19位学界产业界领袖共论AI现状：疫情之下，AI依旧落地为王
2020年12月23日，这个特殊的年份即将结束，北京的人们经历了生活的重创，但AI技术仍在迅猛发展。
“重启、重塑、重构”是今年AI行业的主题，AI正在构建新的常态，帮助人们摆脱疫情带来的阴霾。
12月16日，量子位在北京召开了MEET2021智能未来大会，创新工场董事长兼CEO李开复、中国工程院院士谭建荣、小米公司副总裁崔宝秋、清华大学计算机系教授唐杰等AI产业界、学术界的知名人士现场分享了过去一年的成果和经验，碰撞出思辨的火花。
中国AI行业经历了“黑天鹅事件”，那么新的一年会走向何方呢？
李开复表示：AI给社会带来最大价值的肯定不是黑科技。
今年的疫情加速了数据化、线上化和AI化，AI最重要的核心就是海量的数据。线上会议促进了虚拟人的发展，社交距离的限制促进了配送机器人的应用。今年，AI在基础技术上有多项重大突破，比如大型语言模型GPT-3和预测蛋白质结构的AlphaFold。这些AI技术轰动全球，但李开复认为，AI给社会带来最大的价值或经济价值，肯定不是这种黑科技。
今天AI技术已成熟，可以被传统公司拥抱，AI为制造、健康、医疗、零售、金融、保险等传统行业带来了巨大效果。李开复呼吁这些传统企业应该拥抱AI，因为越早拥抱AI就会拥有更大的竞争力。海量的、结构化的、有标注的、达成商业目标的精确数据是拥抱AI的关键，但这需要长期积累。
过去一年，李开复在《纽约时报》等外媒上谈到了中国AI企业的出海机会。他认为中国的创新至少在IT、AI的领域是有机会超越美国，尤其在商业化方面。中国企业有机会拿下世界GDP四分之一、人口四分之三的广阔市场。
小米集团副总裁、集团技术委员会主席崔宝秋分享了小米在AI和开源上的思考。今年小米将未来十年的核心战略升级为手机xAIoT，AIoT是AI技术加持的智能设备。小米在产品上推出了基于UWB技术的小米“一指连”等多个AI技术。为了打造开放的平台与生态，小米开源了移动端深度学习开源框架MACE和语音交互工具包Kaldi2.0。
崔宝秋认为，今天正处于互联网文明和大数据信息时代，开源将扮演更加重要的角色，成为人类技术进步的最佳平台和模式。
在过去的几十年中，从早期互联网到云计算、大数据，再到如今炙手可热的人工智能，开源软件已成为云计算和大数据时代事实标准。在全球范围内，各个AI巨头以及国家都希望通过开源模式快速打造AI领先地位，因此所有巨头都在深度拥抱开源，包括中国的所有AI企业，如小米等。
崔宝秋认为，开源是人类技术进步的最佳平台和模式。智慧时代最重要的生产力是计算力，因此除了人，人工智能也成为了我们的劳动者。今年最受关注的AI技术创新是GPT-3，据说训练它需要花费500万到2000万美元的计算费用。
浪潮信息副总裁、浪潮AI&HPC总经理刘军认为，在智慧时代，智能计算中心是新的发电厂，为智慧应用提供源源不断的AI算力数据服务，实现生产算力、聚合算力、调度算力、释放算力，形成一个算力生产供应的平台、数据开发共享的平台、智能生态的建设平台和产业创新的平台。
山景智能科技创始人及CEO黄勇认为，金融领域、金融机构、未来的金融企业需要构建自己的开放性、敏捷性和智能化框架。他认为，机器将替代人类写代码和做业务决策，未来所有的算法和业务流程都应该完全敏捷，敏捷也是AI能力的一种体现。
G7创始人、首席执行官翟学魂分享了物联网技术在无人卡车中的应用，认为未来5年大部分卡车都会变成无人卡车。通过运货卡车加入IoT、AI的技术，可以将使用寿命从5年变成12年，虽然车制造成本比普通车高，但从长远来看反而更加经济实惠。
翟学魂以货车运输煤炭为例，阐述了物联网大数据对运输安全的改善。通过车载物联网设备的数据识别，可以发现更安全的运输方式。
