2019全球智博会高峰论坛圆满召开，18位学界、业界大牛畅谈AI应用与落地

雷锋网 AI 科技评论按，5 月 9 日上午，2019 全球人工智能产品应用博览会（以下简称「全球智博会」）在苏州博览中心正式拉开帷幕，本届全球智博会由科技部、工信部和江苏省人民政府指导，苏州市人民政府和新一代人工智能产业技术创新战略联盟共同主办，苏州工业园区管委会和苏州启智创新科技有限公司联合承办。科技部高新司副司长梅建平、工信部科技司巡视员毕开春、江苏省副省长马秋林、苏州市人民政府市长李亚平、中国工程院院士、新一代人工智能产业技术创新战略联盟理事长高文等领导出席开幕式并讲话，开幕式由苏州工业园区党工委副书记、管委会主任丁立新主持。

随后，「全球智博会」正式开幕，以下便是学界、业界共 18 位嘉宾的精彩演讲：

学界

中国工程院院士、浙江大学教授陈纯：时序大数据处于刚刚展开阶段

陈纯发表了主题为《时序大数据实时智能：技术及应用》的演讲。

他表示，移动互联网产生了大量的数据，也就是大数据，而大数据和以前数据的区别在于，它带有时间戳。数据的代表着特征，这些特征形成了特征空间。而数据对象之间的关系，成为关联图谱，在其基础上形成了分布事物咨询系统。在特征空间的表述上加上时序就是时序大数据。

数据源源不断地产生，而刚刚产生的数据称为热数据，也就是实时流数据。而之前产生的，称为温数据，再之前产生的数据称为冷数据。这些系统都代表了时序的概念。大数据、图数据的处理对时间的要求并不严格。而时序的处理在 2014 年才真正开始，到现在为止，基于时序的人工智能技术的发展才处于刚刚展开阶段。

从今年开始，他的展望是在关联图的数据库、图的结构上，他们形成一个分布式、实时的时序图数据，使得其在物联网时代能够形成他们自己的产品。

他进一步表示，时序数据的特点是数据量大且数据的时间跨度大。目前时序大数据分析计算的关键技术包括面向复杂统计指标的增量计算，面向时序数据处理的动态时间窗口，动态时序图谱的实时分析计算等。

新加坡科学院院士黄铭钧：当前云系统面临的挑战主要体现在深度学习技术的瓶颈上

黄铭钧的演讲题目是《在云中支持人工智能的系统挑战》。

他表示，20 世纪 50 年代，关于人工智能技术的研究就已经开始了；20 世纪 80 年代，科学家们开始使用机器学习技术；到了 2010 年，深度学习技术开始被使用。目前排名前十的机器学习框架包括 TensorFlow、Caffe2、Amazon Machine Learning、微软的 CNTK、Torch、theano、 Apache Singa 等等。

机器学习需要硬件、数据和对模型的深入理解。大数据分析需要先获取数据，再进行清洗理解和建模。分布式深度学习的问题有两个，一个问题是较大的模型在单个 GPU 上训练比较慢，另一个问题是分布式训练的问题。而在恶意软件的检测上，问题主要存在于便携式可切除（PE）文件上，他们的目标是捕获尽可能多的 PE 文件，且避免产生错误的警报。

英国皇家科学院院士，英国皇家工程院院士，欧洲科学院院士 Steve Furber：神经元计算机是下一代计算机的代表项目

Steve Furber 的演讲主题是《SpiNNaker：brain modelling and future AI》。

Steve Furber 首先带我们回到 1948 年的伦敦，他提到当时还没有计算机，很多岗位都是手工劳动。在几十年之后，他发现计算机依然没有如人类般智能而重新审视硬件发展，并提倡神经元计算机的原因所在。

在演讲中，Steve 介绍了他和团队主导开发的这项曾被誉为「非常大胆」的研究项目——SpiNNaker（Spiking Neural Network Architecture），不同于现有的计算机体系，在架构创新的基础上，Steve 的这台并行计算平台模仿的是人脑的运算模式。

