GTI首席科学家杨林:AI产业化需要标准

栏目: 数据库 · 发布时间: 6年前

内容简介:杨林:创立这个公司的初衷,就是感觉到现在,PC,电脑都已经放到手机上了,通讯都已经做到第五代通讯了,而且目标就是IoT,Internet of Things,物联网。那么下一步的发展方向必然是人工智能。为什么叫Internet of Things呢?原来就叫internet,相对来讲就应该叫Internet of People,对不对?那people只要连起来,大家就可以交流。因为有这个语言文化,互相都懂。那你说,thing,这个东西连在一起,那很难交流。所以这个时候就需要赋予物体一定的感觉的能力,和判断

Alex: 大家好,我是Alex Ren,是BoomingStar Ventures的管理合伙人,也是Robin.ly的创始人。今天是我们的Robin.ly第四讲,主题是关于AI芯片的创业和技术发展。今天我们的嘉宾是GTI的联合创始人杨林教授。杨教授有丰富的业内经历,他曾经就读于复旦,清华和UC Berkeley,获得了UC Berkeley的博士学位。同时也是北邮,清华和复旦的教授。他曾经在VLSI (Technology, Inc.),Redwood Design,Cadence 做高级设计经理。1999年创立了一家半导体公司,Legend Silicon(凌讯科技),专注数字电视方面的芯片。 2017年,杨教授和OmniVision 的founding member董琪一起创立了一家公司GTI,Gyrfalcon Technology,专门从事AI芯片这方面的工作。杨教授在学术上成果斐然,1988年就已经发表了一篇名为CellularNeural Networks Theory and Application的文章,获得了IEEE的电路与系统最佳论文奖。自此之后,CNN,也就是CellularNeural Networks就成为了一个热点的研究领域。感觉GTI创业以来发展得很快,想问问当初创业的初衷是什么?

杨林:创立这个公司的初衷,就是感觉到现在,PC,电脑都已经放到手机上了,通讯都已经做到第五代通讯了,而且目标就是IoT,Internet of Things,物联网。那么下一步的发展方向必然是人工智能。为什么叫Internet of Things呢?原来就叫internet,相对来讲就应该叫Internet of People,对不对?那people只要连起来,大家就可以交流。因为有这个语言文化,互相都懂。那你说,thing,这个东西连在一起,那很难交流。所以这个时候就需要赋予物体一定的感觉的能力,和判断的能力。这也就是所谓的人工智能要解决的问题。

Alex: 所以您实际上是为了解决IoT的deployment问题?

杨林:对。主要是为了解决IoT下面的连接问题。IoT已经发展了很多年,但主要就是为了连接。连接由于5G开发了以后,现在正在实施。现在急需产业化,这就不再是科研项目了。那么在这个时候,人工智能就起到了非常关键的作用。这是第一。第二,人工智能,或者叫神经网络,前一段时间,虽然产业化没有发展,但是在研发方面还是有人持续在做。研发方面在做也是受益于现在的计算机能力,那么就开发了这种深度学习的概念。深度学习,它的技术方面的定义是叫多层卷积神经网络的机器学习,所以大概有这么三个意思。第一是卷积神经网络,第二是多层,第三个是用机器学习,不用人,不用编程。那么实际它本身的电路结构和算法很早以前就有了,至于为什么能够现在流行起来,一是现在有这个需求,其次就是现在的算力,就是计算机仿真的能力很强。这个我下面可能在谈到其他问题的时候会再展开讲。

Alex: 您的公司创立一年,出片的芯片现在做到了什么样的性能?

GTI首席科学家杨林:AI产业化需要标准

GTI 第一款AISC芯片 ‘The LightSpur 2801S’

杨林:我们这个芯片当时瞄准的是低成本,低功耗,高性能。首先高性能是必须的。因为要赋予智能,让它能够自己去学习的话,就需要算力,所以必须得是高性能才能保障算力。那么在高性能的情况下,怎么能够降低成本,降低功耗,这个是我们主要的一个工作。那么得益于原来我做的这个analog电路,它就是个device。它从架构来讲,和计算机是不一样的。所以从这里边进行借鉴,我们就达到了预期的目标。

Alex:这是个ASIC是吧?

