云知声李霄寒：站在2015，没想过2018我们会推出自己的芯片

继去年5月推出首款物联网人工智能芯片Swift及其系统解决方案后，人工智能企业云知声于1月2日在北京举行新闻发布会，正式宣布其多模式人工智能芯片战略和规划。会上，它同时曝光了其正在开发的各种人工智能芯片，以定位不同的场景，包括用于物联网的第二代语音人工智能芯片Swift Lite、用于智能城市的支持图像和语音计算的多模态人工智能芯片Dolphin和用于智能出行的多模态AI芯片Leopard。5G推动了AIoT的落地，多模式人工智能核心成为必然。云知声创始人兼首席执行官黄伟认为，我们目前正处于5G爆发的边缘，5G与人工智能的结合将真正推动AIoT的落地和实现。可以预见，未来对海量多维数据（如语音、图像、视频等）的集中处理和边缘分布式计算的需求，将不可避免地进一步挑战人工智能底层支撑硬件芯片的计算能力。同时，人工智能在AIoT场景中的应用对端云交互有着强烈的需求。强大的云将使终端更有能力，而强大的终端可以提高数据处理的实时性和有效性，从而增强云的能力。两者需要紧密结合，这就需要对芯片设计和云架构进行统一考虑。传统的通用解决方案架构在高实时性和智能化场景中的计算能力有限，无法平衡成本、功耗和安全性等许多实际需求。因此，具备多维AI数据集中处理能力的多模态AI芯片将成为必经之路。同时，黄伟指出，对于5G万物互联时代，人工智能服务需要提供更多基于场景的解决方案，云+核心融合的服务模式将成为行业主流。基于此，他进一步对SOC（系统芯片）的传统概念提出了新的定义，其中S代表不同的人工智能服务能力，即Skills，O代表云和边缘之间的交互式开/关云，C代表具有智能处理能力的人工智能芯片。从IVM到Swift，云知声的造芯之路云知声从2014年开始切入物联网AI硬件芯片方案（IVM），2015年开始形成量产出货。其中，家居领域的客户几乎覆盖了格力、美的、海尔、长虹、海信、华帝等国内所有一线家电厂商。在深度场景提供服务的过程中，云知声于2015年正式启动了自研AI芯片计划，以弥补通用芯片解决方案在给定成本和功耗条件下的能效比问题，以及边缘算力和多模态AI数据处理方面的不足。去年5月16日，云知声正式发布了云知声近三年来自主研发打造的首款物联网AI芯片。该芯片采用云知声独立的人工智能指令集，拥有完全自主知识产权的DeepNet1.0和uDSP（数字信号处理器），支持DNN/LSTM/CNN等各种深度神经网络模型，性能比通用方案提高了50多倍。在芯片发布仅四个月后，云知声就选择开源基于Swift的解决方案，并于去年9月正式推出了智能家居和智能音箱两款标杆解决方案。通过“云芯”的结合，为客户和合作伙伴提供针对特定场景的软硬件集成交钥匙解决方案，使客户能够在更短的时间内以更高的设计起点、更低的成本构建更稳定可靠的产品。同时，开源解决方案还可以确保客户能够基于所提供的人工智能能力设计其他长尾产品形式，构建更丰富的AIoT生态系统。目前，基于Swift芯片的全栈解决方案已引入美的、奥克斯、海信、京东、360、中国平安、硬蛋科技等10多家解决方案提供商和合作伙伴，相关产品最早将在Q1量产。物联网AI芯片的多模式进化在第一代UniOne芯片Swift的发布会上，云知声联合创始人李小涵曾指出，UniOne不是芯片，b……

一系列芯片，代表了云知声对物联网AI芯片发展战略的总体构想。在今天举行的云知声2019多模态人工智能芯片战略发布会上，李小涵再次从三个方面论证了物联网多模态人工芯片的必要性。他认为，目前物联网产品线的AI芯片正日益呈现出三个趋势：第一是场景化。芯片设计正在从最初片面追求PPA，即功率、性能和面积，逐渐演变为一种基于软件和硬件，甚至包括云服务来解决垂直领域特定问题的方法。芯片本身已经成为整个解决方案的重要组成部分，而不是唯一的解决方案；

第二，端云交互。在物联网的不同应用场景中，为了实现海量终端设备的智能化功能，需要与端云协同，即在边缘算力和云算力之间形成动态平衡。端云交互的提出需要AI芯片的大力支持，这进一步影响了芯片的设计和最终交付。此外，数据是多模态的。在5G驱动的万物智能的场景中，芯片接触的数据维度将从单一变为多样化，芯片需要处理的数据也将从单一模式变为多模式，这对芯片的设计，尤其是物联网的人工智能芯片提出了新的挑战。结合以上三点，李小涵认为，物联网AI芯片的最终呈现形式将不再是单一的硬件，而必须是承载边缘能力和云能力的多模式AI软硬件集成解决方案。云知声多模态人工智能芯片的技术布局为了实现多模态AI芯片的战略落地，云知声加快了技术布局，在机器视觉方面取得了突飞猛进的进展。其中，面向机器视觉的轻量级图像信号处理器可以在不依赖外部存储器的情况下，以30fps的速率实时预处理传感器的图像，从而进一步提高后续机器视觉处理模块的处理速度和效果。借助基于人脸信息分析的多模态技术，可以实现人脸/物体识别、表情分析、标注和嘴唇跟踪等功能，为产品交互和用户体验提供更多的可玩性和灵活性。特别值得一提的是，云知声多模式人工智能的核心IP DeepNet 2.0的发布，标志着云知声的人工智能处理核心从1.0的语音时代全面进入了融合语音、图像等处理能力的2.0多模式时代。DeepNet2.0兼容LSTM/CNN/RNN/TDNN等各种推理网络，支持可重构计算和Winograd处理。最大可配置计算能力为4T，达到行业一流水平。目前，云知声DeepNet2.0已经在FPGA上进行了验证，并将在2019年推出的新型多模态人工智能芯片Dolphin上推出。此外，在图像与芯片技术的产学研合作方面，云知声还与杜克大学牵头的美国国家自然科学基金会下唯一的人工智能计算中心--ASIC达成了深度合作，致力于算法压缩和量化技术以及基于内存计算的新计算架构的研究，这将进一步为云知声的多模态AI芯片战略奠定坚实的基础。三款在研芯片曝光，2019年将开始量产。在首款量产芯片Swift已被大量客户引入并占据市场首动优势的背景下，云知声在2019年芯片落地规划上仍将保持积极态度。李小涵透露，除了不断迭代升级现有Swift芯片的性能和服务外，云知声面向不同方向的各种芯片也在开发中，包括应用范围更广的超轻量级物联网语音AI芯片Swift Lite，集成了云知声最先进的神经网络处理器DeepNet2.0。与吉利集团旗下生态链企业易卡通科技合作打造的可支持智能城市场景语音、图像等多模态计算的多模态人工智能芯片Dolphin和智能出行场景的多模态汽车级人工智能芯片Leopard。上述三款芯片计划于2019年开始大规模生产。目前，云知声凭借在家居、汽车等真实场景中丰富的产品经验，以及具有先行者优势的AI芯片能力，将业务覆盖到智能家居、智能汽车、智能儿童机器人、智能酒店、智能交通等多个场景。未来，云知声将继续开发多模态人工智能芯片，并不断拓展技术和场景生态，为未来的AIoT时代实现全面赋能。以下是新闻发布会的速记，有删减（速记中省略了一些单词）：黄伟：下午好，亲爱的陈国梁院士，a……

感谢今天在座的各位来宾和朋友。今天是2019年的工作日。非常感谢您把2019年第一个工作日的下午留给云知声，给我30分钟的时间听我的单口相声。在过去的一年里发生了很多事情，我们很难运作，但我们获得了很多信任。我们相信，2019年也注定是不平凡的一年。它在哪里非同寻常？我指的不是艰难的一年的开始。我相信，2019年是人工智能真正大规模产业的元年。因此，我感到特别荣幸的是，我们能够一起见证人工智能是如何在工业化中扩大规模的。今天，应该说云知声已经走过了第六个年头，我也很激动。我自己的首席执行官给了我的员工六年的年终奖，这也是一种贡献。在过去的六年里，出现了许多挑战。2012年，我们的定义非常明确。云知声是一家面向互联网的企业，我们只是从云技术切入。2012年，许多人才可能会第一次接触智能手机。2012年，我们中的许多人刚刚接触到移动应用程序。然而，我们相信，在未来，我们不仅会连接人类，还会连接互联网。我们相信，在不久的将来，万物互联，万物互联。因此，我们希望利用人工智能技术来布局互联网。说到物联网，它实际上不同于传统的PC互联网和移动互联网，这意味着我们有更多的设备和更多的设备形式。回想一下2010年之前我们的互联网巨头，他们的市值和利润。但如果我们今天看看脸书，看看腾讯有多少收入，我们可以从历史走向互联网时代，随着更多场景的介入，它将对整个社会和整个行业产生巨大影响。因此，我相信，在互联网时代，更多的设备、更多的品类肯定会带来更大的商机，更大的商业机会肯定会对我们的技术能力提出更高的要求。因此，作为一家初创公司，如何在资源非常有限的情况下为市场和客户提供更好、更多的能力？我相信这是每个初创公司都应该考虑的问题。如果你不考虑这个问题，你仍然使用PC时代或移动互联网时代来应对我们即将到来的时代。我相信你的能力和市场区域之间会有差异，你很难确保团队能够适应这种市场竞争。所以这是基于未来互联网时代对这项技术的许多要求，所以我们很早就开始了一些架构布局。从2012年到2013年，我们从一开始到今天都建立了一个运营平台。为了给客户提供更多的人工智能能力，我们从一开始就非常重视顶级机器学习平台的建设。我们建立了一个基于算法的分布式技术平台，因此云知声能够推出业界第一个云识别能力，即自然语言。那么光有能力是不够的，应该把能力和场景结合起来。我似乎有一种很深的内在力量，需要与你的能力产品联系起来。2014年，我们希望能够深化云核心的统一产品体系，为我们的客户提供支持和服务。我们在云端提供人工智能服务，我们的同事应该在不同的设备终端提供人工智能交互能力。我们应该将其提供给移动终端，以满足用户对移动终端的技术和能力要求。在过去的六年里，云知声是从2012年到2014年。当时我们做的是团队最擅长的，就是通过云知声平台化，把算法平台化，构建云核心系统。自2018年以来，我们结合场景和算法来定义云核心系统，并在不同的场景中进行了开发。我们下一步要做什么？我们将生产产品。回顾过去的六年，云知声坚持科大的校训，更不用说我们做了什么伟大和了不起的事情，但我们在六年内做了三件事。在2012年，学术界的许多人可能还没有听说过什么是深度学习，它被称为（英语）。2012年，云知声开始将深度学习应用于语音识别技术，并确定了整个公司的技术战略方向。今天我们知道，2016年3月，在阿尔法狗之后，我们几乎所有人都知道人工智能。在2016年之前，我们正确地确定……

