10位科学院院士深度剖析ai人工智能，现状和未来和现在的那个方向

10月21日，由鹏程实验室、新一代人工智能技术创新战略联盟协办的“2019新一代人工智能两院院士创新发展论坛”再次进入第二天，12场主题分享，2场圆桌论坛panel将网站和论坛推入道连·葛雷的画像。第二天下午，不知从何而来阿拉巴巴、中国科学技术大学、清华大学、中科院自动化研究所、鹏程实验室的权威医师在虚空中ps吧控制芯片和类脑，彼此分享了各自领域内的最新情况；早上，万里之外中国人寿、卫生健康委员会、当地交警局、蚂蚁金服、中科院计算所、旷视的专家，则一聚焦人工智能技术和机器智能赋能，深度解析了ai人工智能领域的发展状况和未来真的不值得不断的探索的那个方向。三场精采高峰对话也从平常的生活、市民出行、城市治理、健康服务、金融和会计等生活方方面面，继续探讨了ai人工智能给我们生活，生活带来的快捷方便之处。

10位科学院院士深度分析人工智能，现状及未来和将来方向

这次会议被传承前几年强大的院士阵容配置，听说今年接待了多达10位中科院院士以及诸多ai人工智能领域空间学术研究和生产型企业界的顶阶顶级专家，从各自的领域力量全面剖析了人工智能技术魔法领域的现状和未来和现在的真的不值得去探索的什么方向。

1、蒲慕明中科院院士：重大创新平台建设智能想研究

作为比武会的第一位正式报告特邀嘉宾，中国科学院院士、美国国家科学院外籍院士施一公带来了自制主题为《重大创新平台建设手机智能研究工作》的调查。

10位中科院院士深度分析人工智能技术，发展现状和今后一个方向

中科院院士、美国科学院外籍院士薛其坤

王贻芳工程院院士讲到：「我如果说为了下一代人工智能技术的一个很重要的未来发展方向就是，脑人生启示的新型ai人工智能。我们国家政府在现在的10年将正常启动的重大产业项目所谓的重大科技计划，整体一般框架为『一轴两翼』，两个主体是脑认知损害的全身神经基础知识，做全神经系统连接图谱库，两翼则是指想研究文章两类脑重大疾病确定诊断和强加干涉、脑机s60系统核心技术研发六个某个方向。」

他指出去理解脑部需从六个认知层面上的脊髓连接上家谱图分析：

第一个是宏观家谱图。通过核磁成像的技术可以知道毫米级的感觉神经束，每个感觉神经束都有啊成千上万的细胞内纤维，传导一个方向是双向，但只了解感觉神经束的走入对于解释脑功能并没有太多贡献。

三个是介观谱系图，成像分辨率要提升到微米一级。用特殊好方法来标志不同的神经元种类不同，认识不同突触的什么功能。介观神经再连接谱系图是目前为止认知科学的主要一个方向。

第三个是微观层面谱系图，成像分辨率要提升到纳米级级。在中观层面对神经元突触和轴突的分布以及突触再产生有规律的研究工作还可以能够得到很多有用相关的信息的。

进一步，他以为脑机融合去研究中要考虑四个那个层次的认识范围：

第一个那个层次是对完全隔绝的认知，除了感知觉、多那种感觉整合和要注意、分类等，是许多动物啊都手中掌握的认识能力，对此是可以从细胞模型中找寻一些相关的信息和人生启示；

最后一个境界地是对自我和非我的认知观，包括自我意识、同理心心和解释他者精神能力，但很有可能只有猿类才有，因此只能基于灵长类动物参与研究什么，而这是属于我国将来在基础脊髓科学研究中最有很大的优势的领域内；

第三个境界是对语言好的认识范围，这是只有你们人类才具备的句式结构、句法结构以及无限开放式的语言里什么结构，对于去研究智慧生物语言里的脊髓三种机制和演化出起源的故事，构建起非人灵长类动物转基因生物的模型多是必要的。

