来源:2018-12-04 21:54:27 热度:

联发科技最强AI算力技术沟通会【速记稿】

Ai中国网

会议地点:联发科技最强AI算力技术沟通会

会议地点:联发科技北京办公室

会议时间:2018年12月4日下午14:00——15:17

 联发科  

与会发言人:联发科技无线通信事业部产品规划及行销资深总监李彦辑博士,及联发科技计算与人工智能技术群处长吴骅

吴骅:谢谢大家!我来自联发科技计算与人工智能技术群,今天很荣幸与大家分享一下,联发科技在AI技术上面,做一个技术交流。

AI是最热门的技术,我们对于AI的定义是什么?教导机器可以做的跟人类一样好,甚至超越人类,包含我们希望机器看懂世界,听懂我们的语言,到最后可以思考和反应,例如自驾车,不仅看懂红绿灯,或者看懂人行线,比如说会让车,这些都是AI最终极的表现,我回忆下AI的历史,目前遇到的挑战,和联发科技提出的解決方案。

每年有影像辨识大赛,之前都用传统人为去刻特征点,这个比赛要认1000个物件,看你辨认怎么样。类似猫、狗、车子,从2012年辨识率不会太高,74%,到2012年,有一个加拿大的学者,用Deep  Learning,把准确率从74%提高到84%,这是一个显著的提高。2012年后开始每一个团队用Deep  Learning的方式,一直在攀升,2015年到了96%,人类的辨识率只有95%。越来越多的AI应用最早开始做影像辨识,这边有一个人和马侦测人和马在哪里,随着应用越来越复杂,做所谓物件重建部分,包含做光流估算,这个时候需要运算率更高了,50G到500G,在影像处理方面,需要200G到5T等级,一秒钟有几千亿次的运算。

一步一步从影像辨识到重建一直在演进,如何设计好一个平台来做这些应用,这是接下来探讨的话题。

AI在手机上有一些成果在,为什么Face  Detection为什么是AI的功能,不管人是黑皮肤、侧脸,人都很容易知道人脸在这里,机器没有这么简单,背光差别会很大,后面阳光很大,这边是黑的,你戴着口罩或者帽子,机器不太容易知道这是一个人脸在那里,但是人脸对于手机拍照又非常重要,我们看到人脸做一些特殊的3A处理,这个时候叫做AI功能,我们用Deep  Learning的方式训练,就算是侧脸也能识别出来。人很容易用Photoshop软件把前景框出来,让前景清楚,背景模糊,像Noise  Reduction(降噪),我们收集了一些资料讲什么是Noise(噪点)什么是斑马条文,这是非常不好做的东西,Noise(噪点)跟条纹差不多,你怎么让它把Noise(噪点)去掉,这些都是叫AI,它表现出来的应用不太一样。Super  Resolution(超分辨率)最红的,怎么把低解析度变成高解析度,用AI的方式达到效果。有越来越多的AI应用在手机上发酵,未来会有用AI做系统优化。

再介绍一下传统Machine  Learning跟Deep  Learning的区别,Machine  Learning需要工程师观察这个图案有什么特征,比如说可以看到猫的特性是什么,找出了10到20个特征点,接下去做简单区别,把它辨识出来。到了2012年设计了一个Deep  Learning方式,从头到尾已经不需要人工的介入,是机器自己去认这个特征点,(演算法)工程刻工程点最多只有50个特征点,但是进展到Deep  Learning,一学就是一百个、一千个,会让整个准确度大幅度提升,我们也预期Deep  Learning技术兴起可能是真的通往AI目前看起来最有可能一条路。

接下来再举一个例子,这是Deep  Learning网络,深度有超过两层以上,有两个阶段,在训练阶段你设计一个网络,用Data和标注答案,收集了一万张车子的照片,一万张猫的照片,标注一下,里面的网络有不同的参数,机器会自己学,可以分成线条、影像成像,这些参数都是我们学习的,经过学完之后,我们就会产生一个模型档,这个模型档就可以放在手机上,接下来我们认完什么是车子,什么是猫、什么是狗,这些参数都有,模型长相是这样,在手机上执行,输入了一张车子照片,经过我们的运算就会产生车子,这个可以在云端也可以在终端,在之前手机还没有那么普及的时候,都是在云端,假设你手机收到一个车子的照片,手机会把车子照片丢到云端,云端辨别之后说是车子,再回来。接下来手机有专门加速器做这些事情,这些东西在终端上面慢慢实现。