未来的战略方向。2014年，我们意识到计算能力和算法必须完美结合。2014年，我们决定集成云核心。2015年，我们决定启动芯片计划。2015年，我们对芯片的理解开始有所不同。芯片是高端制造业，我们甚至将其归类为夕阳产业。我们仍然将其定义为传统行业，但我们没有看到技术进步对计算能力的追求。今天，也许我们对产品策略和技能云数据中的算法有了很好的了解，所以云知声选择了两个场景，即AI生活和AI服务。2014年初，云知声开始设计语音识别。当时，我们没有看到我在家里不用遥控器就能控制的设备。当我回到家时，我说，把灯打开，同时脱下鞋子。这是我的定义。当我们今天去国美时，我们可以看到几乎所有有语音交互的设备，无论是海尔还是美的，都在使用云知声语音交互。继去年5月推出首款物联网人工智能芯片Swift及其系统解决方案后，人工智能企业云知声于1月2日在北京举行新闻发布会，正式宣布其多模式人工智能芯片战略和规划。会上，它同时曝光了其正在开发的各种人工智能芯片，以定位不同的场景，包括用于物联网的第二代语音人工智能芯片Swift Lite、用于智能城市的支持图像和语音计算的多模态人工智能芯片Dolphin和用于智能出行的多模态AI芯片Leopard。5G推动了AIoT的落地，多模式人工智能核心成为必然。云知声创始人兼首席执行官黄伟认为，我们目前正处于5G爆发的边缘，5G与人工智能的结合将真正推动AIoT的落地和实现。可以预见，未来对海量多维数据（如语音、图像、视频等）的集中处理和边缘分布式计算的需求，将不可避免地进一步挑战人工智能底层支撑硬件芯片的计算能力。同时，人工智能在AIoT场景中的应用对端云交互有着强烈的需求。强大的云将使终端更有能力，而强大的终端可以提高数据处理的实时性和有效性，从而增强云的能力。两者需要紧密结合，这就需要对芯片设计和云架构进行统一考虑。传统的通用解决方案架构在高实时性和智能化场景中的计算能力有限，无法平衡成本、功耗和安全性等许多实际需求。因此，具备多维AI数据集中处理能力的多模态AI芯片将成为必经之路。同时，黄伟指出，对于5G万物互联时代，人工智能服务需要提供更多基于场景的解决方案，云+核心融合的服务模式将成为行业主流。基于此，他进一步对SOC（系统芯片）的传统概念提出了新的定义，其中S代表不同的人工智能服务能力，即Skills，O代表云和边缘之间的交互式开/关云，C代表具有智能处理能力的人工智能芯片。从IVM到Swift，云知声的造芯之路云知声从2014年开始切入物联网AI硬件芯片方案（IVM），2015年开始形成量产出货。其中，家居领域的客户几乎覆盖了格力、美的、海尔、长虹、海信、华帝等国内所有一线家电厂商。在深度场景提供服务的过程中，云知声于2015年正式启动了自研AI芯片计划，以弥补通用芯片解决方案在给定成本和功耗条件下的能效比问题，以及边缘算力和多模态AI数据处理方面的不足。去年5月16日，云知声正式发布了云知声近三年来自主研发打造的首款物联网AI芯片。该芯片采用云知声独立的人工智能指令集，拥有完全自主知识产权的DeepNet1.0和uDSP（数字信号处理器），支持DNN/LSTM/CNN等各种深度神经网络模型，性能比通用方案提高了50多倍。芯片发布仅四个月后，云知声就选择开源基于Swift的解决方案，并正式推出了两本……

去年9月，mark为智能家居和智能扬声器提供了解决方案。通过“云芯”的结合，为客户和合作伙伴提供针对特定场景的软硬件集成交钥匙解决方案，使客户能够在更短的时间内以更高的设计起点、更低的成本构建更稳定可靠的产品。同时，开源解决方案还可以确保客户能够基于所提供的人工智能能力设计其他长尾产品形式，构建更丰富的AIoT生态系统。目前，基于Swift芯片的全栈解决方案已引入美的、奥克斯、海信、京东、360、中国平安、硬蛋科技等10多家解决方案提供商和合作伙伴，相关产品最早将在Q1量产。物联网人工智能芯片的多模态进化在第一代UniOne芯片Swift的发布会上，云知声联合创始人李小涵曾指出，UniOne不是一个芯片，而是一系列芯片，这代表了云知声对物联网AI芯片发展战略的总体构想。在今天举行的云知声2019多模态人工智能芯片战略发布会上，李小涵再次从三个方面论证了物联网多模态人工芯片的必要性。他认为，目前物联网产品线的AI芯片正日益呈现出三个趋势：第一是场景化。芯片设计正在从最初片面追求PPA，即功率、性能和面积，逐渐演变为一种基于软件和硬件，甚至包括云服务来解决垂直领域特定问题的方法。芯片本身已经成为整个解决方案的重要组成部分，而不是唯一的解决方案；

第二，端云交互。在物联网的不同应用场景中，为了实现海量终端设备的智能化功能，需要与端云协同，即在边缘算力和云算力之间形成动态平衡。端云交互的提出需要AI芯片的大力支持，这进一步影响了芯片的设计和最终交付。此外，数据是多模态的。在5G驱动的万物智能的场景中，芯片接触的数据维度将从单一变为多样化，芯片需要处理的数据也将从单一模式变为多模式，这对芯片的设计，尤其是物联网的人工智能芯片提出了新的挑战。结合以上三点，李小涵认为，物联网AI芯片的最终呈现形式将不再是单一的硬件，而必须是承载边缘能力和云能力的多模式AI软硬件集成解决方案。云知声多模态人工智能芯片的技术布局为了实现多模态AI芯片的战略落地，云知声加快了技术布局，在机器视觉方面取得了突飞猛进的进展。其中，面向机器视觉的轻量级图像信号处理器可以在不依赖外部存储器的情况下，以30fps的速率实时预处理传感器的图像，从而进一步提高后续机器视觉处理模块的处理速度和效果。借助基于人脸信息分析的多模态技术，可以实现人脸/物体识别、表情分析、标注和嘴唇跟踪等功能，为产品交互和用户体验提供更多的可玩性和灵活性。特别值得一提的是，云知声多模式人工智能的核心IP DeepNet 2.0的发布，标志着云知声的人工智能处理核心从1.0的语音时代全面进入了融合语音、图像等处理能力的2.0多模式时代。DeepNet2.0兼容LSTM/CNN/RNN/TDNN等各种推理网络，支持可重构计算和Winograd处理。最大可配置计算能力为4T，达到行业一流水平。目前，云知声DeepNet2.0已经在FPGA上进行了验证，并将在2019年推出的新型多模态人工智能芯片Dolphin上推出。此外，在图像与芯片技术的产学研合作方面，云知声还与杜克大学牵头的美国国家自然科学基金会下唯一的人工智能计算中心--ASIC达成了深度合作，致力于算法压缩和量化技术以及基于内存计算的新计算架构的研究，这将进一步为云知声的多模态AI芯片战略奠定坚实的基础。三款在研芯片曝光，2019年将开始量产。在首款量产芯片Swift已被大量客户引入并占据市场首动优势的背景下，云知声在2019年芯片落地规划上仍将保持积极态度。李小涵透露，除了不断迭代升级现有Swift芯片的性能和服务外，云知声面向不同方向的各种芯片也在开发中，包括应用范围更广的超轻量级物联网语音AI芯片Swift Lite，集成了云知声最先进的神经网络处理器DeepNet2.0。与吉利集团旗下生态链企业易卡通科技合作打造的可支持智能城市场景语音、图像等多模态计算的多模态人工智能芯片Dolphin和智能出行场景的多模态汽车级人工智能芯片Leopard。上述三款芯片计划于2019年开始大规模生产。目前，云知声凭借在家居、汽车等真实场景中丰富的产品经验，以及具有先行者优势的AI芯片能力，将业务覆盖到智能家居、智能汽车、智能儿童机器人、智能酒店、智能交通等多个场景。未来，云知声将继续开发多模态人工智能芯片，并不断拓展技术和场景生态，为未来的AIoT时代实现全面赋能。以下是新闻发布会的速记，有删减（速记中省略了一些单词）：黄伟：下午好，亲爱的陈国梁院士，a……

感谢今天在座的各位来宾和朋友。今天是2019年的工作日。非常感谢您把2019年第一个工作日的下午留给云知声，给我30分钟的时间听我的单口相声。在过去的一年里发生了很多事情，我们很难运作，但我们获得了很多信任。我们相信，2019年也注定是不平凡的一年。它在哪里非同寻常？我指的不是艰难的一年的开始。我相信，2019年是人工智能真正大规模产业的元年。因此，我感到特别荣幸的是，我们能够一起见证人工智能是如何在工业化中扩大规模的。今天，应该说云知声已经走过了第六个年头，我也很激动。我自己的首席执行官给了我的员工六年的年终奖，这也是一种贡献。在过去的六年里，出现了许多挑战。2012年，我们的定义非常明确。云知声是一家面向互联网的企业，我们只是从云技术切入。2012年，许多人才可能会第一次接触智能手机。2012年，我们中的许多人刚刚接触到移动应用程序。然而，我们相信，在未来，我们不仅会连接人类，还会连接互联网。我们相信，在不久的将来，万物互联，万物互联。因此，我们希望利用人工智能技术来布局互联网。说到物联网，它实际上不同于传统的PC互联网和移动互联网，这意味着我们有更多的设备和更多的设备形式。回想一下2010年之前我们的互联网巨头，他们的市值和利润。但如果我们今天看看脸书，看看腾讯有多少收入，我们可以从历史走向互联网时代，随着更多场景的介入，它将对整个社会和整个行业产生巨大影响。因此，我相信，在互联网时代，更多的设备、更多的品类肯定会带来更大的商机，更大的商业机会肯定会对我们的技术能力提出更高的要求。因此，作为一家初创公司，如何在资源非常有限的情况下为市场和客户提供更好、更多的能力？我相信这是每个初创公司都应该考虑的问题。如果你不考虑这个问题，你仍然使用PC时代或移动互联网时代来应对我们即将到来的时代。我相信你的能力和市场区域之间会有差异，你很难确保团队能够适应这种市场竞争。所以这是基于未来互联网时代对这项技术的许多要求，所以我们很早就开始了一些架构布局。从2012年到2013年，我们从一开始到今天都建立了一个运营平台。为了给客户提供更多的人工智能能力，我们从一开始就非常重视顶级机器学习平台的建设。我们建立了一个基于算法的分布式技术平台，因此云知声能够推出业界第一个云识别能力，即自然语言。那么光有能力是不够的，应该把能力和场景结合起来。我似乎有一种很深的内在力量，需要与你的能力产品联系起来。2014年，我们希望能够深化云核心的统一产品体系，为我们的客户提供支持和服务。我们在云端提供人工智能服务，我们的同事应该在不同的设备终端提供人工智能交互能力。我们应该将其提供给移动终端，以满足用户对移动终端的技术和能力要求。在过去的六年里，云知声是从2012年到2014年。当时我们做的是团队最擅长的，就是通过云知声平台化，把算法平台化，构建云核心系统。自2018年以来，我们结合场景和算法来定义云核心系统，并在不同的场景中进行了开发。我们下一步要做什么？我们将生产产品。回顾过去的六年，云知声坚持科大的校训，更不用说我们做了什么伟大和了不起的事情，但我们在六年内做了三件事。在2012年，学术界的许多人可能还没有听说过什么是深度学习，它被称为（英语）。2012年，云知声开始将深度学习应用于语音识别技术，并确定了整个公司的技术战略方向。今天我们知道，2016年3月，在阿尔法狗之后，我们几乎所有人都知道人工智能。在2016年之前，我们正确地确定……