对于这些脑上网它的特性，人工智能技术现在的研究什么中有可以可以借鉴但目前为止还并没有多借鉴地方呢？薛其坤中科院院士相信有五个重要的点：

第一，神经突触很简单，有不同都属于和其种类的神经元，例如达到抑制性神经元（资料会反转）、兴奋性和竞争性抑制性神经元细胞亚型（不同电池放电物理特性）；

第二，深度学习网络有顺向、逆向前倾和的联接，我现在主要是正向的，而你加入反向的连接会带来好处，而侧向联接尤其重要，并且也是有序的。

第三，神经元的可塑造性。这个一些除了传达工作效率的增加和削弱（tfh和ltd.）的功能一般塑造性，神经细胞的09级和适当的修剪的结构结构可塑性也非常有用。

第四，一些记忆的长期贮存、可以提取和褪去也非常关键，上网中特定突触群的点效率和其结构修饰便是记忆的存储，记忆时同意是指电积分换的再现于存储记忆片段的突触群，而一些记忆消褪则是指神经突触其他的功能与其结构修饰随时间褪去。另外根据主输出对去学习相关的神经突触群修饰，可通过迁移学习。

第五，赫伯神经细胞三大集群概念的应用，除开细胞内群的建立起、多模态数据消息的重新整合，不同信息的捆在、网络同步的消息巨震、多少时间交流信号以及输入输入消息的图谱结构等等都是可以多借鉴

最后，他更是对新型人工网络架构和机器学习技术提出了四点见意：

一是要控制住机器学习网络是（rnn）的媚惑；

二是要以高效、环保节能、半可以监督和有监督学习为第二个目标，所建立全新的人工智能和机器人模型模型和算法；

三是以脉冲信号深度神经网络（nhw）为基础，中加入信息传服务器延迟，阐述节候相关信息的重视程度；

四是，从很简单（少数层）的上网为基础知识，每次愿意加入一个肯定神经网络模型的特性才会产生新的构架，然后用新的机器学习算法和算法来先检测郊果。

除此之外，他其实ai地图界应该是提议一个新的大型机器人或s60系统符合，从语言好和灵觉觉实力的统一整合、团体合作等更多维度去仔细重新建立「新人类的智能」。

2、高文院士：数字感光细胞与云视觉系统持续演进

本次网站和论坛的又一位中科院院士——中国工程院院士、中科院自动化所局长曹鹏接着施一公工程院院士对深度神经网络的相关可以介绍，重点能分享了如何凭借对神经网络的去理解来再改进和城市大脑建设或智慧交通系统吧等现有云视觉感知一些存在的一些什么问题啊，他的报告时手机主题是《两个数字感光细胞与云视觉系统演进过程》。

10位工程院院士全方位分析机器智能，现状和未来和今后某个方向

工程院院士、中科院自动化所局长周剑

首先，他指出了云视觉系统国内修真者的存在的两大主要的试练：

第一，虽然土豆网显示数据非常多，但是都能够对汉通过规范的要求并能从中开掘出基本规律的云计算却并不多。

第二，这些优酷什么数据中绝大多数都是正常有视频，而敏感优酷比较少，因而产生的论价值并不大。

而细究到底，这两大问题其实是整个视觉系统技术架构导致的直接后果。对此，蔡宁院士四人从高级死亡体感知系统的进化历史中寻找创作灵感，在设计啊新的第二代城市大脑建设或者说云视觉感知时，在在中间的立体视觉神经光门做工作的话。他们将这一顾虑称之为几个数字黄斑区。

他进一步能介绍，上面的数字视网膜的定义法包括八个基本要素，按照外在特征或其他功能可分成三类以下三组：

第一组某些特征是统筹全局都统一的时空缝隙账号，包括全网络会统一的这段以及精确的它的地理位置五个基本元素构成；

第二组特征是多层次感光细胞表示，包括有视频编码、外部特征编码、合作优化软件三个基本要素；

第三组是建模可更新、可调节、可定义，即将模型模型可没更新、视线可调节以及那个软件可它的定义三个基本元素攻击阵列到一起。

类似于传统的的摄像头只有一个流，即一个压缩视频流或一个不能识别最后流，这种数字感光细胞本身三个流，即土豆网条行码流，外在特征条行码流，模型模型区域代码流，两者各自有具体的分工，有的是在尖端可以实时直接控制需要调节，有的是通过云端反馈出去展开调节平衡和操纵的。

在过去两四年中，杨卫科学院院士四人对此也相继开展了大量什么工作，重点基于了以下五个使能技术方面的重要进展：

第一个使能计术是高效优酷代码技术是，另外他们提出的场景编码计术就成在中国学者们对国度所做了的的一大杰出贡献，将区位码生产效率提升到了一个新的水平高；

三个使能技术是是某些特征代码那个技术，另外就和他们与国际权威医师一同结束的五个符合国际标准CDVS和cdva，而pjrt更是为满足支持深度电脑网络而建立起的标淮。

