北京2020年12月23日 /美通社/ -- 2020年，這個特殊的年份即將過去。在這一年中，人們的生活遭受重創，但AI技術和應用仍在加速腳步。
「重啟、重塑、重構」成為今年AI行業的主題，AI正在構建疫情之下的新常態，幫助人們快速走出疫情帶來的陰霾。
12月16日，量子位在北京召開了MEET 2021智能未來大會，眾多AI行業「大佬」齊聚一堂。包括創新工場董事長兼CEO李開復、中國工程院院士譚建榮、小米公司副總裁崔寶秋、清華大學計算機系教授唐傑等AI產業界、學術界的知名人物現場分享了過去一年的成果、經驗，碰撞出思辨的火花。
經歷了「黑天鵝事件」的中國AI現狀究竟如何？新的一年又走向何方？以下為19位嘉賓核心觀點（以議程分享先後為序）：
李開復：AI給社會帶來最大價值的肯定不是黑科技
大會開場，創新工場董事長兼CEO李開復與量子位主編李根，暢談了這一年中AI在技術的突破，以及落地上的新見解。
談到今年的疫情，李開復認為，疫情帶來最大的影響就是加快了數據化、線上化和AI化。AI最重要的核心就是海量的數據，海量的數據就能帶來更多新的應用。
線上會議加速了虛擬人的發展，社交距離的限制促進了配送機器人的應用。
今年，AI在基礎技術上有多項重大突破，比如大型語言模型GPT-3和預測蛋白質結構的AlphaFold。
這些AI技術轟動全球，然而李開復也談到了它們廣闊的應用前景。但他認為，AI給社會帶來最大的價值，或者帶來最大的經濟價值，肯定不是這種黑科技。
今天AI的技術已步入成熟，可以被傳統公司擁抱，AI給傳統行業帶來了立竿見影的巨大效果，比如製造、健康、醫療、零售、金融、保險等等行業。
李開復呼籲這些傳統企業應該像20年前擁抱網際網路一樣，擁抱AI是大家最大的機會。越早擁抱AI，就會擁有更大的競爭力，越晚擁抱AI，生存的空間可能會進一步被壓縮。
至於怎麼擁抱AI，則需要有海量的、結構化的、有標註的、達成商業目標的精確數據，這是一個長期積累的過程。
過去一年，李開復在《紐約時報》等外媒上談到了中國AI企業的出海機會。
他認為今天中國的創新至少在IT、AI的領域是有機會彎道超車的。雖然有一些地方美國更強，技術更深，但是中國的商業化做得更快。
在中東、非洲、南美等新興市場，這些地區還沒有形成美國產品的使用習慣。中國企業有機會拿下世界GDP四分之一、人口四分之三的廣闊市場。
最後，李開復還站在20年後思考現在 -- 從2041年角度，給出AI從業者建議：AI從業者要遵循AI領域的「希波克拉底」誓言，確保自己做出來的算法帶給人類的是進步，而非偏見、不公、傷害。
小米崔寶秋：開源是人類技術進步的最佳平臺和模式
小米集團副總裁、集團技術委員會主席崔寶秋分享了小米在AI和開源上的思考。
在戰略上，今年小米將未來十年的核心戰略升級為手機 x AIoT，AIoT是AI技術加持的智能設備。
在產品上，2020年小米升級了AI相機、快速充電技術，推出了還有基於UWB技術打造的小米「一指連」當然還有小米最重要的AI技術 -- 「小愛同學」。
「小愛同學」就是小米的AI，就是小米的分布式AI能力系統。為了打造一個開放的平臺與開放的生態，小米開源了兩大技術。
一個是小米2018年對外開源的移動端深度學習開源框架MACE，另外一個就是人機互動方面的語音交互工具包Kaldi 2.0。
崔寶秋認為，今天我們正在跨入網際網路文明，大數據資訊時代，開源將扮演越來越重要的角色。