再看一下资料链来看,举例来说像我们辨识1000类的物品,大概有100万张照片,每一张大小在200kB,这么大的资料量经过这样的学习,产生模型和参数,举例来说放在终端上面,只要用到400万的参数就够了,不需要这么大资料量,这些资料量统统换成模型和参数,这样的计算量和参数可以再手机上做1000类的物品辨识。

这是目前看起来云端Training在终端Inference(推断结果),在终端Inference有什么挑战,第一网络模型复杂度,还是需要大量的计算,像这么小也需要6亿次的计算,追求更准确和其他的应用,少说都是100G(MACs),Deep  Learning特性很深,每一层计算出来产生资料量很大,造成记忆体需求也很复杂很可观。

接下来手机不仅做辨识,做处理、语音应用、资料应用、系统的优化,越来越多的网络要执行,手机到最后也是更正你,它无时无刻辨识你的环境,当你需要它的时候给你最好的建议。

这是网络的部分,在终端上面也会有这些需求,有些终端通常都是移动的装置,或者做的小。在终端记忆体不可能像云端,动辄128G、256G,手机终端都是4G记忆体,假如说是移动装置的话,怎么解决这些问题。另外一个挑战使用者希望,你在终端避免资料量传输,所以它希望反应时间很短。如果缩短反应时间,在终端有很好的隐私,安全性很重要,也不希望太耗电。总的来说,这些都是目前在终端做AI的挑战。

基于这些挑战,联发科技提出了Neuropilot,接下来会进入到Neuropilot2.0的时代,包括了硬件时代还有Tool  Kits。如何让演算法很容易很有效率在联发科平台上运行。这个平台是整个SOC,不仅做AI的计算,还有像CPU、GPU都在这里面,有些平台没有GPU,我们这个平台是全都有,搭配上APU2.0,接下来针对AI的应用会更丰富。

我会讲一下Neuropilot2.0和1.0的不同。现在最热门可以做这些应用,当然有所谓Benchmark,最主要来测试短体的结合,以Deep  Learning在视觉上的应用,大概最主要分层三个主要部分,第一是影像辨识,包括做Image  Recognition。包括Object  Detection。接下来做影像重现的部分,包含把这个分割出来,有比较好的应用就是比如说行车辅助,你可以知道什么是道路,什么是人,什么是建筑物不要撞到,像做深度估算。最高级是影像处理,可以一直放大放大。这是深度学习在影响上面最基点三个主要的应用场景。

可以看到最近蛮热门AI benchmark是苏黎世联邦理工学院(ETHZ)开发出来的,这个联邦学院有很专门的電腦視覺技術,它知道演算法和Deep  Learning哪些方面可以取代,它设计的包含这三个应用都有,像有些Benchmark只有一两种应用,但是苏黎世联邦理工学院Benchmark统统这三个都有,所以Deep  Learning在影像和手机上的应用,ETHZ AI Benchmark很有代表性。这个Benchmark你的手机不需要特质化,相对是一个很公平公证的。

