行业+AI vs AI+行业,AI普及还面临哪些挑战?

电子说

1.3w人已加入

描述

察势者智,驭势者赢。近日,由CSIA-ICCAD、《中国集成电路》主办,摩尔精英协办的首场“人工智能与半导体技术国际论坛”在上海隆重召开,Arm人工智能生态联盟秘书长、Arm战略联盟业务发展总监金勇斌在论坛上做主题演讲《平台化赋能AI生态创新》,就大热的人工智能与Arm生态创新进行了精彩分享,简述Arm对AI大势的观察,以及驭势而赢的平台化策略。

1行业+AI vs AI+行业,AI普及还面临哪些挑战?

人工智能带来了大量的创新机遇毋庸置疑,金勇斌首先为我们阐述了一个概念:现在谈AI应多为行业+AI而不是AI+行业,行业本身就一直存在,产业链相对成熟,只是人机协作效率较低,决策多是靠人。通过+AI技术赋能可以使效率有质的提升,使物体变得更聪明、更智能,更理解人从而减少甚至不需要人的干预做出行为决策。

要+AI赋能更多的行业、渗透更多的应用,还有各种亟待解决的瓶颈。现阶段技术方面的主要挑战是算力提升、功耗降低、成本控制、算法场景化集成等方面,接下来安全和隐私也是无法逃避的问题。目前许多终端数据都是送到云端做分析处理,边缘AI算力已经开始快速迭代,多数的检测识别任务将在端侧就地完成,设备的可靠性会提高,数据的隐私性会提高,但如何保护算法自身被窃取的安全性需要解决。芯片作为前端智能应用的基础支撑,如何解决以上相关挑战,加强生态协作是不可忽略的一环。

2Arm 三大平台已搭建,加速平台化赋能

神经网络加速器非常重要,但它不能解决一切问题,只是AI芯片中的一个部分。金勇斌举例道,视频流从摄像头先到ISP域做信号处理,再到CV域做目标检测,再到NN域做识别,即使NN也不能完全自治处理一个完整的深度学习模型,过程中需要CPU或向量处理器的深度参与,要屏显还需要GPU/DPU,图像回传还需要编码器... 这是一个系统工程。Arm着力于为合作伙伴提供平台型解决方案,包括已有的CPU、GPU、ISP,近期发布的OD、ML处理器,辅以Arm CL,CMSIS-NN、Arm NN等计算库及软件,全面支持主流的深度学习模型以及传统CV,开发者能够继续使用他们首选的框架和工具,经Arm开发软件无缝转换结果后可在底层平台上运行。

AI

以上要素都在Arm近期发布的Project Trillium平台上得以体现,加上Arm在2017发布的平台安全架构PSA,一个个单点IP汇聚成一个高效且安全的子系统,再通过拥有广泛支持的连接IoT设备的Arm Mbed平台将数据安全地送上云。金勇斌说明了目前Arm三大平台所需要完成的任务,赋能生态伙伴的应用解决方案创新、共建产业标准与开发者生态、激活增值解决方案与服务。

AI

3产学携手,在开放协作创新生态中共成长

有了平台便可以对应广泛的合作伙伴,怎么把解决方案与开发者生态激活?目前中国AI行业日新月异,AI发展需要应用落地才算真“AI”,所以Arm去年在上海发起了人工智能生态联盟(AIEC)。据金勇斌透露,联盟发起时是22家单位,现在已经是120多家了,包括芯片公司、算法公司、OEM、方案商、系统集成商、运营商等,同时也成立了相应的科技创新基金。

AI

此外,Arm过去10年在中国耕耘大学计划,目前已经与国内500所以上高校建立平台,自身以及与合作伙伴开发了1300多门课程,涉及IoT、Mbed平台、ML/AI等众多领域。Arm非常愿意作为一个载体,提供平台,帮助各类合作伙伴们实现大学教育及合作计划。

最后,金勇斌总结说到,目前大家的印象中Arm可能是CPU的代名词,但Arm也是一个科技生态的代名词——建设开放式协作创新与共同成长的生态系统,共建、共长、共享。

打开APP阅读更多精彩内容
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉

全部0条评论

快来发表一下你的评论吧 !

×
20
完善资料,
赚取积分