未来的战略方向。2014年，我们意识到计算能力和算法必须完美结合。2014年，我们决定集成云核心。2015年，我们决定启动芯片计划。2015年，我们对芯片的理解开始有所不同。芯片是高端制造业，我们甚至将其归类为夕阳产业。我们仍然将其定义为传统行业，但我们没有看到技术进步对计算能力的追求。今天，也许我们对产品策略和技能云数据中的算法有了很好的了解，所以云知声选择了两个场景，即AI生活和AI服务。2014年初，云知声开始设计语音识别。当时，我们没有看到我在家里不用遥控器就能控制的设备。当我回到家时，我说，把灯打开，同时脱下鞋子。这是我的定义。当我们今天去国美时，我们可以看到几乎所有有语音交互的设备，无论是海尔还是美的，都在使用云知声语音交互。2014年，我们认为未来的汽车必须是智能的，未来的车主必须通过网络服务导航，听歌曲，找到附近的食物。因此，在2015年，我们开始向市场提交车载机箱。如今，我们在后端市场拥有近1800套设备，我们有近40种前端型号。2017年，我们认为家庭将变得智能化，并开始推出家庭智能解决方案，截至目前，已有300个解决方案实施。2015年，云知声的人工智能能力与产品需求相结合。如今，我们的医院有500多个布局，其中80%以上是非常头部化的，包括北京协和医院、上海矿山医院等。同样，我们也将人工智能能力交给我们的互联网公司来运营。在这一年里，我们也在金融、客户服务等方面进行了布局。事实上，在2017年，很多人说我们都说创业公司做不到，说想法太多了。人们做人工智能，而你仍然可以制造芯片。事实上，他们不知道云知声从未受过特殊教育，也从未拥有过特殊家具。在云知声，我们刚刚从现场降落。通过满足场景的需求，我们在这个场景中对这个用户有一定的需求和能力。正是云知声在2014年决定了云芯整合战略，这使我们能够在有限的情况下迅速在场景中布局。对于技术和相关的产品规划来说，这需要很长的迭代时间。2018年，很多朋友告诉我，今年的业绩再次下滑，这是事实。2018年，很多行业都会遇到各种各样的问题，但可能是云知声的产品和未来的市场变化。我们已经做了很多准备工作，所以可能会在2018年积累起来。我们的一些公司正在分蛋糕，这表明市场需求已经存在。每个人都在谈论如何切割这把刀。云知声做了很多事情。我们现在所做的，无论是在教育、医疗、智能家具、汽车等领域，云知声都是行业领域的先驱。我们都在这个场景中。我们拥有创新的技术和系统。我们是第一个做到这一点并制定规模的人。此外，云知声的收入构成，我们今年的收入来自芯片。看起来，几亿的营业额所带动的产值可能是几十亿甚至数千亿。我们没有做任何系统的工作。当我们投资公司，尤其是2B公司时，如果我们将这两个人工产值结合起来，我相信我们今天在人工智能方面相当有分量。为什么我们能做到？因为在过去，我们坚持正确的商业化方式。所以今天我们不仅仅是在2018年，根据现有的产品开发，我们甚至可以预测，与2018年相比，2019年仍然会有增长，即使是在纯粹的市场环境中。我相信我们接下来会遇到很多问题。事实上，过去有很多O2O、P2P等。现在有朋友问我，你羡慕吗？事实上，我一点也不羡慕它，因为我是一个职业。我认为它在平凡中更伟大，有时我会慢慢打下良好的基础。虽然云知声在过去的六年里取得了一些进步，但这实际上是我们在这个时代必须要做的。什么是5G？这里面的G是什么？在观看的过程中，我们感受到的是2G和3G。2G时我们该怎么办？最多在手机上看小说。云知声在3G时代的诞生，恰好是3G时代。当时，我们在手机上看照片，4G就来了。今天，Aauto Quicker、Tik Tok等等，但我们发现，与3G和4G相比，5G可能是一个质的变化。今天，我们与社会进行了视觉对话，但基本上我们觉得……

不易弯曲的现在有各种各样的全息图，我们甚至可以说我们可以在3D中看到每个人的表情。因此，5G在未来不仅会改变网络速度，甚至会改变形式甚至行业，因此5G对4G来说是一个革命性的变化。5G的三个典型特征：更宽的带宽、更低的延迟和广泛的覆盖范围。5G将给每个人的生活带来改变。5G将使我们从人与人之间的连接，到万物互联、人人与每一台设备之间的连接、5G参考应用的大爆炸、车联网、物联网、互联网等。今天，我们可能会从手机时代扩展到各个行业，连接爆炸和应用爆炸将加速。例如，当我开车时，车联网会接收到来自其他行业的信息，它会产生很多信息。例如，未来终端中会有越来越多的数据。什么是智力？我非常同意一句话，只有耳朵没有眼睛是不完整的，所以我认为未来的智能终端必须是多维的。除了计算能力之外，还需要具备深度提供服务的能力。我们在场景中需要什么？我们需要以计算能力为基础，超越计算能力来解决问题。因此，我们今天有必要重新定义SOC。什么是SKill？在人工智能时代，我们打开一个链接进入一个网站。在移动互联网时代，我们打开手机来了解我们想要实现的功能，帮助您预订机票和酒店等，所以我们将来会用这种方式做一些事情。那么SKill只是在云端吗？SKill既存在于云中，也存在于其他地方。我们在这个城市需要很多摄像头和传感器。如果我们所有的数据都通过网络传输到云端，那么所有的数据将占用大量的带宽和资源。如果每个相机都有自己的功能，那么就不需要所有的数据。4G刚出现的时候，流量还不够，但抖音出现后发现流量还不够。如果我们完成一些工作，使云更有用，使终端更强，使云更强，那么终端和云之间的互补性可以使能力在场景中进行协作。正是因为云（英国）的相互能力，终端本身也必须有一个可以支持芯片算法的NPU。这个NPU支持语音任务，您也可以支持视频。在重新定义SOC之后，云将变得更加灵活。只有这样，当5G+IOT+AI时代到来时，我们才能拥有更好的能力，我们将以这种方式构建我们的场景优势。事实上，我不知道我们会遇到多少困难。2012年，当我们开放云识别时，中国还没有云计算。2014年，当我们开始制造云的时候，2015年，我们制造芯片的时候，每年都会发生变化。为什么？因为创业最困难的方式是捷径，我们也希望能进一步支持和帮助我们，我们坚信我们走的路是平坦的，谢谢！主持人：欢迎云知声联合创始人李小涵博士为我们正式宣布云知声多模人工智能芯片的战略和布局。李小涵：大家好！各位领导、老师、朋友、合作伙伴、陈老师、吴主任下午好。今天是2019年1月2日，第一个工作日。非常感谢您给云知声一个下午的时间。今天下午，我将带领大家回顾一下云知声过去的课程！当前人工智能物联网面临的挑战是什么，我们对此的思考，以及云知声在2018年取得的一些成功，云知声将在2019年拥有非常宏大的芯片技术。首先，让我们来看看我们的时代。我们现在正处于一个互联网时代。我们所有人都经历过个人电脑和移动终端的时代。这两个时代有什么不同？他们在核心方面有什么不同？我们认为有几点。首先，社会的数量增加了。在个人电脑时代，家庭是单位，移动互联网设备是人的单位，因此它得到了改进。在物联网时代，我们每个人未来都可能拥有一到两个、三个或更多N个互联网设备，因此设备数量将大规模爆炸，这对这个产业链中的所有参与者来说都是一个巨大的规模。第二点是连接成本较低。在一些成熟的蓝牙和WIFI中，我们可以看到5G正在方兴未艾。随着这些连接方法的发展，物联网设备的连接成本将非常低。这个低价一方面是钱，另一方面是带宽成本！

在相同的条件下可以传输更多的数据。第三个数据维度变得复杂多样。我们在PC时代收集的数据无非是键盘点击。包括GPS在内的移动互联网手机的数据包括许多其他用户的数据化。在物联网时代，人们更倾向于相互交互，因此对物联网设备以及应用场景都会有新的要求。我们不可能像在移动时代那样生产出具有多种应用的芯片手机。在物联网时代，风扇物联网平台和空调物联网平台肯定是不同的，而且可能只有少数应用，所以这些差异在物联网和之前的时代产生了一些新的变化。这些变化给我们带来了挑战，也为我们所有人创造了新的机会。物联网时代一个非常重要的命题是将能力下沉到设备端，这与移动时代不同。移动时代和PC时代都可以使用手机。在物联网时代，风扇和空调不会共享一个平台，这意味着终端硬件会有不同的变化，所以物联网必须解决终端硬件问题。云知声是如何解决的？2014年，云知声提出了云芯的产品技术架构。我们相信，物联网时代的任何产品都会有这三个部分，它们将由云核心组成。仅仅强调其中一个是不够的，它不能解决人们的需求。因此，我们开发了IDM产品，并于2015年正式量产。经过几年的发展，客户众多，出货量也在规模上有所增加。直到今天，我们仍然是这一领域的独特领导者。当我们在2015年取得阶段性成果时，我们面临着一个来自商业方面的新问题。我称之为战术挑战。第一个挑战是，我们必须处理的数据是语音。红外遥控器与触摸屏完全不同，它需要基于深度进行互连。我们对计算能力提出了更高的要求。我们的方法是用更好的算法提供更好的需求，这显然带来了负面的成本增加，而且硬件对成本非常敏感。例如，对于家电，我的成本没有增加一元，而硬件成本买家的一元意味着我的用户将承担五倍的增值，也就是说，如果你为云知声的产品购买一百元，这意味着你最终的成品价格将增加500元左右，但是，如果你的原装产品一个风扇只卖一两百元，你怎么能弥补500元的增值呢？因此，这个问题对于印象和5000元以下的费用是有效的。功耗的另一个问题是，更多的计算能力意味着更多的功耗，这对于插件产品来说可能是真的，但对于电视行业的成本来说肯定不是，所以这是我们面临的一个非常紧迫的问题，这就是2015年的问题。然而，只有商业方面的挑战是肤浅的。当时，我们看到了一些不同的东西，即所谓的战略考虑。首先，我们看到，除了我们生产的产品之外，它实际上是我们整个市场中的一个物联网市场。他与用户接触，与用户打交道必然会有新的数据需要导入，比如语音、头像、手势等。为了获得更好的性能，有必要进行基于深度神经网络的方法，这意味着我需要在终端提供更充足的计算能力。这是事实。另一个约束是成本约束。如何在指定的成本和条件下提供不同的算法并不是基于普适性的最优算法，这不适合大规模矩阵神经网络的计算。它效率低下，所以左右是一个根本矛盾，这在我们设计物联网和人工智能时是不可避免的。只要物联网的成本仍然是一个不可忽视的点，这种矛盾就会一直存在，我们的使命就是走下去。我们的观点是，基于深度学习的新硬件势在必行。简单地说，就是做边缘侧的人工智能芯片，所以我们在2015年决定这样做，我们看到了一个趋势。我们可以抓住这一趋势。今年的这个时候，我们可以比其他人更好，所以我们勇敢地改变我们的生活，所以这是我们2015年整体项目的想法。我们正在做2016年的团队模式，该项目已经达成协议……

我在2017年登台。2018年1月，我们制作了一部MPW，2018年5月，我们进行了一次盛大的发布。6月，我们正式开始批量生产。9月，我们做了另一件事，9月12日，我们发布了一个基于Swift的计划。9月之后，我们的芯片设计团队转向了图像IP设计。本页面是（英国）的第一代产品，即Swift的整体介绍。它的体系结构是一个非常典型的芯片。我们已经做了两件事。一个是（英国）专门从事音频数据处理，另一个是人工智能数据处理器，一种面向音频的人工智能神经处理器。当这种人工处理器集成在一起时，效果很明显，比通用芯片AI（英国）高出50倍。在硬件设备方面，由于该芯片集成度高，外围电路将成本降低了三分之一。9月12日，我们发布了开源解决方案。我们在这个芯片上做了很多工作。我们在上面安装了人工智能引擎进行优化。我们还为这个硬件应用程序设计了一个应用程序。如果客户接受了它并满足了他的要求，他可以通过直接连接产品来取得突破。我们不需要拿着芯片去找人工智能服务提供商、人类服务提供商或手机开发商。我们给了他一个完整的解决方案。此时此刻，许多客户正在进行产品进口、测试、开发和生产，因此我们将在市场上推出Swift产品。在2019年第一个工作日的这个时候，我们之前做了很多事情。有必要回顾和展望物联网的人工智能芯片未来应该做什么，以及他在发展路线上需要考虑哪些核心因素。这是我们必须考虑的。首先，连接、安全和PPA，无论是蓝牙、5G还是WIFI，你都必须考虑连接方法，这是一个核心点。第二个安全性，芯片物联网意味着其他人也可以访问你的芯片。我们不想生产一台被其他人入侵并转移到黑客服务器的相机，这样你的产品就不能再销售了。因此，安全和云安全是必须扩展的物联网。第三个PPA是（英国）性能、功耗和面积，在制造物联网芯片时应考虑这些因素。如果我们制造人工智能物联网芯片，仅仅考虑这三个是不够的。2014年，我们认为未来的汽车必须是智能的，未来的车主必须通过网络服务导航，听歌曲，找到附近的食物。因此，在2015年，我们开始向市场提交车载机箱。如今，我们在后端市场拥有近1800套设备，我们有近40种前端型号。2017年，我们认为家庭将变得智能化，并开始推出家庭智能解决方案，截至目前，已有300个解决方案实施。2015年，云知声的人工智能能力与产品需求相结合。如今，我们的医院有500多个布局，其中80%以上是非常头部化的，包括北京协和医院、上海矿山医院等。同样，我们也将人工智能能力交给我们的互联网公司来运营。在这一年里，我们也在金融、客户服务等方面进行了布局。事实上，在2017年，很多人说我们都说创业公司做不到，说想法太多了。人们做人工智能，而你仍然可以制造芯片。事实上，他们不知道云知声从未受过特殊教育，也从未拥有过特殊家具。在云知声，我们刚刚从现场降落。通过满足场景的需求，我们在这个场景中对这个用户有一定的需求和能力。正是云知声在2014年决定了云芯整合战略，这使我们能够在有限的情况下迅速在场景中布局。对于技术和相关的产品规划来说，这需要很长的迭代时间。2018年，很多朋友告诉我，今年的业绩再次下滑，这是事实。2018年，很多行业都会遇到各种各样的问题，但可能是云知声的产品和未来的市场变化。我们已经做了很多准备工作，所以可能会在2018年积累起来。我们的一些公司正在分蛋糕，这表明市场需求已经存在。每个人都在谈论如何切割这把刀。云知声做了很多事情。我们现在所做的，无论是在教育、医疗、智能家具、汽车等领域，云知声都是行业领域的先驱。我们都在这个场景中。我们拥有创新的技术和系统。我们是第一个做到这一点并制定规模的人。此外，云知声的收入构成，我们今年的收入来自芯片。看起来o……

