QQ在線(xiàn)
企業(yè)微信
資訊
353 
終端、軟硬一體、異構(gòu)計(jì)算、深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)，它們將成為自 2020 年起，眾 AI 芯片企業(yè)制勝未來(lái)第四次工業(yè)革命的起點(diǎn)和未來(lái)法寶。如何改變碎片化的終端，如何通過(guò)軟硬件結(jié)合來(lái)提升算力，如何使用深度學(xué)習(xí)來(lái)更好地服務(wù)未來(lái)場(chǎng)景，這幾個(gè)問(wèn)題成為了大名湖畔一群行家里手思考的關(guān)鍵。我們來(lái)看看他們思考后作出了怎樣的回答。
撰文 | 晏清
2000 年起，弱人工智能站了起來(lái)，跑向下一個(gè)階段2040 年強(qiáng)人工智能。
20 年后，以人工智能為驅(qū)動(dòng)力，由「自動(dòng)化」轉(zhuǎn)變?yōu)椤钢悄芑沟牡谒拇喂I(yè)革命。
而這一切都離不開(kāi)人工智能三要素：算力、算法、深度學(xué)習(xí)的進(jìn)步。
1 第四工業(yè)革命到來(lái)，算力先行
基于算力，在面對(duì)現(xiàn)如今碎片化的發(fā)展，AI 芯片廠(chǎng)商們無(wú)疑都知道該采取點(diǎn)不一樣的措施了：
Arm 中國(guó)：「在有限的運(yùn)力上，讓所有平臺(tái)都可以發(fā)揮出來(lái)的一套軟件」
有兩個(gè)問(wèn)題十分關(guān)鍵效能或訴求不同帶來(lái)的三端分裂，和終端的碎片化
根據(jù)以上兩點(diǎn)，Arm 中國(guó)產(chǎn)品研發(fā)副總裁劉澍認(rèn)為，由不同的訴求，導(dǎo)致的相互間被割裂的云端、終端，以及中間的區(qū)域性服務(wù)本就是在一根鏈條上，盡管這種「碎片化」在終端上體現(xiàn)尤甚。
Arm 中國(guó)產(chǎn)品研發(fā)副總裁劉澍分享關(guān)于智能未來(lái)的思考
當(dāng)算力平臺(tái)在云端和終端分布不同時(shí)，就會(huì)帶來(lái)對(duì)形態(tài)的思考，「不同的運(yùn)算需求，怎么在算力模塊上提供不同的形態(tài)呢？」劉澍在演講的過(guò)程中既是向在座的觀眾發(fā)問(wèn)，也是 Arm 中國(guó)對(duì)自己的算力支撐發(fā)問(wèn)。是像過(guò)去一樣讓云端和終端完全分離，還是通過(guò)何種方式融合、互補(bǔ)？
針對(duì)以上問(wèn)題，Arm 中國(guó)認(rèn)為，「從算法和軟件角度來(lái)說(shuō)，任何一個(gè)設(shè)備都可以幫助我們鏈接到整個(gè)人工智能的鏈條上，都能夠進(jìn)行數(shù)據(jù)處理，并且都能夠進(jìn)行兼容式的網(wǎng)絡(luò)數(shù)據(jù)處理，這個(gè)是我們看到的一個(gè)非常重要的發(fā)展思路?！?