Steve 表示，通过大量的神经学研究，他发现在架构可塑性、计算挑战、机器学习模式和人脑思考之间的转换等问题都是在工程实现上需要考虑的。

当然，Steve 也承认这项研究还有诸多问题所在。不过作为下一代计算机的代表项目，其研究成果才是最令产业界激动的部分，在演讲中，Steve 表示，经历了 20 年的理论研究和 10年 的建模，他们已经研发出了包括 Neurorobotics、SSpiNNaker2 等诸多成果。

中国工程院院士刘玠：AI 是改变钢铁工业的强大工具

中国工程院院士刘玠发表《钢铁工业智能制造》的主题演讲，核心观点是AI是改变钢铁工业的强大工具。刘玠院士指出，中国的钢铁工业在改革开放的经济下被拉动，目前规模是 9 亿吨以上（2018 年底数据），超过世界钢产量一半。不过，质量不稳定、高端钢铁产品匮乏、缺少顶尖技术等问题一直横亘。

但是 AI 有 8 种途径改变钢铁制造，分别是：人工智能生态环境建设；改造和完善工业互联网，收集、筛选、分析数据；数字化仪表的创新与应用；人工智能建模及算法研究；使用无人车间和机器人；组织不同专业之间的协作；以及基础理论研究。而在未来，机器人自动化将在钢铁行业全面开花。

加拿大工程院院士凌晓峰：深度学习的挑战和未来

加拿大工程院院士、苏大人工智能研究院院长凌晓峰发表《深度学习的挑战和未来》的主题演讲，他表示 AI 有两大方向，一是认知智能（专家系统），二是感知智能（人脸识别）。其差别在于认知智能中知识图谱应用广泛，其中神经网路中的每一个节点都是有含义的，而感知智能的神经网络主要负责计算功能，其中的神经网络节点没有含义。

当前的深度学习因为其节点没有含义，因而很难解释和分析，应用到现实场景中，就很难分析出什么时候容易出问题。除此之外，深度学习还需要于大量的数据。而在深度学习自我学习方面，也存在着与知识图谱脱节的问题。因此，我们应该改善自己对深度学习的认知，比如业界应该调整对人工智能产业的认识；对于科研人员来说，也要学习使用多种工具；而整个产业也要考虑现实需求谨慎使用科技工具。

和歌山大学前校长、数据智能教育研究部长泷宽和：日本的AI战略

和歌山大学前校长、数据智能教育研究部长泷宽和表示，综合科学技术创新会议（CSTI）决定了日本的人工智能发展方向，这一会议由安倍晋三总理大臣担任议长，2018 年的战略是超智慧社会（Society5.0）和向数据驱动型社会转变。

他提到日本 AI 战略基本思路：以尊重人、多样性、可持续性三项理念为核心，设定包括人才、产业竞争力、技术体系、国际在内的四个战略目标。对于日本的研究动向，他提到模式识别和组合优化与解决问题，其中谈到富士通的数字退火服务器和东芝的组合优化计算方法。

他表示，和歌山大学目前有在校学生 4700 名左右，包括大约 200 名留学生。去年，和歌山大学与教育学部、经济学部、系统工学部、观光学部合作成立数据智能教育研究部门，从今年开始，和歌山大学对全校所有的学生开始进行 AI 教育和数据科学教育。目前，和歌山大学的 AI 研究包括机器人工学、图像识别、脑测量、语音信息处理。在机器人工学方面，他们已经成功研发出可以上下楼梯的自动电动轮椅。

业界

微软全球资深副总裁王永东：每一个人工智能都应该拥有一个有趣的灵魂

王永东的演讲主题是《人工智能，予力转型》。

他首先谈到，对于微软怎么看未来，他认为，未来是无处不在的计算、无处不在的人工智能、多重感官多重设备体验。

人和机器不一样的地方是，人是有情感的。微软小冰目前有 1.2 亿月活用户，具有和人类一样的度化能力。如何做到这一点？我们的思路是，先让她学会怎么像小孩子一样讲话，然后培养像人类一样的感知能力。不管是对图像文字还是视觉，小冰都具有感知能力，可以和第三方的技术结合起来。当小冰的知识越来越丰富之后，就可以做更多的事情。未来，微软的目标是让这种技术能够帮助人工智能和其它的应用。