Neuropilot2.0和Neuropilot1.0不同的话,包含了有这么多的应用,假设里面的有了很好的网络,我们这边提供ML kit,网络起事蛮复杂蛮大的,有些神经元不是那么重要,我们做化简或者量化,传统上网络的参数把它化简,固定点都有可能。未来到了固定点4或者固定点2。目前提供这样,开发者已经有了一个很好的网络,经过我们Quant(量化分析),可以更加在AI平台上。第二步接下来会是什么,假设这个应用带宽需求最多为2GB,到最后还有Power不需要超过30mW,给定这些规格之后,自己会去做Architecture  Search,假设人设计网络根据这些规格,做工程师都是这样,给一个规格去实现,我们用AI的方式设计一个AI网络,达到这些规格,用AI方式做设计出来真的比一般AI工程师算的更多,因为一般AI工程师搜寻网络架构游戏,用机器跑,也需要GPU的算力。有人说原先旧金山,为什么叫旧金山,因为产金子,大家知道在旧金山淘金谁最赚钱,是做金子的中介,或者你淘出来的金卖给它。大家知道在旧金山淘金热的时候谁最赚钱,是什么样德的人最赚钱,或者说那边卖茶水的商人,或者说是旅馆,或者卖吃的。就是卖淘金工具的人,其他蜂拥而至赚不到钱,有人戏称说在AI这个时代。再看一下这两个,第一个在做网络剪枝的话,最重要工作分析这个网络,看看什么是不重要的参数,再去把它消掉,像原先网络错综复杂,经过我们剪枝有一些不重要参数隐掉,我们做了一些实做,Mobilenet来讲这是很精简的网络,经过这样的化解,可以节省35%运算量,也可以节省25到30%带宽,同样准确度并不会下降,有些会增加一些。

网络量化部分,这是比较极致,原先是彩色的,你把它变成黑白的,变成1bit黑白是有可能,人在做物件辨识,就算物件是黑白的,你还是可以辨识出来是狗还是猫,有些应用在1bit就可以,有些是2bit,有些是4bit,针对此类对网络做一些量化,已经Training的网络,不重新Training。我们只要灌少许Data量进来,这个Accuracy  Check  OK就Done。如果不Ok就需要重新Training,在强化上面分成两阶段,比较大一点的网络,因为它的特征表示比较好,大型的网络通常不需要Training,有些比较小的网络不太能够直接做量化。

可以看一下这有没有量化,其实它的效果真的差蛮多的,第一是准确度几乎不会变,但是它的Energy可以省非常多,比方说FP32去做一次物件辨识大概需要花90个mj但是到INT8只需要1/10。当然第一个也会大幅度减少,原先需要4个Bytes,到INT8只需要1个Byte。对于芯片设计来讲,Area是很重要的,到Int8可以节省30倍以下。这是为什么我们看到大部分AI加速器都是INT8,在移动设备上面都很重要。

这是MediaTek的愿景,举例来说,以联发科技来讲,一年卖出15亿的设备(device),包含手机、电视,现在最红语音助力,未来有智慧相机(smart camera),一年又15亿的设备device),在消费电子上面,像电视占据了80%的市场,加上AI在上面,可以更智能让我们的生活更便利。第一步今年放在Smartphone,隔年拓展到家庭上面,把AI放在电视上面,因为电视影像比还是最重要的,用AI的方式改善电视影像品质,还有放在语音助力或者影像助力上面,接下来会把AI放在车用上面,进入到车用领域,一步一步从Smartphone到HOME到AutomotiVe。我们的愿景希望把AI做到大家普及,每一个或多或少有AI能力让我们的生活更丰富。

总结一下今天的讨论,提出了Neuropilot  V2.0部分,结合了软体,硬件 APU2.0 和深度学习网络优化,这就是Neuropilot的Toolkits,可以做网络化和量化,做网络的搜寻,结合这三个让终端装置在受限于限制,像热的消耗、电池容量不够大、机体也不够的情况下,我们结合软硬体和深度学习的优化,可以让未来更复杂的应用可以在手机或者是电视,或者是一些终端装置也都可以把AI的应用抛起来。

接下来下个礼拜会有超强AI算力芯片Helio  P90发布会,我们不只追且跑分,更重视实际应用的使用者体验,包含了在下个礼拜发布会,会展示更丰富AI应用,包含语音和相机。有时候跑是追求意识在跑,我们更追求功耗与性能的平衡,像照相你会一直照,或者播直播,可能去背景,一次可能要半小时,怎么样追求功耗舆性能平衡,APU的设计以低功耗出发,联发科从以前到现在,低功耗一直是我们核心竞争力,不管设计GPU、CPU等等,我们都是以低功耗为出发点,来设计这些东西。