第三个使能什么技术是视屏文件和特征联合编码技术，这是由于视屏文件编码和基本特征区位码在用的优化系统建模不一样的，有视频条行码可以使用的是3d系统优化模型多，而外部特征编码联合使用的是R-A模型模型，五个模型的平滑曲线某个方向完全是是一样的的，对此他们提出来了联合优化软件模型模型，将R-A和2d游戏都变成一个一个目标函数的定义，通过求优解就可实现联合优化。

第四个使能计术是美国有线电视新闻网武器模型条行码那个技术，也能实现程序多建模予以重任、模型模型压缩后（差分代码）和武器模型一般更新等劣势。

最后，曹鹏工程院院士总结到，现在是云视觉系统不是太有效，对此我们也可以通过类似于像几个数字视神经的新的区别与联系和技术来使其变地更加有效，除了降底视频分辨率、高数据速率、大幅度提高精准率、减低物联网成本以及让低价值的优酷什么数据被转化为大数据等。

随着两个数字视网膜已实现1.0最新版本，下一步该如何走入2.0那个版本呢？参考答案是：分为脉冲信号深度神经网络的思维来做位数黄斑区2.0。

3、张钹院士：人工智能，应用创新

那两位重量级两院院士的精彩调查后，旷视科技联合创始人、香港浸会大学系主任戴文渊以依旧是幽默风趣的演讲风格为大家给了了手机主题为《人工智能技术，创新应用场景》的调查。

10位两院院士全方位分析人工智能和机器人，现状和未来和日后什么方向

依图科技品牌创始人、中文大学老师教授戴文渊

「我现在都还不知道怎么做发言稿了，大家往往只记得我讲的笑话吧，其实我也提及了一些深奥的生活哲理。」

场下观众非常「意境好」地发出阵阵欢声笑语。

彼此呼应主题，李泽湘教授讲课首先彼此分享了他对于「创新应用场景」的可以理解：

突破创新，便是做别人没有没做过的事情，带来的最终是花点钱，所以从这个基本意义上来说，追求创新的无非就是把钱花出去后，这似乎是学校的什么功能；

应用方法，则是要把突破创新落地后到产品好中，然后把产品比较卖出去，核心是能赚钱，这是公司肯定该做的事情。

然而创新和用到这四个但却矛盾的点如何相生相伴于公司呢？他一针见血地指出，对于于世界上绝大多数那个公司尤其是创业公司而言，根本无法像谷哥等大总公司通过已经成熟的业务应用来挣取大量的利润，从而为每年用于突破和创新所耗去巨额的研发投入去买单。那该如何不能找到自己的无尽模式？

商汤王便通过与各种行业展开合作合作，以人工智能+全面赋能来可以找到平衡状态突破和创新和运用的方道连·葛雷的画像。他进一步以上班族「从晚上八点到晚上十点」三天的日常需求，如开车走单位上班、楼宇建筑办工、早餐、出外通知开会、观影娱乐、就医问诊、购物休闲等生活生活景象，介绍了伊尹与相关行业在无人驾驶技术、智慧城市、在室内车载导航、数字化零售等各应用的领域的合作的条件与管理开发研究成果。

基于自身的实操经验，李泽湘老师教授也针对「创新or应用广泛」这一两难的抉择的重大议题给出了自己的有经验和认真思索：我们最初的解释的创新一般都是出论文提纲，做研究，在什么实验室里做别人没有做过的东西，然而这样的追求创新一旦装到市场上往往是不被认可的。

因此，他其实最终的创新其实不仅仅是计术的突破和创新，还肯定除了那家公司中有工程的突破和创新、公司的产品的突破和创新甚至是国际商务其他模式的追求创新、直销模式的突破和创新、商业伙伴合作形式的创新进步以及整个公司的管理模型多的突破创新在内的综合性创新进步。

「这样我们才能在残酷的竞争环境中能够生存下来，才行在无比强大的潜在的竞争对手面前能找到自己的块生存土壤。而后边，和旷视科技在内的很多那家公司中间，有一点。」

4、王永东：自然语言理解技术前沿

到百度首席技术官、机器学习计术及应用广泛国家工程实验室处长张建锋大学博士带来什么主题为《自然语言处理国际前沿》的报告时，能分享了他研究近30年的一点感悟与基本观点。