硬件和軟件的結(jié)合必定未來(lái)計(jì)算發(fā)展的必由之路。因此，在上游，放棄過(guò)去的云端發(fā)展思維，接受異構(gòu)技術(shù)形態(tài)成為 AI 加速器主流的現(xiàn)狀，放棄一味地追求通用計(jì)算，才能更好地幫助通用方法降落在終端。
在通用計(jì)算和專(zhuān)用計(jì)算按一定比例共存的明天，希望有一種軟件架構(gòu)可以把 CPU、GPU，乃至于 TPU、NPU 等幾部分統(tǒng)一起來(lái)，用統(tǒng)一的軟件編程行為將碎片化的市場(chǎng)黏合，將為整個(gè)業(yè)界的云端互通提供很好的業(yè)界遷移效果。
Arm 中國(guó)愿意做的，就是在計(jì)較成本的前提下，為市場(chǎng)盡可能開(kāi)放選擇：針對(duì)自己的需求，讓大家根據(jù)場(chǎng)景來(lái)選擇合適的計(jì)算平臺(tái)模塊。
他們提出了一個(gè)具體的產(chǎn)品概念，也就是周易：智能計(jì)算機(jī)平臺(tái)。把絕大部分系統(tǒng)都會(huì)選擇的 CPU、GPU、NPU、VPU 都集合在一起，當(dāng)軟件把算法、網(wǎng)絡(luò)分配在這些不同的算力的模塊上，實(shí)現(xiàn)效能的提升。
全志：如何在 SoC 中解決內(nèi)部交互問(wèn)題是關(guān)鍵
異構(gòu)計(jì)算成為人工智能的形態(tài)主流，是業(yè)界達(dá)成的共識(shí)。全志認(rèn)為，處在一個(gè) SoC 中，全部計(jì)算單元共享一個(gè)系統(tǒng)全部資源的形式，即 AP SoC，是他們縱觀以前行業(yè)的發(fā)展，發(fā)掘出的最理想的載體。
作為 SoC 廠(chǎng)商，要在適應(yīng)未來(lái)長(zhǎng)期存在的接口池（Interface Repository,IR）撕裂的現(xiàn)狀，同時(shí)計(jì)劃在未來(lái)，將注意力集中在終端，在 SoC 中集中解決內(nèi)部交互問(wèn)題，實(shí)現(xiàn)系統(tǒng)內(nèi)互聯(lián)的效果。例如研究?jī)?nèi)部數(shù)據(jù)轉(zhuǎn)化的機(jī)制，運(yùn)用 SoC 抽象層預(yù)測(cè)并調(diào)配 OP 及內(nèi)存交互單元，屏蔽底層硬件的差異，使開(kāi)發(fā)者更加專(zhuān)注于模型的開(kāi)發(fā)。通過(guò)這樣的方式合理調(diào)配不同計(jì)算單元的算度并配合起來(lái)，成為當(dāng)下的高效應(yīng)用。
耐能：終端 AI 網(wǎng)絡(luò)去中心化，達(dá)到算力共享。
致力于在終端推理芯片市場(chǎng)，以客戶(hù)為中心，生產(chǎn)高性能、低成本芯片產(chǎn)品的耐能認(rèn)為：建立終端網(wǎng)絡(luò)，首先要做的是「去中心化」，來(lái)達(dá)到算力共享。
數(shù)十億傳感器的數(shù)據(jù)傳輸，會(huì)為云端帶來(lái)運(yùn)算處理壓力。同時(shí)，實(shí)時(shí)識(shí)別、寬帶傳輸壓力，隱私安全等問(wèn)題亟待被解決。這時(shí)最需要的就是終端，而可重構(gòu)性成為終端網(wǎng)絡(luò)的關(guān)鍵。耐能將通過(guò)極高的 MAC 利用率實(shí)現(xiàn)尺寸與功耗的最小化。
知存：存算一體方案為 AI 芯片打破數(shù)據(jù)搬運(yùn)帶來(lái)的運(yùn)算瓶頸。
將存儲(chǔ)和計(jì)算結(jié)合在一起，是知存對(duì)由數(shù)據(jù)搬運(yùn)導(dǎo)致的運(yùn)算瓶頸做出的最直接的技術(shù)選擇。
作為國(guó)內(nèi)最早接觸存算一體技術(shù)的團(tuán)隊(duì)，他們打破常規(guī)計(jì)算架構(gòu)，采用新的方式：直接用 ROM 單元，把需要的神經(jīng)網(wǎng)絡(luò)、所有的參數(shù)都存儲(chǔ)在 RAM 單元當(dāng)中，只需把被處理的語(yǔ)音結(jié)構(gòu)存儲(chǔ)到神經(jīng)網(wǎng)絡(luò)當(dāng)中，最終輸出。效率將由此大幅提高，并且可以降低整個(gè)系統(tǒng)的成本。