刚才说的苏黎士理工学院,目前Helio  P90的分数是19453,我们会持续优化,请大家拭目以待在下个礼拜Helio  P90发布会上面,我们会有最新的分数


   ——提问环节——

       

记者:联发科技早就应用在AI设备上,进入手机AI市场相对晚一点,通过打造出来APU表现是非常不错,我想请问一下,联发科技在AI方面有什么优势,目前面临的挑战。

吴骅:以AI来讲,其实AI是一门技术,其实还需要硬件加速。AI优势上面,我们在这些消费型电子上面占有一席之地,包含了电视、手机,只要在这里面多引用一些AI功能,马上让这些装置有AI功能。另外一个方面比较重要,其实在终端上面AI它需要的IP完整度远胜于云端的,在云端上面像新创公司都会在云端,云端只需要PCIE加上深度学习加速晶片就可以了,但是在终端上面需要什么,像手机需要ISP, Multimedia Codec, Connectivity,这些IP都不是一个新创公司这么快可以追上的,联发科技累积十几年来开发,我们累积了一堆IP开发,我们在市场上占有这么多的地位,这是难以抗衡的优势,一个新创公司做手机和电视在我看来完全是不可能的。

我们的优势有很强的IP完整度,我们对于低功耗,大量平行运算处理掌握度,因为Deep  Learning就是需要大量平行运算处理掌握度。

记者:您刚才提到我们2.0在APU2.0上有一些升级,APU1.0和2.0有哪些区别。

李彦辑:我先简单讲一下,我是负责产品规划,技术比较在行还是吴骅。1.0刚才有一个问题,我们在手机AI应用上面起步,其实老实说大家都很熟悉P60,用了很多AI的功能,基于APU1.0,在今年稍早发布会上,第一次发布了AI芯片就是P60,这一年过去了我们不断的思考,吴骅讲哪些东西可以再增加,包括算力提升,2.0除了我讲整个从软体架构上做了更新和优化,其实我们最注重两件事;第一我们对算力大幅度提升,因为我们意识到未来应用其实会越来越复杂,越来越及时。此外跟系统优化上面,AI不能被单独使用,更多是协同处理,更多是系统芯片级的优化。拍照说做AI的功能,一定打开相机,包括一些语音也好,它是整个系统级优化的过程,不是单一冠上AI我就是AI芯片其实太肤浅了,它是整体性能架构的优化,这一部分这一年来我们花了非常多的时间和精力探索,网络优化会减少带宽使用,大幅度降低对于功耗要求,在算力提升下,必须想办法把功耗持续往下,不然你打开ISP之后发热AI使用不上,你使用CPU运算过程当中,发热AI用不上,导过来你开了AI就发热,CPU、GPU性能受到影响,这是互相交错影响过程。

大家看到P90分数达到这样一个水准,大家看到P60其实是一个很大的提升,分数基本上其他厂家比较旗舰芯片的水准,最大的差异在算力大幅度的提升和功耗下降,这两个事必须先解决的。

吴骅:李博士讲的非常对,最主要就是这两个方面,也牵扯到我们对于整个系统的了解,和对应用的了解,像我们跟国内很多著名企业有很深度的合作,知道他们对未来有哪些应用,我们提早了解之后,设计出APU2.0,将来有越来越多的AI的应用,可以应用在这上面。

记者:具体怎么做到让它在算力提升的同时功耗还降低了呢?有多核处理单元吗?

李彦辑:我们加入了更多硬件处理能力,就像CPU一样越来越大,像CPU、GPU上面,我们在AI上面提升了硬件处理和加速,APU1.0是双核架构,基于这个基础上面更多是算力的提升。其实更多是硬件加速部分,更多细节想要留到下个星期四再揭晓。

记者:2.0还是双核的吗?