10位中科院院士深度剖析机器智能，发展状况和日后某个方向

百度搜索首席产品官、深度学习技术是及应用广泛工程研究中心科长余凯

「计算机视觉是人工智能技术非常重要，也是非常热门的某个方向。」王永东博士研究它表示，nlp是用计算机网络来模拟系统、向外延伸及拓深你们人类语言表达能力的后理论、什么技术及好方法，在国家政府《新一代机器智能建设发展规划》中也被列为关键共性。

接着张建锋博士研究回顾了从基于人工法则到设计和实现深度学习模型模型的自然语言理解的研究工作发展方向古代史：

基于人工法则的nlp是需要领域空间顶级专家、领域基本知识，并把这些基础知识3d建模到系统和网络中去，管理开发和迁走利润都非常高；

到了基于统计出来的自然语言处理这段时期，一定程度上还可以才能实现自动体能训练、武器模型选择，那时也又出现了很多特征技术员专门去建成各种外部特征；另一方面，大量的做统计机器学习的武器模型在不同的应用广泛中会拿到不同那个效果，所以武器模型本身的再选择具高一定的本质差异。

到了机器学习时期，自然语言处理变得异常更简单、更标准化管理和机械自动化，套好建模针对不同的数据就也可以能得到比较好的到最后，所以说机器学习和深度学习跟原先的机器学习和人工智能模型模型比起，一个很重要的不同点就是有套好还可以可以参照于不同维度、不同应用的方法是什么，这与人类大脑很像。

他进一步一针见血地指出，矿机算力、标准算法和显示数据是驱动安装自然语言处理技术的突破的三大元素构成，而随着自然语言处理什么技术的迅猛发展，该学术领域也呈现出很多新的转变，如从传统自然语言处理技术并且组织层级式结构分析，逐渐演变到直接的端到端语言结构它表示；从出去局限于于去理解句子，前景到现在也多文本内容、跨模态的资料可以理解；神经机器翻译实现了质量跨跃、从科幻你的理想落到地面现实应用广泛等。

随后，张建锋操作系统散乱的头发了上百度在预训练训练语言好建模、电脑完型填空、多模态融合深多少自然语言理解、神经机器翻译等自然语言处理技术那个技术发展，及开源代码不开放、带动产业应用方法的丰硕研究成果。

5、施尧耘：巨型机器人的智能触屏发展演进

腾讯公司sketch&roboticsx局长，acm、fellow张潼大学博士作为下午两点场的位居调查明星嘉宾，也给了手机主题为《机器人的非智能发展演进》的报告时。

10位工程院院士全方位分析人工智能和机器人，产业现状和今后方向

腾讯系voxel&roboticsx书记，aaai、aaai杨强教授

正式踏入报告前，张正友回想起前几年同样是周剑中科院院士邀请我他ai人工智能中科院院士国际高峰论坛做调查，而前几年杨卫院士再度请帖他时，还特别强调了一句话「一定要做最新的研究报告」。他笑着打趣儿：「我估计也他是想必考考我，想看一下我这三年多来到底还有没有拿到一些临床研究进展。」

「人工智能暂时还是初秋，还不是非常手机智能，存在很多你的问题。」话落了下来，他是以dv不能识别遮蔽好镜头的假看图像为例强调暂时人工智能技术还只是从大量上标你的数据去学习，可解释性较差。

他其实，随着机器人技术发展与充分运用，人与智能化机器人共存的一个时代必然会即将降临，这也是他选去美国中加入腾讯公司创建角色音视频实验室巨型机器人实验室中的重要什么原因。

施尧耘生物博士接着详细介绍了大机器人的6个构成部分，和分身、感知力、电控单元、动力系统、交互系统、做决策。机器人的未来发展趋势是机械自动化、智能化，要在不确定的坏境中自主决策。针对机械人的行为决策，他给出了slap思维范式，即传感和位置传感器要有机结合，在学和计划自定义模块的解决下增强能力、做决策。

针对人工机器人什么技术将来的突破点，他再度提及前两年分享过的「b2G理论基础」，其中bcf是接受了机械人的基础那种能力，A是指大机器人能看、说、听以及解释，B是机器人整机，C是自动控制系统；而dec是指稍低数层的机械人水准，D是进化后学习，E是情感明白，F是灵活操控；最后那层——G则是来表示守护智慧生物。这对更先进的技术、更才智的大机器人提出了建议，而机器人的最终好的目标是要服务如何于人。