在過去10幾、20多年來，從早期的網際網路，到雲計算，到大數據，到2016年開始變得非常火熱的人工智慧，我們離不開開源軟體，開源軟體在雲計算和大數據時代，已經成為事實的標準。
在今天，AI全球分化的時代，各個AI巨頭，各個國家，都想通過開源這種模式來快速打造AI方面的領先地位。所以所有的巨頭都在深度擁抱開源。所以中國的所有AI企業，包括小米在內，也都在紛紛擁抱開源。
崔寶秋堅信，開源是人類技術進步的最佳平臺和模式。
浪潮劉軍：計算力就是生產力
浪潮信息副總裁、浪潮AI&HPC總經理劉軍指出，我們已經進入到了一個智慧時代，而智慧時代最重要的生產力就是計算力。
在智慧時代，勞動者第一次不僅僅是人，人工智慧也成為了我們的勞動者。
今年在AI方面最重要的一個的技術創新，就是GPT-3。而為了訓練它，據說需要花費500萬到2000萬美金計算費用。
其實不僅GPT-3，我們遇到的各種AI的實際應用，實際上背後也有算力在做支撐。
工業時代的基建是發電廠。而在智慧時代，智能計算中心就是新的發電廠。
它會為智慧應用提供源源不斷的AI算力數據服務，這也是今年4月份發改委針對新基建做出了新的闡述，即面向AI的新基建。
進入AI時代，提供算力服務的智算中心和過去的超算中心在計算架構上有所不同。浪潮基於AI晶片、AI伺服器、高速互聯、深度學習的框架，來構建整個智算中心，實現生產算力、聚合算力，調度算力、釋放算力，從而形成一個算力生產供應的平臺，數據開發共享的平臺，智能生態的建設平臺和產業創新的平臺。
過去幾年裡，浪潮致力打造「元腦生態」計劃，本質就是使具備領先AI算法的科技公司，能夠覆蓋到傳統的行業客戶。
在這樣一個生態中，具備領先AI算法的科技公司作為「左手夥伴」，夠覆蓋到千行萬業的行業ISV、SI作為「右手夥伴」，浪潮聚焦做算力系統平臺能力共享，這樣三類角色在元腦生態裡產生了化學反應，攜手合作促進產業AI化，驅動產業AI化的進步。
山景智能黃勇：敏捷也是AI能力的一種體現
山景智能科技創始人及CEO也分享了一些經驗。
本身山景智能專注於在金融領域，幫助銀行業、金融行業去尋找通用智能能力。
所謂通用智能能力，不能只對某一個模型、某一個算法而沾沾自喜，而更多是做AI的能力泛化。
黃勇認為，銀行一定要構建自己的開放的架構、敏捷的架構、智能化的架構。這是今天銀行恰恰缺乏的。
金融領域、金融機構、未來的金融企業，一定會從數據智能走向業務智能。
黃勇認為，機器會替代人寫代碼、替代人做業務的決策，因此上端一定會出現業務服務自動編排和自動分裝的過程。不僅僅在金融領域，在其他的領域都會走向這一步，這樣才會把人的各種能力釋放出來做其他的決策。
AI中臺向上發布的不僅僅是算法和模型，而是業務智能能力。只有實現數據自動化、數據智能能力的分裝和AI智能能力的分裝，才有可能實現業務的自動化服務。
未來所有的算法，從需求到算法，到整個業務流程，一定是完全敏捷的，敏捷也是AI能力的一種體現。
G7翟學魂：未來5年大部分卡車都會變成無人卡車
G7創始人、執行長翟學魂分享了物聯網技術在無人卡車中發揮的作用。
G7是一家10年前成立的，專門在物流領域裡面提供物聯網服務的公司。
通過運貨卡車加入IoT、 AI的技術，G7可以將使用壽命從5年變成12年，雖然車製造的成本比一般的車要貴，但通過這種方式，貴的東西反而變便宜了。
