雷鋒網(wǎng)按：2018全球人工智能與機器人峰會（CCF-GAIR）在深圳召開，峰會由中國計算機學(xué)會（CCF）主辦，雷鋒網(wǎng)、香港中文大學(xué)（深圳）承辦，得到了寶安區(qū)政府的大力指導(dǎo)，是國內(nèi)人工智能和機器人學(xué)術(shù)界、工業(yè)界及投資界三大領(lǐng)域的頂級交流盛會，旨在打造國內(nèi)人工智能領(lǐng)域最具實力的跨界交流合作平臺。

7月1日下午的AI芯片專場大咖云集，清華大學(xué)微電子所所長魏少軍、英特爾首席研究員&中國研究院認(rèn)知計算實驗室主任陳玉榮、地平線智能解決方案與芯片事業(yè)部總經(jīng)理張永謙、深腦鏈基金會創(chuàng)始人&義語智能科技CEO何永、OURS創(chuàng)始人兼CEO譚章熹等重磅嘉賓紛紛發(fā)表精彩演講。

嘉賓演講后是備受期待的圓桌討論環(huán)節(jié)，四位來自AI芯片領(lǐng)域的重磅嘉賓：

• 深圳鯤云信息科技有限公司創(chuàng)始人兼CEO牛昕宇

• 天數(shù)智芯創(chuàng)始人兼CEO李云鵬

• NovuMind中國區(qū)總裁周斌

• AVSdsp CEO沈聯(lián)杰

在華登國際投資總監(jiān)蘇東的主持下，就“中國芯的新機會：AI芯片如何實現(xiàn)彎道超車”這一話題展開交流。

以下為圓桌討論實錄，雷鋒網(wǎng)做了不改變原意的整理與編輯：

主持人蘇東：現(xiàn)在大眾看到的AI熱潮，是從2016年的AlphaGo開始的，我首先想問一下?？偤椭芸?，你們作為行業(yè)眾人，是什么時間節(jié)點、什么事件讓你覺得一定要做AI這個事情？

牛昕宇：我們其實一直在做大家所謂的AI芯片，我們公司的核心創(chuàng)始人之一是我的博士生導(dǎo)師，英國皇家工程院的院士，1991年就在做機器學(xué)習(xí)定制化芯片。對于我們來說，其實并不是突然靈光一閃要做這個事情，只是2013年、2014年開始感受到有越來越多的企業(yè)找到我們合作，大家在深度學(xué)習(xí)應(yīng)用方面的需求非常一致，而且非常歸一化。

我們的芯片拋棄了原來基于指令集的技術(shù)，是沒有任何指令集數(shù)據(jù)流的全新定制化架構(gòu)，可以實現(xiàn)低延時、、低功耗高性能。我們的技術(shù)研究和整個物聯(lián)網(wǎng)前端的趨勢特別吻合，這是我們當(dāng)時決定加入這一波技術(shù)浪潮的原因。

周斌：我加入的第一家公司是英偉達，在2008年利用CUDA做通用計算時，我們就開始用一些不同的處理器架構(gòu)來解決新的問題。我個人親歷了深度學(xué)習(xí)的風(fēng)口過程，在2011年、2012年參加一些比賽的時候，GPU還是唯一的選擇。

那時我發(fā)現(xiàn)，新的深度學(xué)習(xí)架構(gòu)對于新的數(shù)據(jù)模式、新的數(shù)據(jù)結(jié)構(gòu)，以及數(shù)據(jù)量對處理器的體系結(jié)構(gòu)產(chǎn)生了非常大的挑戰(zhàn)，計算機由原來的研究架構(gòu)變成應(yīng)用驅(qū)動的目標(biāo)，所以我們便開始針對于這樣的問題來做研究。

NovuMind從深度學(xué)習(xí)最開始，做圍棋、做象棋幾十年我們在一線經(jīng)歷了整個深度學(xué)習(xí)從沉寂到爆發(fā)，再到2014年、2015年被所有人認(rèn)知的過程，應(yīng)該是在這個行業(yè)里意識到這個問題非常早的公司。

主持人蘇東：也就是說，從投資的角度看，往往風(fēng)口來的時候最終贏的不是追風(fēng)口的人，而是在風(fēng)口來之前有技術(shù)積累的團隊才能跑出來。