由数亿营业额驱动的看跌价值可能是几十亿甚至数千亿。我们没有做任何系统的工作。当我们投资公司，尤其是2B公司时，如果我们将这两个人工产值结合起来，我相信我们今天在人工智能方面相当有分量。为什么我们能做到？因为在过去，我们坚持正确的商业化方式。所以今天我们不仅仅是在2018年，根据现有的产品开发，我们甚至可以预测，与2018年相比，2019年仍然会有增长，即使是在纯粹的市场环境中。我相信我们接下来会遇到很多问题。事实上，过去有很多O2O、P2P等。现在有朋友问我，你羡慕吗？事实上，我一点也不羡慕它，因为我是一个职业。我认为它在平凡中更伟大，有时我会慢慢打下良好的基础。虽然云知声在过去的六年里取得了一些进步，但这实际上是我们在这个时代必须要做的。什么是5G？这里面的G是什么？在观看的过程中，我们感受到的是2G和3G。2G时我们该怎么办？最多在手机上看小说。云知声在3G时代的诞生，恰好是3G时代。当时，我们在手机上看照片，4G就来了。今天，Aauto Quicker、Tik Tok等等，但我们发现，与3G和4G相比，5G可能是一个质的变化。今天，我们与社会进行了视觉对话，但基本上我们感到相当僵硬。现在有各种各样的全息图，我们甚至可以说我们可以在3D中看到每个人的表情。因此，5G在未来不仅会改变网络速度，甚至会改变形式甚至行业，因此5G对4G来说是一个革命性的变化。5G的三个典型特征：更宽的带宽、更低的延迟和广泛的覆盖范围。5G将给每个人的生活带来改变。5G将使我们从人与人之间的连接，到万物互联、人人与每一台设备之间的连接、5G参考应用的大爆炸、车联网、物联网、互联网等。今天，我们可能会从手机时代扩展到各个行业，连接爆炸和应用爆炸将加速。例如，当我开车时，车联网会接收到来自其他行业的信息，它会产生很多信息。例如，未来终端中会有越来越多的数据。什么是智力？我非常同意一句话，只有耳朵没有眼睛是不完整的，所以我认为未来的智能终端必须是多维的。除了计算能力之外，还需要具备深度提供服务的能力。我们在场景中需要什么？我们需要以计算能力为基础，超越计算能力来解决问题。因此，我们今天有必要重新定义SOC。什么是SKill？在人工智能时代，我们打开一个链接进入一个网站。在移动互联网时代，我们打开手机来了解我们想要实现的功能，帮助您预订机票和酒店等，所以我们将来会用这种方式做一些事情。那么SKill只是在云端吗？SKill既存在于云中，也存在于其他地方。我们在这个城市需要很多摄像头和传感器。如果我们所有的数据都通过网络传输到云端，那么所有的数据将占用大量的带宽和资源。如果每个相机都有自己的功能，那么就不需要所有的数据。4G刚出现的时候，流量还不够，但抖音出现后发现流量还不够。如果我们完成一些工作，使云更有用，使终端更强，使云更强，那么终端和云之间的互补性可以使能力在场景中进行协作。正是因为云（英国）的相互能力，终端本身也必须有一个可以支持芯片算法的NPU。这个NPU支持语音任务，您也可以支持视频。在重新定义SOC之后，云将变得更加灵活。只有这样，当5G+IOT+AI时代到来时，我们才能拥有更好的能力，我们将以这种方式构建我们的场景优势。事实上，我不知道我们会遇到多少困难。2012年，当我们开放云识别时，中国还没有云计算。2014年，当我们开始制造云的时候，2015年，我们制造芯片的时候，每年都会发生变化。为什么？因为创业最困难的方式是捷径，我们也希望能进一步支持和帮助我们，我们坚信我们走的路是平坦的，谢谢！主持人：欢迎云知声联合创始人李小涵博士为我们正式宣布云知声多模人工智能芯片的战略和布局。李小涵：大家好！

各位领导、老师、朋友、合作伙伴、陈老师、吴主任下午好。今天是2019年1月2日，第一个工作日。非常感谢您给云知声一个下午的时间。今天下午，我将带领大家回顾一下云知声过去的课程！当前人工智能物联网面临的挑战是什么，我们对此的思考，以及云知声在2018年取得的一些成功，云知声将在2019年拥有非常宏大的芯片技术。首先，让我们来看看我们的时代。我们现在正处于一个互联网时代。我们所有人都经历过个人电脑和移动终端的时代。这两个时代有什么不同？他们在核心方面有什么不同？我们认为有几点。首先，社会的数量增加了。在个人电脑时代，家庭是单位，移动互联网设备是人的单位，因此它得到了改进。在物联网时代，我们每个人未来都可能拥有一到两个、三个或更多N个互联网设备，因此设备数量将大规模爆炸，这对这个产业链中的所有参与者来说都是一个巨大的规模。第二点是连接成本较低。在一些成熟的蓝牙和WIFI中，我们可以看到5G正在方兴未艾。随着这些连接方法的发展，物联网设备的连接成本将非常低。这个低价一方面是钱，另一方面是带宽成本！

在相同的条件下可以传输更多的数据。第三个数据维度变得复杂多样。我们在PC时代收集的数据无非是键盘点击。包括GPS在内的移动互联网手机的数据包括许多其他用户的数据化。在物联网时代，人们更倾向于相互交互，因此对物联网设备以及应用场景都会有新的要求。我们不可能像在移动时代那样生产出具有多种应用的芯片手机。在物联网时代，风扇物联网平台和空调物联网平台肯定是不同的，而且可能只有少数应用，所以这些差异在物联网和之前的时代产生了一些新的变化。这些变化给我们带来了挑战，也为我们所有人创造了新的机会。物联网时代一个非常重要的命题是将能力下沉到设备端，这与移动时代不同。移动时代和PC时代都可以使用手机。在物联网时代，风扇和空调不会共享一个平台，这意味着终端硬件会有不同的变化，所以物联网必须解决终端硬件问题。云知声是如何解决的？2014年，云知声提出了云芯的产品技术架构。我们相信，物联网时代的任何产品都会有这三个部分，它们将由云核心组成。仅仅强调其中一个是不够的，它不能解决人们的需求。因此，我们开发了IDM产品，并于2015年正式量产。经过几年的发展，客户众多，出货量也在规模上有所增加。直到今天，我们仍然是这一领域的独特领导者。当我们在2015年取得阶段性成果时，我们面临着一个来自商业方面的新问题。我称之为战术挑战。第一个挑战是，我们必须处理的数据是语音。红外遥控器与触摸屏完全不同，它需要基于深度进行互连。我们对计算能力提出了更高的要求。我们的方法是用更好的算法提供更好的需求，这显然带来了负面的成本增加，而且硬件对成本非常敏感。例如，对于家电，我的成本没有增加一元，而硬件成本买家的一元意味着我的用户将承担五倍的增值，也就是说，如果你为云知声的产品购买一百元，这意味着你最终的成品价格将增加500元左右，但是，如果你的原装产品一个风扇只卖一两百元，你怎么能弥补500元的增值呢？因此，这个问题对于印象和5000元以下的费用是有效的。功耗的另一个问题是，更多的计算能力意味着更多的功耗，这对于插件产品来说可能是真的，但对于电视行业的成本来说肯定不是，所以这是我们面临的一个非常紧迫的问题，这就是2015年的问题。然而，只有商业方面的挑战是肤浅的。当时，我们看到了一些不同的东西，即所谓的战略考虑。首先，我们看到，除了我们生产的产品之外，它实际上是我们整个市场中的一个物联网市场。他与用户接触，与用户打交道必然会有新的数据需要导入，比如语音、头像、手势等。为了获得更好的性能，有必要进行基于深度神经网络的方法，这意味着我需要在终端提供更充足的计算能力。这是事实。另一个约束是成本约束。如何在指定的成本和条件下提供不同的算法并不是基于普适性的最优算法，这不适合大规模矩阵神经网络的计算。它效率低下，所以左右是一个根本矛盾，这在我们设计物联网和人工智能时是不可避免的。只要物联网的成本仍然是一个不可忽视的点，这种矛盾就会一直存在，我们的使命就是走下去。我们的观点是，基于深度学习的新硬件势在必行。简单地说，就是做边缘侧的人工智能芯片，所以我们在2015年决定这样做，我们看到了一个趋势。我们可以抓住这一趋势。今年的这个时候，我们可以比其他人更好，所以我们勇敢地改变我们的生活，所以这是我们2015年整体项目的想法。我们正在做2016年的团队模式，该项目已经达成协议……

我在2017年登台。2018年1月，我们制作了一部MPW，2018年5月，我们进行了一次盛大的发布。6月，我们正式开始批量生产。9月，我们做了另一件事，9月12日，我们发布了一个基于Swift的计划。9月之后，我们的芯片设计团队转向了图像IP设计。本页面是（英国）的第一代产品，即Swift的整体介绍。它的体系结构是一个非常典型的芯片。我们已经做了两件事。一个是（英国）专门从事音频数据处理，另一个是人工智能数据处理器，一种面向音频的人工智能神经处理器。当这种人工处理器集成在一起时，效果很明显，比通用芯片AI（英国）高出50倍。在硬件设备方面，由于该芯片集成度高，外围电路将成本降低了三分之一。9月12日，我们发布了开源解决方案。我们在这个芯片上做了很多工作。我们在上面安装了人工智能引擎进行优化。我们还为这个硬件应用程序设计了一个应用程序。如果客户接受了它并满足了他的要求，他可以通过直接连接产品来取得突破。我们不需要拿着芯片去找人工智能服务提供商、人类服务提供商或手机开发商。我们给了他一个完整的解决方案。此时此刻，许多客户正在进行产品进口、测试、开发和生产，因此我们将在市场上推出Swift产品。在2019年第一个工作日的这个时候，我们之前做了很多事情。有必要回顾和展望物联网的人工智能芯片未来应该做什么，以及他在发展路线上需要考虑哪些核心因素。这是我们必须考虑的。首先，连接、安全和PPA，无论是蓝牙、5G还是WIFI，你都必须考虑连接方法，这是一个核心点。第二个安全性，芯片物联网意味着其他人也可以访问你的芯片。我们不想生产一台被其他人入侵并转移到黑客服务器的相机，这样你的产品就不能再销售了。因此，安全和云安全是必须扩展的物联网。第三个PPA是（英国）性能、功耗和面积，在制造物联网芯片时应考虑这些因素。如果我们制造人工智能物联网芯片，仅仅考虑这三个是不够的。第一个场景，我们看到，当我们为客户提供解决方案时，我们需要为某个场景做不同的事情，不仅要做软件，而且你的芯片很可能就是为这个产品而生的。正如我刚才所说，如果你为风扇或交换机制造物联网芯片，并与我们一起制造汽车和电视等物联网芯片时，从云到芯片本身都会发生质的变化，产品的功能功耗也会有很大的不同，所以我认为场景是物联网人工智能芯片首先考虑的因素。第二个因素是多模态的。我们已经看过很多这样的场景。我们认为，既然物联网想要通过各种方式触达人们，那么物联网的人工智能芯片就必须具备多模态数据的能力。这是第二个。第三次云交互意味着什么？物联网芯片是联网的，而该芯片只是一个先锋。它通过到达终点站来服务，所以这一点非常重要。仅仅设计一个芯片就是为了解决无法到达目的地的问题。这三点是我认为互联网人工智能芯片在这个时候需要关注的三个要素。因此，用一句话来总结我的观点，有必要为基于云的终端交互提供多模式，在性能和功耗方面实现良好的平衡，并考虑连接和安全性的要求。需求的场景化，我用一句话来总结，这也是业内所有人的共识。从PPA到APP基本上有三个要素（英语）。我目前的设计目标是在尽可能小的功能中提高最佳性能，这是PPA的核心。然而，在人工智能领域，我们很快只关注PPA，我们需要关注APP。我们最终提供给客户的是一个APP，需要从整体的角度来考虑。从PPA到APP，从通用芯片到提供垂直面向网络的芯片，以及从简单提供芯片到提供解决方案、片上软件、能力和云服务，都发生了一些变化。第三是从提供硬件转变为提供能力，这是一个具体的场景。第二端云交互，边缘计算可以重新……

