万物互联，人机共生将带来美好的世界

2018中国人工智能最强引力波——AI WORLD 2018世界人工智能峰会圆满结束！本文献上周志华、Tom Mitchell、Max Tegmark、胡国平、张建中、周伯文等全球人工智能学术、产业领袖精彩演讲精华，共同探索“万物互联，人机共生”的未来！

人工智能，震撼未来！

每个人都在生命中的不同阶段，思考过：我从哪里来，又到哪里去这个问题。虽然答案不一，但有一点不变：与AI技术的快速迭代相比，从洪荒之初到如今万物，从智慧生命的出现到人类社会的变迁，就像是一帧帧慢镜头。

有一点是确定的：万物互联，人机共生将带来美好的世界。

在今年最值得一读的人工智能书籍《生命3.0》中，作者MIT终身物理教授、被誉为“最接近理查德·费曼的科学家”迈克斯·泰格马克（Max Tegmark），提出了一种新的观点：“生命”具有几个发展阶段，现阶段的人类只是“生命2.0”，人类命运的终极形态，将是脱离肉身束缚，实现对软件（思维）和硬件（肉身）的快速完善和自我迭代，最终通往与宇宙融为一体的普智进程。

当前人类正处于这样一个临界点，由于人工智能及其应用，我们第一次看到了构建“机器意识”的可能。2018年，“AI落地与产业化”成为关键词，随着越来越多的智能应用出现，智慧机器——不再只是单纯的机械，而是能与人交互，对环境做出响应的机器——逐渐深入我们的生活。

虽然你可能没有意识到，但在你使用智能手机的时候，你已经用到了多项AI技术。计算机视觉、自然语言处理等技术的发展，让机器能够“感知”世界，拥有了“看”、“听”乃至“说”的能力。人工智能、5G、物联网……世界正朝着“万物互联，人机共生”的方向在发展。

具体到2018年，中兴被禁、美国缩短量子计算、航空航天等高科技领域中国留学生的签证年限，以及近来爆出的一起接一起知识产权案件，都愈发深刻地让人意识到，中国以人工智能为代表的高新科技实力正在崛起，但未来将面临越来越多的挑战。

在人类探索并不断攀登万物互联新智极的过程中，中国将扮演怎样的角色？从关键的第一步起，在看到各种应用繁花盛锦的同时，更加不能忘记如何去塑造一个健康而又充满活力的AI生态构建未来。

我们每个人都有责任参与其中，并发挥我们不可或缺的重要作用。为此，新智元携手北京市海淀区管委会，共同策划并举办AI WORLD 2018世界人工智能峰会，聚焦AI医疗、教育、芯片等热点话题，与会嘉宾探讨了芯片自主、机器学习算法创新、人与机器共存共生等议题。

这是一场站在当下科学和技术基础上对未来展开的思辨，AI WORLD 2018世界人工智能峰会呈现出当前中国AI机遇与挑战并存，中国和西方在人工智能领域各有所长、取长补短的可能。

峰会上，新智元创始人兼CEO杨静发布了2018年度“AI Era创新大奖”，从AI人物、企业和产品/服务多个角度，呈现出中国AI产业的新生态。

万物互联，人机共生，AI带来感知与进化

AI WORLD 2018世界人工智能峰会的联合主办方是中关村海淀园，海淀园管委会常务副主任、海淀区科委主任林剑华到场致辞，全程脱稿演讲，一如既往彰显着服务创新者的本色。

中关村海淀园管委会常务副主任、海淀区科委主任林剑华

林剑华常务副主任给出了他参加峰会的两个关键词，一个是“进化”，一个是“感知”。

“进化”是人工智能很重要的主题词，开场视频中也让人能感受到进化。人工智能代表了整个技术的进化，也是人类生活方式的进化，举办峰会来共同探讨进化的话题非常有意义。

“感知”则是从发展人工智能来说，感受这个时代的脉搏，感知整个世界的声音。林剑华表示，从政府来说是感受创新者的需要。这样能够更好服务好大家。

人工智能行业共同的一个使命，是要感知生活的需要，不管学术、产业如何发展，最终人工智能的发展是要服务人类生活的进化，是人类生活的需要。

林剑华在致辞中表示，他对科技创新企业给予了满满的希望，希望大家通过峰会能够形成更大的共识，凝聚更大的力量，也欢迎大家多多到海淀来，海淀一定不会让大家失望。“我也相信，海淀一定会是人工智能的高地”。

目前，北京海淀正以人工智能为重要依托，全力聚焦建设中关村科学城，打造原始创新策源地和自主创新新阵地。海淀已经出现了全国第一个自动驾驶封闭测试场，同时在海淀北部布局了一百平方公里自动驾驶示范区，“AI海淀，连接无限”更成为海淀未来发展的新愿景和新驱动。

3万人投票、101位智库专家评选，AI Era大奖建设AI生态平台

本届峰会的重磅环节——AI Era创新大奖正式揭晓！新智元创始人兼CEO杨静女士公布大奖结果。

新智元创始人兼CEO杨静女士

AI Era创新大奖是根据新智元智库专家评选、新智元用户票选、网络影响力指数、财务指数等四大维度大数据综合评定，评选出2018年度对AI领域作出重大贡献，切实推动AI进步和发展的人物、企业和产品。

杨静女士在演讲中表示，目前新智元有超过32万微信订户、数千位AI智库专家，每一个投票都是订户和专家用心作出的选择和判断。

这种选择对未来的世界是有帮助的，为什么？因为现在存在着隔绝、割裂和冲突，这阻碍着AI融合和开放、开源。BAT之间、国内巨头和国际巨头之间没有一个共通的生态，学术界和产业界之间也没有一个共同的体系，新智元力图用自己的平台让AI的从业者能够参与生态体系的建设中，能够吐露自己的心声，参与到AI产业和AI学术的之中。

AI Era创新大奖历时112天，超过3万订户踊跃参与，投了16万票，这是大家共同参与建设AI生态体系的过程。

同时，大奖还受到了101位全球顶级的华人专家评审，专家的投票是符合学术界同行评议的传统，这些专家就像长老会、参议院一样，他们的投票也给大奖评选提供了一种参考。

目前，AI Era创新大奖结果已经揭晓，今后，大奖将与时俱进，定期更新，收纳产业界最新动态数据，后期还将进行开源，让产业界的优秀人物、企业和产品参与到中国AI产业开放生态中来。