他还谈到，创造力是人和机器最大的区别。除「自己进行人工智能创造」外，小冰还可以为第三方赋能。微软在这方面做了一些尝试，虽然目前还处于早期阶段，但通过在各种类型、场景中的训练，小冰已经在腾讯 BabyQ、华为/小米人工智能音箱和手机助手转中有所应用，甚至还可以虚拟明星。最后，王永东还向到场嘉宾介绍了微软在苏州的研发中心，并表示每一个人工智能都应该拥有一个有趣的灵魂。

英特尔全球副总裁 Claire Vishik：全方位把握人工智能这个概念会更有利于技术的开发、应用和推动

Claire Vishik 发表了主题为《全局视角审视新一代人工智能的主题演讲》。

在演讲中，Claire 宏观探讨了现有人工智能技术的局限性，并探讨了它在未来可能的发展方向。

首先，Claire 阐释了 AI 的含义，它指出我们对现在对 AI 的直观印象是「碎片式」的：图像识别、语音识别、语义理解等；或者是推荐引擎系统、强化学习等。「智能」也分布在了很多行业中，以医药领域的应用为例，如智能护理、药物分析加速等都已实际应用。但是基于此，Claire 表示，现有的人工智能应用依然存在局限性，因此她一直在思考的是如何让AI的应用更广泛、更灵活，这里面就会涉及到如何理解各类终端、感知和清洗数据等技术。

从场景和技术角度去梳理，Claire 发现全方位去把握人工智能这个概念会更有利于技术的开发、应用和推动。对于 Claire 来说，成功推动AI发展需要兼顾研究、创新、人才等软因素，开放标准、加强体制等产业因素，最重要的是，还需要从宏观愿景上去理解 AI 这项技术。

百度高级副总裁王海峰：新一代AI技术已应用落地

百度高级副总裁王海峰发表题为《新一代人工智能技术及应用》的演讲，他表示，在数据、算法和算力三要素的共同作用下，尤其是深度学习的突破，人工智能技术取得巨大进步。

王海峰展示了基于百度语音识别技术的百度输入法「中英自由说」能力，这是目前唯一实现高精度中英文混合语音输入的产品。他还介绍到，百度构建了世界上最大的多元异构知识图谱，在包含数亿实体、千亿级事实，能够满足 90% 用户需求的实体图谱的基础上，针对不同的应用场景和知识形态建立起关注点图谱、行业知识图谱、POI 图谱、事件图谱等多种知识图谱。随后，他谈到百度的语言与知识技术已经广泛应用于机器翻译、智能搜索、智能写作等产品中。

基于完整的技术布局和领先的 AI 核心技术，百度构建了全体系、功能丰富的人工智能开源开放平台，包括算法的开源和数据的开放、通用及定制 AI 能力的开放、硬件开放平台、端部署平台、私有化部署平台等，从而支撑第三方服务和行业应用。

华为云 BU 副总裁朱照生：华为在数十个行业落地 300 个 AI 项目

华为云 BU 副总裁朱照生发表《释放 AI 生产力，加速行业智能化》的主题演讲。

从华为过去几年在人工智能落地应用层面出发，朱照生首先总结出当前行业的三大问题：算力昂贵、AI 应用开发门槛高，以及行业落地 GAP 大。他表示华为专注于是通过技术去解决技术问题，聚焦 AI 基础平台，从底层芯片、基础框架等层面建立全栈平台，提供全流程开发服务。

他谈到，华为已经在数十个行业中落地了 300 个项目，如风控智能系统，0.4 秒内就可处理近万笔交易，发现风险能及时干预，让风险案件数量急剧下降，直接挽回经济损失近亿元。除此之外，在 AI 多协同场景中，华为也有着真实案例落地。

