电子元器件基础知识大全电子元器件采购基本知识-Ameya360电子元器件采购网

行业新闻

英特尔发布首款AI芯片Springhill 专为大型数据中心

据国外媒体报道，当地时间周二英特尔发布公司首款人工智能处理器，专为大型计算中心设计。英特尔表示，该芯片由位于以色列海法的研发中心开发，名为Nervana NNP-I或Springhill。该芯片基于10纳米制程工艺的Ice Lake处理器架构，可以用最少的能耗处理高负载。该公司表示，Facebook已经开始使用该产品。英特尔表示，其首款人工智能芯片是在投资了包括Habana Labs和NeuroBlade在内的以色列人工智能初创企业后推出的。英特尔人工智能产品集团总经理Naveen Rao表示，“为了适应’人工智能无处不在’的未来形势，我们必须能够自如应对生成的大量的数据，并确保组织具备他们所需要的数据收集和处理有效手段。”“这些计算机需要加速，以适应复杂的人工智能应用。”该公司表示，随着人工智能领域对复杂计算的需求日益增加，这种新的人工智能芯片也将有助于英特尔至强处理器在大公司的应用。

关键词：

英特尔 AI芯片人工智能

发布时间：2019-08-21 00:00 阅读量：1899 继续阅读>>

行业新闻

又一AI公司被戳破谎言："伪装到你做到为止"真的很难

“fake it till they make it”（假装做到，直到你做到为止）这句话，在创业圈一直非常流行。　　鉴于许多创业公司以及成熟企业的产品都不会在 100% 成功后才发布，这似乎是一个圈内默认的操作。但有一个疑问：　　在开发人工智能技术方面，当初创公司也在假装（fake it till they make it）的时候，多少才算太多？　　弓满则断。　　获得资本与缓冲时间的代价，是要冒着“善意谎言”还没有兑换成现实就在中途被戳穿的巨大风险。　　上周，纽约时报刚刚曝光明星公司 One Concern 制作的 AI 灾难应对解决方案名不副实，灾难预测的部分结果被灾后专家与工程师认为可能会有致命缺陷；　　今天，某外媒就做了另一个披露：　　声称正在建立人工智能 app 开发平台的印度创业公司 Engineer.AI，其实并没有真正使用人工智能开发应用程序。　　相反，真正的贡献者是使用手动方法的员工们。　　根据 Engineer.ai 创始人 Sachin Dev Duggal 的公开演讲以及宣传资料显示，Engineer.ai 开发的一项名为 Natasha 的人工智能软件能够帮助任何人创建定制化 app。　　换句话说，任何人都可以在这款 AI 辅助工具的帮助下通过点击网站上的菜单来迅速创建一个移动应用程序。大致流程如下：　　用户可以选择任何自己喜欢的现有应用程序模板（如公司网站给出的例子是订披萨的 app）。然后 Natasha 在很大程度上会自动创建一个相似的应用程序。　　公司表示，由于支撑流行应用程序的大部分代码都是类似的，因此该公司的“人工智能软件”已经掌握了这里面大部分结构，可以帮助用户自动组装新的应用程序。　　这将使得整个过程比传统的应用程序开发更便宜、更快捷。　　至于效果如何，某外媒援引 Engineer.ai 发言人称——“在公司最近开发的一个 app 过程中，大约有 82% 是由这款软件『在第一个小时内自动生成的』，这就是 AI 的魅力。”　　然而，Engineer.ai 的内部工程师在接受某外媒采访时却透露，AI 并没有像这家公司声称的那样为应用程序自动汇编代码。　　他们指出，该公司的大部分工作依赖于印度和其他地方的“人工工程师”。而且即使考虑到科技创业公司普遍存在的“伪装到你做到为止”的心态，公司关于人工智能的应用也被夸大了。　　当被媒体问及该公司有哪些使用人工智能的案例时，公司曾表示，客户需要支付的价格和工程时间表都是完全自动计算出的。　　“其中一部分过程使用了自然语言处理，这项人工智能技术主要是为了识别和理解文本或语音。　　另外，还使用决策树（基于选择的图形或模型）将任务分配给开发人员。”　　然而，一些现任和前任员工则向某外媒透露，实际上一些定价和时间表的计算是由传统软件产生的，而且大部分工作总体上是由员工手动完成的。　　这些人甚至还表示，该公司并没有多少自然语言处理技术能力，而公司内部使用的决策树不应被视为人工智能。　　这个说法得到了瑞典深度学习软件公司 Peltarion 创始人 Luka Crnkovic-Friis 的认同。他认为，称决策树为人工智能通常“有些牵强”。　　“如果你告诉客户你正在使用人工智能，他们可能不会期待使用一些上世纪 50 年代的技术。决策树其实是一项非常古老和简单的技术。”　　有趣的是，就在本月，Engineer.ai 又悄悄在网站上对自己的技术与产品做了一些更加细致的解释与说明。　　他们把介绍修改为“平均约 60% 的可复用软件是由机器生产的，其余部分是人工生成的，用于开发应用程序”。　　我们并不是完全自动化的应用程序开发。相反，我们依赖于人工与人工智能的合作关系，其中可复用软件 (在传统软件开发中，重复代码约占产品的 60%) 是机器生产的，其余 40% 是机器生产的;大多数项目的独特之处在于“人工生产”。我们相信人类的创造力和才能将永远是创新和构建之旅的一部分。　　实际上，从实用的角度来看，花费巨资进行完全自动化开发对我们没有任何好处，而我们可以通过专注于用自动化来解决那些重复性强和效率低下的工作（虽然 80-20 规则是经典，但我们是 60-40 规则!)，进而实现客户的利益。　　除了产品的技术应用受到质疑，其在推出产品的时间上，也被认为遵循了“fake it till they make it”的原则。　　Engineer.ai 一位熟悉公司运营情况的人士透露，在刚刚过去的两个月里，公司才开始构建自动化应用程序构建所需的技术。　　他补充说，公司距离将人工智能技术应用于其核心服务其实还有至少一年时间。　　当然，作为一项有门槛的技术，越来越多的创业公司已经发现构建人工智能比预期要难很多。但除了技术本身，收集数据来训练支撑这种技术的机器学习算法可能也需要花费很长时间。　　为了训练新算法模型，像 Engineer.ai 这样的应用程序开发商需要从客户那里收集成千上万的请求，并将它们与工程师构建的代码相结合。　　