周志华：机器学习进一步突破，要克服三大挑战

南大计算机系主任、人工智能学院院长周志华教授分享了他《关于机器学习的一点思考》。

南大计算机系主任、人工智能学院院长周志华教授

周志华教授表示，当前机器学习成功的背后，实际上离不开三点：

1）有效的深度模型，现阶段基本上就是深度神经网络；

2）存在强监督信息，也即数据都要有标注，而且越精准越好；

3）学习的环境较为稳定。

因此，如果未来机器学习要取得进一步突破，就必须：1）设计新的、多样化的深度模型；2）让智能体能够在弱监督条件下学习；3）引入开放的、动态的学习环境。

周志华教授说，机器学习界早就很清楚，“没有免费的午餐”，也即任何一个模型可能只适用于一部分的任务，而另外一些任务是不适用的。因此，深度神经网络在语音、图像和视频类的数据上表现很好，但另一些任务，比如Kaggle竞赛中常见的订机票、订旅馆，还是随机森林或XGBoost表现更好。

周志华教授着重介绍了他带领团队提出的“深度森林”，这是一种以决策树为基础构建的深度模型。在与蚂蚁金服有关互联网金融非法套现检测的合作中，深度森林在近2亿真实交易数据的规模上，性能超越了包括深度神经网络在内的其他模型。这也验证了周志华教授及其团队的猜想——在很多其他任务上，非神经网络的深度模型能找到用武之地。

不过，周志华教授也表示，任何一个理论的提出，都需要经过长时间的发展与完善。深度森林目前尚处于初级阶段，好比打开了“深度学习”这间小黑屋的一扇门，还有更多需要去探索。

如今的GPU，已不再是单纯的图像处理器

作为NVIDIA全球副总裁、大中华区总经理，张建中的参与为AI WORLD 2018世界人工智能峰会带来了很大的吸引力，而他的报告《AI与自动驾驶》，也让人看到更全面的英伟达。

NVIDIA全球副总裁、大中华区总经理张建中

张建中从摩尔定律说起，但随后话锋一转，“在浮点计算以及并行计算领域，GPU的性能还是能够保持持续的增长。”张建中说。GPU大部分计算性能的提高，靠的主要不是工艺制程的变化，而是来自于架构、软件和SDK到芯片和应用层面的结合。正亦如此，GPU的性能在每一代的计算上都有着惊人的提升。

“如果我们看今天的GPU，实际上它已经不再是传统的图形处理器了，而在图灵最新的技术当中，里面已经集成了很多不同的核心处理器。”张建中说。

张建中特别介绍了RTX，英伟达最新推出的基于图灵架构的GPU，它能够实现实时光线追踪，这不仅仅为计算机图形学，也为AI推理带来了极大的转机，尤其是AI代码处理。

张建中以自动驾驶为例，着重介绍了GPU在推理（Inference）情况下的应用。前不久，英伟达在日本GTC发布了AGX，它可以作为极小的单芯片Xavier对接自动驾驶汽车的各种不同接口，也可以用两个Xavier芯片加上两个GPU（名叫Drive Pegasus），用在L3~L5等不同的自动驾驶场景中。

“我们相信，凡是能够运动或者移动的物体今后都能实现智能化，任何一部车无论是轿车、卡车、运货的小车，或者是农用的机械工具等等都可以使用AGX实现自动化。”张建中说。

不是人人都该学Python，而是让AI学会理解人

CMU的机器学习系是全球高校第一个专门的机器学习系，其创始人Tom Mitchell 教授也参与写作了1983年出版的经典教材《机器学习：一种人工智能方法》，其中的一些思想即使在现在看来也依然深刻而历久弥新。

CMU机器学习系创始人Tom Mithchell教授

被誉为“机器学习教父”的Mitchell教授，专为新智元AI WORLD 2018世界人工智能峰会撰写了报告《人工智能与互联的未来》，探讨峰会主题“万物互联，人机共生”。

Mithchell 教授告诉新智元，在他长达30多年的职业生涯中，机器学习领域的产业化发展，是令他印象最深刻的一个变化。从上世纪八九十年代开始，再到如今的深度学习，机器学习技术转变为越来越多的应用，走进人们的生活。“未来，我们可以有像手机一样的电灯，”Mithchell 兴奋地说：“在餐厅里的灯泡可以观测客户是否需要点餐或结账，而医院里的灯泡则检测病人是否摔倒或需要帮忙，家里的灯泡可以检测温度、湿度、自动调节明暗……技术的发展让我们未来的生活拥有无限可能。”

在演讲中，Mitchell 教授也着重强调了他的观点——不是人人都该学Python，而是让AI通过自然语言学会理解人。这样，每个人都可以根据自己的需要教会AI，让自己的AI完成这个人的所需，听力不好的人可以让AI辅助听觉，而视力不好的人，他们的AI则会自动帮主人实现文字放大、高清化等功能。

要实现这样“万物互联，人机共生”的未来，不仅需要在技术，也需要在政策和伦理上进行一些辅助和约束。Mithchell教授认为，中国与西方在AI上侧重不同，各有强项，这是好事，可以形成互补。而在教育、医疗等不涉及竞争的领域，则相互合作，发挥更大的作用。

通用人工智能会是人类历史上犯下的一个巨大错误

MIT教授、《生命3.0》的作者Max Tegmark分享了他对“更远的未来”的想法，他的演讲主题是《人类如何通过人工智能“赋能”，而不是被其“操纵”》

MIT教授、《生命3.0》作者Max Tegmark

Tegmark在他的畅销书《生命3.0》中设想了一个具有发展阶段的生命历程。生命1.0就是最原始的生命形式，如细胞，生命只是在不停复制。

到了生命2.0阶段，这是人类所在的地方：人类能够学习，适应不断变化的环境，并能有意地改变这些环境。但我们还不能改变我们的身体自身，不能改变我们的生物遗传。Tegmark 将这种对比比喻成软件和硬件之间的对比。