接下來請問李總和沈總，能不能用簡單通俗的語言介紹一下AI芯片難在什么地方？你做這個事情的時候碰到比較困難的點有哪些？

李云鵬：我對AI芯片的理解是一定要有積累，如果因為AI火我們就做AI，這樣的創(chuàng)業(yè)公司基本沒戲。所以在AI芯片本身，我們對它的定位是通用標(biāo)準(zhǔn)高性能，我們要做的是GPGPU。

第一個難點是人才，哪里有人才？人才聚集的地方在美國硅谷，在中國IC設(shè)計圣地張江。我們的百人團隊有30%在美國，70%在張江，其中有許多人是78年~81年進大學(xué)的，在這個行業(yè)深耕30年的芯片設(shè)計專家。

第二個難點，是今年5月8日倪光南院士在接受中國人民網(wǎng)采訪的時候提到的三個問題：你的客戶在哪里，誰是你第一個客戶，你是否擁有自己的生態(tài)？這是非常具有挑戰(zhàn)性的問題，實際上我們在三年前只是一家基礎(chǔ)軟件公司，第二年開始往上打應(yīng)用，往下打芯片。如何自建生態(tài)？如何從小而精做大做強，最關(guān)鍵的是生態(tài)。

第三個難點是態(tài)度。做芯片這種基礎(chǔ)的東西，講究的是如何做下去、鉆進去，好好做事情。這不是兩年就能完成的任務(wù)，而是二十年甚至更長時間這才能把東西做出來，這個過程中要反復(fù)的聚焦、借力，借市場的力做迭代。在包括管理者、芯片設(shè)計管理、設(shè)計工程師和服務(wù)工程在內(nèi)的整個產(chǎn)業(yè)人才鏈條上，只有做到不斷放大成功、發(fā)揮長處，才有可能通過長時間的努力做出一款自主可控和國際一流的高端計算芯片產(chǎn)品。

主持人蘇東：沈總，我昨天和你簡單交流過，你做芯片30多年，其中20多年在深圳，你現(xiàn)在AI芯片馬上就要流片生產(chǎn)了，這個過程中碰到哪些難點？你認(rèn)同李總的看法嗎？

沈聯(lián)杰：我覺得李總回答了相當(dāng)多，這些都是大家想要做AI芯片一定會碰到問題，不管是在過去、現(xiàn)在還是未來。但從另外一個角度看，這些又都完全不是問題，為什么呢？AI或者AI芯片，其實跟BAT這些公司一樣，都是時勢造就英雄、英雄推動時勢，天時地利人和缺一不可。

RISC-V我沒有真正用過，但聽起來肯定比ARM和X86要有效率的多。雖然我們做了幾十年圖片和算法的芯片，有各種應(yīng)用的算法，但這里面還是少不了一個CPU。外面買的CPU很難用，ARM不是只為了做圖像設(shè)計而生，所以必須要修改很多東西?？墒堑胶髞戆l(fā)現(xiàn)怎么改也不好用，那就干脆自己做CPU。從買到改再到做，這些積累在今天做圖像的深度學(xué)習(xí)時完全發(fā)揮了作用。

難與不難這件事情考驗的是一家公司的積累。在剛開始沒有任何經(jīng)驗時，還是應(yīng)該照著專家給你的經(jīng)驗做，累積多了之后，我相信你會同意剛剛李總講的事情，也就是必須要專注，必須要把一些底層的東西做好。

主持人蘇東：接下來我的問題是，今天的很多嘉賓演講中，談到AI芯片里很重要的架構(gòu)就是可編程化。在算法還沒有完全成熟的時候做芯片，怎么保證算法不斷迭代的同時，芯片也能夠跟著算法往前走？在架構(gòu)里面，我們選擇FPGA、DSP還是ASIC？

牛昕宇：今天下午幾位主講嘉賓意見很一致，真正的芯片核心技術(shù)是芯片本身的架構(gòu)和依托于架構(gòu)的編譯器。芯片底層架構(gòu)可以解決算力和功耗這種底層的物理性能問題，而編譯器解決的是通用化和定制化問題。