翟學魂以卡車運輸煤炭為例，講述了物聯網大數據對運輸安全的改進，通過車載物聯網設備的數據識別，可以發現用怎樣的方式運輸會更安全。
另外，通過對物聯網數據的分析，也可以得到一些經濟數據，G7發現卡車物聯網數據跟GDP的數據高度是吻合的，還有利用卡車運輸數據分析雄安的建設狀況。
翟學魂認為，未來3到5年時間帶來的變化，會遠遠超過過去這10年。未來5年左右的時間，大部分新的卡車都會變成自動駕駛的卡車，也許不是完全無人的，但是一定是司機不怎麼管安全，也不怎麼管油耗的，只是坐在那兒象徵性的開一下車。
而且他還認為，未來5年之後，絕大部分卡車的能源會發生根本性變化，不會再用柴油了，所以能源、裝備、生產力在未來5到8年的時間，會發生根本性的變化，而G7能在裡面起到顯著地推動作用。
容聯雲通訊熊謝剛：為了省錢用AI替代人是偽命題
容聯雲通訊CPO熊謝剛分享了他們在AI落地化中的一些行業經驗。
過去兩到三年，大量的AI創業公司出現，但是這些創業公司其實都面臨著產品變現非常難的問題。
很多創業公司100人到500人發展很快，收入基本上都是好幾千萬，但是很難看到在未來的兩到三年，或者三到四年，做到上億，甚至接近幾個億的收入規模。
原因是什麼？是因為每個AI項目的客單價不高。作為一個AI創業公司，如何讓公司怎麼成長起來，需要讓客戶在使用完AI產品以後，切實感受到業務效果的提升。
過去受到市場的影響，行業在大談AI產品是為了替代人，替代人的目的是什麼？是為了服務、省錢。
而熊謝剛認為，用AI替代人，在今天的這樣一個定位，是一個偽命題。用AI去做產品考慮的恰恰不是去替代人，而是用AI去做人做不了的事情。
這些事情可分為兩類：一類就是數據量特別大的，還有一類就需要計算速度越快越好的。例如在通信領域做應急通信，出現大量的突發事件的時候，需要快速的響應。
所以一旦用AI的技術去很好的處理了這兩個事情，客戶花多少錢都會買單。如果能找到這兩個點的話，一定會讓AI產品成為剛需。
自動駕駛圓桌論壇
在上午的最後階段，百度副總裁、Apollo平臺研發總經理王京傲，馭勢科技聯合創始人、董事長兼CEO吳甘沙，輕舟智航聯合創始人、CEO於騫，圖森未來聯合創始人&COO郝佳男，四位行業大佬坐在一起激辯自動駕駛。
談到各種公司技術的側重點，每個人都對自動駕駛未來的發展有著獨到的見解。
王京傲認為，今年汽車行業的一個趨勢是汽車智能化，從各大新造車勢力的股價可以看出其勢不可當。自動駕駛的大幕剛剛拉開，大家快來做，越早越好。
在Robotaxi方面，百度現在已經落戶到了廣州、滄州、北京、長沙這些城市，明年會落地更多的城市，並提升這些城市的運營效率。
對於未來的展望，百度的目標是，在未來的3年將Robotaxi落戶30個城市，在未來的5年裡面將Apollo智能駕駛安裝到百萬輛車以上。
吳甘沙認為，今年自動駕駛商業化有三個關鍵詞：上量、真無人、全天候。
上量是指馭勢科技對今年客戶總量的預計太保守。真無人則是體現在從去年底開始馭勢科技率先在運營中取消了安全員。全天候是說無人駕駛進入運營狀態後，必須應對各種複雜環境和氣候等。
他還指出，從商業化節奏和需求的迫切性上來看，無人駕駛汽車載物會比載人更快落地。
於騫則認為，在國內載人的場景，Robobus一定要比Robotaxi更快落地，而載貨方面，在美國的重卡，應該是一個比較快的落地方向。