第三个阶段，即生命 3.0 阶段。在这个阶段，我们把人工智能用于所有任务，也就是所谓的AGI（通用人工智能）。人类不仅可以重新设计自身的软件，还可以重新设计自身的硬件。

Tegmark说，我们现在技术发展和AI发展的现状非常复杂，但是有一点可以确定，就是大多数的研究员在某种程度上已经能够建立AGI。AI在很多任务上已经能做得比人类更好，如果阿里巴巴、Google、百度和腾讯把所有的AI开发程序整合起来，最终将带来AI的持续进步。

当然，这也是非常有争议的部分，可能会带来技术的爆炸。因为我们一直去让AI提升，最终AI可能会比人类做得好很多，我们需要时间去检验现实。

Tegmark表示，如果考虑未来可能面临的挑战，这会是人类历史上犯下的一个巨大的错误。但是因为技术是如此的有力，我们在实现技术能力的道路上会犯下很多错误。我们应该如何引导技术的发展，为人类创造一个非常美好的未来，这是美国、中国以及所有国家都应该思考的问题。

若想在认知智能路上走得更远，需要关注的是语言之下智慧本质

科大讯飞高级副总裁、研究院院长胡国平分享了《认知智能最新进展及下一步思考》。胡国平表示人工智能被分为三个台阶：计算智能、感知智能和认知智能，尽管机器在计算智能方面已经超过人类，感知智能方面也几乎可以达到人类水平，但在强调知识、推理能力的认知智能方面，机器与人类仍有差距。

科大讯飞高级副总裁、研究院院长胡国平

胡国平说，认知智能涉及到语义理解、知识表示、联想推理、智能问答和自主学习等领域，这些都是更为艰难且至关重要的任务。借助现在所掌握的技术，此前科大讯飞将一个拥有自然语言理解能力的机器人送去参加国家执业医师资格考试，该机器人随后以456分的成绩成为全球首次通过国家执业医师资格测试的机器，这就是认识智能一大进步的体现。

在此之外，现在不仅认知智能国家重点实验室已经在讯飞落户，科大讯飞还在人工智能+脑科学等诸多领域展开了探索。

胡国平还提到了关于认知智能下一步方向的思考。他表示现在多数产业在认知智能上面的做法大多停留在纯文字层面，然而语言只是人类智慧的载体和表层，如果只纯粹在文字层面做认知智能，可能会有着极矮的天花板。若想在认知智能路上走得更远，需要关注的是语言之下智慧本质。

然而，胡国平表示要机器做到人类大脑所能达到的智慧实属不易，因为学习和记忆是人类大脑工作的基本机制，人类智慧的通式是基本对物体、空间、时间感知的序列记忆和预测，而遗憾的是现在纯软件方式的人工智能算法，难以验证该通式。在未来科大讯飞希望用更有效的方法去训练机器的建模和预测能力，探寻智慧的本质，从而获取智慧本质的通式。

狭义深度学习已死，广义深度学习永生

上午的AI WORLD 2018产业领袖论坛环节，周志华、胡国平及京东集团副总裁、人工智能平台与研究部负责人周伯文、百度技术委员会主席、百度自然语言处理首席科学家吴华共同参与，杨静女士作为论坛主持人。

AI WORLD 2018产业领袖论坛（从左起：杨静、周志华、周伯文、胡国平、吴华）

杨静女士向嘉宾提问：AI遇到“寒冬论”的威胁，以深度学习为代表的AI主流算法现在到底是不是到了瓶颈期？

周志华认为，广义的深度学习不再局限于深度神经网络本身，人们可能就会有全新的天空。比如周志华的小组正在做的非神经网络模型，这里可以探索的东西有很多很多。再往大来说，人工智能技术又远远超过深度本身的范畴，所以狭义的神经网络研究本身会碰到一些瓶颈，但更大范围的人工智能技术的研究空间非常的广。

周伯文：深度学习最核心的思想并不是神经网络，而是怎么将表层学习和Task-objective联合在一起做Joint Learning，可以说是方兴未艾，而且方向非常的多。

京东集团副总裁、人工智能平台与研究部负责人周伯文

深度“随机森林”是另外一个方向，所以从这个大的意义角度来讲，如果把深度学习认为是一个表征学习和Task-objective放在一起的话其实是方兴未艾，包括很多Transfer Learning，虽然是更新的领域、更好听的名词，实际上这些结合的思想还是在那里的。所以从这个意义上讲，我认为绝对不能说深度学习已死。

胡国平：深度学习还在往前演进，也有很强的生命力，各种工业和行业还是有非常多的应用机会。只要还有成千上万的顶级研究者在以深度学习为自己的研究课题，至少在未来的两三年内说“深度学习已死”还早，我们认为技术的推动力应该是会足够强大的。

百度技术委员会主席、百度自然语言处理首席科学家吴华

吴华：从学术研究的角度来看，深度学习本身也有很多的问题，是依赖于大数据、高能耗的学习方法，所以在小样本学习、可解释性和知识结合方面需要在理论上进行更深入的研究。从产业的角度来看，百度在做AutoDL、EasyDL等，其实是想降低深度学习的门槛，使得这种门槛降低，赋能传统行业，这个方面还是刚开始，所以我们还有很长的道路要走。

更多嘉宾在论坛上精彩分享，新智元将推出专门文章进行报道。

深度网络在极端复杂任务前不堪一击

下午主论坛开场，计算机视觉的奠基人之一、约翰霍普金斯大学认知科学系和计算机科学系教授Alan Yuille发表了演讲《深度网络及其发展：数据不是万能的》，为现场观众带来又一场学术洗礼。

约翰霍普金斯大学认知科学系和计算机科学系教授Alan Yullie

Yuille教授认为，目前人工智能的成功归功于三点：1）深度学习、强化学习等机器学习方法的成功；2）拥有大规模带标记的数据集；3）强大的计算机，特别是GPU带来的算力。但是，要构建像人一样的通用AI系统，还有很长的路要走。