此外，通过对物联网数据的分析，还可以获得一些经济数据。G7发现，卡车物联网数据与GDP数据高度吻合。还可以利用卡车运输数据来分析雄安的建设状况。
翟学魂认为，未来3到5年的变化将远远超过过去10年。未来5年左右，大部分新的卡车将变成自动驾驶的卡车，也许不是完全无人的，但司机不会过于关注安全和油耗，只是象征性地开车。此外，他认为未来5年后，绝大部分卡车会使用根本不同于柴油的能源。因此，未来5到8年的时间内，能源、设备和生产力都会发生根本性的变化，其中G7能够发挥显著的推动作用。
容联云通讯CPO熊谢刚分享了他们在AI应用中的一些经验。过去两年到三年，出现了大量AI创业公司。但是，这些创业公司普遍面临着产品变现非常困难的问题。很多创业公司的人数从100人发展到了500人，但是收入只有好几千万，很难实现上亿甚至几个亿的收入规模。原因在于每个AI项目的客单价不高。作为一个AI创业公司，他们需要让客户使用完产品之后，真正感受到业务效果的提升。
在过去，由于市场的影响，行业大谈AI产品是为了取代人，以省钱为目的。但熊谢刚认为，用AI替代人本质上是一个伪命题。AI产品应该是用来处理那些人做不了的事情的。这些事情可以分为两类：需要处理的数据量特别大和需要计算速度越来越快的事情。例如，在应急通信领域中，需要快速响应大量的突发事件。只要用AI技术能够很好地处理这两个方面，客户就愿意支付巨额价格。如果能找到这两个方面，AI产品就能成为刚需。
在自动驾驶圆桌论坛中，四位行业大佬共同讨论了自动驾驶的未来发展。每个人对自动驾驶未来的发展都有不同的见解。王京傲认为，今年汽车行业的趋势是汽车智能化，各大新造车势力的股价都在不断上涨。自动驾驶刚刚开始，需要尽早加入。百度已经在广州、沧州、北京和长沙等城市落户自动驾驶，明年会在更多城市推广，并提高城市的运营效率。百度的目标是在未来3年内，在30个城市落户Robotaxi，未来5年，在百万辆以上的汽车上安装Apollo智能驾驶系统。
吴甘沙认为，今年自动驾驶商业化有三个关键字：上量、真无人和全天候。上量指的是驭势科技对今年客户总量的预计太过保守。真正的无人是从去年开始，驭势科技就率先取消了安全员。全天候指的是无人驾驶进入商业运营状态后，需要应对各种复杂环境和气候条件。他还指出，从商业化节奏和需求的迫切性上来看，无人驾驶汽车载货会比载人更快落地。
于骞则认为，在国内载人的场景中，自动驾驶巴士（Robobus）一定比自动驾驶出租车（Robotaxi）更快落地。在货运领域中，美国的重型卡车应该是一个更快落地的方向。
在L4方面，Robobus以不同路线、中低速的微循环公交形式实现会更实际和务实。而L4级别的自动驾驶，想要广泛普及，仍需要解决很多特定情况，即便强如Waymo，当前也面对众多技术问题。最终，Robobus和Robotaxi有可能以共享无人小巴的方式广泛普及。
郝佳男表示，在无人车落地化方面，中国相比美国具有很多优势。
美国各州都有自己的计划，对于无人驾驶持相对开放的态度。但是，在中国可能需要克服一些法规，但是，他对此比较看好。
中国有多种可能不太容易推进的资源，例如V2X、车联网，这些资源可以让中国先发制人，进展更快速。
谭建荣院士：数字经济搞得好不好，要看企业、群众是否受益
中国工程院院士谭建荣在会上做了题为《数字经济与数字转型：关键技术与发展趋势》的演讲。
谭建荣院士指出，实体经济始终是国民经济最重要的基础，智能制造、大数据、数字经济，都必须与实体经济相结合，并且与制造业相结合。
从需求角度来看，现在实体经济和数字经济都发生了很大的变化。变化主要来自四个方面： 批量生产向订制生产的转变； 单品类化向多品类化产品的转变； 产品更新速度越来越快； 大众化产品向高端化产品的转变。