但华尔街援引几位熟悉 engineer AI 的人的话称，这家公司还没有收集到足以支撑人工智能技术得以应用的数据。　　不过公司发言人反驳，他们已经收集了超过 6 亿条记录以构建更好的 AI模型。　　另外，在今年 2 月被解雇又同时向公司提起诉讼（这些在此前都没有被公开）的Engineer.ai 前首席业务官 Robert Holdheim 也同时披露了创始人 Duggal 曾经告诉自己的话：　　“他说，每个科技创业公司为了获得资金都会夸大其词。我其实是认同的，这并不奇怪，只有这样才能让我们有钱得以开发这项技术。　　但是 Duggal 曾告诉投资者，工程师已经完成了 80% 的开发工作，但事实上，我们还没有开始开发这个产品。”　　1　　域名多个AI，融资可能多50%　　“fake it till they make it”究竟是对是错，我们无法给出一个确切得结论；而人工智能技术在许多情况下，的确能够帮助企业省钱或更精准地找到目标用户。　　但投资领域不得不面对的现实是，在科技领域，评估一家公司究竟有没有有效利用人工智能技术是一个日益严峻的挑战。　　由于人工智能技术本身十分复杂且定义模糊而松散，非专业人士很难辨别它何时以及怎样被部署及有效利用。　　面对投资方，许多创业公司都说自己在使用人工智能作为主要吸引公司客户的方式，但这种说法往往很难经过严格审查。　　因此通常情况下，拿出一份“由 AI 驱动”的解决方案，的确更容易得到资本的厚爱。　　根据权威数据分析机构 CB insights 提供的数据显示，人工智能创业公司的平均交易规模从 2013 年到 2018 年几乎翻了三倍。　　而另一家数据分析机构 PitchBook 也表示，2018 年风险投资对人工智能创业公司的投资几乎比上一年翻了一番，达到 310 亿美元。　　特别是域名含有“ai”的公司的数量，在一年内增长了两倍多。目前这种收费的域名扩展在全球科技创业公司中非常受欢迎。　　此外，就在上个月，日本科技巨头软银集团又公布了一个以人工智能技术为主的投资基金——愿景基金 2 期，预计资本总额为 1080 亿美元。　　而作为一个已有两年历史的资金池，愿景基金 1 期的资金总额也已经达到了约 1000 亿美元，其中有大约 700 亿美元已经被注入到若干家 AI 技术公司里。　　总部位于洛杉矶的 Engineer.ai，就在去年从包括 Deepcore inc. 在内的投资机构那里筹集到 2950 万美元，而 Deepcore inc. 正是软银的全资子公司。　　软银等机构不断的资金投入，一方面可能会继续提高 AI 公司们的市场估值，而另一方面，也让许多技术专家和部分投资者的质疑声更为统一。　　“人工智能技术到目前为止最大的问题其实是——『承诺过多，但却实现不了』”，这是布鲁金斯学会智库技术创新中心主任 Darrell West 在上周发出的感叹。　　“从几何时，这已经变成了一种营销手段。”　　就像我们刚才在第一部分所提到的，这项技术的应用有着清晰的门槛。　　一方面，它虽然可以很容易地在测试或初步形式中起步，但实际规模化部署要困难很多。　　另一方面，获取和标注必要的训练数据来建立有能力的人工智能模型可能极为昂贵和费时，这也是为何周一我们报道过的一家硅谷人工数据标注公司能够在 3 年内成长为独角兽的根本原因。　　只是，鉴于一些投资方并不十分出色的辨别力和技术应用的有限性，不知道从什么时候开始，创业者们对“只有用人工智能做挡箭牌，才能筹集到更多资本”的领悟愈加上瘾。　　英国投资基金 MMC Ventures 的一项针对 2000 余家 AI 技术公司的调查显示，声称自己有某种人工智能技术的创业公司能够比其他软件公司多吸引15%~ 50% 的资本。　　然而他们也表示，其中 40% 甚至更多的公司其实根本没有使用任何形式的人工智能技术。　　波士顿咨询的人工智能专家 Philipp Gerbert 则认为，不能把责任都归于创业公司。　　全球对人工智能融资的浓烈兴趣以及多国之间展开的“技术军备竞赛”，促使创业公司和上市企业开始将自己标榜为人工智能技术+服务机构——　　“即使它们可能只有一个简单的聊天机器人。”　　2　　人才稀缺，但AI公司却越来越多　　“AI 人才”是技术圈这几年少数讨论热度持续走高的话题之一。然而，这个话题也让我们延伸出一个抓破头皮也搞不明白的矛盾点：　　一方面，AI 人才已经紧缺到了各大培训机构都开始出售“AI 速成班”的地步，而为何另一边，自称有 AI 技术的企业却如雨后春笋般出现？　　Engineer.ai 另一个被质疑的问题，正是出在人才身上。　　某外媒判断这家公司可能缺乏一批深度具备机器学习或人工智能专业知识的高级工作人员。　　因为当第一次被要求介绍一个具有人工智能技术背景的高级雇员时，他们只提供了一个名字。　　而在 Engineer.ai 随后的一份声明中也承认，人工智能专家真的很难找到。但他们也表示最近招聘的一些员工正在研究机器学习和人工智能。　　不过，该公司仅在声明中详细列举了有三名团队成员在数据科学和其他学科方面的经验，并没有具体说明他们的名字。　　这很容易让人想到上周被纽约时报质疑的 One Concern，其也存在“缺乏有研究成果的在职 AI 技术开发者”等人才问题。　　显然，这不是一家企业的窘境。　　有行业人士透露，目前很多自称拥有 AI 技术能力的企业，将利用廉价人力作为暂时的权宜之计，以便于在不断招人以及收集到数据以后推出真正的机器学习算法。　　“我认识的一家公司说正在使用人工智能软件读取和收集收据，而实际上他们是用人类在做这项工作。这在行业里也不是秘密。” 　　从 2015 年到现在，对相关人才的需求已经从 AI 技术领域扩展到了更宽泛的行业领域，这也让企业对具备人工智能、数据科学和相关领域技能的员工需求呈现激增态势。　　根据美国技术行业组织 CompTIA 在 6 月公布的一项数据显示，IT 行业的失业率在 5 月份降至 1.3%，呈现 20 年来的最低水平。　　这更加剧了对稀缺人才的竞争。　　因此，在这类技术人才更容易朝大企业、明星创业公司聚拢的过程中，或许对新公司以及行业性技术公司的考量，并没有如外媒讲的那样难以分辨。