杨林:只要是application  specific就叫ASIC,我们也是其中一个。我会叫它卷积神经网络加速器,它不是一个SoC (System on a Chip),我们也觉得这个是当前急需的。因为现在市场还没有起来,如果将来市场起来了,根据真正的应用,我们会做不同的电路。但是现在呢,还是属于一个平台,就是我们叫做卷积神经网络加速器。 

Alex: 那主要性能是手机上吗,在什么终端上面?

GTI首席科学家杨林:AI产业化需要标准

杨林教授介绍GTI产品

杨林:手机只是一个应用。提到手机,我就顺便把我们最近做的这个东西拿出来看看。这是我们给电脑,laptop做的。它是个USB dango,我们这个芯片就在这里,它就是个加速器。现在的PC里边基本什么都有了,即使你没有GPU,反正只要有CPU,做训练都没问题,但是它速度慢。所以加了这个以后你就加速了。另外一个,就是用我们的芯片做的一个WiFi的小盒子。这个就跟手机一样,跟手机配合。像现在华为和苹果都做了SoC,就是single chip solution。但由于卷积神经网络的运算量是需要很大的,那么我们的就是专门做了这么一个,配合现有的手机,就直接把这个手机升级为AI手机了。 

展开一下就是,为什么我们做这件事,因为我看到了这个机遇。我就是做电路的,这是个device。现在 叫CNN,ConvolutionalNeural Network,我们原来叫CellularNeural Network。CellularNeural Network是一个电路。它其中有convolution作为一个算子,就像里边有乘法。但是它那里边就是convolution,所以我们在那个里边就有这个convolution,不光有convolution,我们还有feedback,就所谓现在的RNN。我们现在的重点主要是做CNN,因为这个feedback还有一些其他的问题。所以现在RNN只用在一维的信号处理方面,还没有真正用到图像。但是将来我认为是会把应用放到图像层面。

人工智能本身,现在每个人都有自己的定义。有的人觉得这个东西很可怕,将来就是超人。这个和我30年前描述计算机时候一样,那时候普遍认为计算机要毁灭人类。但实际上,经过这么多年的发展,我们觉得计算机让人类社会受益良多。30年前在我上学的时候,那真就是做计算机的人用计算机,用计算机的人做计算机,其他人对计算机没什么接触,就像现在人工智能高发展的时期一样。但是现在不都是人手一份手机,人工智能的普及速度应该会更快。

Alex: 我们现在讲民主化。人工智能民主化。就是您说的,普及化实际上最终是ASIC。ASIC本身需要考虑经济效益,考虑成本。那现在您现在在GTI做的工作和您以前发明的CNN有什么关系吗?

杨林:这个就牵扯到刚才我说的,电路,神经网络和计算机的区分是什么。大家现在有个常用词叫异构。异构的意思就是我和计算机不一样,但是怎么个不一样法,第一,神经网络因为是一个电路,尤其是当时我们做的,它是记忆元器件。记忆的和运算的是一体的。那么现在标准的计算机的架构,就是处理器,存储器,中间还有个I/O,叫接口,有这三个;我们现在做的这个东西是都放在一起的。正是因为这样,我们才降低了功耗。这样就可以把里边的处理器,包括你的存储器,都用最新的,比如说是,7纳米,10纳米的来实现。但是你中间连接接口的那个pad,就是我们叫芯片的管脚,不变,而那个东西就是大量的传输高速,功耗都在那儿。所以这是一个。