李彦奇:你可以稍微再等待一下。算力是有增加,势必大幅度超越了P60性能架构,有一个架构上面的大翻新,把硬件处理能力放进整个基于双核架构下一个更强大硬件加速能力在里面。

记者:为什么这次P60没有考虑加入独立NPU芯片,却通过这种架构之间硬件组合去实现AI算力提升。

李彦辑:一个芯片设计需要一个很长前置期,在3月发布P60的时候,那个时候芯片到了一个量产的阶段,往前更早的时候,AI的应用不像现在这么清晰,不像现在百花齐放、百家争鸣的状态,当时考虑的时候,基于当时已知手机上面能够承载运算能力上去先行放入了APU的算法,它的能力上面在当时足以做一些像是拍照的应用,当时觉得相当高端的应用,到今天为止看高端应用变成基本应用,当时在考虑的时候,没有更强大运算力的原因,当时理解行业上广泛应用的需求。这一年来AI演进突飞猛进,国内很多厂商在这方面做很大的更新,它所带出来的应用和第三方的应用在这一年来有比较大的进步,我们才会选择P60、之前P70,现在P90在AI性能上面有一个比较大幅度的提升,去年到今年我们也预测到,在去年前期看不到那么多的应用,今年相当明确了。

记者:我看你们的规划先从AI功能芯放在手机芯片,在推广到家用和汽车,家用和汽车要加入AI功能,挑战在哪?因为后一步才需要考虑这个,相比于手机方面挑战在哪?

吴骅:最主要,其实手机还是毕竟走在最前面,所有的应用手机走在前面,慢慢放在电视和车用,同时已经有放在电视和车用上面,只是说手机毕竟应用更丰富更多元,然后放在电视和车用上面。

李彦辑:我们公司在布局AI相关的技术时候,是同时考虑的,倒也不是说只考虑手机再考虑电视,每一个产品需要一点时间,手机相对比较迅速,它的周期比较快,每一年初的手机芯片,像其他的厂家一样,尽管我们不断在往前推这个过程,它的迭代速度非常快,家用和车用时间周期相对比较长,会看到基于联发科技AI技术产品终端可能会有一个时间上面的延迟,但是其实我们提高点基本上是相同的,因为我们的基础技术是一样的,我们基础能力随着不同终端的需求会有不同的变化,这个时间点是类似的,只是说车用毕竟需要很长时间才能看得到成果,家用不可能天天换电视,电视在下一代、乃至下两代的时候可以看到,要说AI终端的使用最早是智能音箱,已经有一两年的时间,早在智能音箱一开始的时候就有了,那反倒是最早的。其实你可以看出来AI时间点,AI投入相当早有投入,在很早以前看到这个趋势,2014年很早的投入了,其实我们起始点差不多,只不过你看到最终落实到终端时间点略有不同。

记者:来自于(机器之心)今年联发科技在采购表现上非常不错,第二季度和第三季度采购有很大的提升,有一些分析师提到这一款芯片在业绩表现有很大的作用,本身实际情况是这样,在出货量表现怎么样,像手机有比较重要的应用,如果是一款终端芯片和终端手机的需求的话,在AI呈现什么样的需求。

李彦奇:P60对于我们公司帮助相当大,来自于两方面,主要客户上面P60已经出货了,预期销量其实也超过预期。所以大部分联发科技在今年相较于去年比较大、比较好的,在财报上面有比较大的提升,P60相对是今年最重要的产品。第二帮助联发科技部分是,本身带出来的性能、功耗、功能体现也好,透过oppo手机上面,大幅度提升消费者心中联发科技技术的印象和联发科技的形象,终端消费者对我们的印象大幅度提升。姑且说终端产品也好,实际某种程度上面体现了高端的应用,所以最重要还是消费者拿到这只手机得到什么样的体验,这是我们更为关注的,价格这些东西最后都是客户之间对于市场的操作,我们更关注使用这款MTK手机消费者体验反馈如何,对于我们来讲有什么更大的意义。

这是P60对于我们目前的状态,在这个基础上推出了P70,在这个基础上P70第一款手机发布了,终端也发布了,也看得出来市场对于联发科技一步一步很扎实,把东西做好,一直一直往上,一直到现在下个礼拜所谓今年最重头戏P90发布,我们不断在布局往上的过程。

记者:我来自中关村在线手机编辑,在AI跑分上面,对运存、手机硬件的测试,考虑到算力提升,请问联发科技在不同定位AI芯片上面,AI应用有什么区别。入门级别和(得分)级别有什么差异?