Yuille教授以他的专业领域——视觉为代表，分析了当前深度网络存在的三大主要挑战：1）可以学习和表示的函数是有限的；2）容易遭受对抗样本与其他类型的攻击；3）可用数据集的规模和标记都是有限的。

为此，Yullie教授指出，我们需要新的算法，能够根据训练样本进行泛化或外插的模型，比如组合模型（compositional models），能够从全新的视角去识别物体，尤其是那些由特殊材料制作或具有不明遮挡物的物体。

同时，我们还需要从有限的数据集中学习，但学出的模型必须在无限大的测试集上也保持有效和稳定。当然，创造无限大的测试集是不现实的，不过，Yuille教授指出，换一种思路，“敌人的敌人即是朋友”，我们可以用最极端的情况来测试模型。

Yuille教授总结道：深度网络虽然很强大、很有用，但在极度复杂的任务面前不堪一击。要构建像人一样的人工智能，需要结合AI、认知科学和神经科学，还需要对人类智能有更好的理解。

做医疗人工智能需要保持对医疗领域的敬畏态度

依图医疗总裁倪浩分享了《医疗人工智能的探索》。倪浩表示，中国医疗资源不平衡、不充分的现状是世界级难题，而人工智能是应对这个挑战的最有力技术。现阶段，中国的医疗人工智能发展已经领先于美国，得益于医疗迫切的需求和专家创新的态度。

依图医疗总裁倪浩

倪浩说，现今医疗人工智能发展比较快的领域是图像领域，依图科技尤其在放射领域投入了很多精力，单病种、单科室和单任务级别的任务完成得比较好。不过，他又指出在临床科室方面，尚无影响力较大又受到医疗业界高度认可的人工智能产品诞生。

如同人类对医学的探索，整个医疗人工智能领域目前也仍处于早期，开发尚不充分。倪浩预测，未来这一领域将经历三个阶段：第一阶段智能科室，第二阶段智能疾病诊疗，第三阶段智能医院。如今，无论是医疗影像领域还是现在大热的肿瘤治疗方面的免疫疗法都处于比较早期的阶段。

倪浩表示，现在人工智能领域主要面临三大挑战。首先就是人工智能与医疗数据，怎么形成供人工智能使用的医疗大数据，而这一过程需要有人工智能参与，不能只依靠原始数据；

其次，人工智能面临着医学挑战，简而言之，做医疗人工智能需要保持对医疗领域的敬畏态度，不可小看医学数据和疾病本身的复杂度；

最后就是人工智能的行业从业者们：医生、医院、企业和政府这些角色未来以怎样的态度拥抱医疗人工智能？这一问题值得关注。倪浩说，这一领域欣欣向荣充满希望，但未来道路的确远且长。

边缘智能：人工智能的最后一公里

边缘智能（EI），即互联网和物联网的边缘，处于大量传感器的领域，作为主要从事视觉领域的企业，EI正是小蚁科技的核心关注领域。

小蚁科技创始人兼CEO达声蔚

小蚁科技创始人兼CEO达声蔚表示，小蚁在计算机视觉和EI领域的三大核心竞争力是最强嵌入式神经网络算力、面向落地领域的整套行业EI解决方案，以及可自我成长的网络开发模型。

小蚁在边缘端采用的嵌入式小比特神经网络，在每TFlop等效算力上实现最大化。前端设备应用时产生的大量数据，反过来重新训练算法，形成算法、训练、数据的闭环，使前端算法精确度大幅提升。

在人类历史上，只有数据会永远保持指数级增长，达声蔚以智慧零售为例，提出了海量数据利用中的关键几个问题。即如何提高销售业绩，如何决策，如何优化人工成本效益，以及对人、货、店的认知问题。

达声蔚认为，只有数字化和可视化才是这个问题的最佳解决方法。小蚁通过可视化技术重构整个零售业空间，更清晰地对空间内的人、货、场进行定位和认识，实现主动性的、变革性的闭环决策机制。

随着未来对边缘智能领域算力需求的提升，该领域未来五到十年会有新的摩尔定律诞生。目前小蚁推出的小蚁视网膜Box“万物一瞬见”算力达到5TFlop，是目前NVIDIA最强的DX2算力的2倍。

达声蔚最后表示，小蚁目前的目标是“万物互联，边缘先行”，正与AI World 2018“万物互联，人机共生”的主题遥相呼应。

人工智能的目标是在机器上实现类似人的智能

悉尼大学教授、澳大利亚科学院院士、优必选人工智能首席科学家陶大程博士分享的主题是《AI破晓：机遇与挑战》。

悉尼大学教授、澳大利亚科学院院士、优必选人工智能首席科学家陶大程

陶大程表示，人工智能的目标是在机器上实现类似人的智能。人有四个方面的智能：Perceiving、Learning、Reasoning、以及Behaving。他的演讲围绕这四个方面展开。

Perceiving包含了很多方面：物体检测、目标跟踪、场景分割、关键点检测、人脸图像分析等等。但是高性能perceiving还依赖于高质量的数据输入。如果输入图像或者视频受到噪声、湍流、模糊、雾、低分辨率等因素的影响，那么需要对数据的质量进行提升。深度学习在这些方面也发挥了非常重要的作用。

深度学习的成功并不是简单的对网络层的堆积。设计合理的深度学习网络，需要对问题本身有深入的理解，而且传统的统计机器学习对于设计高效的深度神经网络也非常重要。

关于learning方面，陶大程博士介绍了：多视角学习、多标签学习、adversarial domain generalisation、tag disentangled GAN等等。尤其是遗传对抗生成网络（Evolutionary GAN）有效的解决了传统GAN网络学习的两个痛点：

（1）训练不稳定性。

（2）模型塌缩。这个工作也被麻省理工学院技术评论（MIT Technology Review）评选为热点论文（The Best of the Physics arXiv）。

另外受到信息论中数据处理不等式的启发，陶博士和他的学生们在理论上解释了深度学习中两个备受关注的问题：（1）为什么模型复杂度非常高的深度神经网络，不会发生过拟合？（2）深度神经网络是越深越好吗？