关键词：

AI

发布时间：2019-08-16 00:00 阅读量：1907 继续阅读>>

行业新闻

AI芯片市场的生存逻辑：先下手为强

在接下来的几年里，芯片制造商巨头和资金雄厚的创业公司将瓜分专业AI芯片的市场份额。在计算密集型的人工智能领域，硬件供应商正在以摩尔定律高峰期的性能提升速度不断推陈出新。这种提升来自于针对深度学习等人工智能应用的新一代专用芯片。但是，人工智能芯片市场正在出现的支离破碎化将让开发商面临一些艰难抉择。将芯片专门针对人工智能应用而定制的新时代始于最初为游戏应用开发的图形处理单元被部署用于深度学习等应用。让GPU渲染逼真图像的同一个架构可以比中央处理单元（CPU）更为有效地处理矢量数据。2007年，英伟达发布了CUDA，这是一个支持GPU以通用方式编程的工具包，这是GPU发展过程中的重要一步。在处理深度学习这种前所未有的高性能计算要求时，人工智能研究人员需要利用力所能及的所有优势。在人工智能的推动下，GPU的处理能力迅速发展，最初设计用来渲染图像的GPU反过来又成为了推动可以改变世界的人工智能研究和开发的主要力量。为了让Fortnite这种图像渲染工具可以以每秒120帧的速度运行，需要实现诸多线性代数运算，现在，同样这些运算被部署在了计算机视觉、自动语言识别和自然语言处理等前沿应用核心的神经网络中。现在，人工智能芯片专业化的趋势正在演变成一场军备竞赛。据Gartner预计，人工智能专用芯片的销售额将在2019年翻一番，达到80亿美元，到2023年时这一数字将增长到340亿美元。在英伟达的内部预测中，到2023年时数据中心GPU市场（几乎全部用于深度学习）规模将达到500亿美元。在接下来的五年中，亚马逊、ARM、苹果、IBM、英特尔、微软、英伟达和高通将在人工智能专用芯片上展开大量投资。参加军备竞赛的除了这些芯片巨头外，还包括一些创业型公司。据CrunchBase估计，包括Cerebras，Graphcore，Groq，Mythic AI，SambaNova Systems和Wave Computing在内的AI芯片公司已经筹集了超过10亿美元的投资。需要说明的是，专用AI芯片是将前沿AI研究迅速转化成实际应用的催化剂，所以它很重要，也颇受欢迎。但是，大量新出现的AI芯片，一个比一个快，一个比一个专业，似乎会限制企业软件的崛起。我们可以预计，这些AI芯片公司会进行低价促销，并进行软件的专业化，以将开发人员锁定在只跟一家供应商合作。试想一下，如果说15年前，云服务AWS，Azure，Box，Dropbox和GCP都会在一年到一年半之内上市，它们各自的任务就是锁定尽可能多的企业客户，所谓锁定是指你一旦选定了一个平台，就很难将自己的技术投资切换到另一个平台上。这种情况将发生在AI专用芯片领域，从而使得大量投入了巨资的研究都受到威胁，因为客户很难从别的平台转移到你的平台上来。芯片制造商们肯定会向开发人员做出一些美好的承诺，而且基本上可以兑现。但是，对于AI开发人员来说，重要的是，即使其它供应商搭载了新架构的新芯片的性能更快，也很有可能会拖慢自己将产品推向市场的速度。在大多数情况下，AI模型无法在不同的芯片制造商的器件之间进行移植。所以，开发人员必须将供应商通过专用AI芯片和专业软件将自己锁牢的风险牢记在心，在过去，实际的计算引擎都已经标准化而且同质化，所以移植很方便，可以自由地在不同供应商之间切换。但是现在，在人工智能开发领域，这种情况将发生巨大变化。将来的芯片产业很可能有超过一半营收都来自于人工智能和深度学习等应用，就像软件能够产生更多的软件一样，AI也会催生更多的AI。我们已经多次看到了这种衍生效应：公司一开始专注在一个问题上，但是最终却解决了很多问题。比如，大型汽车制造商们正在努力实现自主驾驶，他们在深度学习和计算机视觉方面开展的前沿性工作产生了连锁效应，其研究成果可以应用在福特的送货机器人等分支性项目中。随着专用AI芯片陆续上市，目前的芯片制造商巨头和大型云服务公司可能会锁定一些客户，和他们达成独家协议，或者由于很难争取客户而只能收购那些表现出色的创业公司。AI芯片专用化的趋势将会让AI市场变得支离破碎，而不是使之趋于大一统。对于人工智能开发人员来说，现在可以做的就是，了解这个行业的发展趋势，并做些规划，权衡更快的芯片带来哪些好处，同时又带来多大的开发难度，以及在新架构上设计自己的产品的成本如何。

