英特尔|对话英特尔物联网专家：自主学习是边缘AI发展的最高阶段( 二 )

二、张宇：自主学习是边缘AI的最终阶段分享会现场，英特尔公司高级首席工程师、物联网事业部中国区首席技术官张宇博士还围绕AI浪潮的发展，谈了他对边缘AI发展趋势的看法和未来展望。
在他看来，推动本轮AI高潮的核心因素主要涉及算力和数据两个方面。
算力方面，当1994年全球超级五百强算力榜单第一次公布时，排名第一的超级计算机的每秒浮点运算峰值速度达到了13000/次。而在今年的榜单上，这个数字已经达到了53亿亿次。
“在摩尔定律的推动下，算力得到了极大提升，能够帮助我们在更短时间内完成网络模型的训练，或处理更加复杂的AI网络系统。 ”在张宇看来，这可以拉近AI技术与商业诉求的距离，推动AI技术落地。
数据方面， “现在AI是离不开数据的，不然得不到好的结构。 ”张宇提到，以Lecunet为例，普通的开放数据池中包含了超过1400万兆经过标注的图片，利用这些图片，算法开发人员可以进行图像分类的识别，而这些图片数据增加的背后，实际上是基于通讯技术与存储技术的不断提升。
“人工智能的发展离不开计算、通讯、存储技术。 ”他说。

此外，张宇还谈到了边缘AI发展的三个阶段，一是边缘推理，二是边缘训练，三是自主学习。
他提到， AI技术已经在越来越多的边缘计算领域得到了普及，比如工业互联网领域会用AI技术做产品缺陷检测。不过，目前大多数的运作模式是，利用数据中心的算力和大量AI数据来训练网络模型，再把模型推送到边缘端进行推理。
现阶段，由于边缘AI更多的模式是在边缘推动，边缘推理实现起来就较为容易些。
但张宇认为，边缘设备的算力和存储都是有限的，让边缘设备做边缘推理尽管合理，但也有一定的弊端，那就是模型的更新会受到限制。 “因为模型的更新是由数据中心控制的，不可能随时随地为新进的数据更新。 ”他说。
同时在一些使用场景对模型更新频率的要求较高，需要对模型不断进行动态训练和更新。因此在今后的AI发展过程中，边缘训练是必然的发展趋势。

“边缘训练是AI在边缘发展的第二个阶段，但不是最终阶段。 ”张宇谈道，因为在当下的AI技术中，人依然扮演着重要角色，并不是完全的人工智能化。
他解释，虽然现在可以用极大的算力和大量数据训练一个网络系统，但网络模型的结构需要人提前设计，在这个过程中，人的许多意识已经嵌入到模型中，陷入到模型的使用场景和范围。
“展望五年、十年以后的边缘计算和AI物联网的发展，一定会有自主的发展。 ”张宇描绘了这幅画面——系统会自主化决定应该选择模型、策略、算法，会自动收集数据训练模型，把训练的结果用于实际系统。
“最终一定是自主化的过程，也就是业界说的OpenPose技术将在业界普及。 ”张宇说，这一阶段也是边缘AI发展的最高阶段。
三、新技术路线图为AI计算盒提供持续动力正如张宇所说，人工智能的发展离不开计算、通讯技术、存储的不断提升。而英特尔作为一家领先的半导体公司，其产品也恰恰涵盖了通讯、计算、存储行业。
在计算方面，英特尔开发的CPU、GPU、FPGA不同的产品组合，能满足用户对计算不同的需求。
在5G基础设施方面，英特尔推出了一系列软硬件产品，包括基于英特尔架构并用于5G无线基站的SO芯片，可以实现从通讯的核心网到网络边缘的复用，极大降低开发门槛，加速软件开发速度。