“算法+算力”下半场将至——「全球AI芯片·城市智能峰会」万字长文回顾

10月27日，由雷锋网 & AI掘金志主办的「全球AI芯片·城市智能峰会」，在深圳大中华喜来登酒店盛大召开。

延续雷锋网 (公众号：雷锋网) 大会一贯的高水准、高人气，「全球AI芯片·城市智能峰会」以“城市视觉计算再进化”为主题，全面聚焦城市视觉与城市算力领域，是业内首个围绕“算法+算力”展开的大型智能城市论坛。

峰会邀请到了业内极具代表性的14位业内知名专家，世界顶尖人工智能科学家、芯片创业大牛、产业巨头首席技术高管、明星投资人齐聚，为行业资深从业者们分享前瞻的技术研究与商业模式方法论。

据雷锋网统计，本次会议共吸引了692位业内人参会，其中包含了64家企业的CEO、371名副总裁及总监级听众，与此同时，北京大学、清华大学、哈尔滨工业大学三所高校的深圳研究生院以及香港中文大学、香港科技大学的110多位教授、硕博士生也均参与了本次大会。

以下是本次大会的精彩回顾：

上午场

《行人重识别（Re-ID）的挑战与最新进展》

华为诺亚方舟实验室首席计算机视觉科学家、IEEE院士 田奇

大会由华为诺亚方舟实验室首席计算机视觉科学家、IEEE院士田奇教授的精彩演讲拉开帷幕，他的演讲主题为《行人重识别（Re-ID）的挑战与最新进展》。

田奇指出，Person ReID的概念于2005年首次被提出，而在2014年以后，行人再识别开始基于深度学习来发展。

对于行人再识别的挑战，田奇归纳为三大问题：

1．大数据，被采集到的训练数据无论在时间上、空间维度上和可用量级上都十分有限；标注数据的人力物力和时间成本耗费颇多；

2．行人表观差异性，包括背景、光线、视角、图像分辨率，甚至是穿衣打扮上的不同都会带来影响；

3．非理想场景，在对行人检测时存在没有对齐、部分遮挡等问题。

而这一领域的主要进展包括三个方面：一是针对训练数据不足的情况下，学术界在Benchmark标准数据集有哪些努力。他介绍了现有常用Re-ID数据集，和分别基于图像、视频的标准数据集的表现提升情况，并指出基于图像的再识别增长得很快，现在大家的兴趣从图像更多的转到视频上。

第二点则针对特征表示和数据增强，提出了各自的应对方法，其中包括对全域特征和局部特征的全景和背景的解决方案，以及在姿态大幅变化、没有对齐情况下如何进行特征提取。

三是在数据化学习上的进展，主要是克服数据集和数据集之间由于不同的光照情况、不同的分辨率、不同的位置、不同的季节、不同季节等等造成的差异。

最后，田奇还指出，目前行人再识别的研究新方向仍然与数据集、方法有关，例如数据采集时考虑多方因素和信息融合，进行空间和时间关联关系的学习等。

《AI构建数字世界的基础》

大华股份研发中心副总裁、先进技术研究院院长殷俊

随后大华股份研发中心副总裁、先进技术研究院院长殷俊以《AI构建数字世界的基础》为主题发表精彩演讲。

在殷俊看来，数据世界是四维的：通过感知获得一维数据，来观测真实世界；第二维，通过人工智能对感知数据进行特征提取，真实地反映世界；第三维，随着空间数据的融合，构建空间矩阵，构建与真实场景业务有匹配的数据场景化；第四维，则是全面计算的过程，通过时空数据的维度来构建时空矩阵，充分描述和表达真实世界。

他表示，在二维世界里面，人脸、语音识别或者很多检测识别真正构筑了二维特征数据的空间，数据的准确率是最高要求。因为只有构建精准的二维数据世界，才能准确表达世界上的万世万物。对行人的特征描述，则是典型的应用三维数据来形成更精准的定位。四维空间内，系统可以加入时域的分析，做更多预测、决策和评估的工作。

算力方面，殷俊认为，数据在不断升迁，算力增加是必然的，往后更需要大算力芯片。而大算力的芯片除了感知之外，还可以在边缘侧提取特征和空间分析；到了中心侧，能够完成二维、三维、四维数据的分析。