关键词：

AI芯片

发布时间：2019-08-14 00:00 阅读量：1738 继续阅读>>

行业新闻

异军突起的阿里 AI，究竟看到了怎样的半山风景？

如果说AI技术的研发，是一场厚积薄发的洪水冲堤，通过持续的学术能量累积最终实现大范围的突破；那么AI技术的商业化应用，就如同一场登山运动，是每一步都扎根于泥土之中的寸进。在经历过前几年的AI技术爆发之后，如今正在发生的，是AI技术与应用场景结合，逐渐走向产业化和商业化。就像今年两会时出现的“智能+”概念一样，AI正在逐渐走向对社会经济体的双向驱动——既对应用场景的效率进行提升，同时也为AI技术的研发者提供收益。那么，在有AI商业化年之称的2019，我们不妨回望来路，以近期“异军突起”的阿里为例，看看这些攀登者们究竟是如何征服山岭的。半山风景独好：阿里看到了什么？在世界范围内的一众AI攀登者之中，阿里算是一个典型——出身互联网时代，拥有海量用户、充足的AI投入成本和人才吸引力。更重要的，还有阿里对于AI的“定力”。 AI是一项广度极广、深度极深技术门类，涉及到商业化层面是更是如此。从广度来说，AI包含了语音、视觉、知识图谱等等多个门类，从深度来说，AI包含了计算平台、算法技术、应用输出等等多个层面。想要对这样的AI技术进行全面挖掘，没有笃定的长期目标、耐不住寂寞肯定是不行的，这就是所谓的“定力”。而阿里的定力，体现在对AI深度和广度的持续追求上。阿里在几年之间对语音到视觉再到自然语言理解等技术方向进行了全面布局，在前沿技术研究上累计斩获了40余项世界第一；在医疗、金融、制造、司法等等多个领域都输出了应用产品，每日向全世界15亿人提供服务；在基础设施层面则推出了超大规模机器学习平台，能够支持PB级别的数据训练。那么这样的攀登者，究竟看到了怎样的半山风景？半山风景是一个“万物有灵”的世界，AI所带来的视觉、语音、语言与决策能力正在通过云服务输出到更多地方，将智慧释放给万物。通过阿里云，阿里的NLP、图像AI、语音AI、决策AI每日调用量高达百亿次，智能化能力也因此走进了生活中的各个角落。通过AI视觉解决方案，攀登者阿里赋予了万物“双眼”。在山东淄博市，阿里的"AI卫星遥感影像分析"技术可以对违章建筑和破坏森林等行为进行识别，将原本人工分析需要的几个月时间压缩到几分钟。语音交互与机器翻译，也让攀登者阿里赋予万物沟通的能力。目前阿里AI能够对西班牙、印尼等近五十个国家的语言进行机器翻译，并能够实现任一对译方向实时翻译。行至半山，意味着攀登者正在探索着那些无人之地，除了常见的应用途径之外，阿里AI还在探索更多的AI落地领域，例如阿里在司法智能领域的一项开创性成果，让AI成为能够一秒“判案”的“助理法官”。这位“助理法官”现在已经在杭州互联网法院试点上岗。从阿尔卑斯到金字塔AI商业化的攀登究竟有哪些不同？在AI商业化年，除去阿里这样已经到达半山腰攀登者之外，我们见到的更多的是落队者——数据显示，2019年将有90%的AI企业处于亏损状态，清算倒闭的也不在少数。相比技术研发，技术的商业化应用往往是更加严苛的考验。洪水泛滥时会滋润两岸，让河滩生出杂草。可攀登山岭却是一个末位淘汰的过程，在达到山顶之前，会不断有人因“体力不支”而停滞不前。如果没有对攀爬过程的全面布局，以及对于技术动能的持续补充，是很难度过2019这一年的。在AI 商业化的攀登之路上，出现了明显的阿尔卑斯时代到金字塔时代的转换。 “阿尔卑斯”和“金字塔”是出自登山运动的典故。如果登山者的主要目标是阿尔卑斯山，他们可以三五结对甚至独自前行。但当他们开始挑战更高的山峰时，靠自发兴趣、随机组队就很难达成目标了。于是就出现了“金字塔式”登山，这种方式注重专业化和组织化，提前将目标与路线分解好，并集中人力和资源，由受雇佣者和山民负责帮助登山者输送物资，最终实现登顶。 AI发展也正在进入金字塔时代。一系列受到AI热潮吸引，为追逐资本而加入其中的AI企业可以被视作阿尔卑斯式的登山者。他们往往凭着直觉扎向某一看似能够获得收益的方向，人脸识别火热时，他们是人脸识别AI企业，等知识图谱获得资本关注了，他们又转身投入知识图谱。最终导致的结果，是在山脚转来转去迷了路，最终耗尽了体力。阿里则是典型的金字塔登山者。他们不仅拥有充足的资源，更重要的是拥有坚定的目标感和发展线路。阿里有定力，既有全面的技术布局，也有长期的投入规划。从阿里达摩院的使命就能看出，阿里AI能够将当下技术推向应用层面以外，也一直坚持着对于基础技术的挖掘，普华永道调查显示阿里巴巴研发投入连续三年居上市公司之首，达摩院所涉及到的数据计算、机器人、金融科技、X 实验室、机器智能等等方向，都指向关于AI技术的更长远发展，为攀爬的下半段做好准备。冲顶倒计时：用四项装备开拓未知之域阿里的定力不是凭空而生，它有顶级“装备”的加持。最核心的“装备”，是持续提供动能的人才体系。阿里达摩院超过一半的科学家拥有名校博士学历，其中机器智能团队拥有10位IEEE Fellow和20多位知名大学教授。人才力量是AI攀登全过程中都需要的助燃剂，一方面帮助阿里AI从实验室走入现实，另一方面也通过持续的基础创新，让阿里AI能够为应用场景持续提供竞争力足够强大的技术。另外一项不可或缺的装备，是阿里经济体的海量用户场景。作为多个国民级应用的掌握者，阿里成了史上最复杂的业务场景和用户场景，在这样的场景中训练AI，效率自然是远高于数据匮乏的实验室场景的。只有进入复杂的现实世界时，AI技术才能更加准确地捕捉用户的需求与反馈，让技术通过现实场景的锤炼不断进步。同时阿里还有全面的技术生态布局。相比很多只能提供一个技术模块的企业，阿里从AI技术类别的广度和服务链条的覆盖的深度都更加全面深入。语音、视觉、自然语言理解……这些不同形态的技术布局，可以服务于不同阶段以及不同需求的AI应用者。丰富的技术模块、生态构建能力和系统集成能力，注定了阿里更容易以“被集成”的方式服务各行各业。最后还有开放的AI产业生态。对于一座陌生的险峰来说，即使是以集结了巨大力量的“金字塔”模式攀登，也仍然少不了攀登者之间的帮助与分享。对AI商业化的探索，有如开发一片未知的土地，仅凭一人之力是难以实现的。阿里的最后一项装备，就是对于开放平台的打造。阿里的AI创新平台，可以为中小企业提供人工智能基础设施和AI算法，包括标准算法接入、运行环境托管、线上线下资源对接等服务，帮助企业以更低成本建立适用于自己的AI应用。包括阿里组织的天池AI大赛，真实业务场景数据脱敏后开放，再将大赛中优秀的算法转化为实际的解决方案，帮助AI从业者训练出更适用于现实场景的算法等等。一切对于AI产业生态的扶持，都是在帮助更多人参与对这座高峰的征服中来。登峰冲顶，看似是裁判哨声之下的短跑，实则是一场连起点都极为隐秘的长距运动。对于阿里这样位于半山的选手们来说，保持优势、保持耐心，才能积蓄冲向顶端的后程势能。

