现阶段,中国AI芯片产业面临的主要挑战是芯片开发和算法迭代的错配。芯片开发成本高,周期长,技术壁垒高,且需要企业有敏锐的市场洞察能力,对算法趋势和演变有充分的前瞻性预判,使得经过一两年研发的芯片在推出的时候,仍然能够适应最新的主流算法。AIOT产业落地与应用场景开发,一直是行业内关注的焦点。
近日,在地平线旭日二代芯片发布会上,来自平安集团的首席科学家、集团执委肖京博士、96Boards创始人张旸博士,阿里云IoT兼AI@Edge技术负责人龙一民先生,地平线的战略规划与市场拓展副总裁李星宇先生围绕AI芯片引领的边缘计算驱动的产业落地与技术挑战,展开了深入的交流和对话。
在AI和业务结合的落地方面取得了哪些进展?在未来2-3年内,您认为平安AI的技术发展战略是什么?
肖京:平安金融使用AI,在四个核心业务场景都有应用。一是风控、反欺诈,二是获客精准营销,三是服务,金融本质是服务行业,四是运营。
比如说获客,平安采用了用户画像方式,怎么在低频的场景中,使用精准营销、智能推荐些技术来帮我们提升,效果明显,成倍提升转化率;又比如风控,微观的每个单据可能有风险,客户总体是否有风险,可以采用各种人工智能技术来帮助我们降低风险。很多AI具体应用,效果明显,给我们带来了几十亿的成本降低或者是利润提升。
人脸识别、微表情,看起来很常见的人工智能技术在金融领域发挥大作用,小额贷款,平安之前需要通过800多个门店完成,现在采用通用人脸识别和微表情,全部进行线上化,降低三分之二的违约率,十几万的客服减少。
未来,平安集团要在所有场景中充分使用AI技术,把业务和技术融合好,解决实际业务的问题,让业务能力得到很大提高。AI不是独立的产业,必须依托另外一个产品,赋能产业,降风险,降成本,提高效率和提高价值。
96 Boards是ARM生态系统里面最大的独立第三方社区。在支持初创公司的商业化落地、培养AI生态方面,96 Boards有哪些成功的经验可以分享给大家?
张旸:96 Boards支撑的不仅仅是ARM,我们是有很多其他的IP以及独立的IP供应商,在96 Boards上面都有,包括英特尔在内都有96 Boards的平台,96 Boards也是目前世界上最大的,也是唯一的一个独立的芯片开放平台组织。
我们有机会和全球范围内的大型成熟企业,软件、芯片公司合作,对于AI创新企业,我有两点经验分享。1、AI真正价值是给传统行业带来增值,有明确目标、专注差异化产品的公司会成长的比较好。2、光有差异化不够,国内企业缺少什么,第一反应是自己研发和制造出来,这是比较耗费成本的。合作共赢的方式很多,寻找合作伙伴建立共赢关系非常重要。
云栖大会上,阿里云提出打造AIoT的基础设施,能够覆盖从云、管、边、端这样的一个全链条,请分享一下阿里云在这块的进展,同时阿里云和合作伙伴的业务边界又在哪里?
龙一民:阿里云智能AIoT,实际上是在承担为全行业打造一个AIoT和物联网的基础设施,同时在阿里巴巴集团内部,我们也承担了一个AIoT和物联网基础设施角色。从设备连接开始,为MCU提供了RDO物联网操作系统,面对CPU的这些设备,我们也提供了Link SDK连接的能力。上层有统一的边缘计算平台,这个平台集成了三部分,低功耗广域网、物联网卡、视频和AI部分边缘计算能力,北向主要是有面向物联网数据分析的能力,以及面向我们开发者生态的IoT Still的整个开发者平台。
阿里云定位下不碰硬件,上不碰Saas。阿里打造平台为硬件合作伙伴带来机会,地平线的发布会接地气,三款类型产品对于市场定位非常精准,对智能社区、智能硬件和智能IP,我们为地平线提供接入和云化能力。整体云化、商业化、策略化。帮助地平线上云,包括云存储、点播和录像。以往边缘服务模式,我们会提供混合的模式,根据场景来下发服务模式。
AIoT商业化存在哪些挑战?未来三年内,你看好哪些场景的商业化落地?