同时，是新一代信息技术的发展构成的。新一代信息技术同样有四个明显的特点： 从互联网技术到物联网技术的发展； 从虚拟现实技术到增强现实技术的发展； 从网格计算技术到云计算技术的发展； 从机器学习技术到深度学习技术的发展。
这种转变和发展，支撑着当前数字经济的发展。
谭建荣院士认为，数字经济的发展历程中有三个重要的里程碑。第一个里程碑是40年前美国未来学家阿尔文·托夫勒提出“数字经济”的概念。在《第三次浪潮》中，他预见以互联网为舞台，大数据是最具创新力的角色，大数据将成为第三次浪潮中最重要的组成部分。
第二个里程碑是美国副总统戈尔提出数字地球的概念。数字地球和地理信息系统、网格和虚拟现实等高新技术紧密相关。其核心是地球空间信息科学，以及遥感技术、地理信息系统和全球定位系统集成。
第三个里程碑发生在中国。2016年在杭州举行的G20领导人峰会，首次提出全球性的《二十国集团数字经济发展与合作倡议》。
2017年中国政府工作报告，首次提出了“数字经济”，并提出要“促进数字经济加速发展，让企业广泛受益、群众普遍受惠”。
谭建荣院士还强调，数字经济的好坏，人工智能的好坏，主要取决于这两条：第一，企业是否受益；第二，群众是否受惠。
那么，如何将数字经济与实体经济紧密结合起来，并进行高质量发展呢？
谭建荣院士提到了高质量发展的四个要素：高质量的产品，高质量的技术，高质量的管理和高质量的人才。
具体来说，谭建荣院士总结了五个方法。
第一，将人工智能应用于制造业中，形成智能制造，用智能制造来提升创新能力、设计能力和产品研发能力。
目前，产品创新设计能力仍然是中国制造业的短板，这种创新能力的不足也存在于信息企业中。谭院士引用中国工程院前院长徐匡迪院士的观点强调：“不研究人工智能的算法，就无法掌握人工智能的核心技术。”
第二，通过智能制造来提高工艺。
第三，通过智能制造来提高质量。不仅要提高硬件产品的质量，还包括提高软件产品的质量。
谭院士觉得，中国的工业软件是缺乏的，需要迎头赶上。要让中国的工业软件企业再次振作，就需要大力发展人工智能技术。
第四，智能制造+延伸服务。不仅软件业要变为服务业，制造业也要向制造服务方向转变。
第五，使用智能制造数字化技术来寻找产品服务对象，扩大产品市场。
美团夏华夏表示：“接地气的AI”是为了让每个人都能享受科技带来的便利。
科技应该真正为社会价值做出贡献。夏华夏认为，把智能语音技术用于帮助盲人点餐，使用NLP帮助餐馆老板回答客户问题，在疫情期间使用无人车与骑手配送外卖等“小事”是许多科技工作者工作价值的体现——使用技术去帮助每个普通人生活得更好。
夏华夏指出，“接地气的AI”是人工智能发展的一个大趋势。由数字和资本驱动的AI已经逐渐落地，变成由实际价值驱动的AI。技术受益者——每个普通大众决定了这个价值。
所以，“接地气的AI”是什么呢？第一，是落地速度快。以美团为例，在2020年，美团AI团队就落地了近3000个实际业务需求，包括配送调度策略调整、商家智能运营等方面。第二，是服务行业务。把AI技术应用到各种本地生活服务领域，包括衣食住行、吃喝玩乐。从用户和商家的角度来看，人工智能渗透到各个方面，提高了用户体验，帮助商家信息化、数字化、智能化和自动化升级，优化了商家的整体经营模式。第三，是服务对象。技术在迅速发展，但并不是每个人都享受到了技术带来的便利。所以，AI的服务对象应该是每个普通人。这也是美团AI的技术宗旨所在。
唐杰认为，认知图谱是人工智能下一个瑰宝。他说，人工智能的发展可以分为三个时代：符号AI、感知AI和认知AI。到目前为止，还没有实现认知AI。为了实现认知AI，我们需要建立AI基础设施，例如构建认知图谱。