关键词：

阿里 AI

发布时间：2019-07-18 00:00 阅读量：1575 继续阅读>>

行业新闻

中国AI芯片大幅增长：离不开5G普及

众多周知，今年是中国的5G元年，目前，中国5G商用牌照已经发放，这就意味着5G商用已经启动，将会在国内开始迅速普及。伴随5G商用幅射面的不断扩大，人工智能、云计算、大数据、物联网等新兴产业发展迅猛，中国AI芯片市场将进一步扩大。中国AI芯片厂商如何利用这个发展机遇加快抢占边缘侧市场阵地呢？首先应当明确的是，边缘计算等AI芯片目前最大的应用市场其实是在中国。随着越来越多人工智能应用的落地，华为、商汤、旷视、比特大陆等企业纷纷推出优秀的产品并在市场上站住了脚跟。这一方面加速了基于人工智能的应用成熟，另一方面也给AI芯片带来了市场，从而为人工智能完整产业链的成熟带来了机会。5G确实是物联网时代的血液，可远远不是改变手机网速，让你看电影更加迅速这么简单，到那时生活方式将会改变，物联网将会让我们的生活变得更加智能，让我们一起期待5G的普及吧。

关键词：

AI芯片

发布时间：2019-07-17 00:00 阅读量：1815 继续阅读>>

行业新闻

滴滴透露国际产品规划将在日本和澳洲推出AI语音接单

滴滴副总裁、国际化产品技术部负责人卜峥在香港RISE创新大会上透露了滴滴的国际产品重点规划。其中，滴滴日本和滴滴澳洲即将推出司机免接触语音接单功能。据卜峥介绍，滴滴国际化团队同样关注安全和体验，语音接单能大大减少司机在驾驶过程中操作APP的安全风险，在海外市场的试点也能为国内积累经验。同时国内的安全算法模型也在拉美进行了本地化适配，帮助滴滴收购的99出行软件大大降低了事故和事件发生率。据悉，语音接单功能是滴滴AI Labs（人工智能实验室）在语音助手研发过程中的阶段成果。2018年8月，滴滴公布了两个人工智能应用的试点项目：增强现实(AR)导航服务和驾驶员语音助手。交互式AR导航基于计算机视觉定位和3D场景重建，已经在试点机场和商场等大型建筑内投入使用。而驾驶员语音助手通过自然语言处理技术(NLP)为基础，未来准备开发全方位的语音交互服务，包括影音娱乐、信息查询、车内环境调节，到乘客通信、客服，甚至是加油、充电或维保服务。据AI Labs负责人叶杰平教授介绍，驾驶员语音助手需要应对嘈杂的流动的车辆环境，并在移动中做出即时准确的即时反应，要求比一般语音识别技术更高。此外，滴滴国际化团队在拉美推出的滴滴借记卡和端内电子钱包也引起关注。卜峥解释道，拉美地区银行服务昂贵，第三方支付不发达，有40%的人口完全依赖现金。而司机携带现金车费也成为安全痛点。目前滴滴与当地金融机构和连锁便利店合作，在巴西和墨西哥推出的借记卡和钱包，降低了安全隐患，也让司机更方便提现补贴家用。“墨西哥的用户很快可以用滴滴来付水电费和话费了”，卜峥说。7月9日，Uber CTO在RISE会议上主动表示： “滴滴在海外市场追赶很猛，我们不敢懈怠”，并承认和滴滴之间“健康的竞争”在推动行业创新。对此卜峥表示，竞品如何描述自己并不重要。“重要的是用面向本地化的高效组织来‘贴地倾听’，直面我们服务的用户。除了这些大的创新，还有很多细小的改善，比如夜间模式、司乘互评体系等等，都是北京、硅谷和各地区团队一起设计和落地的，不是单向的输出，我们绝不会用一刀切的公式去强推。用世界级别的技术去赋能本土的团队，交当地的朋友，创造独有的价值，这才是滴滴国际化的哲学

关键词：

滴滴 AI语音

发布时间：2019-07-11 00:00 阅读量：1165 继续阅读>>

行业新闻

在通用AI出现之前，是否还有其他方法让机器人走进家庭？

在科幻影视或游戏中，为了体现未来感往往会有一个很常见的设置，那就是在家庭或办公室场景中安排一个能做“杂活”的机器人，帮助人类端茶倒水、浇花扫地，似乎是在用这样的方式描绘出一个人类与机器人共同生存的世界。实际在现实生活中，我们也算是生活在一个人与机器人共存的世界里，工厂里高度自动化、智能化的流水线，或是酒店展馆里能够起到接待引导作用的机器人，广义上都可以算作各式各样的机器人。只不过现如今的机器人还没有深入到日常生活场景，仍然是扎根于某一专业领域各司其职，而不是在家庭或办公室中为人类提供广泛的帮助。因此总是显得和幻想世界有着不小的差距。这其中的原因并不复杂。主要是因为，越是日常生活场景、越是简单而广泛的日常协助，相反对机器人的通用性智能能力要求越高。简单来说，要让机器人通过机器视觉能力以超越人类的速度分拣商品并不困难，可要把机器人放到家居环境里让他既能浇花又能传送物品，恐怕就没那么容易。