寒武纪副总裁刘道福：算力是人工智能的第一推动力

【猎云网北京】12月16日报道

12月10～11日，2019年度CEO峰会暨猎云网创投颁奖盛典在北京望京凯悦酒店隆重举行，近百位知名资本大咖，独角兽创始人、创业风云人物及近千位投资人与创业者共聚“新势力·2019年度CEO峰会暨猎云网创投颁奖盛典”。

在《人工智能芯片技术发展与应用》的主题演讲中，寒武纪副总裁刘道福概括介绍了人工智能的发展路径，并分享了寒武纪现阶段在云、边、端的业务进展。

刘道福提到，人工智能和深度学习的发展经历了“三起三落”。

在人工智能萌芽阶段的50年代，就出现了神经网络技术，当时被称为“多层感知机”技术。由于当时没有有效的训练方法以及多层感知机计算量过大，70年代神经网络的相关研究陷入了低谷，被人称作第一次人工智能的冬天（AI Winter）。

80年代，Hinton等人提出的反向传播（Backpropagation，BP）算法解决了神经网络的训练难题，但当时整个计算机系统的计算能力还是比较弱，加上隐藏层需要调参比较耗时，因此，神经网络这类需要消耗大量算力的算法并没有得到如期发展。

90年代神经网络相关研究再次陷入低潮。而其他一些机器学习算法，如支持向量机（Support Vector Machines，SVM），则因为无需调参和高效等特点迅速打败神经网络成为机器学习的主流算法。

进入2000年后，由于互联网企业的崛起，互联网巨头能够拥有大量的算力和数据，用于神经网络这类算力密集型和数据密集型的算法研究，神经网络重新焕发了第三春，并且诞生了比传统浅层神经网络（两三层）层数多很多的深度神经网络，层数高达上千层。

这些深度神经网络的表述能力比传统浅层神经网络好很多，可以解决更加复杂的问题。因此，深度神经网络很快在2012年后逐步成为机器学习主流算法，并且迅猛发展，很快在包括计算机视觉、语音识别、自然语言等领域成为了主流。

伴随着人工智能的发展和应用，2000年后，人工智能芯片也开始得到学术界和产业界的关注。其中，无论是在人工智能芯片的学术研究还是产业落地，寒武纪或寒武纪团队都是很早就进入，是相关领域的先行者。

刘道福分享认为，数据、算法和算力是人工智能发展的三个重要因素。其中，数据是“生产资料”，算法是“灵魂”，算力是“第一推动力”。

2018年，寒武纪推出的MLU100机器学习处理器芯片，运行主流智能算法时性能功耗比全面超越CPU和GPU。

2019年，寒武纪陆续推出了云端AI芯片中文品牌“思元”、第二代云端AI芯片思元270及板卡产品，发布边缘AI系列产品思元220（MLU220）芯片及模组。

其中，思元220是一款专门用于深度学习的边缘加速芯片，采用TSMC 16nm工艺，它具有小尺寸、高算力、低功耗和丰富的I/O接口等特点。

刘道福在接受猎云网采访时表示，寒武纪思元系列主要有以下几大亮点：

首先，完善的软件开发环境。寒武纪为思元系列提供了一整套成熟的开发环境Cambricon NeuWare，具体包括应用开发、功能调试、性能调优等在内的一系列工具。

其次，高能效。相比GPU处理器，采用了针对深度学习和人工智能应用特点优化的指令集和处理器架构，具有更优的能效比。

此外，通用性好。能够支持各类深度学习技术，支持多模态智能处理（视觉、语音和自然语言处理），应用领域广泛。

在刘道福看来，创业公司布局AI芯片需要从三个方面着手，做到“需求驱动，技术支撑，产品落地”。

目前，寒武纪人工智能相关芯片在互联网、金融、教育、制造、交通等领域均有成功落地和应用。

为了帮助创业者和投资人重新蓄力，2019年，猎云网携全新品牌“新势力（New Force Summit）”亮相。本次峰会由猎云网主办，锐视角、猎云资本、猎云财经、企业管家协办。

此次盛典上，猎云网将通过六个版块分享创业者和投资人在智能制造、文娱、零售、医疗、教育、汽车等领域的启发性的观点和行业前瞻，围绕多个维度，分享科技和产业前沿观点，探讨创新潮流趋势、把握未来新方向。

尊敬的各位嘉宾，大家下午好！

感谢猎云网的邀请，很荣幸在这里向大家分享一下我在人工智能芯片的一些看法和想法。

首先简单介绍一下寒武纪，寒武纪本来是距今约5～6亿年的地质年代。在这个地质年代，物种多样性、复杂性得到大大提升，被称为寒武纪物种大爆炸。

如今，计算机产业、信息技术也有处于这样的阶段，人工智能出现也让相关产业得到很大的提升，乃至跃迁，先进的人工智能技术已呈大爆发之势。寒武纪公司英文名Cambricon是寒武纪与半导体两个单词的合成（Cambrian+Silicon），我们希望在人工智能的寒武纪时代，做一个伟大的芯片公司，支撑上层的人工智能应用。

这是整个深度学习的发展历程，人工智能、深度学习有三起三落。

50年代达特茅斯会议标志者人工智能的诞生。在人工智能诞生之初，深度学习的雏形，最早的神经网络，多层感知机就被提出。

但由于当时没有有效的训练方法以及对当时来说，多层感知机计算量过大，70年代神经网络的相关研究陷入了低谷，被人称作第一次人工智能的冬天（AI Winter）。

80年代发明反向传播的算法，解决了训练的难题，所以大家觉得神经网络会有一波浪潮，但是后面发现并没有实现，是因为80年代整个计算机计算能力特别弱，训练深度学习或者神经网络需要计算能力非常高，80年代一台超级计算机的能力也仅万亿次规模，现在一台手机远远超过这个计算能力。

加上神经网络容易陷入局部最优，以及隐层神经元数这些超参很难调好，神经网络发展碰到了障碍。

所以，80年代像神经网络需要消耗大量算力的算法没有得到发展，90年代神经网络相关研究陷入了低潮。

（编辑：云计算网_泰州站长网）

【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!