唐杰提出重视认知逻辑的原因之一是他举了GPT-3的例子。GPT-3的参数规模达到1750亿，与人类神经元数量级相当。在表达方面，这样的大规模语言模型已经使AI接近人类的水平。这让人们思考一个问题：我们是否可以通过大规模、大算力、大计算得到一个超越人类的通用人工智能？GPT-3这样的语言模型已经暴露出一个问题——没有常识。例如，当你问它一根草有几只眼睛时，它会回答“一只眼睛”。
想要解决这样的难题，用计算的方式做认知，唐杰教授提到可以结合两种方法实现。
第一，数据驱动。将所有数据进行建模，并学习数据之间的关联关系，学习数据记忆模型。
第二，知识驱动，构建知识图谱。
然而，仅此而已是不够的。唐杰教授指出真正的通用人工智能需要具备持续学习的能力，可以从已有的事实和反馈中学习新的内容，并完成更加复杂的任务。
因此，认知AI应该符合9个准则：适应与学习能力，定义与语境化能力，自我系统的准入能力，优先级与访问控制能力，召集与控制能力，决策与执行能力，错误探测与编辑能力，反思与自我监控能力，条理与灵活性之间的能力。
认知图谱的概念也就应运而生。认知图谱有三个核心要素：常识图谱、逻辑生成和认知推理。唐杰教授表示，知识图谱、深度学习和认知心理组成的框架，可以打造知识和认知推理双轮驱动，是未来的重要研究方向。
项目关键技术通过成果转化孵化智谱·AI公司，形成多个核心产品，在阿里巴巴、搜狗、华为、腾讯、点通、工程院等30余家企事业单位部署了超过100余套智能型云服务系统，应用前景极其广阔。
爱奇艺副总裁谢丹铭介绍了爱奇艺在内容创作和消费领域的智能化应用，包括综艺制作系统、视频增强技术ZoomAI、智能上色引擎、唇型驱动技术等。
总之，AI正在广泛应用于内容的创作和消费领域，从创作到分发，从翻译到审核，实现科技与技术的结合，促进产业升级，让创作者提升效率，让消费者简单快乐。
小冰公司首席执行官李笛在大会上分享了小冰框架的大量实践，认为人工智能正在不可避免地进入人类社会的各个领域。李笛认为在讨论人工智能的未来前，需要讨论其边界，作为技术框架掌舵者，李笛将技术运用的边界归结为三件事：预判可能遇到的困境，对场景保持克制和保护双方机制。李笛表示，小冰公司坚决禁止为普通个人训练声音，认为这种接近于真人的语音能力将被不法分子利用。而当你手上有一个强大的AI工具，李笛认为，不应该提供给企业，而应该给企业里的劳动者。
澎思科技创始人兼CEO马原在会上发表《AIoT生态模式，驱动AI普惠与商业化》的主题演讲。马原指出，2020年是AI普惠的元年，尤其在城市中的金融、教育、社区、楼宇园区、地产商业等场景中，中长尾客户将占据AIoT市场的主体。作为以AIoT生态模式，加速人工智能普惠和商业化路上的排头兵，澎思致力于满足智慧城市AIoT场景的中长尾市场需求。
亚信科技CTO、高级副总裁欧阳晔博士分享了与通信有关的人工智能的发展，认为5G是首次将AI写入通信核心网络架构里，是人工智能与移动通信做为通用目的技术融合发展的一个标志性里程碑。
3GPP在2008年第一次引入了自组织网络SDN(SelfDefinedNetworks)的概念，移动通信领域开始尝试利用深度学习、数据挖掘等分析算法来进行网络性能与质量的优化以及网络运维的自动化工作。但受制于数据接口开放程度以及人工智能功能在网络中定义尚未清晰，SDN作为网络智能化的初次尝试，在过去的12年中发展较为平淡。
随着ORAN，ETSI，3GPP在2017年之后愈加清晰的网络人工智能定义及发展分级体系的制定，5G+人工智能作为通用目的技术组合，在未来十年将进入一个快速发展期。
人工智能面向5G核心网，无线接入网，网络管理域，业务管理域，客户体验管理域，垂直行业及5G专网等，都有极大注智与融智的空间。
未来十年，随着5G向6G的演进，人工智能将在第六代移动通信的网络核心架构及业务场景中扮演更重要的角色，最终使网络向高度智能自治的目标迈进。