我們鯤云為什么選擇了數(shù)據(jù)流架構(gòu)呢？我們積累了30多年，除了不基于指令集的高性能架構(gòu)之外，還有一款不基于指令集的數(shù)據(jù)流架構(gòu)編譯器，全球第一款C到底層硬件芯片的handle-C的編譯器也是我們團隊研發(fā)的。只有架構(gòu)和編譯器兩者合在一處，一家AI芯片公司才能真正掌握通用性和定制化這兩柄利刃。

如果一顆芯片針對每個領(lǐng)域都做定制化，我們認(rèn)為這不能稱之為芯片，只能說是做了定制化的devise出來，不是通用化的東西。但是在滿足底層的通用化和高性能之后，怎么讓各個領(lǐng)域的開發(fā)者去開發(fā)應(yīng)用呢？這就需要編譯器，你不能期待每個開發(fā)應(yīng)用的人都非常了解你的芯片，編譯器解決的事情是把底層架構(gòu)的門檻降下來，讓大家能非常容易的使用。

除了芯片之外，我們還有對外開放的AI開發(fā)平臺，讓各個領(lǐng)域的用戶上傳圖片，通過最簡單的圖片畫框或者打標(biāo)簽的方式，在這個平臺上生成推進算法，然后把算法從頭到尾N2N全自動下載到我們的芯片上，這是我們做得非常有意義的事情，這樣才能釋真正把芯片的算力釋放出來。

至于主持人說的具體用DSP還是ASIC，我覺得這是商業(yè)化的決策。當(dāng)芯片的出貨量到十萬或者百萬顆級別的時候，我覺得非常有必要做ASIC出來，在這之前基于FPGA完全沒有問題。作為一家芯片公司，我從來不覺得FPGA和ASIC有什么區(qū)別，你賣的是電路，這塊電路是基于指令集的電路還是自己寫的電路都無所謂，區(qū)別就在于ASIC前期投入大，隨著出貨量增大可以逐漸降低成本。芯片公司選擇FPGA還是ASIC，是根據(jù)自己的出貨量、根據(jù)市場來決定的。

李云鵬：AI計算的軟件迭代周期很快，而芯片研發(fā)周期長，如何讓周期長的芯片能夠預(yù)知未來，把未來的事情都搞定，這是問題。AI計算本身是什么，計算本身是什么？是一些基礎(chǔ)的算子通過科學(xué)算法的邏輯化編排來實現(xiàn)一些人類的目的，常用的一種方法是給算法做加速，另一種方法是把算法做得更快一點。

舉個例子，如果我想知道深圳市今天用電信卡打電話的平均分鐘數(shù)，我們要到電信數(shù)據(jù)庫執(zhí)行這條命令。負(fù)責(zé)任的說，如果這個數(shù)據(jù)庫的加法實現(xiàn)的速度比另外一個數(shù)據(jù)庫加法實現(xiàn)速度快20%，疊加起來的效果是好一千到兩千倍的樣子。而通過算子的方式來實現(xiàn)，可能對上層算法的依賴度會減輕一些，針對算法加速的效果，不論是手工做還是什么東西做，一定會比general purpose的方式好很多，毋庸置疑。

最后，我非常同意牛總說的，F(xiàn)PGA和ASIC的選擇要看出貨量。

周斌：這是一個蠻有意思的問題，我們大家在談AI芯片時談的是芯片本身。AI芯片是處理AI任務(wù)的，而AI任務(wù)在不斷的變化，其變化本質(zhì)、數(shù)學(xué)模型是什么，哪些是變的、哪些是不變的，這是任何做AI芯片公司的人和團隊必須首先認(rèn)可領(lǐng)悟和理解的。

現(xiàn)在市場上大家對于AI應(yīng)用的需求點在哪里？我們通過團隊中的大量算法科學(xué)家、算法工程師、應(yīng)用工程師和客戶深入對接，以及我們在行業(yè)深入的積累，可以確定芯片中哪些可以固定下來。卷積層是否存在？深度網(wǎng)絡(luò)的主流是什么，是卷積神經(jīng)網(wǎng)絡(luò)還是RNN？下一代Sparking能否用起來？這是針對深度學(xué)習(xí)應(yīng)用的，我們只需要把現(xiàn)階段深度學(xué)習(xí)做好就可以，只關(guān)注深度學(xué)習(xí)最核心、最本質(zhì)的地方，剩下的我們都不管。