另外就是人也是因素之一,人的智能实际上是记忆和处理在一起的。不是说你想干什么,到哪儿去,充一下电,然后再去存取——它是一体的,这个也是不同。但是作为computer simulation来讲,原来架构就是这样,你何苦去改呢。所以我们认为将来的发展,实际上就是这种专用的结构。另外一个,因为计算机对芯片也有要求,大家现在也在比,说是看谁做得最好。我看现在好多startup在做的芯片都在比。那么还是计算机的概念。计算机有几个特点,第一,一定要有指令集,就是说我这个东西是专用指令集,指令集简化,没必要,因为这个东西不需要指令。因为顾名思义,深度学习,机器学习嘛,机器学习就是不用人来编程序,不用人来编程序,还要什么指令集呀,对不对?实际上我们真正用数据来训练里边的参数,训练完了以后,人工智能和人类智能相比的好处就是它可以copy,训练完了可以移植;不像人,我们学完了以后,我们的下一辈还得重学。

Alex: 您讲的这个指令集的变化,非常好。作为一位非常有经验的半导体行业专家,在AI时代到来之后,您觉得对整个半导体产业带来些什么样的变革。我们能不能说芯片行业迎来了第二春?

杨林:这是很大的一个变化,但是我认为这个是时代的发展造成的。刚才你提到这个第二春,对我来讲,这就是三十年河东,三十年河西。我当年在Berkeley读书的时候,Berkeley EE和Computer Science在一起的叫EECS,对不对?当时CS的人都是hardware的。我去年回去,结果发现EE根本没有人学了。你只要做出个AtoD (Analog to Digital),剩下的就是digital的事儿了。所以说hardward design的人一点都没有了,基本连学校都不train了,都没有人去学。所以针对刚才你说的,这就是为什么我说是三十年河东,三十年河西。下面三十年呢,实际上又给hardware的人新的机会,就是我们还要着重去做hardware。原因我刚才也提到了,它不是一个计算机,它是一个device。它不一定去竞争,就像苹果手机似的。苹果今年出了手机,我就换个新的,去年的虽然打电话还可以用,但是大家就都换,为什么呢?因为它是通用的东西,通用的东西大家都去比较,谁的最好,因为可比。那以后的人工智能的应用很广泛,有的东西不需要一年一换。比如说你们家的garage door opener,那个东西你老换它干什么呢,没必要换。包括智能锁等等。

Alex: 您也是长期在中国和美国的半导体行业工作,中国的半导体行业最近也是个热点话题。我们应该怎么做,去把两国的行业差距缩小?

杨林:大的方面刚才我已经说了,本身硬件由于EDA这个tool,由于每个applicaiton是有一定限度的,后来都被general processor给替代,所以这个需求就很少,这是第一。第二呢,我感觉过去的这30年,实际上中国还是处于一个学习和跟踪阶段。尤其做企业的人,我听了好几个比较有名的老板说不要吃第一个螃蟹。那不要吃第一个螃蟹, 你怎么创新呢?但这是适合当时中国国情的,因为你没有那个财力,也没有那个需求,你犯不上去做这些事儿。那么比较稳的就是先把现在这个基本的事情做好。但是现在不一样了,现在中国能做的也都做了,跟别人都已经差不多一样,你要想抄别人的,或者说学习别人的,还没出来呢,那就干脆自己去做这个事儿。 

Alex: 您之前创立了Legend Silicon,现在又创立了GTI,结合您以前的经验,可以怎么把GTI做得更好呢?

杨林:上次创业有几点。第一,就是数字电视进入了产业化阶段,因为数字电视一开始也是科研项目,最早是在日本。那么没有标准化是不可能产业化的。现在AI也就是这个问题——没有标准化,大家都想标新立异,每个人想说我明天能不能再研究出来一个不同的,就是为了不同而去做事儿。那这个就不是产业化了,产业化是说尽量相同。而且也不一定说我做完这个事儿,就永远不再做了,已经全解决完了。通讯行业就告诉你了这个标准——第一代通讯,就是模拟电话;然后有2G,第二代,就是GSM(Global System for Mobile communications),CDMA(Code-Division Multiple Access);3G,然后4G,5G。实际上在做第二代第三代的时候,5G的技术也存在了,研发上也有人讨论。但是大家说没必要了。标准化,它可以给你定义一个,大家都follow同样的东西,而且做现在最急需的东西。现在我认为大家还是在科研的这种状态。

Alex: GTI作为一家初创公司,现在还算是处于一个早期阶段。您认为如何和 Intel,Nvidia, Qualcomm这些芯片行业的大公司竞争呢?