在L4方面，Robobus以固定路線、中低速的微循環公交形式落地會更實際和務實。而L4級別的自動駕駛，想大範圍普及，還需要解決很多corner case，即便強如Waymo，目前也面臨許多技術問題。甚至到最後，Robobus和Robotaxi或將殊途同歸，以共享無人小巴的形態大範圍普及。
郝佳男指出，在無人車落地化方面，中國相比美國有著許多優勢。
美國每個州有自己的一個計劃，對無人駕駛持相對開放的態度。在中國可能有一些法規需要進行突破，但是，他對此比較樂觀。
中國其實有很多美國可能不太容易推進的資源，比如說V2X、車聯網，這些資源可以讓中國「後發先至」，走得更快。
譚建榮院士：數字經濟搞得好不好，要看企業、群眾是否受益
中國工程院院士譚建榮在會上做了題為《數字經濟與數字轉型：關鍵技術與發展趨勢》的演講。
譚建榮院士指出，實體經濟始終是國民經濟最重要的基礎，搞人工智慧、大數據、數字經濟，一定要跟實體經濟結合起來，而且是一定要跟製造業結合起來。
從需求上看，目前，無論是實體經濟還是數字經濟，都發生了很大的變化。變化主要來自4個方面：
與此同時，是新一代信息技術的發展。新一代信息技術同樣具有4個顯著的特點：
這樣的轉變和發展，就支撐起了現在數字經濟的發展。
譚建榮院士認為，數字經濟的發展過程中有三大重要的裡程碑。
第一個裡程碑，是40年前美國未來學家阿爾文·託夫勒提出「數字經濟」的概念。在《第三次浪潮》中，他預見到網際網路是個舞臺，創新的主角是大數據，大數據將走向第三次浪潮的華彩樂章。
第二個裡程碑，是美國副總統戈爾提出數字地球的概念。數字地球是一個與地理信息系統、網格、虛擬實境等高新技術密切相關的概念。其核心是地球空間信息科學，以及遙感技術、地理信息系統和全球定位系統這三大基本技術的集成。
第三個裡程碑，就發生在中國。2016年在杭州舉行的G20領導人峰會，首次提出全球性的《二十國集團數字經濟發展與合作倡議》。
2017年中國政府工作報告，首提「數字經濟」，提出要「促進數字經濟加快成長，讓企業廣泛受益、群眾普遍受惠」。
譚建榮院士也強調，數字經濟搞得好不好，人工智慧搞得好不好，主要的標準就是這兩條：第一，企業有沒有受益；第二，群眾有沒有受惠。
那麼，回到那個問題，數字經濟與實體經濟緊密結合，又該如何高質量發展？
譚建榮院士提到了高質量發展的4大要素：高質量的產品、高質量的技術、高質量的管理和高質量的人才。
具體而言，譚建榮院士總結分享了5個方法。
第一，要把人工智慧用到製造業當中，形成智能製造，用智能製造來提升創新能力、設計能力和產品研發能力。
如今，產品創新設計能力仍然是中國製造業的短板，而這種創新能力的薄弱，也是存在於信息企業當中。譚院士引用中國工程院前院長徐匡迪院士的觀點強調：「不研究人工智慧的算法，就無法掌握人工智慧的核心技術。」
第二，通過智能製造來提升工藝。
第三，通過智能製造來強化質量。不僅要提高硬體產品的質量，還要提高軟體產品的質量。
譚院士認為，工業軟體是中國最短的短板之一，亟待補全，而要重振中國的工業軟體企業，人工智慧將大有用武之地。
第四，智能製造+延伸服務。不僅軟體業要變為服務業，製造業也要向製造服務方向轉變。
第五，通過智能製造數位化轉型，找準產品服務對象，拓展產品市場。
美團夏華夏：「接地氣的AI」就是希望讓每個人享受到科技帶來的便利
科技應該真正為社會價值做出貢獻。
美團副總裁、首席科學家夏華夏，就在大會現場分享了什麼是「接地氣的AI」。
