李开复谈20年后的AI，崔宝秋论开源之道｜MEET2021智能未来大会

3GPP在2008年第一次引入了自组织网络SON (Self Organizing Networks)的概念，移动通信领域开始尝试利用机器学习、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AI功能在网络中定义尚未清晰，SON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，深度学习，尤其是机器视觉开始一飞冲天，取得巨大的突破。

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(Mean Accuracy-guaranteed Processing Speed)，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。现有框架可以像马车一样做到非常舒适、精致，有足够的运行效率，也有非常好的上下游的生态。

MindSpore类似于那个时代的汽车，可能没那么舒适、精致，但是有很强的操纵感，具有工业化设计和流水线能力，可以有超乎想象的效率和性能，构筑了全新的硬核科技生态。

如果使用过MindSpore，尤其在昇腾环境上，能体会到运行感非常好。

MindSpore就像汽车一样，是一个工业化的产品，具有非常好的工业化能力，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最重要的是，尝试解决很多具体的问题。

对于AI算法工程师来说，如何更高效、更简洁地开发。对于企业来说，尤其是生产环境的鲁棒性也是非常重要的。

还有就是硬件能力的释放，现在是有大量AI专用硬件的时代，如何能够把这些优秀硬件的能力极大的释放出来，这对于框架来说也是一个非常重要的问题。

针对这些问题，华为开发了MindSpore。它有几个非常关键的特性：一个是自动并行，二是高阶优化，三是是全栈协同。

最后黄之鹏也表达了MindSpore的开放态度。虽然MindSpore是国产框架，但绝对不会在局限在中国一个社区，MindSpore从诞生之始就是一个立足于中国，但是面向全球开发者的全球性的开源社区。

申请创业报道，分享创业好点子。点击此处，共同探讨创业新机遇！

（编辑：焦作站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!