云天励飞 CEO 陈宁：我们如何用 AI 芯片赋能“城市大脑”？

AI掘金志 · 公众号 · · 2019-10-30 20:57

正文

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。

编辑 | 刘伟

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。

其中，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、5AIoT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。

以下是陈宁博士的全部演讲内容，雷锋网做了不改变原意的整理与编辑：

大家好，我是云天励飞的陈宁。很高兴今天有机会结合大会的两个主题——AI芯片和城市智能，来和大家探讨一下AI芯片在城市的综合治理和智能化过程中的产业化落地问题。

人类的发展史与城市化进程是同步展开的。人类经历了几百万年从森林走向农田，最后来到了现代化的城市，为的是寻求更多的机遇。

与之相对应的是信息化技术的发展，从互联网时代到移动互联网时代，接下来还将进入5G、IoT和AI共同催生的万物智联时代，我们也可以称之为5AIoT时代。

随着万物智联时代的到来，背后的AI技术将驱动我们的经济总量快速增长。经预测，到2030年，AI将为全球经济贡献人民币近100万亿，比中国和印度目前经济产值的总和还多。而中国会是最大的受益国，它的GDP增长中将有约四分之一来自于AI的驱动。

AI带来经济总量快速增长进而影响我们衣食住行的同时，也对我们的道德伦理和法制法规产生了巨大的冲击。它就像一个潘多拉魔盒，打开这个魔盒的过程中，我们必须关注和思考如何去构建一个有温度的AI体系。

进入AI时代的显著标志是智联网终端设备的数量激增。互联网时代是人与人之间的连接；移动互联网时代是人与人、人与智能终端之间的连接；而到万物智联时代，还将增加智能终端与智能终端之间的连接。据预测，到2025年，全世界将有超过1500亿台联网设备，每人每18秒就会有1次数字化互动。随之而来的是，城市级海量数据的激增。

作为智能终端网络的支撑，5G可以把这些数据传输到一个城市大脑，但数据的处理和分析却必须借助AI的力量，因为它的体量已经远远超过了人类大脑的处理能力之所及。

在这样一个5AIoT时代，我们面临着多重技术应用到各类纷繁复杂场景的挑战，低时延、高效率、低功耗的本地化实时处理能力的挑战，以及云端处理海量数据的挑战。

在这样的背景下，传统CPU、GPU架构已经难以满足未来智慧城市综合治理的需求。我们认为，未来城市大脑将会从云端集中式处理的形态逐步转向云、边结合的形态，通过在边缘端部署一定的本地化处理能力来满足实时性的要求。然后通过5G网络将这些被结构化的信息传输到城市大脑，进行大数据整合，辅助人类进行城市治理的综合决策。

因此，我们需要一系列面向应用场景的高效神经网络处理器，在边缘端为每一个传感器加上一颗或多颗大脑。这样一来，我们在传感器端就可以对海量的数据进行数字化和结构化，将有用的信息提取出来，传输到城市大脑进行分析。

那么，云天励飞是如何探索基于人工智能的芯片，来赋能城市大脑和智联网的呢？我们先是从算法入手，通过算法的创新来颠覆某一个传统行业或应用场景的工作效率，将其提升至少两个数量级。然后，我们再基于对算法和细分场景的理解，去提炼和定义它的处理器架构。在提炼边缘端处理器芯片架构的过程中，我们也会考虑它的场景可扩展性和通用性。也就是说我们打造了一个从算法到场景，由场景驱动的AI芯片架构设计体系。

举例来说，2015年我们在深圳打造了一个城市级的“天眼”系统，将科幻片中的场景带进了现实。 “天眼”系统的实现，依托的就是将我们的动态人脸识别、人体结构化、车辆结构化等一系列综合视频结构化算法，部署到深圳的数万路摄像机里，去进行前端的结构化处理和云端的分析与决策。

“天眼”系统上线后，2016到2018年间，深圳部分上线比较早的地区，路面接触性警情每年下降了超过50%。

因为它产生的颠覆性效果，以及背后拥有支撑各个警种200多种技战法的大数据处理能力，这套系统已经先后被复制到了东莞、北京、上海、青岛、成都等全国近100个城市以及东南亚的一些国家。复制的过程中，它也深入到了机场、地铁、火车站、校园、园区、社区、医院等等纷繁复杂的各类细分场景。

基于对这些场景需求的理解，云天励飞推出了Moss芯片平台，来抽象和提炼这些场景里需要什么样的芯片架构，以满足对高效率、低时延的要求。

云天励飞 CEO 陈宁：我们如何用 AI 芯片赋能“城市大脑”？

正文

请到「今天看啥」查看全文