未來(lái)他們還會(huì)針對(duì)存算一體帶來(lái)的特定摩爾定律進(jìn)行開(kāi)發(fā)，爭(zhēng)取在 28nm 芯片上達(dá)成存算一體技術(shù)。
而針對(duì)算法，知存、曠視、科大訊飛、引力互聯(lián)分別發(fā)表了不同的見(jiàn)解：
知存和曠視同時(shí)提到了一個(gè)詞「降噪」。
知存的算法還在合作開(kāi)發(fā)中。針對(duì)語(yǔ)音識(shí)別業(yè)務(wù)，他們已經(jīng)看到市場(chǎng)在選擇采用深度學(xué)習(xí)算法制作「噪音抑制劑」，而降噪識(shí)別是算法的一個(gè)重點(diǎn)，對(duì)算力有非常高的要求。目前，只有手機(jī)的電池設(shè)備才可以采用這樣的算法。
曠視展示神經(jīng)網(wǎng)絡(luò)降噪視覺(jué)效果
曠視自 2017 年進(jìn)入手機(jī)市場(chǎng)后，順應(yīng) 5G 時(shí)代的到來(lái)，在今年和 OPPO Reno 合作推出首發(fā)的夜視算法全球首款神經(jīng)網(wǎng)絡(luò)降噪。經(jīng)過(guò)在影像處理前，讓圖像數(shù)據(jù)進(jìn)入神經(jīng)網(wǎng)絡(luò)進(jìn)行降噪處理，然后再經(jīng)過(guò)傳統(tǒng)處理方式，使圖片獲得更加「干凈」和「平衡」的視覺(jué)效果。
曠視認(rèn)定算法不可能獨(dú)立運(yùn)行，一定要跟硬件匹配。他們認(rèn)為交互、運(yùn)算和網(wǎng)絡(luò)，會(huì)是今后人工智能三大落腳點(diǎn)。
科大訊飛認(rèn)為算法本身的改進(jìn)是由深度神經(jīng)網(wǎng)絡(luò)開(kāi)始，其次是大數(shù)據(jù)，而第三點(diǎn)就是芯片產(chǎn)商們的努力，產(chǎn)品的迅速迭代促使算力不斷提升。
引力互聯(lián)看好邊緣計(jì)算市場(chǎng)，邊緣計(jì)算場(chǎng)景對(duì)實(shí)時(shí)性，對(duì)安全性要求低，甚至不需要聯(lián)網(wǎng)，需要更高效的邊緣計(jì)算速度，這樣的場(chǎng)景的需要，也會(huì)刺激大量邊緣計(jì)算芯片的需求。
最后我們來(lái)看看深度學(xué)習(xí)。
百度飛槳產(chǎn)品經(jīng)理趙喬向大家分析深度學(xué)習(xí)平臺(tái)是未來(lái)的選擇
百度飛槳 PaddlePaddle 作為國(guó)內(nèi)唯一一家功能齊全的開(kāi)發(fā)平臺(tái)，認(rèn)為深度學(xué)習(xí)平臺(tái)是智能時(shí)代選擇的工作系統(tǒng)。
以早期的 OCR 技術(shù)舉例，深度學(xué)習(xí)將大量人工、手工的費(fèi)時(shí)特征處理操作，簡(jiǎn)化為僅僅是檢測(cè)和識(shí)別兩個(gè)步驟。從技術(shù)和產(chǎn)業(yè)互聯(lián)的角度，百度觀察并意識(shí)到，深度學(xué)習(xí)的優(yōu)勢(shì)在于隨著數(shù)據(jù)量的線(xiàn)性增長(zhǎng)，性能也隨之線(xiàn)性增長(zhǎng)，因此在大數(shù)據(jù)模型開(kāi)發(fā)當(dāng)中，深度學(xué)習(xí)具有非常明顯的優(yōu)勢(shì)。
深度學(xué)習(xí)框架開(kāi)發(fā)的模型越來(lái)越多，AI 產(chǎn)業(yè)的生態(tài)將以此為核心，將算法開(kāi)發(fā)者、平臺(tái)使用者和相關(guān)的伙伴一起包裹進(jìn)人工智能智能產(chǎn)業(yè)。開(kāi)源自研的深度學(xué)習(xí)框架 PaddlePaddle 是一套整體的方案架構(gòu)，采取的是端到端 AI 部署方案，提供多端多平臺(tái)服務(wù)，例如 Paddle Lite 就是針對(duì)移動(dòng)端和嵌入式終端同時(shí)提供服務(wù)的推理引擎，目前最新的 Paddle Lite 2.0 提供更高性能的端側(cè)推理能力。
2 讓AI降落
如都教授所說(shuō)，發(fā)跡階段的弱人工智能主要在做一件事，語(yǔ)音識(shí)別；而進(jìn)入強(qiáng)人工智能時(shí)代，下一步要集中發(fā)力的則是視覺(jué)處理。