主持人蘇東：地平線的旭日方案已經(jīng)落地了，是針對人臉場景做的方案。在座各位所做的芯片方案，下游典型客戶是誰？其痛點是什么？當(dāng)你定義這款芯片時，你考慮的是算力、成本還是功耗？

牛昕宇：我們已有的下游客戶主要是專業(yè)級客戶，不管是智慧城市還是工業(yè)，主要針對圖像領(lǐng)域做的深度識別。城市內(nèi)的分析識別、安防的圖片前置狀態(tài)分析、工業(yè)基礎(chǔ)設(shè)施狀態(tài)巡檢，這些都是我們的典型應(yīng)用。

我們公司選取應(yīng)用的三大標(biāo)準(zhǔn)是：首先市場規(guī)模要夠大；其次這個領(lǐng)域要夠深，那種只靠一款通用應(yīng)用就能解決所有需求的領(lǐng)域，很容易陷入紅海競爭或者巨頭競爭，對初創(chuàng)公司來說并不是特別好的選擇；第三要離商業(yè)化夠近，我們我們分析了很多市場環(huán)境，發(fā)現(xiàn)整個領(lǐng)域離商業(yè)化落地還有兩三年時間，可以做一些布局，但不會嘗試投入。

作為初創(chuàng)公司，從產(chǎn)品定位來看主要在于兩點：要么夠便宜，要么你的產(chǎn)品能滿足別人不能滿足的需求。做便宜的芯片不是我們擅長的事情，我們定位的是高端、高度定制化的高性能芯片，目標(biāo)客戶是那些現(xiàn)有CPU和GPU不能滿足需求、肯為額外功能和性能買單的用戶，主要集中在專業(yè)級和工業(yè)級。

現(xiàn)在很多安防領(lǐng)域?qū)θ四樧R別有標(biāo)準(zhǔn)化需求，很多客戶除了人臉識別外，還需要分析著裝、人臉特征，進一步分析定制化特征需求。我們的芯片架構(gòu)可以提供這些能力，我們的開發(fā)平臺可以讓客戶在上面開發(fā)定制化應(yīng)用。

李云鵬：關(guān)于下游客戶問題，我不直接回答。我們下游客戶（高端制造業(yè)）的Workload需求是什么？真正AI需求對傳統(tǒng)企業(yè)級大客戶來說基本可以忽略不計，他們有需求增長點，而且非常高，現(xiàn)在看到80%以上是較為傳統(tǒng)的數(shù)據(jù)需求，包括Relational、大數(shù)據(jù)、回歸類、SuperConputing、DataDreamer、AI-Base、PHM、How’s management，這是一個現(xiàn)狀。

未來的發(fā)展會如何？上個月發(fā)布了AI Dreamer Marker Focus，他們的Focus非常有意思，現(xiàn)在AI Workload 2025年占20%，混合AI市場占42%，剩下的其他市場依舊是通用型數(shù)據(jù)處理市場。這個市場對芯片處理云端需求，大概是1000億美金。從這個訴求角度來說，我們下游客戶是企業(yè)云客戶，云計算的發(fā)展讓數(shù)據(jù)有了存儲空間，大數(shù)據(jù)和物聯(lián)網(wǎng)的發(fā)展讓他們有數(shù)據(jù)的來源。

我們認(rèn)為算法本身結(jié)合得非常深。舉個例子，葉根螺栓是不是會裂，我不做風(fēng)機真的不知道。我們唯一可以關(guān)注的是算力，如何在有限功耗的前提下算力，這是價值點。

周斌：這是所有創(chuàng)業(yè)公司必須面對的第一個問題，你的客戶在哪里。我的合作導(dǎo)師告訴我，如果沒有客戶就不要啟動公司。對于市場的了解，需要對市場有清晰的認(rèn)識。在我們理解中，企業(yè)級市場和消費級市場，不同客戶對AI的體驗和需求非常不一樣。多樣化的需求能否通過一顆芯片架構(gòu)來滿足，我無法回答這個問題，我的理解是很難的。