最后陶大程博士介绍了优必选悉尼大学人工智能研究院在reasoning和behaving方面的一些进展。他的团队最近在visual question answering（VQA，看图回答问题）和visual dialog（看图对话）的国际比赛中都取得了非常不错的成绩。

目前陶大程博士的团队努力在人形机器人上实现示教学习（imitation learning），希望不久的将来能够实现：机器人通过摄像机来理解人的行为，模仿人的行为，并且最终有效的和人进行互动。

区块链和加密算法将给AI插上飞翔的翅膀

中国万向控股有限公司副董事长兼执行董事肖风分享《AI、数据隐私保护与区块链》。肖风表示随着AI迎来第三次高潮，技术对数据愈发依赖，带来了人们对数据估值的重新发现。

这也引来了人们对数据相关话题的热烈讨论，如：数据的产权确认、隐私保护、协同计算和价值分配问题。事实上，AI本身不能解决这些问题，但不解决这些问题必然阻碍AI的发展。

中国万向控股有限公司副董事长兼执行董事肖风

加密算法成为了数据保护的“白马骑士”，然而加密算法也有“力有不逮”的时候，互联网也不能解决加密算法剩下的问题。肖风说，数据真正要有价值就必须把数据资产化，数据没有能够被资产化就无法就数据进行交易，无法给数据确定价值，也无法算得回报。这时，大家便纷纷加入区块链行业，投身到数据的隐私保护和数据的协同计算。

肖风说，区块链加上加密算法是一对绝配。区块链的链式数据库可以保证数据的真实性，作为事实机器，和信息机器最大的不同是，任何数据在区块链上面不可能被“双花”。防止“双花”，数据才能成为资产。同时，在区块链论坛上数据隐私保护也日益成为主要话题。

肖风总结称，区块链加上加密算法将会给AI带来一片新的天地，它们的结合将满足AI对数据的需求，数据隐私会得到保护，数据资产会得到确权，数据共享会得到激励，数据计算会得以开放，数据治理会得以有序。未来三到五年内，一个去中心化的分布式AI平台或将出现，那么它将不再需要依靠中心化的机构，也不再需要中心化机构的数据。

麒麟980详解：驱动华为Mobile AI

华为麒麟AI首席科学家芮祥麟发表了题为《Mobile AI发动机——麒麟980》的主题演讲，介绍了麒麟980芯片和HiAI平台。

华为麒麟AI首席科学家芮祥麟

华为AI芯片从麒麟920开始，到950、970、980，经历了不断成长的过程。麒麟980采用7nm制程，集成了69亿晶体管，面积持续缩小。

麒麟980在几个方面做到了全球第一：

全球首款商用7nm手机SoC芯片；

全球首款Cortex-A76 Based CPU；

全球首款双核NPU；

全球首款Mali-G76 GPU；

全球首款1.4Gbps Cat.21 Modem；

全球首款支持2133MHz LPDDR4X的手机SoC芯片。

芮祥麟博士详细介绍了麒麟980芯片的设计和性能提升，以及麒麟980的融合能力开放架构中非常重要的HiAI Foundation。HiAI Foundation能力向搭载麒麟970，麒麟980的华为手机全部开放，具有强大的计算能力、多框架支持、更加丰富的算子和更加方便快捷的集成等优势：

强大的计算能力：和CPU相比高达25x性能、50x能效比 

多框架的支持：Caffe ,TF, Android NN；Caffe2/PyTroch, ONNX, Paddle… 

算子支持：147算子 

集成部署：集成简单，易部署；多版本兼容

最后，当提到华为为何那么专注于开发AI芯片时，芮祥麟表示，目前数据隐私保护的情况之下，很多事情实际上无法单独由云上的计算力完成，必须要在端侧完成。

这是非常复杂的多目标的优化问题，有能耗、内存的限制，而且各种场景有不同的需求。华为的一个主要目的就是能够在端侧开发出很好的芯片，能够将尽量多的处理能力在端侧完成，最大地提升用户体验。

未来下一个十年就是“AI in All”

腾讯云AI平台和物联网数据总经理张文杰分享了《从行业应用到AI普惠化》。张文杰表示，过去的一年中，AI快速发展，AI整个产业应用层面已经形成了壁垒效应，技术层面已经在实现普惠化，落地在各个行业，帮助各个行业解决以前比较困难、投入比较高的问题。

腾讯云AI平台和物联网数据总经理张文杰

腾讯成立于1998年，在语音、视频、机器人、量子计算等方面的AI技术都有布局与投入，那么，下一个十年应该是什么？张文杰表示，未来下一个十年就是“AI in All”，腾讯推出“超级大脑”，将会逐步助力所有的行业。

张文杰解释称，“超级大脑”其实是一个连接云边端的智能操作系统，可以将该系统想象成一个坐标：从横座标来看是连接云边端三位一体的连接器，将包含百余项智能服务，用户可以根据需求随需随取；腾讯将提供数据的增强服务，云边端一体化，用来帮助客户快速智能的在边缘进行计算；除此之外还有软硬件开放平台以及大数据应用服务。从纵座标来看腾讯云在服务层面实现智能物联，同时还提供AI平台应用服务，包括腾讯云大数据实时可视交互系统 [RayData]，还有智能存储计算以及网络。

围绕“超级大脑”，腾讯云还开发了智能钛机器学习平台。张文杰表示，智能钛机器学习平台是“超级大脑”的核心组成部分。腾讯云希望通过智能钛机器学习加上“超级大脑”，以实现真实训练环境和生产环境的双向互动。智能钛和“超级大脑”将帮助广大行业客户和领先厂商解决行业共性问题，在数据有限的情况下输出模型自动更新，同时能够快速地把原来已有的模型更新迭代，也为未来可能会出现的新场景服务，打造数据和模型的双闭环。

2019年最值得期待技术：5G+AI+IOT

下午的AI WORLD 2018AI Vision技术领袖论坛，爱奇艺首席技术官刘文峰，旷视科技上海研究院负责人危夷晨，微软亚洲研究院副院长、国际计算语言学协会（ACL）候任主席周明，三星电子中国研究院院长张代君，小i机器人创始人、CEO朱频频作为嘉宾同台讨论，新智元创始人兼CEO杨静女士作为主持人。