吴骅:您说的是第九项测试。第九项测试主要针对整个系统上面配置,像我们做的APU都可以,但是有些产品规划可能有的是用4G DRAM,有的用2G DRAM,这个要看李博士是怎么解释的。

李彦奇:高中低AI表现肯定不一样,怎么把AI高端尽量让中端费者和低端消费者可以使用,随着成本上面控制没有办法体现所有高端的应用,整个Neuropilot不止在于硬件加速能力有多大,在乎一个手机芯片里面各种不同运算单元协同运作,越往高中低端,怎么让即有硬件能力体现在AI功能上面,有可能在高端上面实现实时AI处理,在低端实现所谓后处理,但是尽量让你享用到部分AI功能,这个方向是我们目前在努力的。不可能全部都会,还是得要分。

比如说今天要发一个逆光拍照,加入要实现类似的功能,需要用更长的时间处理它,没有APU,只剩CPU、GPU,这个要靠Neuropilot所谓软件的部分去调度到CPU、GPU做一些运算,让它做接近或者类似的功能。这个其实很复杂部分,不过我们看远一点,两三年以后我们认为AI慢慢随着不管是工艺也好,还是设计也好,各种各样不同的方式,尽量让高端变成中端,变成中低端,这是我们希望达到的目标。

记者:刚才有介绍到Neuropilot  V2.0,有提到网络裁减和量化的技术,这一块算是自己的专利IP,和之前投资(深鉴)科技也是以这样技术著称,有什么差异?

吴骅:这两个不太一样,在(深鉴科技)科技,只是投资没有技术上的授权,举例来说以剪枝部分,大部分剪枝有一种是不需要跟硬件结合,我们的剪枝要跟硬件配合,我们同时体验到带宽,非常重要不仅减少运算量,因为减少运算量但是带宽没有减少,也没有用,在减少运算量的时候也去减少带宽,以Deep  Learning来讲的话,在传统上运算会限制能力,当你运算量减少一定程度的时候,或者你用加速器的时候,带宽会影响到,我们在做剪枝的时候除了运算和带宽一起减少。

记者:确认一下Neuropilot是否代表联发科技自己AI的API是有吗?

吴骅:会有两个部分,我们完全相融Android NN API,因为在手机上,以Neuropilot来讲,还要相融,当你手机卖出去的时候,再外面有一些APP  Store在install的时候,要有一个标准。除此之外,毕竟谷歌在定制API的时候,定的也比较慢,目前P版的话只有38个API不够多,我们自己有一些API,我们会觉得这是比较重要的,但是API可以给这些预整合应用,如果API不够,其实对于演算法掌握度,包含更新到最先进的网络都开源出来,发现有一些API很重要,我们会加进去,以Neuropilot来讲的话,它是Android NN API加上联发科技自己的API两个结合在一起。

记者:我们知道联发科技发布P90有意识抢占中高端市场,如果想做到这个关键点和策略是什么,预期是什么?

李彦辑:关键点在于我们能够提高客户、终端消费者什么样的体验,我们不是重跑分,而是重消费者体验,下个星期会对功能上面有更多的阐述,目前跟客户探讨这些问题,他们也认同AI方方面面也好,它认为已经比较接近高端,乃至于更高一点的水平。关键在于这些好的东西是不是能够让客户有办法体现它的手机上面,最终你拿到的时候可以觉得的确跟我们所说是一致的,功耗也好、性能也好、功能也好,基本上这些都是很关键的,我们怎么让客户知道,怎么让终端消费者可以感受到,慢慢联发科技往上走到高端,未来更高端这些很重要的关键点。