用智能語音技術幫盲人點餐，用NLP幫助餐館老闆回復客戶問題，在疫情期間用無人車協同騎手配送外賣……說起來，都是「小事」，但夏華夏認為，這些深入人們日常生活的AI應用，恰恰體現了很多科技工作者工作的價值 -- 用技術，去幫助每一個普通人生活得更好。
夏華夏指出，接地氣的AI，是人工智慧發展至今的一個大趨勢。過去由數字、資本驅動的AI，在今天逐步落地之後，已經變成由實際價值驅動的AI。
這個價值由誰來決定？自然是技術的受益者，每個普通大眾。
所以，到底什麼是「接地氣的AI」？
第一，是落地速度接地氣。
以美團為例。據不完全統計，在2020年，整個美團AI團隊落地了近3000個實際業務需求，涵蓋配送調度策略調整、商家智能運營的方方面面。
第二，是服務行業接地氣。
也就是說，把AI技術應用到普通的本地生活服務商，包括衣食住行、吃喝玩樂。
從用戶的角度來看，人工智慧滲透進衣食住行的方方面面，帶來了用戶體驗的提升；從商家的角度而言，美團這樣的平臺提供的AI能力，能夠幫助商家做信息化、數位化、智能化乃至自動化升級，優化商家整體的經營手段。
第三，是服務對象接地氣。
技術在飛快地往前發展，但卻不是每個人都享受到了技術帶來的便利。但夏華夏認為，技術的發展不應該把任何一個人拋下、落下。
AI的服務對象，應該是每一個普通人。而這，也是美團AI的技術宗旨。
那麼，「接地氣」是不是意味著只想今天，不想明天？夏華夏回答：科技落地應用與長期技術探索並不矛盾。
接地氣是我們在落地科技時的一種「科技為人」的價值導向。科技的落地應用，與長期、有挑戰的科技探索之間並不衝突。
在長期、有挑戰的工作上做投入、做突破，才能讓科技持續產生價值。
最後，夏華夏還展望了一下AI最美好的模樣：
像水電煤一樣成為未來生活的基礎設施，無處不在，但不一定需要被用戶感知。AI可以在生活的每一個角落為我們服務。
清華唐傑：認知圖譜是人工智慧的下一個瑰寶
清華大學計算機系教授、系副主任唐傑在會上做了題為《認知圖譜，人工智慧的下一個瑰寶》的演講。
人工智慧的發展可以劃分為三個時代：符號AI、感知AI和認知AI。認知AI到現在為止尚未實現。
那麼，實現認知AI需要做什麼？唐傑教授指出，現在急需打造的是AI基礎設施，比如認知圖譜怎樣構建。
為什麼要強調認知的邏輯呢？唐傑教授舉了GPT-3的例子。
GPT-3，參數規模達到1750億，數量級接近人類神經元。並且，在表達能力上，這樣的大規模語言模型已經使得AI接近人類。
這就帶來了一個啟示：我們是否可以直接通過大規模、大算力、大計算的方法，得到一個超越人類的通用人工智慧？
且不談上億人民幣的訓練成本，GPT-3這樣的語言模型，如今已經暴露出一個明顯的問題：沒有常識。比如，你問它一根草有幾隻眼睛，它會回答「一隻眼睛」。
想要解決這樣的問題，用計算的方式做認知，唐傑教授談到可以結合兩種方法去實現。
第一，數據驅動。把所有數據進行建模，並學習數據之間的關聯關係，學習數據的記憶模型。
第二，知識驅動，構建知識圖譜。
不過，僅僅如此仍然不夠。
唐傑教授指出：真正的通用人工智慧，我們希望它有持續學習的能力，能夠從已有的事實、從反饋中學習到新的東西，能夠完成一些更加複雜的任務。
因此，認知AI應該符合9個準則：適應與學習能力，定義與語境化能力，自我系統的準入能力，優先級與訪問控制能力，召集與控制能力，決策與執行能力，錯誤探測與編輯能力，反思與自我監控能力，條理與靈活性之間的能力。
認知圖譜的概念也就應運而生。
認知圖譜有三個核心要素：