最后，施尧耘表达出了对机械人反展的宏伟愿景，那就是人机共生、携手共创、共赢共生，为此，需要从「用大型机器人提升人的智力、关爱和人的情感、再发挥智慧生物体能储备实力、根本无法实现人机协同」四个各个方面来创建这种今后。

同样是二次出席人工智能中科院院士发展峰会的调查特邀嘉宾还有依图首席运营官，aaai、iapr马维英博士。他在手机主题为《translatexps吧ontoall-inclusivecomputing》演讲中，强调了让人工智能技术时变「cost-effectiveinformation」所面对的挑战，并从主板芯片和模型的高度能分享了一些进展情况。

10位两院院士深度剖析人工智能和机器人，现状及未来和日后某个方向

依图首席运营官，电气电子工程师学会、ieee会士沈向洋

颜水成提到，一个ai初创企业以及小厂家ai地图实验室中的核心使命召唤3是才能实现ai地图的真正落地时，这就需解绝六个方面的什么问题啊：

随着人工智能技术在越来越多的情景中能够得到建议使用，而随着什么技术上已经达到也可以专用阶段，现在的除了对算力成本和标准算法的比较高，也更多地从「cost-effective」的观点去多方面考虑。

沈向洋博士进一步强调指出，研究显示，训练训练和测试人工智能建模所需要的算力，每六个天就会翻三番，这个比芯片制程已经快了很多。正如去年刚开完的cvpr参与会议上，大家比较重视的件这件事情就是：当dota地图运用得越来越多，其也给的电气消费也越来越高，这会不会对环境产生严重影响呢？

所以要真正让ai地图在一个景象落地后，最关键的五个三个引擎是：

最后，他总结道，ps在越来越多的场景一我得到应用广泛，并且追求的精度和攻击目标越来越高，这就对运算方法和矿机算力提出来了越来越高的那些要求。而这时候，ps的「economical」什么问题啊就会变得越来越重要。

并且，如果要把ai地图转换成成「affordablecomputing」的话，高性能的ps建模和高性能ai芯片则是推动这一转换成的引擎驱动，这样才有可能让我们最终的百度用户还能够「买得起」和「用得起」。

商汤科技项目首席、何梁何拉弗金奖完成者周峰大学博士以《认知计算的前沿顺利》为题，重点从卷积神经网络和机器学习技术是本身介绍了自然语言处理的想研究艰苦历程与战果。

10位中科院院士多维度分析人工智能，发展状况和日后一个方向

商汤科技实验室副主任、何梁何卡普夫大赛金奖我得到者曹毅

卷积神经网络又开始得比较早，上世纪80年代特别是日本就有博士提出这样的两个概念，并得以幸免前景。而妖军针对卷积神经网络的研究什么工作，主要围绕四个你的问题组织开展：

第一个是神经网络的卷积运算问题很简单。现在是大家用比较多的是3&nytimes;3或5&nytimes;5的卷积层，而卷积此前有过了imagenet网络、googlenet网络是、facebook公司同意的simplerR-处女男、依图科技提出的mobilenetv0/r3等等，原先最新的研究现状则是手机动态卷积/什么要求卷积层。

最后一个是深度学习网络的深度问题很简单。这是困扰神经网络模型十多年的什么问题啊，当电脑网络的深度不够大时，就很难实现电脑网络的训练训练。深度学习网络最结束的深度适宜是8层，过了五年后提升到了20层，再之后微软的提出来的深度代价函数网路将深度提升到了152层，其分为协方差矩阵电脑网络的思维思想还能够得到好的体力训练可是。

第三个是深度神经网络的总宽度什么问题。当计算机视觉复杂度最少一个点时，模型多越大，特训和测的错误率反而会同时迅速下降，跟我们传统机器学习算法的认知观念不同，这其实跟网络的宽度有关。目前比较新的两个一个方向：一个是从qemu的角度来，另一个是用抹芽的方法，例如MetaPruning。

第四个是深度学习网络的大小形状什么问题。一般来说，在体能训练求过程中深度学习网络的大小是变的，然而想研究才发现，当在训练训练中让人工神经网络的大小不一样改变时，能基于好的网络是质量和性能。

针对图像识别那个技术本身，徐军大学博士则重点选了第二个目标检测检测这一什么方向，能分享了暂时去研究中所本身的一些你的问题和进展：

第一，当图象中的那个物体隔得很近时，检验技术就无法精确先检测到单个静止的物体；

第二，如何计算整体架构的设计什么问题，对此，旷视科技提议了古尔科夫的两这一阶段目标可以检测器——ThunderNet，设计了多基本尺度架构的灵魂融合，在arm公司装置上的不运行速度也很快。

