8月9日，“M-TECH—— AI芯片商业化之路论坛”由第一硬科技产业媒体磁客网主办，南京建业高新技术产业开发区、IC咖啡协办，与中关村集成战略合作电路设计园IC-PARK”在北京丽亭酒店圆满落幕。
本次论坛以“AI芯片商业化之路”为核心话题，在美客网、云知声、地平线、越面科技、异质智能、华登国际、深兰科技、云天力等代表企业的主持下，舟芯科技从国家战略、产业发展等方面与参会者探讨了AI芯片研发的重要性，并与现场200余位AI行业人士进行了深入交流。
在此，我们摘录每位嘉宾发言要点（在不改变原意的情况下略有改动）：
《AI芯片，千万行业智能化的发动机》 张永干，——地平线智能解决方案及芯片事业部总经理1、中国已经开始从模式创新时代转向技术创新时代。其中，我们可以看到几个明显的趋势：一是计算从中心开始向边缘靠拢，会让整个系统的负载、成本、功耗等方面更加均衡；其次，智能终端增长潜力巨大。目前终端智能化渗透率不足1%。当发展到2019年、2020年的时候，2019年从愿景来看，市场上的大部分产品都会变得“智能化”，这是一个值得投资的行业；第三，智能时代是个性化的时代，因为人类的需求是无穷无尽的、碎片化的。而AI技术可以与各种场景相结合，这将为众多初创企业带来更多机会，呈现出“百花齐放”的时代。
2、目前无论是X86还是GPU，都没有为深度学习和AI时代的新技术做好准备，在性价比、功耗等方面不具备优势，这也是为什么大量新公司选择建立自己的架构和传统芯片公司或收购公司或在产品中添加新的AI元素的原因。
3、做AI芯片，首先要有算法，然后用软件来定义硬件。
《UniOne物联网AI芯片商业落地之路》 包庆峰，——云之声研发总监1、我们现在已经进入了智能互联网时代。所谓“智能互联网”就是物联网+人工智能。它具有三个特殊属性：一是智能，即所有设备都会变得“智能”；二是形式多样化；三是应用场景。 AI算法并不是通用算法。只有深入行业、了解应用场景，才能做好“智能”工作。
2、在计算方面，存在一些云AI无法解决的问题，如时延长、带宽不足、能耗高、隐私不安全等。对于边缘计算来说，对本地AI算力和载体也有要求，即足够的算力、跨设备的形态、低功耗、低成本、安全等。
3、现有的CPU、GPU、FPGA无法满足上述需求。他们考虑太多的相互兼容性。在智能互联网时代，它们无法满足当前高性能、低功耗、低成本的需求。
4、客户的痛点是什么？比如智能音箱，客户第一步就是要找到算法团队。第二步是寻找能够支持该算法的芯片。第三步，找音响设备团队设计音箱外观。另外，我们还需要找到一种结构设计。工程师和各个供应商坐在一起分析如何以合理的成本制造扬声器。最终我们还是要找出问题所在，继续调试。事实上，对于智能音箱解决方案提供商或者最终产品来说，他们只有三个要求：——拥有最好的体验、可以高度定制、可以快速发货。
《低功耗AI芯片的端智能革命》 童志军，——阅文科技联合创始人1、AI芯片离不开AI算法的支撑，AI算法并不能很好地解决客户问题。当前，人们对数据隐私保护和实时计算的要求越来越高，这使得计算能力逐渐从云端迁移到边缘。
2、AI芯片的高度智能化离不开数据生态，数据生态离不开应用场景。目前商业、教育等行业都有痛点，这也是AI芯片可以落地的场景。
《创业公司在AI芯片中的机遇》 谢强，——异构智能中国区副总裁1、2017年整个半导体市场4290亿，整个集成电路3600亿，其中AI芯片占了数百亿。他预计，到2020年，AI芯片相关市场规模将达到146亿美元。按年增长率50%计算，到2025年AI芯片市场规模可升至650亿美元。
2、人类让机器智能化有三个节点。在这些节点的背后，我们可以看到AI的核心驱动力：第一个节点是1997年，深蓝击败卡斯帕罗夫；第二个节点是AlphaGo战胜卡斯帕罗夫。人类；第三个节点是2012年，当时斯坦福、谷歌、百度和很多科学家把他们的学位全部转移到了GPU上。在这三个东西的背后，我们看到的关键是——的算力。
3.人工智能分为两步。第一阶段是算法训练，目前基本被NVIDIA占据；第二阶段是推理计算，即应用。其中，高性能、低功耗属于AI终端应用之列。关键（低功耗低性能模式——较低的性能无法满足大多数人工智能计算的要求，高性能高能耗——巨大的功耗无法满足大多数终端应用场景的要求）也是初创公司的机会存活。
4、CPU、GPU等通用处理器市场没有机会。我们现在能做的就是把各种专用芯片做到极致，用CPU、GPU等搭建一个小系统，这是一个很好的解决方案。解决方案。另外，未来如果你的芯片比别人的功耗少5瓦，甚至1瓦，那将是一个特别大的竞争优势。
《人工智能带来半导体的又一波创新浪潮》 —— 华登国际合伙人王林1. 过去10年，半导体增长的驱动力是智能手机。近年来，人工智能的出现给半导体行业带来了第二春。 2016年至2017年，中国半导体市场增速从2016年的15.8%提升至18.8%，而这背后的原因就是AI的出现。