唐傑教授表示，知識圖譜+深度學習+認知心理，打造知識和認知推理雙輪驅動的框架，將是接下來一個重要的研究方向。項目關鍵技術通過成果轉化孵化了北京智譜華章科技有限公司（簡稱智譜·AI），形成多個核心產品，在阿里巴巴、搜狗、華為、騰訊、點通、工程院等30餘家企事業單位部署了超過100餘套智能型雲服務系統，應用前景極其廣闊。智譜·AI在2020年中國人工智慧年度評選中獲得AI明星創業公司TOP10及最佳解決方案TOP10兩個獎項。智譜·AI作為知識圖譜產業鏈的參與者，助力人工智慧賦能實體產業，促進我國新基建發展。
愛奇藝謝丹銘：用AI讓創作者提升效率，讓消費者簡單快樂
愛奇藝副總裁謝丹銘，在大會現場分享了愛奇藝在內容創作與消費方面的智能化應用。
受到疫情的影響，智能技術在內容產業中的重要性大大提升：內容的創作是否能搬到線上？廣告預算減少的情況下，如何讓投放效率變得更高？
謝丹銘談到，愛奇藝的智能化應用主要服務於兩部分人，一部分是上遊的內容創作者，一部分是用戶消費者。
面向內容創作者，愛奇藝基於AI實現了一個大型綜藝製作系統，愛創媒資系統：能自動給素材打標籤；自動給多個攝像機拍攝的素材按時間做對齊；另外，還有自動審片功能，快速找到不合規內容，快速計算適合的商務植入時間……大大提高綜藝後期製作的效率。
在電影製作方面，愛奇藝則推出了視頻增強技術ZoomAI。可以去噪、插幀、把1080P視頻超分為4K視頻，完成老電影、老視頻的一系列修復工作。
謝丹銘表示，應用AI之後，電影修復的80%工作都可以交由AI來完成。
而面向4億二次元人群，愛奇藝在動漫製作方面同樣有AI技術落地：智能上色引擎能根據指定風格，幫助創作者給線稿上色；也能根據人工上色的關鍵幀，把特徵遷移到後面的系列幀當中，提升80%的上色效率。
另外，愛奇藝AI也在動態漫畫中實現了唇型驅動技術，生成的素材效果非常接近人工。
面向用戶消費者，謝丹銘介紹，愛奇藝根據用戶需求，推出了奇觀功能，不僅能識別演員，還能識別背景音樂，甚至臺詞的含義等。
總之，在內容的創作和消費領域，從創作到分發，從翻譯到審核，AI正在廣泛地被應用，實現科技與技術的結合，促進真箇產業的升級。
謝丹銘表示，愛奇藝希望，通過AI讓創作者提升效率，讓消費者簡單快樂。
小冰公司李笛：強大的AI不應該提供給企業，而應該給企業裡的勞動者
小冰公司執行長李笛，在大會上分享了小冰框架的大量實踐。
人工智慧正在不可避免地進入人類社會的每一個角落，和人類發生各式各樣、千絲萬縷、無處不在的關聯。李笛認為，在討論人工智慧未來的價值之前，需要先討論人工智慧的邊界。
作為一個佔據全世界範圍內人和人工智慧交互總流量60%的技術框架掌舵者，李笛根據實際經驗，把技術運用的邊界歸結為三件事：
第一件事，預判技術在運用過程中可能會遇到的困境，嘗試用系統化的結構，去提升規避掉這些困局。
第二件事，是對場景的克制。人工智慧要發展，需要在選擇落地場景上保持克制。
第三件事，是嘗試保護雙方的機制。把人工智慧想像成一個面向未來的系統，它會跟億萬人類發生各式各樣實時、高並發的交互，所以在系統設計上一個非常重要的邊界，就是對雙方進行保護。
李笛表示，這也是為什麼小冰公司堅決禁止為普通個人去訓練聲音。
李笛在現場展示了小冰的語音能力，在有意識地加入人類語音的瑕疵之後，小冰更加接近於人，能實現31分鐘的人類舒適時長。Siri的這一指標為2.6分鐘-7.8分鐘。