rded作为云计算的补充和优化，云计算始终是集成的。让我举一个例子。这个图的上部是一个叫做语音唤醒的功能，下部是一个芯片。边缘计算用于承担语音功能，如印象或电视。当你问他时，他会回答你，然后你会进行有趣的对话。立体声音响会在午夜突然嘲笑人们，其原理非常简单。当产生一些自然噪音时，设备会被唤醒。该设备认为人们在呼唤它，然后它听到它时会给我一个微笑。我不知道原来的单词是什么，但它被机器解释为给我微笑，所以当人们没有听到任何声音时，机器会给我奇怪的微笑，所以这是醒着和不醒着之间的矛盾。我们科学家需要做的是尽可能提高边缘计算能力，但这不是唯一的方法。我保留了边缘计算能力。当我识别它并将其发送到云中时，我将使用more模型在云中进一步分析它。他真的在给我打电话吗？当他证实这一点时，他发现在用户继续提交新语言后，他继续大笑或做出其他反应。理论上，它可以使用最简单的模型，所以它可以避免一些事情，所以这是一个非常典型的例子。如果供应商说我在云中做的是最好的，那可能还不够。您需要一个更完美的解决方案来提供给您的客户。多模式，让我在这里给你举一个例子。美的空调有一个摄像头，可以通过矩阵来观察房间的状态。如果孩子在风中，避开他，朝其他方向吹。还有，如果孩子晚上上被子，他们会觉得温度比较低，它会自动升高温度，这是一个非常好的功能。这是一个非常典型的多模式例子。不用说，机器人，无论是陪伴机器人还是教育机器人，不仅可以与人自由交谈，还希望了解我们，教孩子阅读，认识单词等等，所以机器人必须具有多模态功能。这辆车可以使用语音导航，可以看到道路的状态，告诉我情况，如果你困了，可以停下来休息。还有一个IP摄像头，其核心功能是视频录制。如果它听到声音，就会拍下它感兴趣的东西并告诉故事，因此这是多模态在各个领域的刚性需求的一些例子。基于以上，我们可以得出一个结论，重新定义SOC。在这个时候，仅仅做（英语）可能不合适。我们需要做的是（英语），它可能来自本地计算能力、本地引擎或云功能。我们需要在这方面集成更多更好的（英语），因此端云交互、场景和多模式的因素将对芯片设计产生非常深远的影响。基于这样的理解，云知声做了什么？首先，我们发布了垂直（英语）方案。我们已经完成了所有的软硬件场景，客户一带就可以使用。没有必要寻找更多的供应商。这也是我们未来芯片销售和芯片服务的核心产品模式。第二点被称为ADPC，专门研究端到端的云交互。（英国）2012年公司成立后，我们于9月推出了语音识别功能。经过六年多的发展，它已经发展成为一个巨大的物联网云平台，日使用量达到5亿次。我们已经为这个平台开发了ADPC模型。第三，我们在芯片设备中有两个输出，一个被称为（英语），这是一个非常轻的图像处理单元。DeepNet2.0是我们用于多模式开发的深度神经网络处理器。这款处理器有很多很好的参考，目前业内有很多好的产品，至少在我看来，这是一款非常好的产品。我稍后再谈。ADPC是我们人工智能深度处理的核心，而这个盒子是我们云平台的架构。黑暗的地方可能与云平台没有太大区别，但我们有一个AI数据处理核心，它与云相连。当我们处理完数据后，我们会将部分数据提交到云端进行深入分析，就像我刚才举的例子一样。如果只有正确的例子，我们可能只提供95点产品，如果有云，我们将提供一个。这是我们（英国）的介绍。这是一个面向机器视觉的轻量级图像服务器。一个是面向机器视觉的，第二个是轻量级的，让人看起来更舒适、更详细，但不一定更适合机器视觉，所以（Br……

ish）专门面向机器视觉，因此他支持任何图像缩小。（英国）给一张照片，通过这个模块可以实时减少背部神经。第二个是动态自动曝光控制。人眼很难看到这张照片上写的是什么，但就机器识别而言，它会出现在他身上，他可能认不出来。然而，通过（英语）识别来改善黑暗的地方，清晰度大大提高，因此后续的图像处理更容易。第三，我们还支持8位、10位和12位图像输入。这是一个非常小的模块，没有外部存储器。我们（英语）将此图像输入到后神经网络以获得更好的视觉体验。仅凭这一点可能是不够的。2019年，我们计划与哈佛大学的BlinkAI团队合作，基于深度学习算法图像处理。左边的图片比较小，但它是三星在照明的情况下处理的，右边也经过了处理，所以效果很好，整个亮度增加了，对比度也增加了，所以我们也会在2019年与BlinkAI讨论这次合作，在足够的算力支持下进一步提升效果。另一个DeepNet1.0是面向语音的，但在2.0中我们添加了许多多模式，可以处理图像和语音。我们为什么要做DeepNet2.0？知识产权是知识产权。实际上，在芯片设计中，IP是一个经过软件验证的模块。知识产权决定了人工智能的合理性，这是人工智能的核心部分。它有几个特点。首先，它支持各种兼容的网络。在1.0中，我们主要支持LSTM和CNN，它们主要面向语音识别。在2.0中，我们支持更多，如RNN和TDN，因此我们实现了非常高的兼容性。关于第二种可重构计算，我们都知道有些算法是指定的，可能会有一些高频。如果这种高频是通过硬件实现的，那么这将是一个非常高的飞跃。在DeepNet2.0中，支持可重构计算，其计算单元可以拼接以应对计算模式。您也可以使用一条指令通过快速更改模式来计算公式。第三个支持Winograd。这个芯片相乘要比加法花更多的时间。我们认为将其用于多次添加是可行的。这是核心理念。我们支持Winograd将乘法运算减少到原来的一半，并进一步提高效率。还有其他一些，例如支持多NPU联网。我在设计芯片B时需要更高的计算能力，并且我使用两个NPU网络来组合多种算法，这是他非常好和灵活的特点。在2018年的最后一周，我们正式在DeepNet2.0中取得成功，直到STPA董事会。你可以看到这就是效果。因此，基于DeepNet2.0的人像识别算法已经在STPA上运行。以下是一些相对专业的横向指标。我会尽量用通俗易懂的语言解释。对于NPO来说，一个核心指标是计算能力，还有一个核心的功耗指标。如果计算能力除以功耗，那就非常有趣了。我们预计，在这样一个28纳米的工艺条件下，我们具有优势。有了这么好的DeepNet2.0，这么好的计算能力提供商，在应用好的算法方面取得了什么进展？首先，我们在同一方向上的降噪技术已经超出了听力极限。超出听力限制意味着机器可以听到人们听不到的东西。很难向你描述这种声音。右下角是我们的芯片，配备了四个麦克风。这台立体声音响是用来消除噪音的。他演奏的声音是人与人之间的对话。然后，站在我们身后的演示者，他是一名命令发布者，将向这个蓝板发送指示。如果你在视频中听到任何东西，那就意味着这是成功的，蓝色的会泄漏。这个蓝色是一个能量计。目前，声音是93.2，人们的声音通常在60-70之间听到，所以在这个场景中，他在负3左右，这已经超过了人类的听力极限，人们听不到。我接下来会播放这个声音，我会揭示它最好的部分。这个声音被我们的芯片准确地捕捉和反射。在相位降噪中，人们与噪声源和麦克风保持一致。很难区分机器，因此这对技术提出了更高的挑战。接下来，在形象上，云知声是一家做声音的公司，或者是一家通过声音为公众所知的公司，但事实上，我们在2018年投入了大量的资源来做形象工作，我们已经取得了很大的进步。我们为什么……

从语音中提取图像是因为我们有一个良好的硬件平台和分布式机器学习，因此我们的数据可以在此基础上快速处理和迭代。这张表中列出了两项比赛，这两项比赛也是业内非常著名的两项面部测试。可以看出，云知声的识别率是99.8。除了人际关系识别，我们还有物体识别、表情分析、人脸价值分析和标记。我们做这些事情不是为了好玩，而是为了物联网场景和芯片设计。这就是我们的人脸识别、表情分析和标记的例子。我们可以看到，我们准确地捕捉到了他的个性和表情，还有一件事，我们可以捕捉到他的表情，无论他是否微笑。用户在机器场景中是否微笑非常重要，用户是否厌倦在车里驾驶也非常重要。一个场景中会有多个目标，我们需要对每个目标做出相应的响应。另一件有趣的事情是我们的嘴唇运动状态。在同一个场景中，谁说话，谁不说话，都被食物捕捉到了。它有一个非常有趣的功能。在嘈杂的环境中，他不知道自己在通过单一模式与谁交谈，但有了视觉，他可以捕捉信息。通过跟踪人们的嘴唇动作，他可以了解嘴唇语言的细节。因此，这在多模式人机交互中非常重要，我们很荣幸能做到这一点。早些时候，我们做了一些事情。我们不仅脚踏实地地制造产品、技术和算法，而且适度地抬头仰望星空。我们正式成为新的可持续智能计算中心的创始成员。整个2019年，我们将与杜克大学合作，研究人工智能芯片压缩和量化技术以及非峰新型人工智能芯片计算架构。我们正在努力证明云知声对智力是认真的，我们仍然需要做研究。我们必须始终保持行业领先水平，希望我们能在未来的芯片领域。我们在2018年达成了非常重要的合作。我们与易卡通科技合作，共同打造智能出行的汽车级AI智能芯片。2018年全年的业绩已经向所有人报告。稍后，我将宣布2019年我们将要做的几件重要事情。首先，我们将开发一款新产品Swift-Lite，它将更轻，仍然是一个面向语音的场景，但它将非常轻薄，因此我们计划在2019年将该芯片投入生产。第二个是智慧城市，我们还没有参与。今天，我们宣布将通过芯片切入智慧城市建设。我们将在2019年投产一款多模芯片，它将继承我们的DeepNet2.0和（英语），因此它不仅支持Swift功能，还支持摄像头、ISP、OD和人脸识别，这是我们在2019年的巨大投资。第三款雪豹，我们将与亿卡通科技合作，实现车载人工智能芯片。它的功能与以前的芯片不同。它将针对车载场景，在没有网络连接的情况下可能会断开网络。可能会出现一些奇怪的情况，我们会更加关注本地计算能力。我们将提供本地语音搜索，并在没有网络条件的情况下通过语音导航选择位置，因此我们可以做一些相应的图像处理等。该产品将于2019年上市。第一个场景，我们看到，当我们为客户提供解决方案时，我们需要为某个场景做不同的事情，不仅要做软件，而且你的芯片很可能就是为这个产品而生的。正如我刚才所说，如果你为风扇或交换机制造物联网芯片，并与我们一起制造汽车和电视等物联网芯片时，从云到芯片本身都会发生质的变化，产品的功能功耗也会有很大的不同，所以我认为场景是物联网人工智能芯片首先考虑的因素。第二个因素是多模态的。我们已经看过很多这样的场景。我们认为，既然物联网想要通过各种方式触达人们，那么物联网的人工智能芯片就必须具备多模态数据的能力。这是第二个。第三次云交互意味着什么？物联网芯片是联网的，而该芯片只是一个先锋。它通过到达终点站来服务，所以这一点非常重要。仅仅设计一个芯片就是为了解决无法到达目的地的问题。这三点是我认为互联网人工智能芯片在这个时候需要关注的三个要素。因此，用一句话来总结我的观点，有必要提供多模态……