我們不說峰值計算能力，這是虛的，我做了十幾年算法優(yōu)化，知道架構(gòu)能用到10%就很好了。真正的關(guān)注度點應(yīng)該客戶愿意花多大的成本和代價買多大的成果，這依賴于核心架構(gòu)能提供多少性能指標(biāo)。我們對于行業(yè)用戶、消費級客戶定義不同的產(chǎn)品線，每個產(chǎn)品線擁有的產(chǎn)品特征和關(guān)注性能指標(biāo)不一樣。在云計算市場，功耗是非常核心的問題，我們會提供極低功耗上的性能。云計算市場中一個服務(wù)器功耗是200瓦級別，我們在20瓦功耗下便可以提供上百瓦的服務(wù)。這些市場構(gòu)成我們典型的頭部客戶，哪里有需求，哪里就有我們，我們跟著市場需求走。

在應(yīng)用落地場景中，云端和終端是我們兩大產(chǎn)品線和兩大應(yīng)用場景。我們公司的界限非常清楚，我們自己不做終端產(chǎn)品，而是為做終端產(chǎn)品的合作伙伴提供服務(wù)。我們的產(chǎn)品可以用于機器人、自動駕駛、云計算、嵌入式小場景，包括手機、智能音箱，我們有不同的產(chǎn)品形態(tài)，可以提供從核心IP、硬件IP、軟件IP，到芯片、低功耗芯片、高性能低功耗芯片，以及完整解決方案等完整服務(wù)，在同樣價格和功耗下提供最好的性能指標(biāo)，讓做人工智能應(yīng)用的合作伙伴可以獲得最優(yōu)秀的解決方案。

沈聯(lián)杰：我在深圳工作了26年，20多年前推出全亞洲第一款芯片，但沒有真正賣進安防。10年前我們才真正開始做安防，這10年來很辛苦，人臉識別用得最多的是安防，無論是銀行、酒店還是公安。要賣芯片，尤其是賣到安防領(lǐng)域，跟你的東西好不好沒關(guān)系，首先要考慮到?？怠⒋笕A等公司的地位。我們不是我們沒能力做好，像地平線那樣的芯片我們絕對有能力做，但做了賣給誰？所以我們要彎道超車就要繞過他們。

主持人蘇東：我們在談芯片時，繞不過中興事件和中美貿(mào)易事件，從做芯片創(chuàng)業(yè)公司角度來看，貿(mào)易戰(zhàn)本身以及將來對設(shè)備、人才的限制，對我們會造成一定的影響嗎？

周斌：中國和美國在芯片領(lǐng)域進行角逐，這是一個針對性的問題。美國在這個領(lǐng)域有非常強的壟斷地位，我們也在硅谷有非常大的研發(fā)隊伍。中國發(fā)展到現(xiàn)階段，無論彎道超車的理論對不對，我們都需要超越，需要往上走。我們不一定要對抗，而是充分利用已有的優(yōu)秀人才、資源和技術(shù)來解決我們的問題。

NovuMind在硅谷建了核心的研發(fā)團隊，是為了把真正的好芯片做出來。在這個大環(huán)境下，我們更容易理解其中的競爭合作關(guān)系。大環(huán)境下的一些小沖突，可以帶來更多的彼此合作和相互促進。在這個過程中，中國核心芯片產(chǎn)業(yè)一定可以支撐下去，并且一定能站在最高的頂端。在此態(tài)勢下，我們的解決方案很簡單，充分利用雙邊最優(yōu)質(zhì)的資源，使我們的水平得到提升。

牛昕宇：我覺得這個問題分為兩方面：人才和技術(shù)?？赡艽蠹叶颊J(rèn)為，如果中美之間有沖突，對人才流動有比較大的影響。作為一家初創(chuàng)公司，如果你掌握源頭性的技術(shù)，對于人才的需求只需要幾個核心團隊的人，他經(jīng)歷過這個技術(shù)從零到一的過程就可以了。

我經(jīng)常說，知道這個東西怎么做是工程化的問題，不是技術(shù)。真正的技術(shù)是這個東西從零到一之間，什么東西不能做?，F(xiàn)在深圳的人才非常好，我們很多同事從華為、中興和大疆加入，他們的工程能力很強，但他們不知道大方向。我們有CTO和首席科學(xué)家說來確定方向，你只要做就可以了。