同时他也强调，尽管随着数据迁移，数据大幅度浓缩，从单点来看要求下降，但四维数据要求的路数和要获得的感知数据更多，网络成本反而增加。到越高维，网络代价越高。所以，需要根据业务综合部署，考量网络和计算的分布，看到底如何形成最佳的计算网络。

《基于FPGA定制计算构建AI系统》

赛灵思人工智能研发高级总监  单羿

上午场第三位登台演讲的是赛灵思人工智能研发高级总监、原深鉴科技联合创始人兼CTO单羿，他的演讲主题是《基于FPGA定制计算构建AI系统》。

单羿认为，当前面对大量应用需求和海量非结构化数据时，需要的不是一个通用的处理器架构，而是针对不同领域的专用计算架构（DSA， domain specific architecture），去适配不同的应用和数据结构， “定制计算”由此而来，它也是解决现在智能社会多样需求的一个重要手段。

他解释称，芯片研发周期和实现量产的时间较长，往往在面世后跟不上新兴的网络架构和算力要求，容易造成成本浪费，此时FPGA的硬件可编程性可以有效发挥作用。FPGA硬件可以反复擦写，降低了一次性投片的成本，同时也提高了面向市场的响应能力。

FPGA在面对AI需求时，存在对于算力、不同场景等多方面的挑战。对此，单羿称AI应用包括多种前处理和后处理的需求，FPGA能够结合其深度学习的能力，加速这些需求，从而构建端到端的优化系统。在水平方向上，赛灵思能够提供多种加速库来满足各种应用需求。在垂直方向上，赛灵思既能为客户提供针对FPGA友好的参考算法，也能为客户在保证精度的情况下提供模型优化工具及服务。

当被问到赛灵思的FPGA芯片和海思3559A、3519有何不同，单羿则表示最大的区别在于FPGA本身，赛灵思是可编程的硬件芯片，而海思的是已经配套出来的ASIC。尽管后者同样可以进行一定程度的编程，但当模型发生较大变化时，他们为AI准备的功能效率可能会降低得比较快，赛灵思可以在硬件上进一步优化，使它快速适应新出现的应用需求。

《AI芯片——智慧城市的核心引擎》 

比特大陆AI产品线总裁 阮沈勇

紧接着，比特大陆AI产品线总裁阮沈勇以主题为《AI芯片——智慧城市的核心引擎》的精彩演讲延续了大会的热烈气氛。

阮沈勇首先回顾了人工智能的历程，以及比特大陆AI算丰芯片的历程。紧接着，针对全球互联网每年产生10的15次方图片和视频流，全球安防摄像头每年产生大于10的17次方图片和视频流，人工智能算力需求暴涨，通用GPU芯片没办法满足算力暴涨的需求，需要专用TPU芯片代替通用GPU芯片，因为TPU芯片比GPU芯片性能数量级提升，成本和功耗数量级下降。

阮沈勇介绍了上个月在福州发布的比特大陆第三代AI芯片BM1684，这是国产自研TPU架构的AI芯片，是为智慧城市服务的一颗芯片，成为智慧城市的核心引擎。BM1684芯片算力强，支持2.2T的FP32算力，17.6T的INT8算力，卷积加速模式下，支持35.2T的INT8的算力；路数多，支持960fps的H264/H265的解码，480帧/秒图片编解码；强安全，支持可信区域、安全启动和加密算法；易扩展，支持16个PCIe3.0通道，2个千兆以太接口，16G的DRAM memory size，客户可以很方便的开发算法，不需要为外部存储容量担心。基于BM1684芯片产品的性能是英伟达GPU P4的3倍。

基于TPU架构的AI芯片，比特大陆开发了板卡、边缘计算小盒子、服务器等硬件产品。据阮沈勇介绍， 比特大陆只提供硬件和工具链，不开发算法，跟算法生态伙伴合作。他指出，比特大陆的平台是开放的生态系统，已经与许多的算法伙伴合作，支持合作伙伴算法的移植。算法合作伙伴提供算法及应用管理软件，比特大陆与合作伙伴一起提供解决方案给最终用户，TPU芯片为城市智能化提供核心计算引擎。