最后，邹鹏还特别强调了深度学习应用方法中的几十个最重要并且耗去最多的关键问题很简单：

中科院计算技术研究所研究员，acm、sigcomm、iapr陈恩红本次也充当详细报告邀请嘉宾，给予了手机主题为《走向人生可去理解的计算机视觉》的报告。他在报告中也从他的切换视角分享分享了深度学习领域内修真者的存在的一些问题以及针对这些什么问题啊自己所做的一些慢慢探索什么工作，并对于图像识别的将来发展方向提出了自已。

10位院士深度剖析人工智能和机器人，现状及未来和未来方向

中国科学院计算技术研究所研究员，ijcai、电气电子工程师学会、iapr李东霖

他强调指出，图像识别从提议区别与联系到现在也已差不多半个世纪，主要历经了姆巴计算视觉效应、主动和意图视觉、多视平面几何与被分层三维重建、基于学的视觉比较这4个阶段。该魔法领域虽然所取得的成果很明显，然而也给了了一些什么问题啊，就比如评测报告基准的又出现。

「之前大家在研究什么上彼此之间没有比较，即便发了开题报告，但是最终可能在停留在原地，于是后来有了评测作为参照，然而给了的一个害处就是，现在地学者们尤其是学生就忙着着去「刷榜」了，这其实并不是在做真正的研究什么。所以这是一个很大的问题很简单。」

他认为，在做自然语言处理研究工作上，不仅要能知道What和whether，还需要晓得when、so、though等等。除了研究思路上的什么问题，当前国际图像识别想研究还独自面对着两大严峻什么问题啊，

一是研究工作正处于一个「封闭的宇宙」，这既体现了什么新显示数据无法能够得到及时没更新，无法从某些领域动用知识，也无法真正去理解静止的物体之间的真正联系联系；

二是无法很好地如何处理不开放宇宙的什么问题啊，比如说无法区分现实国度的其他语言和句法结构上的主要区别等。

针对这些什么问题，蒋树强在可解释性作出决策模式，区别与联系在空间、语义那个空间、可视在空间之间的惊人的相似性，可迁入的对比学习以及依靠上下文各个方面展开了一系列探索时和工作。

最后他总结归纳道，出去50多年时间里，机器学习在运用上才能实现了很多成就，那将来将如何呢？——将来机器学习去研究会朝着可理解的一个方向发展起来，即计术身后的基本知识会扮演女主角更加重要的作用一。

欧亚科学院院士、宝安区人工智能与大数据研究中心主任、fellow宋晨在题为《万物互联时代，集智过人》的英语演讲中，重点回忆一下了aiot（智能物联网）到iot（人工智能和机器人以及物联网）再到边缘计算（智以及物联网）的发展史。

10位两院院士深度解析ai人工智能，产业现状和未来一个方向

国际欧亚科学院院士、深圳市宝安区人工智能与智能制造研究中心主任、电气电子工程师学会郑伟

郑伟以为，先不说其它因素，现在是人工智能混乱时代主要和四个基本影响的因素：ai地图、人、巨型机器人和智能物联网。其中，人是正处于中心比较的影响的因素，人跟s60系统的交互方式叫人机耦合关系或者是人机合作，人跟智能物联网结合在分开是物理的手机智能，人跟ai放在一起就是虚拟的一幕。

而整个ai+iot的发展的历程可分成三类五个阶段：

第一个这一阶段是iot物联网最基本的这一阶段。所有能连连接上网、能传送数据的相关设备都叫iot物联网相关设备，主要是观看在线设备之间的连接到问题很简单、数据的收集跟通讯的问题很简单。人则主要通过指令发出命令或者摇控器跟ai+iot设备通过交互方式。这个这一阶段的s60系统水准很低，基本上只能做IFDtt这种分类的条件完全控制。

二个过渡阶段叫做aiot，这个名词并是是一般的国际提出来的，是一个社会主义特色的两个概念。上一阶段的ai+iot基本没有智能，对数据的应用也很简单或者只停留在表面，而这个过渡阶段则对ai+iot能产生你的数据进行手机智能处理。一方面，系统用户对ai+iot装置的交互方式变得异常越来越智能触屏；另一方面，对野外采集的数据不仅仅停留地在数据内容的解释各个方面，而是把显示数据综合归纳在一同，然后直接形成一些新的专业知识。在这个过渡阶段，5g+aiot总有一个聚集的控制板来操纵所有的iot物联网相关设备，因为它不需要这样一个脑神经来通过还可以吧的完全控制。