或基于端云的交互，在性能和功耗方面实现出色的平衡，并兼顾连接和安全的要求。需求的场景化，我用一句话来总结，这也是业内所有人的共识。从PPA到APP基本上有三个要素（英语）。我目前的设计目标是在尽可能小的功能中提高最佳性能，这是PPA的核心。然而，在人工智能领域，我们很快只关注PPA，我们需要关注APP。我们最终提供给客户的是一个APP，需要从整体的角度来考虑。从PPA到APP，从通用芯片到提供垂直面向网络的芯片，以及从简单提供芯片到提供解决方案、片上软件、能力和云服务，都发生了一些变化。第三是从提供硬件转变为提供能力，这是一个具体的场景。第二端云交互，边缘计算可以看作是云计算的补充和优化，云计算始终是集成的。让我举一个例子。这个图的上部是一个叫做语音唤醒的功能，下部是一个芯片。边缘计算用于承担语音功能，如印象或电视。当你问他时，他会回答你，然后你会进行有趣的对话。立体声音响会在午夜突然嘲笑人们，其原理非常简单。当产生一些自然噪音时，设备会被唤醒。该设备认为人们在呼唤它，然后它听到它时会给我一个微笑。我不知道原来的单词是什么，但它被机器解释为给我微笑，所以当人们没有听到任何声音时，机器会给我奇怪的微笑，所以这是醒着和不醒着之间的矛盾。我们科学家需要做的是尽可能提高边缘计算能力，但这不是唯一的方法。我保留了边缘计算能力。当我识别它并将其发送到云中时，我将使用more模型在云中进一步分析它。他真的在给我打电话吗？当他证实这一点时，他发现在用户继续提交新语言后，他继续大笑或做出其他反应。理论上，它可以使用最简单的模型，所以它可以避免一些事情，所以这是一个非常典型的例子。如果供应商说我在云中做的是最好的，那可能还不够。您需要一个更完美的解决方案来提供给您的客户。多模式，让我在这里给你举一个例子。美的空调有一个摄像头，可以通过矩阵来观察房间的状态。如果孩子在风中，避开他，朝其他方向吹。还有，如果孩子晚上上被子，他们会觉得温度比较低，它会自动升高温度，这是一个非常好的功能。这是一个非常典型的多模式例子。不用说，机器人，无论是陪伴机器人还是教育机器人，不仅可以与人自由交谈，还希望了解我们，教孩子阅读，认识单词等等，所以机器人必须具有多模态功能。这辆车可以使用语音导航，可以看到道路的状态，告诉我情况，如果你困了，可以停下来休息。还有一个IP摄像头，其核心功能是视频录制。如果它听到声音，就会拍下它感兴趣的东西并告诉故事，因此这是多模态在各个领域的刚性需求的一些例子。基于以上，我们可以得出一个结论，重新定义SOC。在这个时候，仅仅做（英语）可能不合适。我们需要做的是（英语），它可能来自本地计算能力、本地引擎或云功能。我们需要在这方面集成更多更好的（英语），因此端云交互、场景和多模式的因素将对芯片设计产生非常深远的影响。基于这样的理解，云知声做了什么？首先，我们发布了垂直（英语）方案。我们已经完成了所有的软硬件场景，客户一带就可以使用。没有必要寻找更多的供应商。这也是我们未来芯片销售和芯片服务的核心产品模式。第二点被称为ADPC，专门研究端到端的云交互。（英国）2012年公司成立后，我们于9月推出了语音识别功能。经过六年多的发展，它已经发展成为一个巨大的物联网云平台，日使用量达到5亿次。我们已经为这个平台开发了ADPC模型。第三，我们在芯片设备中有两个输出，一个被称为（英语），这是一个非常轻的……

结构处理单元。DeepNet2.0是我们用于多模式开发的深度神经网络处理器。这款处理器有很多很好的参考，目前业内有很多好的产品，至少在我看来，这是一款非常好的产品。我稍后再谈。ADPC是我们人工智能深度处理的核心，而这个盒子是我们云平台的架构。黑暗的地方可能与云平台没有太大区别，但我们有一个AI数据处理核心，它与云相连。当我们处理完数据后，我们会将部分数据提交到云端进行深入分析，就像我刚才举的例子一样。如果只有正确的例子，我们可能只提供95点产品，如果有云，我们将提供一个。这是我们（英国）的介绍。这是一个面向机器视觉的轻量级图像服务器。一个是面向机器视觉的，第二个是轻量级的，这让人看起来更舒适、更详细，但不一定更适合机器视觉，所以（英国人）专门面向机器视觉，因此他支持任何图像缩小。（英国）给一张照片，通过这个模块可以实时减少背部神经。第二个是动态自动曝光控制。人眼很难看到这张照片上写的是什么，但就机器识别而言，它会出现在他身上，他可能认不出来。然而，通过（英语）识别来改善黑暗的地方，清晰度大大提高，因此后续的图像处理更容易。第三，我们还支持8位、10位和12位图像输入。这是一个非常小的模块，没有外部存储器。我们（英语）将此图像输入到后神经网络以获得更好的视觉体验。仅凭这一点可能是不够的。2019年，我们计划与哈佛大学的BlinkAI团队合作，基于深度学习算法图像处理。左边的图片比较小，但它是三星在照明的情况下处理的，右边也经过了处理，所以效果很好，整个亮度增加了，对比度也增加了，所以我们也会在2019年与BlinkAI讨论这次合作，在足够的算力支持下进一步提升效果。另一个DeepNet1.0是面向语音的，但在2.0中我们添加了许多多模式，可以处理图像和语音。我们为什么要做DeepNet2.0？知识产权是知识产权。实际上，在芯片设计中，IP是一个经过软件验证的模块。知识产权决定了人工智能的合理性，这是人工智能的核心部分。它有几个特点。首先，它支持各种兼容的网络。在1.0中，我们主要支持LSTM和CNN，它们主要面向语音识别。在2.0中，我们支持更多，如RNN和TDN，因此我们实现了非常高的兼容性。关于第二种可重构计算，我们都知道有些算法是指定的，可能会有一些高频。如果这种高频是通过硬件实现的，那么这将是一个非常高的飞跃。在DeepNet2.0中，支持可重构计算，其计算单元可以拼接以应对计算模式。您也可以使用一条指令通过快速更改模式来计算公式。第三个支持Winograd。这个芯片相乘要比加法花更多的时间。我们认为将其用于多次添加是可行的。这是核心理念。我们支持Winograd将乘法运算减少到原来的一半，并进一步提高效率。还有其他一些，例如支持多NPU联网。我在设计芯片B时需要更高的计算能力，并且我使用两个NPU网络来组合多种算法，这是他非常好和灵活的特点。在2018年的最后一周，我们正式在DeepNet2.0中取得成功，直到STPA董事会。你可以看到这就是效果。因此，基于DeepNet2.0的人像识别算法已经在STPA上运行。以下是一些相对专业的横向指标。我会尽量用通俗易懂的语言解释。对于NPO来说，一个核心指标是计算能力，还有一个核心的功耗指标。如果计算能力除以功耗，那就非常有趣了。我们预计，在这样一个28纳米的工艺条件下，我们具有优势。有了这么好的DeepNet2.0，这么好的计算能力提供商，在应用好的算法方面取得了什么进展？首先，我们在同一方向上的降噪技术已经超出了听力极限。超出听力限制意味着机器可以听到人们听不到的东西。很难向你描述这种声音。右下角是我们的芯片，配备了四个麦克风……

是的。这个立体声是用来消除噪音的。他演奏的声音是人与人之间的对话。然后，站在我们身后的演示者，他是一名命令发布者，将向这个蓝板发送指示。如果你在视频中听到任何东西，那就意味着这是成功的，蓝色的会泄漏。这个蓝色是一个能量计。目前，声音是93.2，人们的声音通常在60-70之间听到，所以在这个场景中，他在负3左右，这已经超过了人类的听力极限，人们听不到。我接下来会播放这个声音，我会揭示它最好的部分。这个声音被我们的芯片准确地捕捉和反射。在相位降噪中，人们与噪声源和麦克风保持一致。很难区分机器，因此这对技术提出了更高的挑战。接下来，在形象上，云知声是一家做声音的公司，或者是一家通过声音为公众所知的公司，但事实上，我们在2018年投入了大量的资源来做形象工作，我们已经取得了很大的进步。我们之所以从语音中潜入图像，是因为我们有一个很好的硬件平台和分布式机器学习，所以我们的数据可以在此基础上快速处理和迭代。这张表中列出了两项比赛，这两项比赛也是业内非常著名的两项面部测试。可以看出，云知声的识别率是99.8。除了人际关系识别，我们还有物体识别、表情分析、人脸价值分析和标记。我们做这些事情不是为了好玩，而是为了物联网场景和芯片设计。这就是我们的人脸识别、表情分析和标记的例子。我们可以看到，我们准确地捕捉到了他的个性和表情，还有一件事，我们可以捕捉到他的表情，无论他是否微笑。用户在机器场景中是否微笑非常重要，用户是否厌倦在车里驾驶也非常重要。一个场景中会有多个目标，我们需要对每个目标做出相应的响应。另一件有趣的事情是我们的嘴唇运动状态。在同一个场景中，谁说话，谁不说话，都被食物捕捉到了。它有一个非常有趣的功能。在嘈杂的环境中，他不知道自己在通过单一模式与谁交谈，但有了视觉，他可以捕捉信息。通过跟踪人们的嘴唇动作，他可以了解嘴唇语言的细节。因此，这在多模式人机交互中非常重要，我们很荣幸能做到这一点。早些时候，我们做了一些事情。我们不仅脚踏实地地制造产品、技术和算法，而且适度地抬头仰望星空。我们正式成为新的可持续智能计算中心的创始成员。整个2019年，我们将与杜克大学合作，研究人工智能芯片压缩和量化技术以及非峰新型人工智能芯片计算架构。我们正在努力证明云知声对智力是认真的，我们仍然需要做研究。我们必须始终保持行业领先水平，希望我们能在未来的芯片领域。我们在2018年达成了非常重要的合作。我们与易卡通科技合作，共同打造智能出行的汽车级AI智能芯片。2018年全年的业绩已经向所有人报告。稍后，我将宣布2019年我们将要做的几件重要事情。首先，我们将开发一款新产品Swift-Lite，它将更轻，仍然是一个面向语音的场景，但它将非常轻薄，因此我们计划在2019年将该芯片投入生产。第二个是智慧城市，我们还没有参与。今天，我们宣布将通过芯片切入智慧城市建设。我们将在2019年投产一款多模芯片，它将继承我们的DeepNet2.0和（英语），因此它不仅支持Swift功能，还支持摄像头、ISP、OD和人脸识别，这是我们在2019年的巨大投资。第三款雪豹，我们将与亿卡通科技合作，实现车载人工智能芯片。它的功能与以前的芯片不同。它将针对车载场景，在没有网络连接的情况下可能会断开网络。可能会出现一些奇怪的情况，我们会更加关注本地计算能力。我们将提供本地语音搜索，并在没有网络条件的情况下通过语音导航选择位置，因此我们可以做一些相应的图像处理等。该产品将于2019年上市。2015年的这个时候，我们真的没有想到会在2018年推出云知声自己的芯片。我们不仅制造了IT，还销售了IT，其性能仍处于行业领先水平。在……

2018年，我没想到除了Swift之外，我们在人工智能芯片方面会走得更远、更深，我们会有多模式等等，包括核心的NPO和IT。主持人：感谢李博士的精彩演讲，给我们带来了很多干货。接下来，我们想邀请360集团副总裁、360智慧城市事业部总裁穆虹为我们演讲。让我们一起来听听360与云知声的精彩碰撞吧！穆红：女士们，先生们，下午好！