AI WORLD 2018AI Vision技术领袖论坛（从左起：杨静、刘文峰、危夷晨、朱频频、周明、张代君）

杨静：各位都是CEO和CTO，你们想像2019年AI技术最大的突破和最有机会的落地点到底在哪里？

张代君：随着5G技术的发展，5G+AI+IOT会非常精彩，因为这些Enable技术都已经具备了，再就是基于硬件加速和软件加速的Undevice也会有很好的发展。

三星电子中国研究院院长张代君

周明：我认为多轮语义分析的进展会进一步推动多轮对话的进展。

微软亚洲研究院副院长、国际计算语言学协会（ACL）候任主席周明

朱频频：从技术方面来说，Domain Knowledge要和Machine Learning进一步结合完成自然语言的对话，达到更自然的交互，再就是情感交互的能力如何融入对话的过程当中，现在机器只是模拟人类的情感，让机器在为人类服务时，人类更加舒服。

小i机器人创始人、CEO朱频频

危夷晨：技术方面主要是网络模型的智能化搜索，因为现在我们有很多不同的场景和不同的设备，包括针对精度的要求、功耗和计算力都不一样，现在这种模型都是由人手工完成，模型自动搜索以后会使得整个产业化的效率提高很多，这个方面也在迅速发展，再过一年应该会有很大的提高。

旷视科技上海研究院负责人危夷晨

刘文峰：我期望的是2019年AI和娱乐的结合能够给大家在娱乐方面带来前所未有的体验。因为之前的这些积累都是为了落地真正的内容、娱乐方式和用户体验，所以明年应该能够看到非常显著的成效。

爱奇艺首席技术官刘文峰

更多嘉宾在论坛上精彩分享，新智元将推出专门文章进行报道。

CPU+GPU+FPGA+XPU，AI计算系统面临新挑战

未来，算法的发展对整个计算的需求挑战会更大，提高整个系统的性能与效率的将显得尤为重要。

张清是《MIC高性能计算编程指南》专著的主要作者之一，开源深度学习计算框架Caffe-MPI 1.0的研发负责人，浪潮AI首席架构师，主要研究方向是大规模分布式AI计算系统、AI端到端应用方案系统架构、并行计算&异构计算。

20日下午的AI Connect&Cloud会场，张清带来了《AI计算系统设计与优化：从实验到生产》的主题演讲。

浪潮AI首席架构师张清

张清认为，AI计算系统面临如下挑战：

1.计算规模从单机到大规模集群计算或云计算，规模呈量级、甚至是指数级增长，计算复杂度会越来越大，对系统的性能及性能可扩展性会提出更大挑战。

2.计算架构从单一CPU+GPU异构架构到混合多元异构架构CPU+GPU+FPGA+XPU，通用与定制化计算设备的高效协同计算、异构并行计算将面临巨大的挑战。

3.系统环境从单用户、单任务、单场景到多用户、多任务、多场景复杂环境的构建，系统将面临统一管理与调度、计算负载均衡等挑战。

针对上述挑战，AI计算系统设计优化将从四个层面考虑：

1.AI计算平台层，其设计与优化需针对AI模型算法、应用场景进行Co-Design，让我们的计算平台与应用算法更加适配，达到更高的计算性能；

2.AI计算管理层，需针对AI开发的全流程，从数据预处理、模型开发、模型训练、推理上线构建AI统一计算管理与调度平台，实现对AI开发与AI运维的统一管理，达到对系统的高效利用。

3.AI计算框架层，需对开源AI计算框架进行深入优化，从性能及性能可扩展性两个方向，满足大规模计算需求。

4.AI应用算法层，需结合模型和算法特点以及框架的特点，从计算、通信、IO三个方面进行深度优化实现，进一步提供AI计算系统的应用性能。

未来的传感器不仅是采集设备，更是认知设备

云天励飞联合创始人兼CEO陈宁发表题为《芯联世界，智创未来》的主题演讲。

云天励飞联合创始人兼CEO陈宁

陈宁首先介绍了云天励飞打造的一套区域级“天眼”系统，这是一套融合了基于深度学习的人脸识别、人像结构化算法、处理器芯片技术、超多维向量检索，以及大数据分析等多项技术的动态人像识别系统。

该系统在深圳上线近三年，已协助公安部门破获案件6000多起，涉及经侦、技侦、网侦、刑警、打拐、反恐、缉私各类案件。

云天励飞在去年年初于深圳推出了全国首套针对行人闯红灯的监控系统，启用仅三个月，相应路口行人闯红灯的比例就下降了92%。

陈宁认为，在AI三要素：算法、芯片和数据中，算法是AI的灵魂，芯片是AI的躯体，而数据和应用场景是AI的营养。云天励飞搭建了端到云的技术体系架构来承载这三要素。将基于深度学习的芯片放在终端。将有用的信息传到云端，由云端承载的一系列算法，来挖掘大数据信息辅助决策。

陈宁表示，在未来，具备学习功能的大脑芯片会将传感器由信息采集设备转变为认知设备。由于对海量视频和图像信息的处理需求，未来的传感器和终端设备中都需要AI芯片来实现。

陈宁认为，现在可以大胆预测，未来3-5年内AI芯片会突破传统通信时代的芯片，实现垄断。在这个过程中，云天励飞计划将AI技术与警务、城市治理和零售等行业领域相结合，让这些行业焕发出新的生命力。

机器意识的兴起与实现不是没可能

伦敦大学学院计算机系教授汪军作了《论机器意识的可能和实现》的演讲。汪军教授说：“我是学者嘛，所以要讲一些不同的东西。”

伦敦大学学院计算机系教授汪军

汪军教授在研究方向之一是多智体强化学习，也就是有多个“agent”互动，包括沟通、协作与竞争。由于最近在研究“机器意识”这个课题，汪军教授的演讲也从“意识”讲起，最后讨论了机器是否也能拥有“意识”，如果答案是肯定的，那我们又该如何通过数学和计算机程序来实现这一点。

汪军教授介绍了他们团队研究用AI打桥牌的例子。相比完全信息博弈的围棋和不完全信息但只需要一对一的德州扑克，桥牌是一种不完全信息博弈，而且需要选手两两组队，相互合作与竞争。这个游戏更贴近于现实世界发生的情况。