阿里巴巴副总裁华先胜：大规模视觉智能在真实世界中的挑战与实践

阿里巴巴副总裁华先胜发表《大规模视觉智能在真实世界中的挑战与实践》的主题演讲。

华先胜首先谈到 AI 的困境。目前，人力成本稿导致超过 90% 的企业都在亏损，这是必须面对的现实；在技术落地过程中，技术层面还是会遇到公开测试集与真实数据之间存在巨大差异的问题；而即便技术落地了，成熟技术也只能满足非常少的一部分用户需求。这都是需要未来去解决的困境。

在案例分析上，华先胜举了电商场景视觉搜索的例子，指出现在常用的以图搜图产品——拍立淘的成功源于精准得抓住了用户的需求；在广告方面，阿里的页面秒被视频工具 Alibabawood 和自动个性化产品 Banner 都是成功的案例，而它们则分别源于平时和大促两类场景中的潜在需求。此外，华先胜汇报了阿里城市大脑至今的成果，并呼吁大家一起在城市大脑平台上开发。

腾讯云副总裁王龙：产业互联网中AI应用的5大问题和3大技术方向

腾讯云副总裁王龙发表《人工智能的创新与产业落地》的主题演讲。

王龙谈到了他对人工智能技术的理解和落实。在他看来，在产业互联过程中的人工智能应用，其中的关键主要体现在三个方面：智能感知、智能交互和智能决策。如智能客服。

结合腾讯在业务上的探索，王龙指出，主要体现在五个方面：应用多样性、基础设施灵活性、数据质量和规模、算法和模型调优和智能设备多样性。对于这五大问题，王龙给出了异构计算、迁移学习、端云协同等技术方向，以解决不同算力需求、灵活分配资源等问题。王龙表示希望大家共同参与到腾讯的AI建设中。

明略科技首席科学家吴信东：新一代AI理论基础——HAO 智能

明略科技集团科学院院长、集团首席科学家吴信东发表《新一代人工智能的理论基础：HAO 智能》的主题演讲。

吴信东展示了 HAO 智能概念，即通过打通感知、认知和行动系统，实现 AI 闭环落地。他指出，HAO 智能目标主要通过对人工智能、机器智能和组织智能三位一体的集成，并结合行业知识图谱，构建面向人机协同的智能系统，加速新一代人工智能技术在公共安全、社交网络营销和智能餐饮等知识密度高、管理复杂的领域商业化落地。但从学术到项目，这一概念并不为人熟知，明略科技一定会做出好的人机协同系统。

科大讯飞副总裁李世鹏：人工智能应用爆发的机遇和挑战

科大讯飞副总裁李世鹏谈到人工智能的 6 个层次，分别是底层的通知、算知、感知，到高层的认知、预知、觉知。他表示，从底层到高层，需要越来越多的数据类型和数据量。

目前，感知已经发展得极为成熟，还有一些细节工作要深化，认知现在才刚刚起步。随后，他谈到 AI 引擎、机器人/物联网、人类这三者之间的交互。他表示，人工智能所在的物理世界，应该是和机器社会、人类社会共存的一种生态。

对于 AI 目前发展到了什么程度，他拿科大讯飞举例，展示了 AI 多语种虚拟主播，在现场还展示了苏州话的合成。此外，他还提到 OCR、图像理解、医学图像分析、认知科学方面的一些进展。他强调，AI 停留在技术层面是没有用的，需要通过实际应用发挥其价值。他展示了目前的一些实际案例，如与海底捞合作的客服机器人、讯飞智能录音笔。

商汤集团副总裁兼工程院院长沈徽：AI 赋能诸多行业

商汤集团副总裁兼工程院院长沈徽发表了《商汤智能，驱动未来》的主题演讲，他介绍了人工智能发展过程中的三次浪潮，他表示，深度学习带来了新一次的技术革命。随着计算机技术的快速发展，深度学习也随之发展，在这样的情况下，技术原创便成为了市场竞争的关键所在。