我很荣幸有机会来和大家分享360在人工智能以及与云知声合作方面的一些收获。我今天要讲的话题叫“安全大脑，关注大安全”，因为360应该是目前世界上最大的网络安全公司。事实上，在整个发展过程中，人工智能对整个360集团的发展至关重要。我们从2018年开始提出，未来整个安全形势非常严峻，必须使用新的方法来解决安全问题。这就是我们去年提出的安全大脑。在过去，我们对360免费杀软件很熟悉。2010年，我们提出了一些基于人工智能的防病引擎，现在我们已经成为最大的搜索引擎。2013年，我们还推广了一些智能硬件。我们的智能硬件在市场上排名第三，家用摄像头也在前三。我们还有一系列智能硬件，如智能机器人、智能门铃等。它于2015年开始进入360。因为我们有很多互联网能量，所以我们进入了与直播和金融相关的领域。刚才，我们的金融也在美国上市了。从2017年开始，我将带领公司向人工智能转型。整个360业务线将应用人工智能作为业务线。更重要的是，我们去年推出的安全大脑将通过对大量安全数据的分析来解决这个安全问题。360回顾2018年的A股，我们的业务已经逐步向安全转型。有三种具体的企业业务。第一个国家安全级别涉及一个庞大的国家安全网络，后两者与今天的主题有很大关系。第一个城市安全大脑主要利用各种传感器捕获的集中数据来解决城市安全问题，从我们过去的网络安全到现在的物理安全问题，包括驾驶安全和社区安全，这也是我的。此外，还增加了一项安全的大脑服务。我们认为，未来仅靠一些硬件是不可能保护整个家庭的安全的，必须有大量的人工智能参与。我们的核心能力是家庭安全大脑，它可以通过收集各种传感器和边缘AI计算能力来处理家庭的一些威胁。最初几个大脑的核心是构建人机协作的人工智能。一方面，机器的价值是通过数据计算能力发挥出来的，而价值在未来的预期是由机器来做的。然而，人在许多方面与机器不同，包括他们的知识、经验和创造力，这些都是机器无法取代的。因此，我们最近面临的一些问题已经通过人机协作得到了解决。这里主要指的是安全符合。在实现的过程中，最重要的是选择芯片。当然，云知声也是我们的重要合作伙伴。我基本上对市场上几十家公司的芯片做了很多测试和比较研究。事实上，在我们的芯片选择过程中，从我们的角度来看，我们基本上首先考虑我们的场景。这种人工智能必须与场景相结合，单纯考虑芯片是没有意义的。在场景情况下，我需要一个简单的计算力，并在计算力情况下考虑能耗，因为不同的地方对能耗的要求不同。对我来说，价值也是商业公司的一个关键因素。当我考虑到以上内容时，我会考虑价值，每个公司都会考虑价值。事实上，每个人都很容易忘记，工具链对于一个产品使用工具链是非常重要的。整个产品的架构和成熟度对我们的选择非常重要。选择一个新芯片对我来说非常重要，我们制造的一些型号是否可以用于新芯片。现在市场上有几种，一种是云培训，谷歌强调的典型GPO或TPO，还有一些是在云中推出的。现在，在设备端的推理上百花齐放，这也列出了国内外的一些公司。当然，云知声的Swift也可以在上面看到，这是我选择核心的基础。事实上，从我的角度来看，还有更多的场景我想考虑。第一个是我的算法的性能。您可以看到不同体系结构的处理。第二是考虑整个人工智能的成本。当然，我们可以看到专用芯片的几个方面，并且成本相对较低。在我们许多聪明的人身上……

s、 因为产品是相对固定的。我们的360专注于几个大脑。第一个是家庭安全大脑。它新的需求响应速度，如果你把一切都推到云端，如何在网络不好的时候提供更好的体验，本地的响应会非常快。第二个安全和隐私问题在智能家居中也非常重要。我们为什么要做边缘计算，为什么要强调芯片问题？我们认为安全和隐私是一个非常重要的方面。第三个问题是可靠性。一旦网络连接出现问题，如果所有处理都在云中，则无法保证可靠性。第四，全部成本。在早期，如果芯片很贵，我会把所有东西都放在云端，这给云端带来了很大的压力。这实际上是一个平衡问题。整个智能边缘需要协调。另一个，尤其是在我们安全的情况下，对算法的结果要求很高，比如安全检测的假阴性率。当然，假阴性率相对较低。另一个是，对于家庭安全，我们也意识到，我们不仅要能看、能听、能说，还要访问您的数据，这验证了我们场景中对多式联运的需求，我们应该大大提高场景率。第三个成本问题是大约2摄氏度。我们谈论的是家庭安全大脑。当然，这个大脑可能是一个虚拟的概念，它的硬件将来可能会出现在智能音频或其他设备中。另一方面，我们面临着2B或2C的城市安全。这里提到，整个智慧城市建设正在经历一个过渡期。什么是新型的智慧城市建设？在这里，我们应该强调如何将商业发展或城市管理的驱动力从被动发展转变为主动发展。二是通过一些新的技术手段，将原来的被动管理转变为主动管理。第三，我们希望通过引入人工智能来提高工作效率。当然，在整个方案中，2B和2C的成本并不那么高，但在几个方案中，它们仍然是非常重要的元素。例如，我们的相机数据，我们可能有一个设备来处理数百个相机数据，第三个仍然是多模态学习，更多的大数据需要多模态处理，第四个是增长成本，这是我们对未来的简单需求，也是一些程序的重点。当我们选择芯片合作伙伴时，我们有一些选择。第一种情况是理解。我们认为，如果技术合作伙伴不了解场景，那么他很难提供一个好的解决方案。在我们挑选的过程中，我们遇到了很多公司，他们基本上没有办法了解现场情况。第二，我认为他应该提供技术控制，这在先进的技术控制中是非常明显的。第三，为了控制所谓的解决方案绑定关系，许多人工智能公司让解决方案变得非常死，你无法定义解决方案的算法。此时，我们强调，解决方案的灵活性也非常重要。第四种方案的致命性，玻璃特别能看到公司的内部，因为他有更多的操作，尤其是人工智能芯片，所以这与硬件、软件和操作以及大量大数据的收集和处理有关。这实际上非常重要。因此，数据操作能力也是我们非常感兴趣的一点。我负责360整个公司的技术系统。我们是实际测试的一些结果。这基本上涵盖了业界分级最高的语音解决方案。这是我们真正测试的结果。为了方便起见，我把所有这些对应的公司都隐藏了起来，除了云知声，它基本上是所有指标中的第一。这是我们实际测试的结果。因为我对云知声不是很熟悉，但经过真正的测试，我认为云知声的内容很强。我认为他们的优势主要在几个方面。语音语义的第一个场景理解可以感觉到它在这个行业中被深耕，第二个场景具有非常强的测量性能能力。当你测试得好的时候，我会用你的。与我们360深度合作的第三次整合是一次又一次的，因为这个云语音提供了各种解决方案，而且你已经定制了一些自己的模块化算法，包括布局形式，这是非常好的，这种灵活性就足够了。第四，通过今天的发布会，我也看到了云知声一直以前瞻性技术和战略设计为特点。这四点与我对上一个芯片的定位一致。一件是首要的……

我对其他的都很满意。我们也在对语音芯片进行一些集成测试。作为合作伙伴，我第一个祝贺云知声的特别努力，真的取得了好成绩。第二，我也想向您推荐云知声。今天就说到这里。非常感谢。主持人：谢谢你的分享。接下来，让我们欢迎云知声的战略合作伙伴、京东物联网创新硬件总经理王亚卓，也请欢迎王先生！

王亚卓：首先，我非常高兴和荣幸地见证了2019云知声多模态人工智能芯片战略大会。接下来，我们来介绍一下物联网在科技创造美的场景下，现在在做什么，未来会做什么。刚才我也提到，过去的30年经历了几个时代，互联网时代、移动互联网时代和现在的物联网时代。在移动互联网时代，有许多智能手机和功能手机的展示。当时，我们提到手机可能是智能手机或功能手机。现在每个人的手机都变成了智能手机。在物联网时代，现在有智能设备和非智能设备。我相信未来所有的设备都将是智能设备。物联网现在发展非常迅速，各行各业的投资也非常大。目前有三种环境，大量数据没有连接起来形成数据岛，这是因为连接级别不高。第二个海量数据只是数字，它不能基于数字创造价值，因此公司缺乏数据处理能力。第三个数据并不智能，这是我们需要加强的。人工智能和物联网的结合可以促进许多行业的发展，比如智能家具和配送机器人，这些行业一直在向纵深发展，推动着我们的行业。人们认为京东是一家零售公司，但实际上京东是一个数字经济和实体深度融合的企业。过去，京东在人脸识别和无人车领域取得了巨大成就。与此同时，京东的技术已经从原来的配套业务转变为领先业务。物联网指的是实体经济，互联网指的是互联网经济。在PC、手机、AR和VR中，我们现在已经实现了边听边买。我们现在已经实现了移动收割、人脸识别支付和远程投资。这些都实现了线上和线下的融合。过去，京东在许多技术上都取得了许多第一。2015年，长沙首个多功能立体音响、2016年首个农村配送无人机、2017年首个全程无人仓库、2018年首个机器人配送站试点，解决了最后一公里的问题。随着平台的不断扩展和我们技能的不断提高，我们在2018年12月对平台进行了升级，即现在的小鲸鱼平台，涵盖了物联网平台、大数据平台和智能服务平台。看看小鲸鱼平台的语言技术、云计算技术、图像识别技术和（英文）协议。（英文）protocol我们已经为数千万用户提供了服务，已经工作了四年。在应用服务层，我们与包括广播和有声读物在内的儿童内容形成了非常好的合作，以给用户更好的体验。在平台生态系统中，我们与解决方案提供商和技术供应商形成了非常好的合作，可以快速将硬件产品落地。京东追求所有类别和更多品牌。目前，京东有200多个品类、500多个品牌、2000多个产品和1000多万个家庭。同时，京东拥有AIT最有价值的数据链路。例如，京东的高净值用户数量已经超过3亿。在这一部分，我们可以获得准确的用户画像，同时可以准确地控制用户需求和定义产品。同时，设备控制次数达到5.7亿次，这些数据可以优化传统功能。我们已经在线超过1000亿小时，这些运行数据提供了服务和质量。看看小京语的硬实体，包括语音识别达到90%，自然语言理解达到96%，语音合成达到90%以上，图像识别达到97%，ARVR模型恢复达到99%。同时，我们也拥有全国最多的技能来满足用户的衣食住行需求。与此同时，我们在12月发布了三款产品，包括两款耳机和我们自己的立体声音响。我们产品的主要目标是创造出有质量、有能量、有温度的产品。质量意味着在京东商城购物的用户想要高品质的生活。能源表明，我们的性能非常强大，可以为用户带来更多需求。有温度的产品非常智能，可以使设备低于……

让你变得更好。小京宇智能也是一个全面开放的平台，帮助行业重塑升级，为物联网行业的整体提升做出自己的努力。我们拥有最广泛的技术布局，包括互联、边缘计算、语音和视觉交互。还有软硬件集成平台，包括物联网平台、大数据平台、智能服务平台，以及C端音频、冰箱、耳机等。这些产品也将为行业内的其他用户赋能，包括用户更快地完成自己的产品。同时，在渠道方面，我们京东将通过线上和线下的支持，让我们的产品变得更好。因为一方面，产品必须做好，必须通过销售才能接触到用户。京东物联网与云知声合作多年。基于云知声在人工智能芯片和系统解决方案方面的能力和优势，我们将与云知声合作，构建零售、家居、汽车等场景的人工智能技术生态系统。我们的愿景是用科学技术创造更美好的生活。我们希望成为一个让用户受益的自由创新者，一个让行业兴奋的技术合作伙伴，帮助中国从制造业向智能制造转型。非常感谢。2015年的这个时候，我们真的没有想到会在2018年推出云知声自己的芯片。我们不仅制造了IT，还销售了IT，其性能仍处于行业领先水平。2018年的这个时候，我没想到除了Swift，我们在人工智能芯片方面会走得更远、更深，我们会有多模态等等，包括核心的NPO和IT。主持人：感谢李博士的精彩演讲，给我们带来了很多干货。接下来，我们想邀请360集团副总裁、360智慧城市事业部总裁穆虹为我们演讲。让我们一起来听听360与云知声的精彩碰撞吧！穆红：女士们，先生们，下午好！