我们都知道通用人工智能从技术层面来说研发起来非常困难，可换个角度想，如果仅仅在家庭或日常办公环境需要一个助理型的机器人，真的用得上“通用型AI”这种高度的技术吗？在机器人拥有大脑之前，人类可以替他们思考答案显然是否定的。对于机器人来说，一定要将周围的环境数字化、结构化，才能清晰的制定行进路线和行为模式。最常见的扫地机器人就是这样，第一次使用时扫地机器人通常会在整个房间游走一遍，通过SLAM技术来对整个房间的地图进行定位和路线规划，在未来的使用过程中，就可以按照这种既定的路线进行清扫。日常应用场景对于机器人来说过于复杂和多变，而且超越在“扫地”这一单一的需求后，机器人就要对周围环境进行立体式的理解和构建，比扫地机器人规划清扫路线要复杂的多。例如家中的花草可能今天摆在东北角明天摆在西北角，想要让机器人每次都重新理解环境，恐怕会大大折损实用性并且增加硬件成本——不仅需要激光雷达和3D结构光摄像头，光是耗电量就是一个很难解决的问题。但家用机器人不一定非要像《底特律：变人》里机器人一样，能够完全独立于人类，自觉发现日常生活场景中的种种需求然后自主完成工作。在人类的指导和协助下完成部分工作，应当是家用机器人发展的第一步。换句话说，我们是否可以为家用机器人规划行动和行进路线，就像一些扫地机器人可以通过App来手动操控清扫路线一样？像控制AR贴图一样，控制你的扫地机器人在最近的DIS2019（交互设计系统大会）上，来自普渡大学的研究团队就推出了一个针对家用机器人的实验性解决方案。普渡大学研究出了一款名为VRa的嵌入式应用程序，这一程序利用AR技术，将机器人“录入”手机AR系统，再用AR与现实场景的交互，让用户可以通过手机App端来为机器人规划行动路径。例如用户想让机器人走出一条环形路线，只需要在手机上利用AR功能画出一条行进路线即可。同时还可以让机器人进行一些简单的动作，例如拾取等等。而用户规划路线和机器人的连接方式，是通过在扫地机器人、廉价机器人手臂等等设备中安插拓展坞，直接将手机架设在拓展坞上。这时手机的前置摄像头可以承担视觉功能，成为机器人的“眼睛”，而手机芯片则可以承担计算功能，成为机器人的大脑。同时通过在不同设备上加设二维码，还可以通过“扫码”方式在不同设备间交换信息进行协作。在实验过程中，研究人员在两个箱子中贴上了不同的二维码，通过二维码获取信息后，手机可以控制机器手臂做出拾取和放下两个不同的工作。通过VRa，实验人员已经能够操控机器人在家庭场景中进行拾取物品、浇花等等简单的家务。目前普渡大学还在工厂场景中进行试验，希望将VRa这种简单的人机交互方式带入更多场景发挥作用。人与机器的协作未来当然，VRa目前还是一个实验性的模型，并不代表能够进入现实场景应用。但VRa解决了两个家用机器人身上的重要问题，一个是没有编程能力的普通用户无法便利的控制机器人；另一个是通过手机+廉价机器人的方式克服了硬件成本问题。从VRa的模式中，我们可以找到一些未来人类与家用机器人协作的灵感。第一，手机的终端能力是否可以进行转移和释放？目前手机终端的软件和硬件能力都在不断提高以便适应智能需求，从3D结构光摄像头到AI芯片，都处于不断下放的状态。相比之下，让扫地机器人、机械手臂从自身供应链能力来说，想应用上同样的软硬件，恐怕就需要承担更高成本，进而将这些成本转移到市场端。但如果家用机器人能够应用上手机端的能力，一方面可以帮助厂商发挥技术价值，另一方面也能降低自身成本。第二，图形化编程是否需要在家用机器人和家庭IoT系统中进行普及？家庭场景的复杂和高灵活性，并不一定代表需要机器人完全依靠自己的能力去理解环境。通过AR和二维码、电子标签等等方式来建立机器人与现实环境的物理关系，在通过图形化的交互方式展现给用户，让人人都可以为机器人规划路线、操纵行动。以这种方式促进人机协作，通过人类智慧帮助机器人发挥作用。第三，家用机器人是否会走向廉价化？VRa的一个重要特征，是“重脑”而“轻四肢”。通过拓展坞连接在设备上的手机才是重点，承担着交互、定位和视觉的重要作用。而作为四肢的扫地机器人、机械手臂等等反而承担了更少的功能，价格也偏于廉价。未来家用机器人是否会偏向于出售软件系统和控制中枢，而硬件本身则像乐高积木一样，可以被随意组装和替换？说到底，VRa的出现展示出了一种很常见的AI思潮——暂缓追求更高能、全能的AI技术，转向打磨操作系统和交互界面，让更多人可以方便的将AI看做一种工具，去操纵和使用他们。既然人的智慧已经如此强大，我们又为什么要绕路去仿造人类的智慧呢？当在追求智慧高度上走不通时，转向去追求智慧的普遍适用性，或许是个不错的选择。