鯤云并不特別擔(dān)心人才問題，我們在倫敦設(shè)立有鯤云獎學(xué)金，每年會招收做人工智能芯片和編譯器的優(yōu)秀博士生。我們的合作關(guān)系很明確，我來制定博士生研究課題，你的研發(fā)成果歸我所有，你來發(fā)論文，這樣大家都得到了想要的東西，在保證每個人利益的情況下，不需要發(fā)生沖突，這是三贏的關(guān)系。

在技術(shù)方面，不管是貿(mào)易戰(zhàn)還是和平貿(mào)易時期，美國對我們比較大的影響是巨頭企業(yè)，包括英特爾、英偉達等企業(yè)。國內(nèi)AI芯片企業(yè)要解決的問題是你對它是否有價值，如果沒有價值，合作無從談起。如果你有價值，就是天生的合作關(guān)系。今天現(xiàn)場有一個英特爾展臺，展示的AI芯片應(yīng)用就是我們做的。作為跨國大企業(yè)，它為什么愿意跟我們合作？是因為我們可以提供它無法提供的價值，這是最基礎(chǔ)的，不論是貿(mào)易戰(zhàn)還是和平時期，這都是初創(chuàng)公司應(yīng)該關(guān)注的。

主持人蘇東：對芯片公司來說資本嫁接是必要的，各位是創(chuàng)業(yè)公司，在持續(xù)不斷的融資。今年上半年和下半年，你們感受到的氣氛是怎樣的？

李云鵬：我經(jīng)常被問現(xiàn)在做AI和芯片，這個市場會不會有投資可能性？我的回答比較快，任何一個偉大的公司都經(jīng)歷過風(fēng)波，任何一個偉大公司的做成都經(jīng)歷過周期。如何在這期間鑒定資本力量，在低潮期穩(wěn)定團隊，專注把事情做好，這正是公司關(guān)注的。我們公司具備一定的造血能力，在中國資本市場上比較看重造血能力，我們的融資還挺好。

主持人蘇東：聽說二級市場的影響，一級市場斷崖式的下降很有影響？

李云鵬：朋友圈說一級市場搞不到錢，最近我知道一家北京的基金，40分鐘拿到1億美金，GP好還是可以搞定。好項目本身不缺資金，過程中大GP會對小GP趁火打劫。

周斌：整個市場層面，一級市場和二級市場的變化，對于頭部項目來說反而是一個好的狀態(tài)，大家更愿意集中在真正能突出的項目上，我們的感受反而更好，我認(rèn)為這是蠻好的狀態(tài)。不管市場是成長期還是洗牌期，都會真正的大浪淘沙，把真正有價值、有核心技術(shù)、有成長性、有未來的公司選出來，大家會向我們這樣的公司聚集。

現(xiàn)在隨便弄幾個人說句AI、喊個口號就能拿到投資的事不存在了，在團隊、市場層面上，有扎實內(nèi)容、能賺錢的公司反而成為市場的香餑餑，這個洗牌期會逼著洗牌人看清楚這家公司是否有價值。現(xiàn)在投資人們開始認(rèn)認(rèn)真真的看技術(shù)了，他們關(guān)注我們的內(nèi)核，給我們做IP競調(diào)、專利競調(diào)，這個情況我非常高興，因為終于找專家跟我們談?wù)?jīng)事了，投資開始回歸到價值投資的本質(zhì)，通過資本市場的力量促成技術(shù)到市場的轉(zhuǎn)化，從而共享收益。

主持人蘇東：最后，能不能用一兩句話提出現(xiàn)在沒有實現(xiàn)，但兩三年內(nèi)甚至更遠(yuǎn)一定會出現(xiàn)的AI場景？

牛昕宇：剛才我說的三個市場要求，最后一個是離市場化夠近，像自動駕駛、人工智能在金融領(lǐng)域的應(yīng)用，我們逐漸看到實際落地的趨勢。這幾個領(lǐng)域本身的行業(yè)尚未成熟，最簡單的例子是自動駕駛汽車沒有上路，系統(tǒng)就不可能大規(guī)模賣出去。相信未來3~8年內(nèi)，這些領(lǐng)域會出現(xiàn)大規(guī)模落地的情況。