李笛認為，這種能力太接近於真人，很有可能被不法分子利用。因此在技術不足以防範語音詐騙的時候，需要非常謹慎。
另外，李笛還談到了這樣一個問題：當你手上有一個強大的AI工具，應該把它提供給誰？
李笛說：不應該提供給企業，而應該給企業裡的勞動者。
澎思馬原：2020年是AI普惠元年
澎思科技創始人兼CEO馬原在會上發表《AIoT生態模式，驅動AI普惠與商業化》的主題演講。
馬原表示，2020年已經成為AI惠普的元年。最先集中爆發的是城市中的金融、教育、社區、樓宇園區、地產商業等場景。長期來看，中長尾客戶將佔據AIoT市場的主體。
作為以AIoT生態模式，加速人工智慧普惠和商業化路上的排頭兵，馬原結合澎思科技的實踐經驗，從技術變革和落地實踐角度闡述了對智慧城市AIoT場景的思考。
技術變革層面，澎思堅持「AI為基，IoT為翼」，大力研發以遷移學習、無監督/自監督學習、小樣本學習等為代表的通用人工智慧技術，建設雲端AI在線遷移學習平臺，為普惠智能提供技術基礎。
同時，投入輕量化應用、邊緣智能的IoT物聯網搭建，加強端側AI輕量化設計，實現場景的泛化。目前，澎思的相關算法研究已在產業應用中發揮良好效果，形成生產力轉化。
落地實踐層面，澎思致力於滿足智慧城市AIoT場景的中長尾市場需求，通過追求極致性價比的AIoT智能產品和服務重點場景的解決方案能力，落地樓宇通行、智慧社區等城市人居的核心場景。
馬原表示，AI技術的底層其實還是IT技術，用終局思維去倒推，AI最終也會以服務的方式體現，也就是「AI即服務」。
他認為，通用智能技術的發展、AIoT的深度融合，以及AI在場景落地中面臨的中長尾市場需求，都讓普惠成為2020年AI行業發展的大趨勢。
而在這一過程中，澎思科技將致力於同各行業合作夥伴一起，建立開放、創新、融合的生態體系，共建AIoT多維度應用場景，以AIoT生態模式，加速AI普惠與商業化進程。
亞信科技歐陽曄：5G是首次將AI寫入通信核心網絡架構裡
亞信科技CTO、高級副總裁歐陽曄博士分享的話題是「通信人工智慧的下一個十年」。
2017 年，人工智慧第一次被 3GPP 定義進入 5G 核心網絡架構中並以獨立網元存在，是人工智慧與移動通信做為通用目的技術融合發展的一個標誌性裡程碑。
3GPP在2008年第一次引入了自組織網絡SON（Self Organizing Networks）的概念，移動通信領域開始嘗試利用機器學習、數據挖掘等分析算法來進行網絡性能與質量的優化以及網絡運維的自動化工作。但受制於數據接口開放程度以及AI功能在網絡中定義尚未清晰，SON作為網絡智能化的初次嘗試，在過去的12年中發展較為平淡。
隨著ORAN，ETSI，3GPP在2017年之後愈加清晰的網絡人工智慧定義及發展分級體系的制定，5G+人工智慧作為通用目的技術組合，在未來十年將進入一個快速發展期。
人工智慧面向5G核心網，無線接入網，網絡管理域，業務管理域，客戶體驗管理域，垂直行業及5G專網等，都有極大注智與融智的空間。
未來十年，隨著5G向6G的演進，人工智慧將在第六代移動通信的網絡核心架構及業務場景中扮演更重要的角色，最終使網絡向高度智能自治的目標邁進。
地平線黃暢：將最先進算法和最先進晶片架構結合
地平線聯合創始人兼技術副總裁黃暢帶來的話題是「軟體2.0時代AI晶片的挑戰」。
從2012年開始，深度學習，尤其是機器視覺開始一飛沖天，取得巨大的突破。