在這兩個(gè)垂直領(lǐng)域，曠視與科大訊飛這兩個(gè)產(chǎn)業(yè)先導(dǎo)，也表達(dá)出他們對(duì)于芯片產(chǎn)業(yè)的觀察和思考：
曠視：
手機(jī)是 AI 芯片出現(xiàn)最多的地方。自 2017 年起，兩年內(nèi)曠視獲得了超過(guò) 75% 的手機(jī)市場(chǎng)占有率。根據(jù) 5G，他們對(duì)手機(jī)芯片做出了如下預(yù)測(cè)：
1）手機(jī)中的傳感芯片將與屏幕相結(jié)合，相機(jī)也會(huì)在未來(lái)與屏幕結(jié)合；
2）本地的計(jì)算，人機(jī)的交互，輸入與輸出，不會(huì)隨著終端產(chǎn)品的形式改變而發(fā)生改變。
他們能明顯感覺(jué)到，手機(jī)一線(xiàn)芯片正在加速人工智能化。從傳感端到攝像頭，加之人工智能化的存儲(chǔ)，手機(jī)現(xiàn)有的形態(tài)消失，轉(zhuǎn)變成一種可穿戴的人機(jī)交互設(shè)備，也未嘗是難以想象的未來(lái)可能。
科大訊飛：
人工智能技術(shù)的載體就是芯片。芯片分布在大大小小的物聯(lián)網(wǎng)設(shè)備中，由物聯(lián)網(wǎng)連接起來(lái)，必產(chǎn)生強(qiáng)大的勢(shì)能。
關(guān)于 AI 的計(jì)算架構(gòu)，他們認(rèn)為同時(shí)存在實(shí)時(shí)、可靠、用戶(hù)隱私安全的三大挑戰(zhàn)。他們認(rèn)為，不論是人臉識(shí)別、圖像處理，還是語(yǔ)音識(shí)別，本地端處理的方式會(huì)是更加實(shí)時(shí)、可靠、安全的選擇，分布式混合框架在未來(lái)應(yīng)該得到廣泛應(yīng)用。因此本地 AI芯片將要面對(duì)分布式混合框架的高性能、低功耗、可聯(lián)網(wǎng)的三大要求，并努力做到軟硬件的深度結(jié)合。
而除了語(yǔ)音識(shí)別、視覺(jué)處理這兩個(gè)垂直領(lǐng)域的應(yīng)用理解，現(xiàn)場(chǎng)更是分享了豐富的，基于行業(yè)場(chǎng)景的 AI 落地案例：
圖片來(lái)自于百度 PaddlePaddle 網(wǎng)絡(luò)宣傳視頻
百度飛槳通過(guò)一個(gè)現(xiàn)場(chǎng)演示視頻，講述了百度 PaddlePaddle 是如何幫助廣大開(kāi)發(fā)者將 AI 技術(shù)落地于不同行業(yè)場(chǎng)景的：
國(guó)家電網(wǎng)的變電站工作人員，用代碼制造出無(wú)人巡檢機(jī)器人；
工廠(chǎng)的設(shè)備工程師，利用大數(shù)據(jù)模型，將噪音轉(zhuǎn)變?yōu)樘綔y(cè)機(jī)器健康的診斷工具；
農(nóng)業(yè)開(kāi)發(fā)團(tuán)隊(duì)利用深度學(xué)習(xí)，為一個(gè)村子的農(nóng)民提供實(shí)時(shí)有效的生產(chǎn)指導(dǎo)建議；
工廠(chǎng)將配料方法和 30 多年的寶貴專(zhuān)業(yè)經(jīng)驗(yàn)轉(zhuǎn)化為模型，指導(dǎo)未來(lái)的生產(chǎn)。
PaddlePaddle 用以上幾個(gè)實(shí)例證明了深度學(xué)習(xí)平臺(tái)可以切實(shí)服務(wù)于社會(huì)需要的方方面面，而這樣子的例子在未來(lái)也許還會(huì)更多。
谷歌全球開(kāi)發(fā)專(zhuān)家武強(qiáng)博士向我們展示智能交通控制系統(tǒng)
谷歌智能交通控制，基于國(guó)內(nèi)交通擁堵造成的 2500 億損失產(chǎn)生了思考，并用深度強(qiáng)化學(xué)習(xí)、邊緣計(jì)算，以及多智能體，創(chuàng)造出一個(gè)盡可能沒(méi)有交通資源浪費(fèi)的社會(huì)前景。
通過(guò)將各個(gè)路口的紅綠燈利用起來(lái)，互相形成通信協(xié)議，創(chuàng)造出一個(gè)多智能體；在多智能體與現(xiàn)實(shí)環(huán)境的交互中，不斷通過(guò)獎(jiǎng)勵(lì)機(jī)制訓(xùn)練，達(dá)到深度強(qiáng)化學(xué)習(xí)，利用深度強(qiáng)化學(xué)習(xí)算法對(duì)交通流量進(jìn)行預(yù)測(cè)分析，由此改變紅綠的時(shí)長(zhǎng)，使不夠智能的交通信號(hào)機(jī)制也變得「智能」起來(lái)。而選擇邊緣計(jì)算而非云端，則會(huì)更加實(shí)時(shí)、高效，更有助于緩解現(xiàn)實(shí)的交通壓力。