研究结果表明，AI在打桥牌时，能够学会相互隐秘地沟通，最终取胜。也是这一点，让汪军教授想到机器意识兴起与实现的可能。

“很多原理实际上并没有那么复杂，”汪军教授说：“只要你去研究并做出来的话。”当然，现在还都是非常初步的探索，因为首先，目前学界对“意识”还没有统一的定义。

清洁环卫自动驾驶，实现无人驾驶商业和社会双重价值

自动驾驶是AI技术集大成者，也是当前人工智能最具挑战也是最有吸引力的领域之一，不过载人的无人驾驶商业化也许还需要一些时间。

针对无人驾驶商业化方向，切入自动驾驶环卫清洁领域的Autowise.ai创始人兼CEO黄超总结了三点，分别是乘用车、货运物流以及清洁环卫车。这三点商业化的方向都具有巨大的市场。

Autowise.ai创始人兼CEO黄超

黄超说，在自动驾驶车辆目前无法上路行驶的现状下，该领域的创业及研发不应停滞，并且需要政策上给予更多的鼓励与支持，允许在更多道路环境下进行测试。

目前，只能实现限定环境或封闭道路的无人驾驶商业化。乘用车自动驾驶可以作为园区内的摆渡车；货运物流自动驾驶可以作为园区物流；而清洁环卫车自动驾驶可以是小型清洁车或者大型扫地机器人等。

黄超着重介绍了城市道路清洁环卫自动驾驶的社会和商业价值。

城市道路清洁环卫的痛点在于：

安全性：清洁工在路面作业的安全性无法保障；

环境因素：比如高温、雾霾和严冬等；

工作时间：多处于深夜或凌晨；

人员管理、质量把控：逐层管理成本较高；

劳动力缺乏。而通过道路清洁环卫自动驾驶能够克服这些痛点，也是其社会及商业价值的体现。

最后，黄超讲了城市清洁领域的商业化进展，对于封闭道路已经展开了商业化运行。对于半封闭道路，处于试运营阶段。而对于开放道路，目前只能是测试阶段，需要各方面条件逐步完善后，才可以推进商业化的相关工作。

AI+教育：每个孩子该有个AlphaGo一样的老师

每个孩子身边都应该伴有类似AlphaGo一样的超级AI老师，让每个学生都能够得到平等且个性化的教育，这是乂学教育首席科学家崔炜的愿景。

乂学教育首席科学家崔炜

崔炜在演讲中提到，目前教育过程中存在的痛点：

教育效率非常低下

全国教学资源分配不均

老师针对不同学生无法把个性化教学

而通过AI与教育的结合真正能够把个性化教育和因材施教规模化和普及化，让每个孩子都能享受到个性化教育和因材施教带来的好处，让学生的学习效率不再那么低下，有更多时间去从事更有意义的事情。

崔炜研发团队所研发出的国内第一个基于人工智能和大数据技术的AI智适应学习产品，主要是针对K12领域里的学生。

智适应学习系统模拟特级教师，目标是通过个性化的教学方式，改善或加速学生在学习上的收益。所涉及到的AI算法包括遗传算法、神经网络技术、机器学习、图论、概率图模型、逻辑斯蒂回归模型、知识空间理论、信息论、贝叶斯理论、知识追踪理论、教育数据挖掘、学习分析技术等。

通过这些算法可以规划最佳的学习路径，最大化学习效率；依据不同学生的个性偏好、学习习惯和风格，推荐最匹配的学习内容；以及系统实时对学生的能力水平进行动态评估等。

崔炜表示，在未来，不仅希望提升学生的学习效率，同时希望能够进一步培养学生创造能力、想像能力以及终生的学习能力，认为这三点是未来每一个学生、每一个人在“与机器竞争”的时代中所应具备的能力。

硬件掣肘愈发明显：哪个结构或平台将成为未来的主流？

硬件的计算能力成为继数据、算法之后，另一制约人工智能发展的主要瓶颈，硬件计算能力与能效对于人工智能技术主要影响云端和边缘端两大主要领域的应用。

杜克大学副教授、IEEE Fellow陈怡然

杜克大学副教授陈怡然博士在峰会做《制约人工智能发展的硬件瓶颈》的主题演讲时表示，制约人工智能发展的硬件瓶颈有：

大容量存储和高密度计算。由于模型复杂度越来越高，每年会增长大约一个数量级，而随着每个层次参数的增多，其计算量也会加大。

面向特定领域的架构设计需求。由于应用场景越来越丰富，且每个场景的需求是各不相同的，所以特定的架构设计需求就增多了。

“云-终端”平台特点不同。在设计的时候不能够照搬同样的设计理念。

芯片设计要求高、周期长、成本昂贵。

同时，陈怡然提到架构及工艺方面所面临的挑战。虽然芯片制造的节点不断往“小化”发展推动，但实际上每个逻辑门生产成本没有降低，这带来了很大的问题。用更先进的制造工艺却不能取得成本上的优势。

针对新型器件电路，陈怡然表示做了大量尝试与设计研究，包括CNN加速、图加速等。通过这样的设计，可以带来几十倍性能的提升及百倍效能的改进。

而针对“哪个结构或平台将成为未来的主流”这一问题，陈怡然表示没有任何一种设计能够在所有五种特定条件下做到最好。所以需先确定所处理的数据特性、处理这些数据的频次以及是什么样的应用等一系列的细节信息。而后才能够最合适的结构或平台。

医疗行业中的“滴滴打车”：探索精细化医疗监管下的创新

与自动驾驶和教育不同，医疗行业是重监管的行业，如何实现精细化医疗监管，又不妨碍临床疗效和医学创新，一直是行业难题。

复星集团首席人工智能科学家邓侃分享了题为《不完全市场化的医疗行业及人工智能的医疗实践》的主题演讲，表示人工智能在医疗行业里长足的发展是2018年人工智能领域最火的一件事情。