杨林:我们为什么有这个信心呢?因为首先我没有抄别人的,这就是我30年前自己搞的。但是因为30年前在Berkeley申请了CNN细胞神经网络专利,而且我们在2012年专利过期以后又继续申请了专利,第一,你首先要说你不是抄别人的,因为有人跟你打官司啊,你得能证明这是我的。第二呢,你还得有一定的特点,才能保护住。所以在GTI,我们现在已经有5个核心基本专利,很快的。申请专利的时候击败了Intel的团队,获得了专利。所以呢,做芯片必须得有专利。没有专利趁早别做。

Alex: 作为一个初创公司,做芯片本身就不容易。面临这么多竞争,即使我们有基础,接下来我们在商业发展上会采取什么样的路径?

杨林:所以我们第一件事就是做一个平台,做一个非常低成本,低功耗,但是还有AI性能的平台。让每一个人都先能玩起来。大家都能玩,人才的问题就解决了。就像现在大家都玩计算机,那你不愁找懂计算机编程的。都玩手机,你不愁找手机app的developer。我们的做法就是这个,产业化。现在的计算机和30年前的计算机完全不一样,现在的手机和以前的大哥大也完全不一样。它不是一个办公用品,它也不是一个business的用品,它就是一个家用(电子设备)。所以我们现在——你看这个东西做的就像让大家玩一样。我也不想拿你去开发什么自动驾驶,智能医疗,不用。你就能用这个识别出来一些很简单的东西,猫,狗等等。

Alex: 所以GTI策略是说,我们做一个普及化的平台,让开发人员更容易掌握这些工具,针对他所关心的一些问题做出些解决方案?

杨林:就是这个意思。我今年四月说过,要把AI玩起来。我们这个东西上面写的叫“plai”,音译好像就是玩嘛(play)。但是它的直接意思就是People Learn AI,就是玩的意思。一旦大家都了解了,都玩起来了,你人才也不会缺了,行行业业都是专家。因为AI并不是要解决一个高大上的事儿,AI是要方方面面的解决很简单的事儿。我们最近也在跟一家做baby monitor的公司合作。小孩儿一哭或者他刚要哭的时候,你马上把当妈的这个声音录在那儿了,起码给他distract一下,就不哭了。这就是很简单的一个事儿,也不需要什么云,可以你自己训练。

GTI首席科学家杨林:AI产业化需要标准

杨林老师接受Robin.ly采访 Alex为左 杨教授为右

Alex: 您看到这里有两个以前可能相对来讲隔离比较深的领域,一个是AI领域,一个是芯片领域。现在有很多AI工程师,也有很多芯片工程师。这两个领域随着商业化会越来越merge,您对这两个领域的工程师,对他们的职业发展有什么建议?

杨林:现在是个拐点,拐点变化很快,当前的需要就是产业化的问题。刚才我说了产业化,标准化,让大家都能够用起来。等AI基本上普及以后——就像手机这种,我觉得搞软件的人已经没用了。你要让一个农民说哪个苹果长虫子了,哪个没长虫子。那他只能告诉你,你拿这个东西照个相,然后告诉我,什么是有虫子的,什么是没虫子的。比如说你们家扫地机,现在都是瞎眼的。只是它很尽力去天天给你扫,现在所谓的智能就是没电了知道走回去充个电。但是真正的人工智能扫地机呢,是干净的地方就不扫了,就不擦,脏了再擦。有根头发捡起来,有了可乐渍喷点东西,这才是智能。基本上将来大家训练AI,就需要各种级别的导师,而且越低级别的老师需求越多。就像人的学习需要时间,所以才有一个小学毕业到教授,越学历高的人学的时间越长。学的时间越长,就是成本越高,但是大部分的人,对我们真正需要的来说并不需要那么高级别。

Alex: 就好像我们以前教计算机去做事儿,现在转变成去教AI去做事儿。

杨林:对。教计算机做事儿呢,你得自己学本领。

Alex: 你要会它的语言,对吧?