关键词：

AI机器人

发布时间：2019-07-02 00:00 阅读量：1608 继续阅读>>

行业新闻

AI 招聘放缓，机器学习和深度学习占据受欢迎 AI 职业前二

关键词：

A人工I智能招聘

发布时间：2019-07-01 00:00 阅读量：1794 继续阅读>>

行业新闻

苹果收购自动驾驶公司Drive.ai，Apple Car要来？

此前，业界传出苹果有意收购自动驾驶公司Drive.ai，以推动自己开发的自动驾驶汽车系统向前发展。日前，这笔收购案有了新进展……当地时间周二，据苹果公司向美国科技媒体Axios证实的消息称，苹果已收购自动驾驶创业公司Drive.ai，并聘用其数十名工程师。此外，苹果还购买了Drive.ai的自动驾驶汽车和其他资产。据了解，Drive.ai已在过去两个星期暂停运营，而苹果主要聘用的是工程和产品设计领域的工程师。本次交易具体收购价格尚未公布。此前，国际电子商情做了相关报道（苹果造车又有“动静”，会收购特斯拉吗？），而苹果收购Drive.ai这笔交易得到证实的同时，也应证了苹果没有放弃无人车以及自动驾驶项目的业务。知情人士透露，尽管Drive.ai曾与多家潜在收购者谈判过，但最终其选择了苹果。知情人士还透露称，苹果还购买了Drive.ai的自动驾驶汽车和其他资产。另据外媒援引Drive.ai向美国加州就业发展局（EDD）提交的数份文件显示，该公司计划于6月28日关闭办公室，并裁员90人。“泰坦”目的未明今年4月，据外媒报道，苹果为了给自家自动驾驶项目“泰坦（Titan）”寻找下一代激光雷达传感器供应商，向4家公司进行了谈判。苹果与这4家公司谈判的重点，集中在下一代激光雷达，激光雷达是一种传感器，能够提供有关道路环境的3D视图。一名知情人士透露，苹果希望得到的激光雷达具有“革命性的设计”的要求，“他们想要比现有技术更小、价格更便宜和容易量产的激光雷达，”他说。有业内人士指出，苹果寻找传感器供应商的举动，意味着苹果希望研发自动驾驶汽车的整个硬件链。这个举动，也被认为是苹果已经加入汽车制造商或投资者的行列。尽管到目前为止，苹果“泰坦”主要目的是要生产车或是与人合作生产车还没有定论。另一名知情人士表示，苹果对更便宜的激光雷达表现出浓厚兴趣背后的意图十分明显，无论是谁生产汽车，苹果都希望掌控到汽车的控制驱动自动驾驶汽车的传感器、计算机和软件的“感知堆栈”。但考虑到在今年的5月份，Roth Capital Partners的高级研究分析师Craig Irwin在接受CNBC采访时曾释出“苹果的“泰坦”项目正在开发一款自主驾驶技术的电动汽车，目前仍在进行中”的信息，苹果是否自行生产汽车还未能得到证实。苹果自动驾驶项目“泰坦”的下一步发展具体将如何，还有待时间的考证。