阮沈勇以平安城市为例，解释了算力按需分配。智慧城市需要2000路视频或者8000路的视频结构化，向资源池申请资源，用完后释放回池，好处是可以为智慧城市的智能交通、移动警务等提供AI计算能力，为传统应用装上AI智慧大脑。同样系统也可以进行单路AI智能分析，简化管理，平滑扩展。对AI计算资源的统一管理，提高系统资源的利用率。

《视觉计算：AI 算法 vs. AI 芯片》

依图科技 CTO 颜水成

随后，依图科技 CTO、IEEE 院士颜水成发表了题为《视觉计算：AI 算法 vs. AI 芯片》的精彩演讲。

在颜水成看来，人类文明变迁的核心点是在于基础设施的变化，由此带来的直接影响是人和人之间的沟通效率和方法有显著提升，沟通更有保障。而视觉智能作为AI的主力军，也同样非常依赖于基础设施的变革。一方面是视觉信号的传输，另一方面则是AI的算法和算力。随着IoT的发展和5G的普及，将会有越来越多的算力用于视觉计算。

颜水成将视觉智能分成5个等级，分别是可记录——可识别——可关联——可预判——可规划，相应地，对基础设施的需求就会更高。

而基础设施的提升，关键之一是智能密度的提升，从而保障整个服务有更好水平。宏观上，不再只是为单个摄像头来提取数据。不同的摄像头可以进行信息的共享、对话，并基于这种分析形成一种更高的智能。微观上，则需要提升单位面积智能的算力，即同样面积的芯片能够形成的AI能力的容量，既包括能完成的AI计算类型，也包括单位面积能处理视频的路数。

他总结称，依图提出了算法即芯片的思想，是视觉计算的核心驱动力。做一款AI芯片，首先要想清楚它的典型的应用场景，同时也该在芯片设计和未来的AI算法最前沿算法的发展趋势有一个预判，这样让算法和芯片设计能够相互优化，协同开发，同时又实现其分层解耦。另外，依图所承建的视觉计算新一代开发创新平台，将会打造算法及芯片共赢的生态。

《创新管理与企业增长》

远望资本、迅雷创始人 程浩

上午场的最后，远望资本、迅雷创始人 程浩在题为《创新管理与企业增长》的演讲中，从企业创新管理的角度为与会者提供许多宝贵建议。

程浩认为，AI芯片作为基础设施，理论上服务很多垂直领域，但如果只做一横，即只做技术服务商，很容易被合作伙伴替代掉；应当要在服务的这么多垂直领域中，找出创业者自身认为市场空间广阔、同时也比较擅长的，要深入进去做一纵，打造全栈解决方案，风险就降低很多。

他将创新的法则归为以下几点：

1.创新是手段，不是目的，不该为了创新而创新；

2.创新的目的应该是，极大提升效率、极大降低成本、极大提升用户体验，三者至少满足其中一个。如果不能实现极大，那就是渐进式创新；

3.非行业龙头不该考虑渐进式创新，否则就是为行业龙头打工；

4.创新是解四元方程式，同时解开多个变量是极其困难的，应当先控制住其他变量（看做定量），先解开最易解的两个变量。然后按照这个方式，再去逐步解决那些没有解出来的变量；

5.创新需要天时，一是过去不成熟的市场现在飞速发展了，二是技术成熟起来了，过了可应用门槛。如果一个项目十年前市场和技术都已成熟了，当年没有人做的原因更可能是需求不够刚；

6.商业模式创新VS技术创新，前者的优点是易复制、易快速规模化，劣势是门槛较低；技术创新则相反，投入周期长但竞争壁垒高；

7.创业公司要有持续创新能力，因为大多数企业今天成功的事业，都不是他们最开始干的那件事。最开始想做的事没有成功，可能是因为未能验证产品与市场匹配，或是验证了但不知道怎么商业变现，又或者是市场不够大，行业天花板有限。能否持续创新是企业从优秀到伟大的分界线。

下午场

《AI 下半场》

宇视科技副总裁 闫夏卿

峰会下半场，宇视科技副总裁闫夏卿以题为《AI 下半场》的精彩演讲点燃了大会气氛。

闫夏卿表示，AI 的上下半场主要有三大转变：一、从对“AI 无所不能”的科幻式理解，转变成了“AI 无所不在”的应用趋势；二、从“AI 即算法”的粗暴理解，转变成了“AI=算法+算力+产品+应用+工程”的综合立体式理解；三、从对技术指标层面的角逐，转变成了应用体验层面的较量。他认为，对AI的讨论深入到细节和工程层面，才是行业走向成熟的标志。