李云鵬：在智能制造行業(yè)，大家都在談微笑曲線，一頭是設(shè)計，一頭是服務(wù)，中間是制造?，F(xiàn)在中國的制造行業(yè)是兩端低，中間拉得無窮長，只能打價格戰(zhàn)。AI在這方面的落地，可以在兩三內(nèi)為行業(yè)做什么。我要知道設(shè)備本身是好還是壞，什么時候壞，為什么會壞，過程一定會傳輸?shù)剿^的設(shè)計和項目設(shè)計端，為產(chǎn)品的設(shè)計帶來一定的價值提升。以AI的方式提微笑曲線，這是我們對中國制造2025年的理解。

周斌：大概3~5年后，在有限場景、受限場景的自動駕駛會成為比較現(xiàn)實的事情。第二是機器人，尤其是工業(yè)制造落地的機器人，相信更靈活、更具有自主決策、環(huán)境適應(yīng)性更強的機器人可以在3~5年內(nèi)看到。第三是醫(yī)療，醫(yī)療是我們比較看好的領(lǐng)域，3~5年內(nèi)人工智能檢測、疾病檢測、分析系統(tǒng)會非常多的滲透到我們的醫(yī)院中，這是我們公司有深入布局的點。

沈聯(lián)杰：我個人認(rèn)為，除非8~16個月就要賣幾百萬顆，否則不要做。過去這些年我在深圳賣過上百款圖像算法的芯片，人臉識別、車牌識別等待，5塊到10塊的芯片基本都賣不了量，5毛到1塊的才是爆款。

今天AI芯片不見得是完美的，它是一個趨勢，讓大家快速落地?，F(xiàn)在很多看護寶寶和老人的產(chǎn)品說是監(jiān)控又不是監(jiān)控，說是玩具也不是玩具，小寶寶笑了它拍一下，這需要多強大的深度學(xué)習(xí)嗎？先從老人、小孩或者家庭不那么敏感的領(lǐng)域切入，帶著諸如人臉識別等的功能，可以把它定位為消費型的監(jiān)控，能用、方便又便宜，就可以走在海康的前面。

主持人蘇東：今天感謝各位嘉賓的精彩分享，今天下午AI專場到此結(jié)束，謝謝各位留到最后。

附：圓桌嘉賓介紹

深圳鯤云信息科技有限公司創(chuàng)始人兼CEO：牛昕宇

牛昕宇，1987年8月出生，博士，深圳鯤云信息科技有限公司創(chuàng)始人兼CEO，中國航天-帝國理工中英人工智能聯(lián)合實驗室常務(wù)副主任、帝國理工人工智能定制計算研究組負(fù)責(zé)人、歐盟FP7和英國EPSRC等專項負(fù)責(zé)人，中國人工智能產(chǎn)業(yè)創(chuàng)新聯(lián)盟成員。曾獲歐盟科研影響力獎、帝國理工杰出成就獎、桑坦德銀行獎，并獲得FCCM、ASAP最佳論文提名2項，歐盟HiPEAC委員會最佳論文兩項，國際核心期刊和會議論文發(fā)表30余篇，發(fā)明專利7項，國際專利1項。帶領(lǐng)鯤云研發(fā)的人工智能芯片“星空”、“雨人”已成功應(yīng)用到航天、航空、電力、智慧城市等多個領(lǐng)域，并推出了以自主研發(fā)芯片架構(gòu)為底層，以開放應(yīng)用平臺為依托，為人工智能的頂層應(yīng)用開發(fā)提供計算資源的人工智能平臺，為如毛細(xì)血管般的物聯(lián)網(wǎng)應(yīng)用終端裝上“智能大腦”。