地平线黄畅：将最先进算法和最先进芯片架构结合 地平线联合创始人兼技术副总裁黄畅带来的话题是“软件2.0时代AI芯片的挑战”。
从2012年开始，机器学习，尤其是机器视觉开始一飞冲天，取得巨大的突破。
过去8年持续的提升，图像识别的精度不断的提升，同时它的计算效率越来越高。和8年前相比，我们今天只要用大约几百分之一的计算量就可以达到8年前做一个图象识别的精度，这是一个巨大的进步。
算法的进化速度甚至超过半导体的摩尔定律。每10到14个月，达到相同精度的计算量可以下降一半。
但很不幸这是以算法设计得越来越巧妙为代价的，而算法设计得巧妙会对计算架构提出巨大的挑战，尤其是传统通用的并行计算架构，比如说GPU架构，会使得整个计算效率相当的低下。
因此，在芯片设计领域，相关的处理器架构变得尤为重要，否则继续沿用通用计算架构会使更先进的算法无法高效运行。
所以地平线提出了一个新指标MAPS，即在精度有保障范围内的平均处理速度（MeanAccuracy-guaranteedProcessingSpeed），针对应用场景的特点，在精度有保障的前提下，包容所有与算法相关的选择，评估芯片对数据的平均处理速度。希望以此为业界同行提供一个评估芯片AI真实性能的全新视角。
MAPS评测方法，关注真实的用户价值，将每颗芯片在‘快’和‘准’这两个关键维度上的取舍变化直观地展现出来，并在合理的精度范围内，评估芯片的平均处理速度。这个方法具有可视化和可量化的特点。
通过MAPS这个指标，地平线设计芯片和一个通用设计芯片之间的差别，可以看到芯片功耗和他所能带来的性能方面是有巨大优势的。
最后，在车规芯片上，地平线在过去几年也取得了瞩目的成就。地平线是全球仅有的三家实现了车规级AI芯片规模化量产的公司之一，也是国内唯一实现车规级AI芯片大规模量产的AI芯片企业。
华为黄之鹏：AI框架的发展到了汽车替代马车的阶段 大会最后，华为计算开源开发与运营部副总监黄之鹏介绍了今年3月28日开源的自研AI框架MindSpore。
可能很多人会有疑问，行业里已经有了TensorFlow、PyTorch这样成熟的框架，为何华为还要“重复造轮子”？ 黄之鹏说，如果打个通俗的比方，那就是：AI框架的发展，已经到了一个类似于历史上汽车出现替代马车的阶段。也就是说我们正处于20世纪初的那样一个变革年代。 现有的框架可以看作是达到了马车时代的顶峰。
现有架构可以如马车一样做到非常舒适、精致，具有足够的运行效率，也拥有非常好的上下游的生态。
MindSpore类似于那个时代的汽车，可能不那么舒适、精致，但它具有很强的操控感，可进行工业化设计和流水线处理，可以以超乎想象的效率和性能进行构建，创造出全新的核心技术生态。
MindSpore的运行感觉非常出色，尤其在Ascend环境中。
MindSpore就像汽车一样，是一个工业化的产品，具有出色的工业化能力，尤其是对大规模自动化并行的支持，应该是前所未有的。
华为开发MindSpore的最重要的目的是，尝试解决许多具体的问题。对于人工智能算法工程师，如何开发更加高效、简洁。对于企业来说，尤其是生产环境的稳健性也是非常重要的。
此外，还有硬件能力的释放，现在是拥有大量人工智能专用硬件的时代，如何最大程度地释放这些优秀硬件的能力，对于框架来说也是一个非常重要的问题。
为解决这些问题，华为开发了MindSpore。它具有几个非常关键的特点：一个是自动并行处理，二是高阶优化，三是全栈协同。
最后，黄之鹏还表示了MindSpore的开放态度。虽然MindSpore是国内的框架，但它绝不会局限在中国一个社区。MindSpore是一个立足于中国，但面向全球开发者的全球性开源社区。