過去8年持續的提升，圖像識別的精度不斷的提升，同時它的計算效率越來越高。和8年前相比，我們今天只要用大約幾百分之一的計算量就可以達到8年前做一個圖象識別的精度，這是一個巨大的進步。
算法的進化速度甚至超過半導體的摩爾定律。每10到14個月，達到相同精度的計算量可以下降一半。
但很不幸這是以算法設計得越來越巧妙為代價的，而算法設計得巧妙會對計算架構提出巨大的挑戰，尤其是傳統通用的並行計算架構，比如說GPU架構，會使得整個計算效率相當的低下。
因此，在晶片設計領域，相關的處理器架構變得尤為重要，否則繼續沿用通用計算架構會使更先進的算法無法高效運行。
所以地平線提出了一個新指標MAPS，即在精度有保障範圍內的平均處理速度（Mean Accuracy-guaranteed Processing Speed），針對應用場景的特點，在精度有保障的前提下，包容所有與算法相關的選擇，評估晶片對數據的平均處理速度。希望以此為業界同行提供一個評估晶片AI真實性能的全新視角。
MAPS評測方法，關注真實的用戶價值，將每顆晶片在『快』和『準』這兩個關鍵維度上的取捨變化直觀地展現出來，並在合理的精度範圍內，評估晶片的平均處理速度。這個方法具有可視化和可量化的特點。
通過MAPS這個指標，地平線設計晶片和一個通用設計晶片之間的差別，可以看到晶片功耗和他所能帶來的性能方面是有巨大優勢的。
最後，在車規晶片上，地平線在過去幾年也取得了矚目的成就。地平線是全球僅有的三家實現了車規級AI晶片規模化量產的公司之一，也是國內唯一實現車規級AI晶片大規模量產的AI晶片企業。
華為黃之鵬：AI框架的發展到了汽車替代馬車的階段
大會最後，華為計算開源開發與運營部副總監黃之鵬介紹了今年3月28日開源的自研AI框架MindSpore。
可能很多人會有疑問，行業裡已經有了TensorFlow、PyTorch這樣成熟的框架，為何華為還要「重複造輪子」？
黃之鵬說，如果打個通俗的比方，那就是：AI框架的發展，已經到了一個類似於歷史上汽車出現替代馬車的階段。也就是說我們正處於20世紀初的那樣一個變革年代。
現有的框架可以看作是達到了馬車時代的頂峰。現有框架可以像馬車一樣做到非常舒適、精緻，有足夠的運行效率，也有非常好的上下遊的生態。
MindSpore類似於那個時代的汽車，可能沒那麼舒適、精緻，但是有很強的操縱感，具有工業化設計和流水線能力，可以有超乎想像的效率和性能，構築了全新的硬核科技生態。
如果使用過MindSpore，尤其在昇騰環境上，能體會到運行感非常好。
MindSpore就像汽車一樣，是一個工業化的產品，具有非常好的工業化能力，尤其是對大規模自動化並行的支持，應該是前所未有的。
華為開發MindSpore最重要的是，嘗試解決很多具體的問題。
對於AI算法工程師來說，如何更高效、更簡潔地開發。對於企業來說，尤其是生產環境的魯棒性也是非常重要的。
還有就是硬體能力的釋放，現在是有大量AI專用硬體的時代，如何能夠把這些優秀硬體的能力極大的釋放出來，這對於框架來說也是一個非常重要的問題。
針對這些問題，華為開發了MindSpore。它有幾個非常關鍵的特性：一個是自動並行，二是高階優化，三是是全棧協同。
最後黃之鵬也表達了MindSpore的開放態度。雖然MindSpore是國產框架，但絕對不會在局限在中國一個社區，MindSpore從誕生之始就是一個立足於中國，但是面向全球開發者的全球性的開源社區。