关键词：

自动驾驶

发布时间：2019-06-27 00:00 阅读量：1822 继续阅读>>

行业新闻

面对 AI 革命，自动驾驶技术如何顺势而为？

　　汽车工业是过去百年科技进步和技术发展的结晶，曾几何时仅仅存在于科幻小说中的无人驾驶车，如今已经行驶在公路上。如今，全球的科技公司、传统车企、初创独角兽早已涌入这个领域，无人驾驶技术的发展势不可挡。　　虽然共享的、无人驾驶的 Robotaxis 市场现在几乎不存在，但贝恩咨询预估，在5-6年后可能成为一些大城市的主流。自动驾驶领域的「领头羊」Waymo ，能够借助母公司 Alphabet 完善的体系，以及地图能力等优势。一旦自动驾驶普及，将带来巨大的协同效益。　　面对「Waymo们」的巨大压力，传统车企也早已预见，正在全面进行反击。梅赛德斯奔驰和宝马已经在移动出行领域进行了合作;2016 年，通用支付了 5 亿美元投资了 Uber 的竞争对手 Lyft，并花费 10 亿美元并购自动驾驶初创公司 Cruise;福特同样 10 亿美元并购了 Argo;丰田除了投资 Uber 外还与其进行自动驾驶方面的合作。　　人才短缺现状：岗位需求量巨大　　Udacity 和 Google X 实验室的创始人 Sebastian Thrun 很早便意识到了无人驾驶领域的人才短缺：“2016 年 Uber 花了近 700 亿美元收购了一个才成立半年、只有70个员工的公司(OTTO)，而通用汽车公司花了十亿美元收购 Cruise。这些收购几乎都是为了人才。而今这个(无人驾驶)行业的人才的平均价格水平达到了 10 亿美元。”　　由于技术的发展速度超过了教育机会，技术人才短缺是无人驾驶领域的面临的特殊问题。Sebastian 教授估计仅科技行业就需要大约 5,000 名工程师，相关行业的公司可能需要大约 20,000 名工程师，首当其冲的便是中美日德四国。根据权威机构 Paysa 市场调研报告，无人驾驶工程师在美国的平均年薪达到 $233K 美金，而 Google 给出的薪水更是高达 $269K 美金。　　无人驾驶工程师薪资(From Paysa)　　在中国，传统巨头 BAT 和新兴力量如京东、滴滴出行都在为无人驾驶竞赛加码，更有不少获得硅谷风头的科技初创在国内飞速崛起。2018 年，猎聘、BOSS 直聘、拉勾等平台显示的无人驾驶相关的工程师平均月薪也达 18k-160k 。　　全球人工智能人才白皮书　　行业的高薪、诱人的前景也吸引了大批人才的关注，除了 AI 相关专业高材生，很多行业从业者是从车辆工程、机械、控制等相关领域转行而来 —— 尤其是相关制造业发展慢、职业天花板低，而车企又频频爆出裁员新闻，更催促了大批有远见的年轻人积极投身人工智能的浪潮，抢占人才红利。　　面对 AI 革命，如何顺势而为?　　Udacity 是谁?　　AI 技术已不再是顶尖人才的专属，零基础亦可逐步掌握。　　当 Alphabet (谷歌母公司)将无人驾驶车项目从 Google X 实验室转交给 Waymo 之后，Sebastian Thrun 教授决定开始一直致力于为全球培养前沿领域的人才，那便是 Udacity。在此之前，世界上唯一提供机器学习的学位项目只有卡内基梅隆大学(Carnegie Mellon University)，很明显，传统工程师和无人驾驶技术之间，会出现教育断层。Udacity 希望通过在线课程来填补这一空白。　　2016 年 10 月，Udacity 携手 Mercedes-Benz、NVIDIA、滴滴出行、Uber 等众多企业推出「无人驾驶工程师」纳米学位　　2017 年 11 月，与百度 Apollo 和 Lyft 推出面向更入门学员的「无人驾驶入门」纳米学位　　2018 年 1 月，携手 DJI 推出离未来更近一步的「飞行汽车/无人机开发」纳米学位　　2018 年 7 月，与百度 Apollo 推出免费零基础课程「无人驾驶第一课：从 Apollo 起步」　　2018 年 12 月，携手 PIX 无人驾驶、全球首个无人驾驶开源软件 Autoware ，在中国大数据中心贵阳推出全球首个无人驾驶真车实训营。　　线下实训营还被拍成了纪录片：《征途·无人驾驶》。　　Udacity 无人驾驶工程师实战项目

关键词：

无人驾驶

发布时间：2019-06-26 00:00 阅读量：1612 继续阅读>>

型号	品牌	询价
TL431ACLPR	Texas Instruments
RB751G-40T2R	ROHM Semiconductor
CDZVT2R20B	ROHM Semiconductor
MC33074DR2G	onsemi
BD71847AMWV-E2	ROHM Semiconductor

型号	品牌	抢购
STM32F429IGT6	STMicroelectronics
TPS63050YFFR	Texas Instruments
BU33JA2MNVX-CTL	ROHM Semiconductor
BP3621	ROHM Semiconductor
ESR03EZPJ151	ROHM Semiconductor
IPZ40N04S5L4R8ATMA1	Infineon Technologies

PART	数量*	目标价格
	数量最小起订量: 1	目标价格 $ 如不确定，可不填
备注

联系电话 *	姓名
公司
邮箱地址