2、为什么AI对半导体行业有这么大的推动力？事实上，芯片是由应用驱动的。新的人工智能技术的出现带来了很多新的应用，也让一些老的应用焕发了生机，比如集成辅助阅片系统和软件的医学影像。
3、后摩尔时代/后智能手机时代，半导体产业将何去何从？当前，半导体行业的摩尔定律正在受到挑战，AI是半导体的新战场。继手机之后，半导体的下一个巨大应用平台是汽车平台。
《AI芯片应用方面的具体经验介绍》 —— 王新雷深兰科技副总裁1、深兰科技为什么选择做芯片？因为我有自己的场景，其次我从2014年就开始深入研究计算机视觉算法，现在已经很稳定了。相反，他指出，一些芯片厂商先做芯片，再找场景，这是不对的。
2、一般情况下，做出一款通用芯片至少需要10年的时间，这涉及到生态建设、芯片制造技术等问题。如果你想在三年内击败英伟达并与英特尔竞争，就必须麻烦政府收复台湾。
《“芯”连视界，智造未来》 —— 云天励飞对外合作高级经理、首席研究员谢利民1、出于网络质量、存储和计算成本等考虑，大多数AI解决方案都把智能放在前端，驱动力在前端。设备的计算能力足够强，芯片性能足够强，功耗足够，延迟足够低。为此，我们实现终端智能化的关键在于“芯”。没有人工智能就没有终端，没有芯片就没有人工智能。
2、AI的落地离不开场景，必须深入了解需求。从未来来看，我们的设计思路应该是这样的：——用系统了解行业需求，从行业入手获取数据，用数据去优化算法固化芯片，用芯片真正解决行业核心痛点。
《AI芯片在视觉与语音后的下一个爆点探讨》 —— 周信科技CEO 陈更新1、应用驱动人工智能发展。没有人工智能就没有行业，没有人工智能就没有行业。人工智能的核心是计算，计算分为两个层次：一个层次是能做什么，另一个层次是怎么做。这是两个不同的层次。
2、制作芯片只是1%的工作，还有99%的工作需要完成。 99%的工作是构建生态系统，包括平台等上下游关系。在芯片的生态环境中，有平台、解决方案等很多复杂的东西，但内在的关键在于整个上下游生态系统的支撑。
圆桌会议《AI芯片——中国芯片的机遇与挑战》·问题一：算法公司为什么一定要做芯片？这有必要吗？如果我们不做芯片，未来会怎样？
包庆丰：云之声2016年就决定做芯片。芯片是算法实现的节点，也是数据的来源。无论是应用实现还是数据采集，芯片都是不可替代的战略方向。算法公司如果没有芯片，未来会很困难。如果只是在现有的数据集上构建算法，或许在2015年、2016年就能获得融资。但现在，投资者对初创公司的盈利能力要求越来越高，大家都希望看到算法快速转化为商业利益。如果没有具体的实现场景，算法未来很难生存。
佟志军：做芯片主要是为了让算法运行得更高效，另外一个就是让公司更有竞争力。事实上，一些公司仍在致力于云解决方案，所以我认为制造芯片只是其中一种方式。并不是每个公司都必须接受，最终还是要根据自己的情况来考虑。
谢强：做芯片对于人工智能公司来说是非常非常重要的事情。算法公司不需要制造芯片。如果你专注于做算法，就用我们的芯片吧。
王新雷：从我们的角度来看，出于商业考虑，不做芯片并不划算。如果我们不做芯片，我们的“命运”就会掌握在英伟达等公司手中。另外，随着一些资本的加入，制造芯片不再是一项昂贵的任务。
陈更新：从整个生态链来看，算法处于中间。基于算法，只要有应用场景，就可以向上运行。没有应用场景，芯片就做不好。我觉得只要有基础，芯片就能做出来。
·问题二：自动驾驶会成为AI芯片“大规模”落地的第一个场景吗？
包庆峰：我们对车规级芯片和消费级芯片有不同的要求。前者非常严格。另外，我们还需要定义自动驾驶，因为不同级别的自动驾驶意味着算法的难度不同。我个人认为，AI芯片在自动驾驶方面大规模落地是有可能的，但是要看具体的场景，以及级别是L3、L4还是L5。不过，我相信，相比车规级芯片，语音芯片会更快实现大规模商业化，因为语音交互是人机交互的必要方式。
佟志军：我认为自动驾驶芯片的大规模落地可能是在一些受限的场景，比如接驳车等，至于真正的民用级自动驾驶，可能还需要一段时间，这涉及到复杂度等因素的道路状况。
·问题三：安防市场已被海康威视、大华占据，政府机构不愿意花大量资金用深度学习摄像头替代现有摄像头。这使得边缘计算难以实施。客人怎么看？
谢强：解决这个问题，首先要让政府真正感受到“痛”，比如日常图像存储、电力消耗、网络建设等问题。接下来，我们要帮政府算一笔经济账。并从技术层面检查具体方案。
王新雷：公安、司法、司法方面我们不做安全。一是涉及人脸识别，算法难度较大，二是涉及隐私权。相比之下，我认为安全的实施场景是在楼宇、社区、城市等的管理中。
陈更新：归根结底，这个问题能否解决，取决于是否真正解决了用户的痛点。对于政府和运营商来说，他们的痛点就是芯片。
更多优质内容，请继续关注magnesia.com~~