我很荣幸有机会来和大家分享360在人工智能以及与云知声合作方面的一些收获。我今天要讲的话题叫“安全大脑，关注大安全”，因为360应该是目前世界上最大的网络安全公司。事实上，在整个发展过程中，人工智能对整个360集团的发展至关重要。我们从2018年开始提出，未来整个安全形势非常严峻，必须使用新的方法来解决安全问题。这就是我们去年提出的安全大脑。在过去，我们对360免费杀软件很熟悉。2010年，我们提出了一些基于人工智能的防病引擎，现在我们已经成为最大的搜索引擎。2013年，我们还推广了一些智能硬件。我们的智能硬件在市场上排名第三，家用摄像头也在前三。我们还有一系列智能硬件，如智能机器人、智能门铃等。它于2015年开始进入360。因为我们有很多互联网能量，所以我们进入了与直播和金融相关的领域。刚才，我们的金融也在美国上市了。从2017年开始，我将带领公司向人工智能转型。整个360业务线将应用人工智能作为业务线。更重要的是，我们去年推出的安全大脑将通过对大量安全数据的分析来解决这个安全问题。360回顾2018年的A股，我们的业务已经逐步向安全转型。有三种具体的企业业务。第一个国家安全级别涉及一个庞大的国家安全网络，后两者与今天的主题有很大关系。第一个城市安全大脑主要利用各种传感器捕获的集中数据来解决城市安全问题，从我们过去的网络安全到现在的物理安全问题，包括驾驶安全和社区安全，这也是我的。此外，还增加了一项安全的大脑服务。我们认为，未来仅靠一些硬件是不可能保护整个家庭的安全的，必须有大量的人工智能参与。我们的核心能力是家庭安全大脑，它可以通过收集各种传感器和边缘AI计算能力来处理家庭的一些威胁。最初几个大脑的核心是构建人机协作的人工智能。一方面，机器的价值是通过数据计算能力发挥出来的，而价值在未来的预期是由机器来做的。然而，人在许多方面与机器不同，包括他们的知识、经验和创造力，这些都是机器无法取代的。因此，我们最近面临的一些问题已经通过人机协作得到了解决。这里主要指的是安全符合。在实现的过程中，最重要的是选择芯片。当然，云知声也是我们的重要合作伙伴。我基本上对市场上几十家公司的芯片做了很多测试和比较研究。事实上，在我们的芯片选择过程中，从我们的角度来看，我们基本上首先考虑我们的场景。这种人工智能必须与场景相结合，单纯考虑芯片是没有意义的。在场景情况下，我需要一个简单的计算力，并在计算力情况下考虑能耗，因为不同的地方对能耗的要求不同。对我来说，价值也是商业公司的一个关键因素。当我考虑到以上内容时，我会考虑价值，每个公司都会考虑价值。事实上，每个人都很容易忘记，工具链对于一个产品使用工具链是非常重要的。整个产品的架构和成熟度对我们的选择非常重要。选择一个新芯片对我来说非常重要，我们制造的一些型号是否可以用于新芯片。现在市场上有几种，一种是云培训，谷歌强调的典型GPO或TPO，还有一些是在云中推出的。现在，在设备端的推理上百花齐放，这也列出了国内外的一些公司。当然，云知声的Swift也可以在上面看到，这是我选择核心的基础。事实上，从我的角度来看，还有更多的场景我想考虑。第一个是我的算法的性能。您可以看到不同体系结构的处理。第二是考虑整个人工智能的成本。当然，我们可以看到专用芯片的几个方面，并且成本相对较低。在我们许多聪明的人身上……

s、 因为产品是相对固定的。我们的360专注于几个大脑。第一个是家庭安全大脑。它新的需求响应速度，如果你把一切都推到云端，如何在网络不好的时候提供更好的体验，本地的响应会非常快。第二个安全和隐私问题在智能家居中也非常重要。我们为什么要做边缘计算，为什么要强调芯片问题？我们认为安全和隐私是一个非常重要的方面。第三个问题是可靠性。一旦网络连接出现问题，如果所有处理都在云中，则无法保证可靠性。第四，全部成本。在早期，如果芯片很贵，我会把所有东西都放在云端，这给云端带来了很大的压力。这实际上是一个平衡问题。整个智能边缘需要协调。另一个，尤其是在我们安全的情况下，对算法的结果要求很高，比如安全检测的假阴性率。当然，假阴性率相对较低。另一个是，对于家庭安全，我们也意识到，我们不仅要能看、能听、能说，还要访问您的数据，这验证了我们场景中对多式联运的需求，我们应该大大提高场景率。第三个成本问题是大约2摄氏度。我们谈论的是家庭安全大脑。当然，这个大脑可能是一个虚拟的概念，它的硬件将来可能会出现在智能音频或其他设备中。另一方面，我们面临着2B或2C的城市安全。这里提到，整个智慧城市建设正在经历一个过渡期。什么是新型的智慧城市建设？在这里，我们应该强调如何将商业发展或城市管理的驱动力从被动发展转变为主动发展。二是通过一些新的技术手段，将原来的被动管理转变为主动管理。第三，我们希望通过引入人工智能来提高工作效率。当然，在整个方案中，2B和2C的成本并不那么高，但在几个方案中，它们仍然是非常重要的元素。例如，我们的相机数据，我们可能有一个设备来处理数百个相机数据，第三个仍然是多模态学习，更多的大数据需要多模态处理，第四个是增长成本，这是我们对未来的简单需求，也是一些程序的重点。当我们选择芯片合作伙伴时，我们有一些选择。第一种情况是理解。我们认为，如果技术合作伙伴不了解场景，那么他很难提供一个好的解决方案。在我们挑选的过程中，我们遇到了很多公司，他们基本上没有办法了解现场情况。第二，我认为他应该提供技术控制，这在先进的技术控制中是非常明显的。第三，为了控制所谓的解决方案绑定关系，许多人工智能公司让解决方案变得非常死，你无法定义解决方案的算法。此时，我们强调，解决方案的灵活性也非常重要。第四种方案的致命性，玻璃特别能看到公司的内部，因为他有更多的操作，尤其是人工智能芯片，所以这与硬件、软件和操作以及大量大数据的收集和处理有关。这实际上非常重要。因此，数据操作能力也是我们非常感兴趣的一点。我负责360整个公司的技术系统。我们是实际测试的一些结果。这基本上涵盖了业界分级最高的语音解决方案。这是我们真正测试的结果。为了方便起见，我把所有这些对应的公司都隐藏了起来，除了云知声，它基本上是所有指标中的第一。这是我们实际测试的结果。因为我对云知声不是很熟悉，但经过真正的测试，我认为云知声的内容很强。我认为他们的优势主要在几个方面。语音语义的第一个场景理解可以感觉到它在这个行业中被深耕，第二个场景具有非常强的测量性能能力。当你测试得好的时候，我会用你的。与我们360深度合作的第三次整合是一次又一次的，因为这个云语音提供了各种解决方案，而且你已经定制了一些自己的模块化算法，包括布局形式，这是非常好的，这种灵活性就足够了。第四，通过今天的发布会，我也看到了云知声一直以前瞻性技术和战略设计为特点。这四点与我对上一个芯片的定位一致。一件是首要的……

我对其他的都很满意。我们也在对语音芯片进行一些集成测试。作为合作伙伴，我第一个祝贺云知声的特别努力，真的取得了好成绩。第二，我也想向您推荐云知声。今天就说到这里。非常感谢。主持人：谢谢你的分享。接下来，让我们欢迎云知声的战略合作伙伴、京东物联网创新硬件总经理王亚卓，也请欢迎王先生！

王亚卓：首先，我非常高兴和荣幸地见证了2019云知声多模态人工智能芯片战略大会。接下来，我们来介绍一下物联网在科技创造美的场景下，现在在做什么，未来会做什么。刚才我也提到，过去的30年经历了几个时代，互联网时代、移动互联网时代和现在的物联网时代。在移动互联网时代，有许多智能手机和功能手机的展示。当时，我们提到手机可能是智能手机或功能手机。现在每个人的手机都变成了智能手机。在物联网时代，现在有智能设备和非智能设备。我相信未来所有的设备都将是智能设备。物联网现在发展非常迅速，各行各业的投资也非常大。目前有三种环境，大量数据没有连接起来形成数据岛，这是因为连接级别不高。第二个海量数据只是数字，它不能基于数字创造价值，因此公司缺乏数据处理能力。第三个数据并不智能，这是我们需要加强的。人工智能和物联网的结合可以促进许多行业的发展，比如智能家具和配送机器人，这些行业一直在向纵深发展，推动着我们的行业。人们认为京东是一家零售公司，但实际上京东是一个数字经济和实体深度融合的企业。过去，京东在人脸识别和无人车领域取得了巨大成就。与此同时，京东的技术已经从原来的配套业务转变为领先业务。物联网指的是实体经济，互联网指的是互联网经济。在PC、手机、AR和VR中，我们现在已经实现了边听边买。我们现在已经实现了移动收割、人脸识别支付和远程投资。这些都实现了线上和线下的融合。过去，京东在许多技术上都取得了许多第一。2015年，长沙首个多功能立体音响、2016年首个农村配送无人机、2017年首个全程无人仓库、2018年首个机器人配送站试点，解决了最后一公里的问题。随着平台的不断扩展和我们技能的不断提高，我们在2018年12月对平台进行了升级，即现在的小鲸鱼平台，涵盖了物联网平台、大数据平台和智能服务平台。看看小鲸鱼平台的语言技术、云计算技术、图像识别技术和（英文）协议。（英文）protocol我们已经为数千万用户提供了服务，已经工作了四年。在应用服务层，我们与包括广播和有声读物在内的儿童内容形成了非常好的合作，以给用户更好的体验。在平台生态系统中，我们与解决方案提供商和技术供应商形成了非常好的合作，可以快速将硬件产品落地。京东追求所有类别和更多品牌。目前，京东有200多个品类、500多个品牌、2000多个产品和1000多万个家庭。同时，京东拥有AIT最有价值的数据链路。例如，京东的高净值用户数量已经超过3亿。在这一部分，我们可以获得准确的用户画像，同时可以准确地控制用户需求和定义产品。同时，设备控制次数达到5.7亿次，这些数据可以优化传统功能。我们已经在线超过1000亿小时，这些运行数据提供了服务和质量。看看小京语的硬实体，包括语音识别达到90%，自然语言理解达到96%，语音合成达到90%以上，图像识别达到97%，ARVR模型恢复达到99%。同时，我们也拥有全国最多的技能来满足用户的衣食住行需求。与此同时，我们在12月发布了三款产品，包括两款耳机和我们自己的立体声音响。我们产品的主要目标是创造出有质量、有能量、有温度的产品。质量意味着在京东商城购物的用户想要高品质的生活。能源表明，我们的性能非常强大，可以为用户带来更多需求。有温度的产品非常智能，可以使设备低于……

让你变得更好。小京宇智能也是一个全面开放的平台，帮助行业重塑升级，为物联网行业的整体提升做出自己的努力。我们拥有最广泛的技术布局，包括互联、边缘计算、语音和视觉交互。还有软硬件集成平台，包括物联网平台、大数据平台、智能服务平台，以及C端音频、冰箱、耳机等。这些产品也将为行业内的其他用户赋能，包括用户更快地完成自己的产品。同时，在渠道方面，我们京东将通过线上和线下的支持，让我们的产品变得更好。因为一方面，产品必须做好，必须通过销售才能接触到用户。京东物联网与云知声合作多年。基于云知声在人工智能芯片和系统解决方案方面的能力和优势，我们将与云知声合作，构建零售、家居、汽车等场景的人工智能技术生态系统。我们的愿景是用科学技术创造更美好的生活。我们希望成为一个让用户受益的自由创新者，一个让行业兴奋的技术合作伙伴，帮助中国从制造业向智能制造转型。非常感谢。

标签：海豚发现合创北京DS

汽车资讯热门资讯