天數(shù)智芯創(chuàng)始人兼CEO：李云鵬

李云鵬，天數(shù)智芯創(chuàng)始人兼CEO。2002年畢業(yè)于南京大學(xué)計算機系，2005年獲美國威斯康辛州大學(xué)麥迪遜校區(qū)（University of Wisconsin-Madison） 碩士學(xué)位，曾任美國甲骨文公司數(shù)據(jù)庫部門研發(fā)總監(jiān)。他曾帶領(lǐng)一支橫跨五個時區(qū)的跨國團隊，為甲骨文數(shù)據(jù)庫拳頭產(chǎn)品Oracle Database 11g、12c和Exadata的研發(fā)做出卓著的貢獻，專長于研發(fā)體系的組織和管理以及智能系統(tǒng)架構(gòu)設(shè)計。2015年歸國創(chuàng)立天數(shù)智芯。

NovuMind中國區(qū)總裁：周斌

周斌，NovuMind中國區(qū)總裁?，F(xiàn)任山東大學(xué)教授，兼任北京航天航空大學(xué)人工智能專業(yè)特聘教授，曾任中國科學(xué)技術(shù)大學(xué)客座研究員。目前帶領(lǐng)NovuMind融合大數(shù)據(jù)、深度學(xué)習(xí)、高性能計算和異構(gòu)計算能力，讓智能應(yīng)用從云端延展至終端，為智能物聯(lián)網(wǎng)（Intelligent Internet of Things）賦能。周斌畢業(yè)于清華大學(xué)，并取得本科、碩士及博士學(xué)位，美國GMU大學(xué)獲得計算機碩士學(xué)位。

周斌以高速信號和圖像處理為主要研究方向，涵蓋包括傳感器（視覺、紅外、雷達、激光等）信號采集，異構(gòu)系統(tǒng)（包括GPU,FPGA,CPU等）高性能深度學(xué)習(xí)處理系統(tǒng)架構(gòu)，以及基于深度學(xué)習(xí)的目標(biāo)檢測、分類、識別和跟蹤等研究。累計發(fā)表論文20余篇，擁有國際專利2項，國內(nèi)專利7項，軟著3篇，承擔(dān)項目10余項，其中包括國家海洋局海洋公益性行業(yè)科研專項，為我國首創(chuàng)的結(jié)合高分辨率高光譜系統(tǒng)和激光雷達系統(tǒng)的對海探測項目；基于GPU的高效能復(fù)雜環(huán)境仿真方法研究，獲得總裝備部裝備預(yù)研基金重點項目支持。

作為異構(gòu)計算和深度學(xué)習(xí)方面的專家，研發(fā)了大量核心算法和處理系統(tǒng)，包括基于深度學(xué)習(xí)設(shè)計的VIP識別系統(tǒng)、人臉檢測識別系統(tǒng)和視頻處理系統(tǒng)，獲得工業(yè)界投資和應(yīng)用; 成為全球第12位，中國唯一的NVIDIA CUDA Fellow以及NVIDIA DLI認(rèn)證講師、IVA/CV導(dǎo)師。

AVSdsp CEO：沈聯(lián)杰

沈聯(lián)杰，1956生，川裔/臺北市人，交通大學(xué)畢業(yè)主要從事計算機系統(tǒng)及芯片設(shè)計，就業(yè)的工作/飛利浦IC設(shè)計部經(jīng)理/華隆微電子芯片策畫經(jīng)理/臺灣三星電子芯片企畫經(jīng)理/翔英科技總經(jīng)理（創(chuàng)業(yè)）/倚強科技總經(jīng)理（合併創(chuàng)業(yè)~股票上市）/AVSdsp Co. Ltd.（重新創(chuàng)業(yè)十年至今），近二十四年前設(shè)立公司于深圳南山科技園增至四十位工程師，成為華南市佔份額第一（70%）的圖像芯片廠，2003回臺上市公司增至二百人也成為臺灣芯片獲利王前三強，不幸因2008金融風(fēng)暴也引爆公司內(nèi)部分裂，遂辭任總經(jīng)理帶著副總與一線主管二十多人離開，重新創(chuàng)立AVSdsp以高端圖像識別處理芯片與安防產(chǎn)業(yè)為主，推出多款人臉與智能識別及星光寬動態(tài)芯片，也推出很多平價同軸高清攝像機主控芯片能年銷數(shù)百萬套，近兩年再聚焦車載影像及深度學(xué)習(xí)AI芯片，目前將發(fā)表全球最低價至$1美元的AI芯片。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。