2018年4月18日，由鯤云科技主辦的2018年全球人工智能應(yīng)用創(chuàng)新峰會在深圳五洲賓館召開，現(xiàn)場來自兩化融合服務(wù)聯(lián)盟秘書長周劍，英國皇家工程院院士，電子電氣工程師協(xié)會院士、帝國理工大學(xué)教授陸永青教授，英國皇家工程院院士、英國曼徹斯特大學(xué)教授Steve Furber教授、斯坦福大學(xué)教授Kunle Olukotun，美國微軟Derek Chiou教授，中國超級計算領(lǐng)域國際權(quán)威清華大學(xué)教授楊廣文等眾多嘉賓帶來了AI從研究到落地應(yīng)用方向多個角度的精彩演講。

兩化融合服務(wù)聯(lián)盟秘書長周劍表示，世界正處于在從工業(yè)經(jīng)濟向數(shù)字經(jīng)濟加速轉(zhuǎn)型過度的大變革時代，工業(yè)經(jīng)濟向數(shù)字經(jīng)濟轉(zhuǎn)型的過程實質(zhì)就是傳統(tǒng)產(chǎn)業(yè)能力與IT能力的集成、融合和更新的過程。數(shù)字經(jīng)濟發(fā)展受限要推動企業(yè)的全面數(shù)字化，尤其是底層設(shè)備設(shè)施的數(shù)字化，進而實現(xiàn)企業(yè)數(shù)據(jù)的上下層貫通，OT和IT的融合和創(chuàng)新應(yīng)用。人和機器智能的融合創(chuàng)新是核心。數(shù)字時代的核心競爭力體現(xiàn)在產(chǎn)業(yè)知識與大數(shù)據(jù)、人工智能技術(shù)的深度融合應(yīng)用，加速知識創(chuàng)新和價值創(chuàng)造。

兩化融合服務(wù)聯(lián)盟秘書長周劍

他同時指出數(shù)字經(jīng)濟發(fā)展的三大路徑：第一、推動IT能力平臺化，全面推進產(chǎn)業(yè)資源云遷移；第二階段，推動產(chǎn)業(yè)能力平臺化，促進產(chǎn)業(yè)資源合作和協(xié)同共享；第三、推進產(chǎn)業(yè)知識與大數(shù)據(jù)、人工智能深度融合，提升產(chǎn)業(yè)創(chuàng)新能力。

英國皇家工程院院士，帝國理工大學(xué)教授陸永青教授

英國皇家工程院院士，電子電氣工程師協(xié)會院士、英國計算機協(xié)會院士，天地一體化信息技術(shù)國家重點實驗室及帝國學(xué)院人工智能數(shù)據(jù)處理聯(lián)合實驗室主任，帝國理工大學(xué)教授陸永青教授，帶來了《人工智能技術(shù)：從研究到實踐》的精彩演講。

他強調(diào)，機器學(xué)習(xí)計算平臺能力決定人工智能在各個領(lǐng)域的應(yīng)用效率。其三個體現(xiàn)領(lǐng)域，金融計算，其響應(yīng)速度決定交易盈利；而設(shè)計優(yōu)化，其計算時間決定生產(chǎn)率；機器視覺，計算能力決定判斷實時性及傳輸帶寬。如何提高機器學(xué)習(xí)計算平臺能力呢？中的核心技術(shù)便是——定制計算。而定制計算與傳統(tǒng)計算最大的區(qū)別在于，傳統(tǒng)計算是程序配合處理器，定制計算是處理器配合程序。

陸永青教授就定制計算進入深入剖析，指出可定制計算架構(gòu)指向深度神經(jīng)網(wǎng)絡(luò)，可定制工具指向編譯器，而平臺生態(tài)系統(tǒng)將催生更多的產(chǎn)品。AI落地領(lǐng)域已經(jīng)在智能金融、智能制造和智慧城市當中，他結(jié)合鯤云科技所研發(fā)的雨人計算系統(tǒng)進行深入講解，介紹了其在中國商飛的機載飛行測試、衛(wèi)星數(shù)據(jù)處理、數(shù)據(jù)中心加速等方面的落地應(yīng)用。

英國皇家工程院院士，電子電器工程師協(xié)會院士，英國計算機協(xié)會接觸院士，英國曼徹斯特大學(xué)教授，ARM技術(shù)創(chuàng)始人Steve Furber教授，其研究領(lǐng)域包括異步系統(tǒng)、用于傳感器網(wǎng)絡(luò)的超低功率處理器、芯片互連和全局異步本地同步和神經(jīng)系統(tǒng)工程。

英國皇家工程院院士，英國曼徹斯特大學(xué)教授，ARM技術(shù)創(chuàng)始人Steve Furber教授

作為歐盟腦計劃計算負責(zé)人，Steve Furber教授說：“他的一個重要愿景，有一天腦現(xiàn)象可以變成數(shù)學(xué)方程式，希望關(guān)于神經(jīng)系統(tǒng)的微積分學(xué)可以留傳給下一代。”他提出兩個問題，1、大規(guī)模并行計算可以加速我們對人腦的理解嗎？我們對人腦的深入探索可以為更高效，容錯率更大的并行計算提供方向嗎？

近年來，Steve Furber教授和他的團隊正在嘗試一項大膽的研究計劃。這個項目被稱為 “Spinnaker”。也可以親切的叫做“Brain Box”。Spinnaker是一個開源的，釋放高速度和可信軟件變化多云持續(xù)交付平臺。比如Spinnake項目之一，在一臺電腦里包含一百個手機處理器，能夠模擬大約1%的人腦計算，約等于10個老鼠大腦的計算量。