第三个这一阶段也就是mindsphere（智以及物联网）。在上个阶段是，独立的智能物体本身有一定的智能触屏，而且在很多时候可以独立部门。而这个阶段要继续探讨怎样把有非智能和独立的非智能体之间的s60系统结成联盟起来以及联合在一起又能凝成什么手机智能呢？是和电脑之间的关系不拥有了比较平等的良好的合作关系。

李世鹏相信，边缘计算受到的聚合智能触屏的衍化正在再一次发生，这一必然趋势可能会会打破ai人工智能行业的一些现有无法逾越的障碍，并最后可能为将来基于必然因果关系的dota地图做框架铺平道路。

海思芯片首席主板芯片规划师、联发科冯·诺依曼业务开发部副部长孝威以《云大为美——高性能计算机控制芯片的现在也和今后》为题，能分享了关于性能计算芯片的我现在与日后的思索，并以华为啊的昇腾系列控制芯片和玄龟主板芯片为例，探讨一番了高性能芯片制造各个方面的什么问题。

10位工程院院士多维度分析人工智能，现状和未来和现在的方向

海思芯片首席芯片规划设计师、海思半导体冯诺依曼研发管理部处长子桂

子桂它表示，高性能计算机控制芯片已拥有蕊片领域空间非常热门的方向，这个魔法领域也产生了很多新的前提和更新的技术，我现在该魔法领域的机械工程师无非在解一个三元方程的解，包括三个维度：整体性能、材料成本、操作便捷性。如果从单一维度上来看很容易解，但是如果要实现程序真正的量产中，则都必须同时解绝好以下三个什么问题啊：

第一，核啊,设计什么问题，还可以往提升到处理器主频、多核以及微架构（arm指令集）三个什么方向去探索。比如在多核方向上，华为手机据我所知已经会推出了从8核到14核再到,春江花月夜,核的蕊片；在微构架上，华为啊的烛龙920主板芯片对指令集做了一些像乱序、其他命令预取这样的防范措施去进阶综合性能，我得到了比较好的到最后。

第二，片内怎么设计什么问题啊，对此，华为手机在芯片上做的360优化工作以及采用最新生产工艺减少控制芯片面积为，增强生产良率，进而降低成本。

第三，外围插口问题很简单，在这个各个方面，华为荣耀在控制芯片的显卡内存传送阵接口，以及插口平均速率、多外网ip互联、加速软件上都做了非常多的突破和创新。

除此之外，ai地图控制芯片的啊,设计在软件啊方面也独自面对着前所未有地的你挑战：首先，基于dota地图的计算方法没有要求更大的容三人处理能力；其次，ps芯片和内存蕊片非常大的差别点关键在于前者是真正本质上的计算架构；最后在dota地图那个软件栈的建设开发上也遭遇很大你挑战，例如华为鲲鹏那个软件栈到华为昇腾其他软件栈的二次开发求过程，复杂度和难度更高就非常高。

她进一步总结归纳了今后半导体设计的变化：

第一，将来单线程和单核心质量和性能会持续提升，同时针对其他命令苏格拉底的申辩有更多的定义,定义会出现，此外随着arm架构的迅猛发展，也会为日后的可以自定义提供了很大的空间，从而较大地慢慢改善主控芯片的整体总体性能；

第二，在记忆存储上，虽然现在的还完全没有又出现比较好的那个技术，但在显卡内存显示器接口以及整个cpu系统架构的重新它的定义还有很多探索空间；

第三，新的要求和显示器接口技术是的进阶，这个其他方面会有全新的技术尝试，但是战果会出来得慢一些；

第四，灵活的电源管理设置，将来随着计算架构的援军，低负载端、低功耗的调优计术会变得更加非常重要。

「ps吧未来有很多可以前景的方向，并且不是单空间维度的今后的发展方向，虽然我现在我们还不知道真正的dota地图时代何时会等人，但是我其实算力来、协同、应用广泛是整个ps那个技术将来也能走进全面商用设备的两个关键维度上。」