闫夏卿表示，我们现在往往很难对一家 AI 公司进行定位，因为算法公司在做芯片，芯片公司也在做算法。但这不会是一种常态，未来整个行业一定会走向开放和产业链的形态，上下游将会形成更好的分工和协作关系。这个过程需要全行业的共同努力，需要大家做出更加深入的探讨。

从技术维度来看，闫夏卿表示AI技术要取得进一步发展和突破，接下来还有许多难点需要突破：1.低数据量、无监督自学习技术的突破；2.人类常识性只是在AI上的重建的突破；3.行业共建算法生态体系的可能性。这将会是一个漫长的过程，我们要保持耐心。

《用“芯”探索智能边界》

云天励飞 CEO 陈宁

随后，云天励飞 CEO 陈宁博士作为下午场的第二位演讲嘉宾登台，围绕《用“芯”探索智能边界》这一主题发表了精彩演讲。

陈宁表示，人类生活的数字化基本上可以分为三个阶段：互联网阶段、移动互联网阶段、AIoT阶段。这三个阶段背后，其实是通信技术的发展。5G和人工智能带来了端、边、云的创新机会：更加多元化的终端可以进行AIoT的各类信息采集，催生了多模态计算的需求，同时云边结合的架构对计算效率和相应速度提出了更高要求。在此背景下， GPU和CPU已经难以满足快速爆发的AI计算需求，需要更加高效的面向垂直场景的神经网络处理器。

云天励飞芯片平台-Moss于2018年推出了第二代自主知识产权的人工智能芯片DeepEye1000。DeepEye1000是一款异构多核视觉分析SoC芯片，内嵌一颗自定义指令集神经网络处理器。与通用GPU相比，DeepEye1000单位性能提升20倍，单位能效提升100倍，系统时延降低200倍，具有低功耗、高能效、智升级、可编程等特点，可广泛用于摄像机、机器人、无人机，以及数字城市、新零售等场景，实现视觉AI城市大脑终端摄像机的安全、独立、自主、可控。

《AI时代的安防新理念》

天地伟业总工程师 杨清永

紧接着，天地伟业总工程师杨清永以题为《AI时代的安防新理念》的精彩演讲延续了会场的热烈气氛。

杨清永表示，安防行业从数字时代到智能时代，是一个必经之路。传统视频摄像机存储的是标准视频流，现在AI摄像机可以把采集到的视频流进行结构化处理，只向后台只传递结构化的数据。这样可以有效降低对存储空间和传输带宽的要求，同时存储的视频结构化数据也可以做到秒级检索，和传统人工看视频相比效率提升了不止一万倍。

随着AI技术的发展推动安防行业从数字时代进入到智能时代，整个行业的理念也发生了改变：

首先是实战化理念。AI安防的实战应用该如何落地呢？首先要找到一个合适的场景，分析其痛点和需求，针对长江设计一套解决方案并部署实施。如果这套系统产生了实战效果，使用户满意了，就可以进行复制和推广。

其次是低成本理念。现在AI刚在安防行业落地，造价和成本相对比较高。所以低成本方向就成了各家公司研究和发展的一个新方向。杨清永表示，行业可以从这几个方向来尝试降低系统成本——协同智能、高集成化、资源和模型的匹配、标准化。天地伟业自主研发的P5智能卡，从性价比上已经全面超越了P4，AI国产化技术正向前迈进。

《人工智能芯片技术发展及应用》

寒武纪副总裁 刘道福

作为大会下半场的第四位演讲嘉宾，寒武纪副总裁刘道福以《人工智能芯片技术发展及应用》为主题介绍了他对AI芯片的独到理解。

演讲中，刘道福结合自身产业经历，多角度分析了智能芯片该如何做到好用和通用。他认为，设计灵活的指令集，设计可扩展性强/高效的架构，提供灵活的运算器方案，支持主流编程架构，在大规模商用中得到反馈和修正等均是做好智能芯片的重要手段。