杨林:对。机器学习是你只要整理数据就行。中国,美国,欧洲的大学都是100-400年的历史,是由于工业革命才诞生。实际上大学就是为了让人去操纵机器,需要一些专业知识,以后不是,以后学校就是培养老师,把机器变成机器人,不是把人变成机器了。教育是要很大的改变的,教育一改变了,人就可以学别的。

Alex: 这个非常有道理啊!那您说现在做硬件的工程师,他们应该做什么呢?

杨林:最近这几年——将来我说的那个时候就没有软件硬件这个概念了,我觉得硬件工程师做这个系统,不是做一样的,不只是CPU,GPU,应该会有很多startup。这些startup不是在竞争。就像开饭馆似的,每个人有自己的风味,每个人都有自己的特点,只要你自己能够想一个你做的东西有需求,就有business。这是做硬件的。那做软件的人呢,因为有硬件配套么,那就是生态系统,可能是要做这个。

Alex: 您觉得未来几年比如3到5年,您自己的目标是什么。还有就是您觉得GTI未来3到5年的发展会是什么样子?

杨林:我们最近的这两三年,就是要做一个普及的平台。我们认为是个平台效应,是horizontal的,你放在PC上可以自己去开发自己的应用。可能三五年以后,行业应用的人越来越清楚自己要干什么了,因为他先是拿这个平台。虽然物美价廉,但是不够专用,那进一步优化就是要做ASIC,做专用电路。然后我们再开始做vertical的。针对某一个,比如说安防,那以后安防标准化了,大家都做一样的了。再扩展到,方方面面,包括汽车,包括智能医疗,比如家里边有一个personal doctor,早上起来,看你一照镜子发现今天没睡醒,提醒你一下。如果类似产品有量,我们的hardware engineer,或者是做芯片的,就会根据这个量进行开发。

我的个人目标现在实际上在填补空白。因为现在没有hardware design engineer了,所以我干脆先启动一下。然后在这个时候由于我们的公司增长也很快,以后就要招很多人嘛,培养一些新的人,把这些事儿慢慢做起来以后呢,我也就退休了。

Alex: 所以您是还在提携后辈,提携很多新的工程师。今天真是受益匪浅,杨老师讲了很多他对于整个30年来,包括从上一次的人工智能浪潮开始,通讯,半导体,计算机,以及现在人工智能各个方面的洞见。通过以前计算机通讯方面的发展,看到现在AI普及化所面临的一些机遇和挑战。杨老师创立的GTI也是为了抓住这个基于而来。同时,杨老师也希望利用积累的经验,用新的架构,新的方法去为AI普及化做出努力。再次感谢杨老师的分享,我个人受益良多。今天就是我们Robin.ly的第四期节目,谢谢大家。


以上所述就是小编给大家介绍的《GTI首席科学家杨林:AI产业化需要标准》,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持!

查看所有标签

猜你喜欢:

本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们

浪潮之巅(第三版)(上下册)

浪潮之巅(第三版)(上下册)

吴军 / 人民邮电出版社 / 2016-5 / 99.00元

一个企业的发展与崛起,绝非只是空有领导强人即可达成。任何的决策、同期的商业环境,都在都影响着企业的兴衰。《浪潮之巅》不只是一本历史书,除了讲述科技顶尖企业的发展规律,对于华尔街如何左右科技公司,以及金融风暴对科技产业的冲击,也多有着墨。此外,这本书也着力讲述很多尚在普及 或将要发生的,比如微博和云计算,以及对下一代互联网科技产业浪潮的判断和预测。因为在极度商业化的今天,科技的进步和商机是分不开的。......一起来看看 《浪潮之巅(第三版)(上下册)》 这本书的介绍吧!

图片转BASE64编码
图片转BASE64编码

在线图片转Base64编码工具

HSV CMYK 转换工具
HSV CMYK 转换工具

HSV CMYK互换工具