谷歌讓我們?cè)O(shè)想，一輛爭(zhēng)分奪秒的救護(hù)車(chē)，能夠一路綠燈地暢行在毫無(wú)擁堵的馬路上，我們期待這個(gè)場(chǎng)景到來(lái)的那天。
西井科技向在場(chǎng)觀眾展示「WellOcean」智慧港口
我們都知道西井科技的產(chǎn)品核心是無(wú)人駕駛，但誰(shuí)又能想到是駕駛在無(wú)人的智慧港口里呢？
人工智能引起的工業(yè)革命洋流首先襲向港口。無(wú)人化作業(yè)是他們思考后得出的第一個(gè)結(jié)論，于是 WellOcean 作為智慧港口解決方案出現(xiàn)，使新的、智能化的港口從人員的數(shù)量、種類(lèi)進(jìn)行簡(jiǎn)化，讓曾今熙熙攘攘的碼頭變得安靜有序。將原來(lái)超過(guò) 98% 需要人來(lái)完成的作業(yè)，用遠(yuǎn)程自動(dòng)化智能工具替代完成，既降低了港口和客戶(hù)的成本，又提升效率，同時(shí)降低了安全事故發(fā)生的概率。如此科技，西井去年發(fā)布的首款全時(shí)無(wú)人駕駛重卡 Q-truck 才能高精度無(wú)阻、暢快地跑在無(wú)人的智慧碼頭上。
另外，通過(guò)技術(shù)提升前線(xiàn)人員的工作效率是他們的新方向。只需要 14 個(gè)攝像頭就可以完成集裝箱信息、車(chē)輛信息采集，指導(dǎo)岸橋?qū)?zhǔn)作業(yè)箱上船的全過(guò)程。讓 24 小時(shí)三班倒，8 小時(shí)內(nèi)每 2 分鐘就疲于盯梢的工作人員放松了緊繃的神經(jīng)。基于時(shí)間和人力的成本縮減達(dá)到以往成本的 80%，卻幫助客戶(hù)提升了 3 倍的效率。
他們專(zhuān)注于將自己的技術(shù)與場(chǎng)景的結(jié)合，期待他們?cè)谖磥?lái)創(chuàng)造出更多更具體的價(jià)值。
3 讓AI更活躍
安創(chuàng)加速器副總裁英語(yǔ)霏為大家分享產(chǎn)業(yè)生態(tài)建設(shè)心得
產(chǎn)業(yè)系統(tǒng)的良性發(fā)展離不開(kāi)好的產(chǎn)業(yè)生態(tài)建設(shè)。
安創(chuàng)加速器成功孵化出估值 30 億美元的 AI 獨(dú)角獸企業(yè)「地平線(xiàn)」，也在此分享了他們作為世界嵌入式移動(dòng)芯片領(lǐng)域主導(dǎo)者，以及作為 AIOT 產(chǎn)業(yè)的創(chuàng)新創(chuàng)業(yè)服務(wù)平臺(tái)，為芯片產(chǎn)業(yè)生態(tài)的建設(shè)所作出的貢獻(xiàn)：
經(jīng)過(guò)多年實(shí)踐，安創(chuàng)形成了自己的核心服務(wù)體系：項(xiàng)目加速、大企業(yè)創(chuàng)新、城市創(chuàng)新和跨境創(chuàng)新。
尤其值得一提的是，在項(xiàng)目加速過(guò)程中，他們基于安創(chuàng)成長(zhǎng)營(yíng)，成功打造了一個(gè)從核心的芯片、傳感器、算法構(gòu)建的基礎(chǔ)，到人工智能、物聯(lián)網(wǎng)核心模塊等平臺(tái)層，再到最上層垂直領(lǐng)域例如交通、醫(yī)療、家居、工業(yè)等應(yīng)用的產(chǎn)業(yè)閉環(huán)。通過(guò)這種方式，賦予創(chuàng)業(yè)型企業(yè)活力，以及獲得由資源對(duì)接帶來(lái)的強(qiáng)推動(dòng)力。
安創(chuàng)加速器副總裁英語(yǔ)霏告訴大家：「已成功加速了七期企業(yè)，項(xiàng)目總量達(dá)到 115 個(gè)，其中 33% 是 AI 項(xiàng)目，共計(jì) 38 個(gè)，AI 芯片項(xiàng)目 13 個(gè)。這個(gè)比例可以說(shuō)在硬科技的創(chuàng)業(yè)加速平臺(tái)中算是比較大的份額了?！?