肖京:AIoT的商业化,需要首先回答三个问题。第一、首先找到行业的痛点,是否需要AIOT来助力;第二、你要做到什么程度?量化目标确定。第三、怎么做?如何去规划和执行。
AIOT的场景比如智慧安防、智慧城市是比较清晰的。还有一些场景是不清晰的,需要公司定性定量来分析。我认为,AI未来在医疗、养老、环保等许多行业有机会,关键是技术是否成熟,能够解决痛点问题。
张旸:我是非常乐观的,AIOT带来的市场机会,所有可以给生活和工业提供智能化的机会,都是有可能的。数字孪生的多维数据,有数据挖掘的地方都是有市场机会。AIOT是一个碎片化和长尾市场。对于芯片厂商、软件厂商,策略不同,用什么策略来进入长尾市场?还有,AIOT从兴起到成为红海市场,在这个市场中如何让企业健康存活下去?必须找到差异化的市场定位。
龙一民:三大挑战:如何为行业客户提供价值?如何为生态合作伙伴、硬件厂商、硬件方案解决商提供价值?如何为C端客户提供价值?
比如为行业客户提供价值。以前云计算主要是为了解决云化,接入,降低整个运维成本,从应用的分发、应用的部署、更新、远程运维来提高它的效率。现在最大的挑战是在边缘计算时候,最重要场景发生在客户边缘,在这种网络环境下,用更少的人力解决应用分发、部署和远程运维的能力。
C端用户,AIOT除了高价值单品(智能音箱)外,还有哪些入口?视频领域是否存在高C端用户价值和用户粘性的家庭入口。随着SaaS的集成和多模态,我们认为未来也是有很大机会的。对于硬件合作伙伴,提供可持续发展生态和应用能力,让软硬件更加灵活,交付到客户手中。
黄畅:需要关注两个闭环:第一、业务闭环和商业闭环。AIoT领域赋能传统行业,面临的困境是缺乏开放性,让信息真正流动起来,从定性评估逐步走向定量分析,找出瓶颈和痛点,然后去创造真实价值;第二、数据(业务数据和传感器数据)闭环,这点对AI公司尤为关键。地平线关注基础的感知数据闭环,如果能够持续去获取真实场景中的数据,不断去迭代,从而形成一个感知的平台,广泛赋能各个业务场景中一些基础的AI任务。
AIOT场景的碎片化带来对技术需求多样性,这对边缘计算的硬件和算法带来哪些挑战?
肖兵:AI应用目前的两大问题:第一、产品同质化严重,目前没有一个很好的解决方案来覆盖多样的场景;第二、效率低。效率提升和隐私保护都可以通过边缘计算来解决。
AIoT通过边缘计算芯片来实现,尤其是原始数据不用上传云端,通过边缘AI芯片,数据脱敏,低功耗的边缘计算芯片可以降低数据中心的使用量,提升数据中心的真正效率。我们觉得是通过底层的技术能力,一定要跟垂直领域的业务结合起来,然后形成一个中台。中台能力形成一些组件,才能解决碎片化的问题。前端只要简单做一些组装就能完成一个个场景,才能标准化快速扩展。
张旸:对于需求碎片和多样性市场,产品开发和产品定制,企业要定义标准化的模块,差异化的东西带来利润。大家都愿意做差异化产品。
龙一民:未来开放的地平线芯片,引入第三方算法,对于模型如何进行保护。云上的容器化和边缘的容器化,Linux操作系统支持云,边缘盒子,用容器化的东西来做支撑。容器化总目的还是希望解决应用分发、远程运维的问题,来降低里面的成本。
黄畅:首先我们要做到开放,才容易形成闭环,因此我们加入了96 Boards这样一个生态。加入生态,开放是前提;其次,中台非常重要,阿里、平安等大型企业都非常关注中台。AI中台不同的是算法的中台和数据的跳台,数据如何形成标准化,形成算法模块,最终这些算法模块组合在一起,去面对各式各样的碎片化的、长尾的需求。
-
阿里云
+关注
关注
3文章
940浏览量
42956 -
AI芯片
+关注
关注
17文章
1859浏览量
34900 -
边缘计算
+关注
关注
22文章
3062浏览量
48597 -
地平线
+关注
关注
0文章
336浏览量
14906
发布评论请先 登录
相关推荐
评论