细节的部分我很想告诉你,可是下个星期四,如果讲的话,我怕你们不来了。容我们卖一个关子,下个礼拜各式各样不同的现象,我们有邀请到一些第三方,希望给大家一些耳目一新感觉,这一次发布会跟以往不太一样,有很多新的东西让你们第一次看到、第一次听到体验到,希望大家下个星期捧场。

我阐述一下吴骅讲的,一个AI策略,刚才讲的非常好非常清晰,在P60发布的时候,整个AI策略有两大方向,第一个方向提供给客户一个很好的硬件平台,最好的算力、最低的功耗,这是目前正在P90上面持续打造的,乃至于未来的芯片。第二很重要,我们是开放式拥抱整个AI生态性的产品,所以基本上我们会很欢迎各式各样不同的第三方来跟我们合作,我们会把好的平台开放给他们使用,这是第二个现在正在努力,在P60发布会上,邀请了4家国内很棒的第三方合作伙伴帮助我们一起努力,P90有更多的第三方加入,不管国内国际都是大咖,我们不希望做一个封闭式系统的AI,希望做一个拥抱整个AI生态系。吴骅是我们联发科技最早投入AI领域专业的专家,他很少在台湾,大部分时间跟国际大咖在开会,AI技术上的最早是从这边开始,他很容易讲最早怎么开始怎么发生的。总之很早期就关注这个议题,一个非常优秀科学家,我们很少请到我们公司大咖跟大家沟通,大家会后有什么其他的问题,可以马上问一下吴骅。蛮不容易的,今天第一次听到这么多精细解说,收获这么多。

吴骅:我讲一下心路历程,联发科技在AI从2014年时候开始关注的,因为那个时候2012年取得一个崭新的突破,那个时候我们还没有看到这一块,等到2013年比赛越来越多,2014年开始投入,刚开始从演算法、SDK,从2014年开始钻研。类似于十年寒窗苦读无人问,一举成名天下知,我们一直跟产品部门沟通,好像AI在手机上应用,因为之前AI在云端,并不会去看你的CPU使用量,也不去看辨识一张的速度,那个时候一直跟李博士在说,手机上能不能用到,但是吃了闭门羹,我们还是默默在研究这一块。直到2016年阿尔法GO打赢了李世石,大家才知道AI这么强大,那个时候还是在云端,用400GPU算棋步,慢慢有人发现AI这么好用是不是可以放在终端,毕竟有一些隐私的问题,慢慢在扩展,看看网络做化简,慢慢越来越可以在终端上面涌现。

李彦辑:像P90上面的AI应该是呕心沥血之作,集合了吴骅处长这几年心路历程,所以在P90上面发布。

吴骅:希望大家下个星期12月13日到深圳参加Helio P90发布会。

记者:终端手机市场可能对于AI芯片特定化的需求,我能够想到如果中高端的话,可能比高端对价格更敏感一些,意味着我们在软件层面的优化要更加有效果一些?

吴骅:最希望有一个硬件在那边,可以省很多的事情。但是随着产品规划有些真的不允许有硬件,这个时候想到用软件的方式来做AI运算,包括Neuropilot结合软件,硬件不止是专门的硬件及也通用的硬件,像CPU、GPU,如何结合软件和硬件,让网络之间化解,有些产品定位不允许有专门加速器,怎么享受到AI的好处呢?让使用者体验很顺畅。

李彦辑:P90不是这样的想法,P90希望软件优化完之后,硬件上面这次投资相对比较大,P90比较像是一个综合,一软一硬都相当于达到旗舰产品的水平,我们软件会硬件在不同档次上面会调整,但是诞生为P90比较高端产品的东西,基本上不希望在硬件上面有太多的删减,把我们公司最好的东西放进去。


今天谢谢各位媒体老师的时间,也谢谢李彦辑博士和吴骅处长回顾和分享,虽然今天已经剧透了不少的内容,有更丰富更精彩的产品以及技术的信息,在下周深圳发布会上跟各位做说明分享,12月13日下周Helio P90发布会深圳见。

   (结束 )

Ai中国网

欢迎关注微信公众号:人工智能报;合作及投稿请联系:editor@cnaiplus.com