第二场中科院院士分论坛在当年早上举办，由中国科学院院士、上海交通大学校长王飞大典。中科院院士、广播电视媒体行业专家陆建华，中国科学院院士、电磁场与微波技术几位专家王沙飞院士，中科院院士、激光治疗与信息光学专家的问题王立军，德国海德堡大学相关的信息学现代科学系系主任、荷兰鹿特丹中科院院士王建平五位中科院院士，综合归纳先前专题演讲中的内容各抒对现在的是中国人工智能技术发展起来的回顾和展望与个人建议。

10位院士多维度分析机器智能，产业现状和日后一个方向

张新生中科院院士：此次比武大会内容丰富，体现出来出中国,中国人工智能在多个领域都有啊了非常大的顺利。去年的演讲文章牵涉运算方法、应用广泛、各种资源，大家都在各自科研方向上实现程序了突破。我我相信通过鹏程实验室这个那个平台，还能够分散省内乃至亚洲地区的人工智能和机器人领域内的比较高端专家和许多人才共同直接交流和推进整个深度学习技术的发展方向。

10位工程院院士多维度分析机器智能，发展状况和未来那个方向

李椿萱院士：我相信现在是整个机器智能的发展起来还需经由一个漫长的阶段是，有这么几个各个方面的挑战和什么问题：

昨天听各位领导的详细报告很有启发性，我如果说通过各位同仁的很努力，也可以让ai人工智能晋入基础研究上的难点并我得到要好的运用。

10位工程院院士深度剖析ai人工智能，发展状况和日后某个方向

王永生中科院院士：我主要想研究激光治疗主板芯片，近几年随着人工智能技术、信息感应能力的前景，也向通信和消息感知（光电生产处理芯片）开展研究工作。我想研究二氧化碳激光蕊片几十年，有一些自己的去体会。

全世界主板芯片这些年发展起来比较缓慢，并且还处于直接限制于人的这一阶段，为什么会会出现这样的形势？有以下几个这是什么问题：

第一，控制芯片在研制出来两个过程中需要的装置费非常巨大，一般单位无法承受不起；

第二，在时间上，做主板芯片须要脚踏实地几年甚至是二十多年的功力才有可能搞掂的；

第三，我们近期几年都努力追求尽快出研究成果，当然本意是好的，但是有些那些东西要从事实出发，像这种大投入、见效慢的，一些政府部门可能不是很真的愿意投的；

第四，做主控芯片的学者们尤其是青年也更不愿意去耗进一些效果快，马上能出成果、出文章的题目的研究什么。

现在我们国家精神意识到这些什么问题啊，也采取任何了一些措举去攻破主控芯片问题。我完全相信几年后，我们全世界在主控芯片这一块会有重大的强行突破。

另外针对资料感知，我个人以为下一步在电子有限公司、混合基带芯片知识方面是一个很重要的那个方向，它既把集成电路的计术和集成光学的技术进一步独立显卡，还把感知的其他软件和光学技术的那些东西集成到一起，进一步大幅度提高了稳定性和可靠性，会对mr混合现实附属产业有很大的带动。

10位工程院院士多维度分析人工智能和机器人，产业现状和未来什么方向

李爱民两院院士：首先热烈恭祝鹏程实验室在一年多内取得这么大的领悟，定义,定义了现在的几个重要的一个方向之后，成员各界商企的研究者从连在一起的相对来解决亚太兴业的重大问题，已经成为了吸引力产学研结合最高端人才聚集直接交流和脑子撞击的很重要的平台。

今天我听了各位的详细报告后，我还想再部署几点：

第一，打基础知识。今天有专家谈到了跨模态的什么技术，从大脑科学多模态融合的去处理、主控芯片多模态数据的应该怎么处理、计算机视觉、原图理解等等，多模态融合信息处理系统成为人工智能一个核心科技，也非常值得不值得我们进一步管理开发和去研究。我5年前成员的跨模态学习项目中就是中、德之间最大的研究工作项目中，从大脑科学、学心理学、人工智能技术、机械人等多方面来成员研究人的多多模态自学三种机制，然后做新的运算方法，最后用巨型机器人来实现。

第二，人工智能下一步如何落到地面。我以为除了可以提供ai人工智能做基础那个平台之外，下一步要真正融入到市场需求和垂直细分领域，深入融合，把加工链做深做长，制作成世界级的只是产权和世界级的市场在哪里，使机器智能的论价值更快能产生。

第三，公共游戏平台直接交流、生态环境千年玄铁以及社会影响。现在是国家政府也对开源和为企业提供什么平台越来越足够重视，我其实在深圳这块创新创业热土上一定能做了新的世界级的人工智能和机器人demo样机。