之后，安創(chuàng)還會(huì)繼續(xù)努力為中國(guó)本土創(chuàng)新企業(yè)提供硬科技技術(shù)支持、資金支持或甄選建議，以及創(chuàng)業(yè)經(jīng)驗(yàn)借鑒；也將繼續(xù)幫助如中國(guó)移動(dòng)、華潤(rùn)、紅豆集團(tuán)、寶馬等離技術(shù)上游遙遠(yuǎn)的大企業(yè)快速匹配資源，實(shí)現(xiàn)大企業(yè)創(chuàng)新；更會(huì)幫助海外的創(chuàng)業(yè)公司搭建起中國(guó)「本地化」的橋梁，目前中英創(chuàng)新項(xiàng)目中的 4 家企業(yè)已成功落地中國(guó)。
如此引來(lái)送往，形成商業(yè)和產(chǎn)業(yè)的良性合作。英語(yǔ)霏女士說(shuō)：「我們始終認(rèn)為，商業(yè)的核心還是要把生意做起來(lái)，這才是良性的商業(yè)環(huán)境?！?
產(chǎn)業(yè)中的社群也需要刻意地去建立與維護(hù):
百度飛槳是國(guó)內(nèi)唯一功能齊全并開(kāi)放的開(kāi)發(fā)平臺(tái)，最大的目標(biāo)還是要發(fā)展生態(tài)。不單是為了滿(mǎn)足金融、航空航天、軍工、政府等企事業(yè)單位自主可控等關(guān)鍵技術(shù)目標(biāo)的實(shí)現(xiàn)，更要努力改變整個(gè)產(chǎn)業(yè)界使用 TensorFlow、Pytorch 等國(guó)外的框架來(lái)進(jìn)行應(yīng)用開(kāi)發(fā)的主流現(xiàn)狀。
這就需要人為地開(kāi)發(fā)并培養(yǎng)未來(lái)的用戶(hù)，以及培養(yǎng)未來(lái)用戶(hù)的使用習(xí)慣。
2018 年正式更名為「飛槳」之時(shí)，開(kāi)發(fā)用戶(hù)將近一百萬(wàn)。并從這一年開(kāi)始，百度開(kāi)始和 40 多所高校展開(kāi)合作，這之中包括北航，設(shè)立人工智能專(zhuān)門(mén)課程和培訓(xùn)，明年有望向本科生開(kāi)發(fā)深度學(xué)習(xí)課程；在用戶(hù)企業(yè)中開(kāi)放成長(zhǎng)計(jì)劃，進(jìn)行實(shí)戰(zhàn)訓(xùn)練；同時(shí)還在網(wǎng)站上線(xiàn)視頻課程，在教育領(lǐng)域?qū)ふ耶a(chǎn)業(yè)合作。
一切為的是降低國(guó)內(nèi)開(kāi)發(fā)者使用深度學(xué)習(xí)的門(mén)檻。而就平臺(tái)本身，他們更加開(kāi)放，將百度自己在國(guó)際領(lǐng)域打標(biāo)得到的模型也分享出來(lái)。新的學(xué)習(xí)，如聯(lián)邦學(xué)習(xí)等，也同樣會(huì)有新的代碼放出來(lái)便于開(kāi)發(fā)者使用，進(jìn)一步降低大家的開(kāi)發(fā)成本。
具有同樣想法的還有引力互聯(lián)的開(kāi)發(fā)者平臺(tái) Model Play。Model Play 平臺(tái)已在手機(jī)端上線(xiàn)，更加便于使用者隨時(shí)登陸、開(kāi)發(fā)和共享，希望所有人可以很輕松進(jìn)入門(mén)檻學(xué)習(xí) AI，而未來(lái)的人工智能由在座的產(chǎn)業(yè)人士和未來(lái)的開(kāi)發(fā)者一起去定義。
相信在即將到來(lái)的二十年里，國(guó)內(nèi) AI 芯片產(chǎn)業(yè)，面對(duì)新工業(yè)革命挑戰(zhàn)，迎頭直上，有備無(wú)患。