他提到多个深度学习平台，诸如 Caffe2、PyTorch 以及 TensorFlow，随后，他谈到商汤自建平台 Parrots，目前 Parrots支持超深网络、超大数据学习、复杂关联应用，他还谈到商汤 SenseVideo 系统。

他表示，AI 技术可以赋能到包括智慧楼宇、智慧城市、金融、智慧商业与零售、智能手机、智慧医疗、智慧教育等多个领域，具体到 AI +零售与商业，他表示，虽然目前线上的交易已经数字化，但是让机器去理解线下人的行为比较困难，有了计算机视觉技术之后，能较好地理解客户、货品和交易情况，有利于店主更好管理商铺和货品。随后，他就更多案例做出了详细的举例。

旷视首席架构师徐串：云、端、芯上的视觉计算

旷视首席架构师徐串在开场伊始谈到目前人工智能的两个层次——感知层和认知层，他表示，感知层如语音、视觉在业界有较多落地，而在认知层，NLP 目前落地缓慢，另外我们离通用人工智能还非常遥远。

随后，他谈到 AI 的发展历史以及相关技术与挑战。他表示，深度神经网络最早期的问题有二：一是很难被训练，二是实验结果很难复现，在这种情况下很难产品化。随着算力得到大幅提升，深度神经网络有了很大的价值。他提到 2012 年破时代的 AlexNet，也谈到在 AlphaGo Zero 中 发挥关键作用的 ResNet。他也将旷视 2017 年的 ShuffleNet V1 与 MobileNet 进行比较，他表示，前者在 CPU 上相对友好，但在 GPU 上并不会发挥特别好的效应，因此他们设计了 V2 版，效果得到明显提升。

发展至今，旷视已经成功打造了人像大数据平台——洞见，并基于此连接了云——端——芯，徐串指出，其中起到关键作用的部分就是由矿视自研 Brain++ 算法大脑。最后，他表示，接下来旷视将会聚焦自动视觉搜索技术，深度驱动 CV 应用落地。

滴滴出行联合创始人兼 CTO 张博：群雁智能出行开放平台重磅发布

滴滴出行联合创始人兼 CTO 张博谈到滴滴的人工智能战略是“AI For Transportation”，即通过智能化、网络化、协同化的智能交通基础设施，电动化、智能化、高效化的智能交通工具，以及体验化、共享化、综合化的共享出行，为传统交通出行赋能。

他表示，智慧交通需要整个社会一起努力，随后，他宣布滴滴群雁智能出行开放平台重磅发布，据张博介绍，群雁智能出行开放平台将全面对外开放滴滴的 AI 基础平台、AI 服务与能力以及滴滴在出行领域积累的解决方案，重点面向城市交通管理者、智慧交通企业、汽车产业链上下游合作伙伴、企业开发者及技术极客、高校及科研机构、社会机构、公益组织等提供定制化开放服务。

赛灵思副总裁唐晓蕾：赛灵思的相关产品与技术优势

赛灵思副总裁唐晓蕾表示，当前正处于数据爆炸时代，在技术方面还有很多路要走。而在硬件层面，目前行业正遇到一个瓶颈——后摩尔时代，而异构计算，也就是软件编程、高性能计算等则可能成为突破口。她表示，赛灵思 FPGA 的核心优势，就在于灵活可配置、高性能低功耗、支持低比特计算、端到端低延迟、拥有丰富可扩展的产品系列。

她还介绍了赛灵思最新的产品——ACAP，这是一个全新的器件类别，集 GPU、CPU等为一体，是一个 7nm 的自适应、可编辑平台。

至此，今天的论坛圆满结束。接下来，来自学界和业界的嘉宾们也将会继续在各个分论坛上和大家进行探讨，雷锋网也会在第一时间继续进行报道，欢迎大家保持关注。 雷锋网 (公众号：雷锋网)

雷锋网原创文章，未经授权禁止转载。详情见 转载须知 。