Spinnaker在Netflix公司創(chuàng)建的，數(shù)百個團隊在數(shù)百萬次規(guī)劃中進行了精密的測試。它結(jié)合了強大靈活的通道管理系統(tǒng)與云系統(tǒng)供應(yīng)商的一體化。準備用 100 萬個 ARM 微處理器創(chuàng)造一個大腦的電子模型。完成的設(shè)計將被放置在10個19英寸的支架上，每個支架搭載100000個芯片，最重要的內(nèi)置卡片被放置在5個刀片機箱，每個核心模擬1000個神經(jīng)元。

Web2.0時代，以用戶行動為主導(dǎo)產(chǎn)生了海量數(shù)據(jù)內(nèi)容，這些內(nèi)容經(jīng)由Amazon、谷歌、Facebook、騰訊、阿里等巨型互聯(lián)網(wǎng)企業(yè)收集整理，作為生產(chǎn)資料反饋和服務(wù)市場。這過個程中，面對大數(shù)據(jù)指數(shù)級的增長，新一代芯片的構(gòu)建迫在眉睫。美國電子電氣工程師協(xié)會院士，斯坦福大學(xué)教授Kunle Olukotun，其研究團隊的方向在于——幫助擁有特定領(lǐng)域?qū)I(yè)知識的用戶在無需了解機器學(xué)習(xí)或者硬件認知的前提下構(gòu)建起高質(zhì)量機器學(xué)習(xí)系統(tǒng)。

Kunle Olukotun教授發(fā)表了《用摩爾定律擴展機器學(xué)習(xí)性能》的演講，他指出，訓(xùn)練數(shù)據(jù)是人工智能的關(guān)鍵，訓(xùn)練數(shù)據(jù)的挑戰(zhàn)之一是：昂貴和緩慢，尤其在專業(yè)領(lǐng)域；第二、現(xiàn)實世界的問題在變化，手動標記的訓(xùn)練數(shù)據(jù)不會。

舊的計算模式用算法進行經(jīng)典確定性計算，進行調(diào)式的計算是必須和正確的，新的計算模型從數(shù)據(jù)訓(xùn)練的概率極其學(xué)習(xí)模型，為改善并行性創(chuàng)造可能。機器學(xué)習(xí)中的關(guān)鍵算法是隨機梯度下降法（SGD）。SGD是由數(shù)百億個共享單一數(shù)據(jù)結(jié)構(gòu)的小型作業(yè)組成。HALP與SGDH和SVRG的訓(xùn)練損失和驗證準確性相匹配。越來越多的數(shù)據(jù)中心選用FPGA作為應(yīng)用加速器，正式因為兩大優(yōu)勢：性能/瓦特和可編程性。而硬件并行模式有助于提高生產(chǎn)力，改善數(shù)據(jù)的局部性和利用嵌套并行，并且抓住設(shè)計空間，生成verilog，比特流。

Kunle Olukotun教授介紹了Spatial，這種語言負責(zé)將算法中的各部分映射至并發(fā)處理器中的各部分。作為其核心，這款芯片采用16 x 8交錯式計算單元（簡稱PCU）與模式內(nèi)存單元（簡稱PMU）陣列，且各單元通過三條互連通道利用三種控制協(xié)議實現(xiàn)對接。與HDL相比，其體系結(jié)構(gòu)和設(shè)計參數(shù)更容易實現(xiàn)。單一源程序可以映射到許多硬件目標，還可以優(yōu)化目標參數(shù)。

這款113平方毫米的芯片采用Spatial以將應(yīng)用程序映射至陣列當中，用以交付相當于28納米制程FPGA芯片約95倍的性能水平以及高達77倍的每瓦性能。最終呈現(xiàn)效果來看，其每瓦性能水平可達FPGA的10倍，而編程易行性則可達FPGA的上百倍。

Derek Chiou教授，美國微軟公司partner Group硬件工程經(jīng)理

Derek Chiou教授表示，微軟云系統(tǒng)是基于大規(guī)模運算的能力，微軟可配置云的目標就是在同一硬件上支持加速基礎(chǔ)架構(gòu)和深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)。微軟數(shù)據(jù)中心必須考慮規(guī)模經(jīng)濟，有差異就集成新的器件，每1-2年就會有新的應(yīng)用集成進來。ASIC不是最有效的，我們選擇FPGA。

Derek Chiou重點介紹了用于加速軟件定義網(wǎng)絡(luò)的AccelNet，以及用于Bing中DNN加速的BrainWave堆棧，通過發(fā)揮FPGA低延遲以及高靈活的特性，實現(xiàn)更高性能的網(wǎng)絡(luò)和深度學(xué)習(xí)加速，在效率和成本的約束條件下，充分滿足網(wǎng)絡(luò)及搜索的不同需求。

國家超級計算無錫中心主任 楊廣文教授

超級計算領(lǐng)域國際權(quán)威楊廣文教授介紹了神威。太湖之光超級計算機的系統(tǒng)架構(gòu)及應(yīng)用，深入分享神威計算系統(tǒng)的深度學(xué)習(xí)平臺及其優(yōu)化進展，最后介紹了一下神威。太湖之光超算系統(tǒng)的長期規(guī)劃，其中包含會引入AI的計算加速芯片，這也將與鯤云科技正在推動的AI芯片方向不謀而合，雙方將深入探討合作的機會。