刘道福表示，传统ASIC（将一个特定算法硬件化）的思路是无法解决深度学习处理需求的，主要有这么几个矛盾：第一个矛盾是算法越来越快，复杂度越来越高，硬件的规模是有限的，有限规模的硬件和任意规模算法之间的矛盾要解决。

第二是结构固定的硬件如何应对千变万化的算法，在任何一个产业最终落地的时候，成本都是产业规模化的一个障碍，深度学习是一个高成本的算法，你怎么用受限的硬件解决大计算量的算法，这是一个很大的问题。

《AI超微光技术与边缘算力选择》

苏州科达首席科学家 章勇

随后，苏州科达首席科学家、前博通图像事业部资深科学家章勇在题为《AI超微光技术与边缘算力选择》的精彩演讲中介绍了科达最新的AI超微光技术。

章勇表示，目前深度学习技术主要应用于模式匹配和图像识别，例如人脸识别、车辆特征提取、视频结构化等。而科达则将这种深度学习技术应用到前端传感器图像增强处理技术领域，直接对前端图像传感器输出的裸数据进行图像恢复，最大化还原低照度环境下的实际图像效果。

这种处理技术的好处是，它突破了传统摄像机中ISP技术的局限性。目前ISP由数十个图像处理模块组成，数百个参数需要人工根据经验进行调整，不仅费时费力，而且由于传统算法的局限性，难以在低照高噪声的情况下显示出图像中有用的信息。而AI超微光技术对传感器数据直接进行处理，运用神经网络完成输入图像到输出图像端到端的非线性映射。不仅如此，相对于增强补光，以及多目多光谱设计的硬件解决方案，独创的深度学习图像增强算法，可在大幅减少卡口对补光灯的依赖的条件下，提升图像亮度，且充分还原物体颜色与纹理等细节信息。

另一方面，这项技术也对边缘侧芯片的算力提出了巨大挑战。面对市场上琳琅满目的芯片，科达结合超微光技术的场景特点，提出了六项边缘算力芯片的筛选标准————模型运行评分、工具链有效性、灵活性、成本、非AI功能、TOPS/W。

依托于精简优化的算法和所选择的边缘算力，苏州科达创新性地完成了AI超微光在边缘侧的实现任务，已经形成了产品系列并申请了多项专利。

《Designing Heterogeneous IC's for Artificial Intelligence Applications》

全球异构系统架构联盟主席、华夏芯 CTO John Glossner

随后，全球异构系统架构联盟主席、华夏芯CTO John Glossner在大会下半场第六位登台演讲，发表了题为《Designing Heterogeneous IC's for Artificial Intelligence Applications》的精彩演说。

John Glossner主席表示，大量人工智能应用的出现，如无人驾驶、机器视觉、智能手机等等，对于人工智能的发动机——芯片，提出了非常高的要求，包括性能、功耗、成本、应用开发等等。面对大数据、人工智能对计算性能的爆发式需求，各种创新的神经网络算法及相应的计算实现架构层出不穷，之前的传统芯片设计架构已经难以满足应用对计算能力的需求。

正因为如此，不仅众多创新的芯片公司，甚至包括亚马逊、百度这些互联网公司都在开始设计新架构的人工智能芯片。异构计算这种将传统与创新架构融合、通用和专用计算协同的技术路径，非常好地满足了人工智能芯片不仅要性能好、成本低，还要可演进、易开发的设计理念。因此，业界的共识是新一代异构计算架构是未来人工智能芯片设计创新的主要突破口。

异构计算并不是全新的概念，但由于产品设计难度大、生态系统需要重新构建等挑战，在过去很长一段时间里一直处在不断演进当中。那么如何推动异构计算的发展，John Glossner主席认为，只有采用建立相关标准和规范、众多厂商协同合作这一途径。

作为全球少有的用创新架构来设计CPU，DSP，GPU和AI专用处理器等内核的异构计算芯片公司，华夏芯的目标是为人工智能、深度学习、5G、ADAS、智能物联网等应用提供一个化繁为简、降低成本的异构计算芯片设计和开发平台。华夏芯多款通用和专用处理器IP内核、人工智能芯片和完整解决方案正在进行市场推广。