复星集团首席人工智能科学家邓侃

邓侃首先提出了目前医疗领域中的痛点：医疗行业体系分为三级，但所有的患者都更倾向于去三甲医院，导致“三家医院医生忙死，基层医院医生闲死”的现象。

而针对这一问题的解决办法，邓侃认为：

要给基层医院医生赋能

将基层医院对普通病状治疗的专业性普及到老百姓当中去

邓侃表示大数医通是医疗行业中的滴滴打车：

提供面向患者的应用，让患者对医疗有更深入的了解

给基层医院、基层药店赋能

并且公司低调地花了三年的时间，做了一个四缸引擎：

医疗私有云：在大型三甲医院里部署了私有云，在保证数据安全的情况下，汇总医院所有数据库的所有数据文件；

病历结构化：构建全世界最大的中文医学词库，并使用机器翻译方法，实现病历结构化，把病历翻译成临床路径；

医学知识图谱：把几亿份病例，翻译成几亿条临床路径后，叠加在一起，构建医学的知识图谱。

临床导航：有了医学知识图谱，就可以实现临床导航了。临床导航能够根据患者的具体病情，规划出合理合规的临床路径。

把第四步规划出来的合理合规的路径，与第二步实际的临床路径，两者相比较，可以十分精准并量化地甄别，实际的临床路径在哪个环节，偏离了正常的路径。

2018年最深印象：技术落地，AI商业化

下午的AI WORLD 2018AI Connect&Cloud技术论坛，360集团副总裁、人工智能研究院院长颜水成，慈星股份副总裁、慈星机器人董事长李立军，复星集团首席人工智能科学家邓侃，Autowise.ai创始人兼CEO黄超作为嘉宾同台讨论，美团点评技术学院院长刘江担任论坛主持人。

AI WORLD 2018AI Connect&Cloud技术论坛嘉宾（从左起：刘江、颜水成、邓侃、李立军、黄超）

刘江：2018年还剩下三个月时间，各位嘉宾对2018年怎么看？AI有什么事情特别深刻？

美团点评技术学院院长刘江

颜水成：总的来说2018年没有像2015年或2012年那么好。2012年的时候，因为深度学习把传统的算法打的落花流水的时候，大家都非常兴奋。2015年，微软AI上面确确实实是非常重要的一个往前一大步；2016年，VC只要看到是一个AI的公司马上要投。2017年，大家开始在思考AI怎么落地。2018年更往前走了一步，落地还不行，要挣钱。这是一个趋势，后面慢慢AI会越来越务实。

360集团副总裁、人工智能研究院院长颜水成

AI让人印象最深的有两个：一是今年区块链的出现，一个是量子计算。

邓侃：今年AI主题，学界没有大的突破，但是产业界动作很快。一句话总结就是AI的产品化，而且要盈利，一旦盈利之后这个产业才会蓬勃发展，所以蛮让人激动的。

李立军：第一，今年印象深的有三件事情，一是“中兴事件”及跟芯片相关的事情。到目前为止，在核心的基础芯片方面跟美国有非常大的差距。

慈星股份副总裁、慈星机器人董事长李立军

第二，关于量子芯片的事情。人类对新技术突破上一般预估不会特别乐观，但事实上到了一个拐点，可能会有革命性的变化，2018年跟2016、2017年比没有那么激动人心，而且负面新闻特别多，我们做产业的压力都很大，如果在算力上，量子芯片能够有大的突破，一旦突破了，后面的发展可能也遵循摩尔定律呈指数发展，在应用层面上可能会有极大的突破。

第三，产业化。2018年真正落地的也不是特别多，但是融资这块还是可以的，有一些头部企业，无论是商汤还是旷视，融资呈指数一样往上涨。

黄超：美团今天上市，这是一个很大的事件，反映了：

第一，AI真的进入到了我们实际生活里。比如美团每天订单如何分配，以及骑士人脸识别等问题，都需要AI技术去解决的，这就相当于在大公司已经有商业模式情况下，怎么样用AI提升自己的效率。

第二，VC要求AI的创业公司要有自己明确商业化落地的方向，甚至有收入，这也是我之前一段时间会被问到的问题，因为我们是做无人驾驶的清扫车，奔着商业化去的方向，很多人问未来三年收入预期是什么？刚开始听到时想打他，对一个无人驾驶公司提出三年收入预期，多听了几遍之后就习惯了，也能够顺利把这个问题回答回去。

更多嘉宾在论坛上精彩分享，新智元将推出专门文章进行报道。

AI Era创新大奖颁奖典礼集锦

AI Era创新大奖评选历时112天，最终评选出中国AI领军企业TOP10、中国AI创业企业TOP10、国际AI企业TOP10，华人AI人物TOP10和AI产品影响力TOP10，展现出AI产业开放崛起的新生态。

以下是大奖颁奖盛典精彩集锦：

华人AI人物TOP10：

陈天石、胡郁、黄仁勋、李飞飞、刘庆峰、王海峰、王小川、吴恩达、颜水成、余凯

华人AI人物TOP10颁奖

中国AI领军企业TOP10：

阿里巴巴、腾讯、百度、华为、科大讯飞、字节跳动、蚂蚁金服、京东、海康威视、小米

中国AI领军企业TOP10颁奖

中国AI创业企业TOP10：

寒武纪、商汤科技、旷视科技、地平线、云从科技、依图科技、深鉴科技、知乎、蔚来汽车、驭势科技

中国AI创业企业TOP10颁奖

国际AI企业TOP10：

Amazon、Google、Microsoft、Apple、Facebook、DeepMind、NVIDIA、IBM、Boston Dynamics、Waymo

国际AI企业TOP10颁奖

AI产品影响力TOP10

AI产品影响力TOP10颁奖

寒武纪智能芯片MLU100、华为麒麟980、旷视Brain++、讯飞翻译机2.0、百度Apollo3.0、阿里云ET城市大脑、英伟达Drive Xavier、百度大脑3.0、浪潮AI服务器、阿里量子计算云平台

最具潜力AI企业

云天励飞、Autowise、小i机器人、助理来也、小蚁科技

最具潜力AI企业颁奖

AI Era创新大奖颁奖盛典主持人：新智元副总经理张晶晶。

最后，奉上一张新智元团队核心成员合影！