的实力,合力支撑我国在激烈的人工智能技术国际竞争中赢得领先的地位。

  其次,调动更多力量参与人工智能的研发和应用,出台系列补贴政策予以扶持,例如对参与构建人工智能中间层技术的平台厂商进行重点支持、对人工智能领域国际人才和团队的引进支持、对国内企业开展人工智能领域技术的研发支持等。

  最后,加大对人工智能关键共性核心技术的研发支持力度,鼓励支持各行业引入人工智能技术对传统产业进行转型升级,构建人工智能研发和应用的良性环境。
上一页:YXC扬兴引领可编程晶振批量生产时代
下一页:半导体行业遥遥领先大陆