《数据智能 孪生城市-数字孪生助力城市治理能力建设》

佳都科技智慧城市业务群副总裁 张进飞

大会下半场第七位登台演讲的是佳都科技智慧城市业务群副总裁张进飞，他的演讲主题为《数据智能 孪生城市-数字孪生助力城市治理能力建设》。

张进飞表示，近年来中国城市化加速，给公共安全行业带来了一系列挑战：首先，人口流动越来越频繁，导致管理难度增加；其次，人口大量涌入城市，给城市交通安全带来巨大挑战。

与此同时，信息技术的发展也迎来了许多突破：首先，5G和物联网技术的不断成熟，解决了前端感知问题；其次，芯片技术发展带来的算力提升解决了数据认知的瓶颈；最后，后端传输能力的提升使得我们可以做城市级的模型。所有这一切共同奠定了数字孪生城市的基础。

张进飞表示，佳都科技面向城市精细化治理、数字化经济的趋势，基于多年深耕社会治安和城市交通的经验，致力于通过数据智能构建数字孪生城市提升城市治理能力。提供包含物联数据采集、汇聚、清洗、融合、服务于一体的数据中台、融合多种人工智能算法和智能调度机制的AI中台、面对多个典型场景的业务逻辑定义的业务中台的视频云+大数据整体解决方案。开放设备接入、数据汇聚、AI能力整合、业务逻辑扩展、云服务接入等能力，支持构建开放的生态链体系。推出了面向治安的蜂巢系统、面向刑侦的觅影和明镜系统、面向指挥以及泛安全监控的明毅系统等，提供端到端的整体解决方案，实现城市治理的全息刻画、深刻洞察和智慧赋能。

“数据智能，孪生城市”是以数据为核心驱动的，可以凭借统一的数据底层，实现城市数据资源融合、共享，构建人、机、物三元融合的数字化城市镜像，数字孪生城市通过建设全域数字化标识体系，有望使城市公用设施、交通设施、特种设备涉及的所有城市实体部件具有唯一化、数字化身份标识，并通过统一物联网感知和管理平台实现统一的管理控制和动态监测。

《芯片产业趋势与产业投资》

中欧资本董事长、前华为副总裁 张俊

大会最后，中欧资本董事长、前华为副总裁张俊博士以《芯片产业趋势与产业投资》为主题，从投资人的角度为与会听众提供了一个全新的视角。

张俊博士表示，中美贸易战倒逼了中国包括芯片在内的技术创新，因此它对中国科技界来说既是危机，也是一次重大机遇。

作为技术派投资的代表，张俊博士介绍到，中欧资本是一家专注0-1原创技术创新、技术控制点的投资公司，聚焦人工智能、物联网、半导体、5G、工业互联网等领域，自创立以来，“投资下一个华为”一直是中欧资本的愿景。

随后他在演讲中指出，以AI四小龙为代表的独角兽企业在过去几年里已经取得了非常出色的成绩，但它们的发展也存在一点隐忧，那就是估值过高。张俊博士认为，创业公司估值过高相当于把自己悬在空中下不来了，是非常危险的。

他预判，明年科技圈将会有两大泡沫破裂：一个是人工智能独角兽企业估值过高的泡沫会破裂；第二个是新能源汽车、互联网造车新势力的泡沫会破裂。

峰会结束后，雷锋网 & AI掘金志为赛灵思、寒武纪、云天励飞授予了「AI芯片最具商用价值奖」，同时也为大华股份、宇视科技、旷视科技授予「AIoT智能城市创新企业奖」，以表彰它们在技术、产品和商业模式上的持续创新。

关于全球AI芯片·城市智能峰会

「全球AI芯片·城市智能峰会」是雷锋网 & AI掘金志安防团队继「中国人工智能安防峰会」、「CCF-GAIR视觉智能论坛」后，全力打造的又一大品牌活动。

在上述三大论坛中，组委会先后邀请到了高文、Demetri Terzopoulos、权龙、华先胜、贾佳亚、孙剑、颜水成、田奇、程浩、张鹏国、浦世亮、殷俊、余虎、李子青、申省梅、王晓刚、杨帆、陈宁、温浩、陈瑞军、张永谦、肖洪波、胡大鹏等在产学两界享有盛誉的权威专家。论坛内容围绕「摄像机」这一介质入口展开，覆盖AI安防产品、图像与视觉智能算法、视频芯片&服务器、投融资、商业模式等多个维度的主题，旨在打造业内最完整的智能城市论坛体系。

。