“跋涉中的AI怎么“借力使力”？”

​； 大成依靠机遇和妙技，大成依靠趋势和循环，那么ai行业的大成来了吗？ 对ai来说，冰与火之歌显然现在仍在上演。 另一方面，ai除了自动驾驶以及深耕和开拓iot碎片整理市场、5g商用化之外，还为ai芯片提供了更广阔的增长空之间。 另一方面，以前传下来的产业受智能升级的推动，也致力于让ai落地，但效果并不值得期待。 ai的道路依然困难重重。

继续进行试行错误

尽管如此，现在也可以说是最好的时代。 现在的ai、物联网、5g处于混合状态，创新正在加速。 arm全球技术营销总监lionel benlnet认为，在第五次浪潮的推动下，5g成为促进万物互联互通的核心，许多应用场景必须借助于ai的快速发展。

但是，也是最困难的时代。 众多ai行业的掣肘，用地平线副总裁纪鹏的话来说，存在着挑战隐私安全、功耗高、碎片化的诉求、分散功能模块等诸多挑战。

这些问题的本质包含着路线之争。 更多的ai加速需要与芯片结合，即专用芯片，专用芯片的设计周期长，需要克服这一点。 用最近举办的ai收集能量·； 以智领未来为主题的2019中德中小企业合作交流大会·；； 在ai分科会上，德累斯顿工业大学的christian mayr教授发表了自己的意见。

如果说专用芯片能够按照摩尔定律的节奏前进，那么场景的落地显然是值得实践的考验和思考的解放。

神思电子技术研究院院长许野平以高铁24小时智能视频精度技术为例，分享了技术在具体场景落地中面临的问题和考验。 他说，例如，就像夜间远距离目标监控一样，列车驶过时，灯光干扰会导致视频分解算法产生很多误报的实验场景条件非常适合实用场景，将实用中误码率大幅提高的控制系统从传统的手工作业变为7x24全天候无人工作

与火热的iot和自动驾驶的ai语音和视觉APP相比，在之前流传下来的产业智能化改造中，ai似乎是更长距离的奔跑。

在以前流传的领域，他们有大量的数据和独特的技术，但在智能改造中，面临着平台间、APP间软硬件差异化的烦恼，需要改变想法，用独特的数据支持ai训练 open ai lab业务的快速成长总监向仲韬提出。 其中，必须认识到ai芯片不仅仅是独立的soc，还可以应用于设备的各个层面。 ai作为一种技术，与以前流传下来的产业结合，是今后5-10年间发展的过程。

生态辅助

既然明确了aiot勾结应用的现实困难和持续发展的进程导向，生态的重要性就不言而喻了。

安创生态cto程斌表示，ai制造商是基于算法的企业，对领域不了解，需要与对领域有深入了解的服务商和程序商家进行强力捆绑、合作，但由此涌现出大量的信息表达和合作价格，难以落地。 目前，大企业在aiot领域的做法是大力建设生态，这创造了包括中小规模初创企业在内的许多市场机会。

ai行业快速发展的关键要素除了算法、数据、芯片外，还需要外部生态、资金、市场等的支持。 安创加速器董事长杨宇欣也确定，安创依托arm全球丰富的产业生态资源和强大的技术背景，创业公司可以在生态资源、投资机构、销售渠道等一站式深度加速服务。 另外，还可以支持城市和产业园区的创新方案定制，支持科技加速和产业升级。

与之呼应的是，安创加速器在北京、上海、深圳等地相继落地后，第七个安创加速器(济南)也正式落地。 济南市科技局长吕建涛强调，丰富的应用场景为济南ai业快速发展提供了强大的动力，除了济南自贸试验区、新旧动能转换先行区建设等重大机遇外，济南还通过多种措施支持ai产业集群的构建，推进ai创新应用。

谈到差异化特征时，济南高新技术产业开发区投资促进中心对外联络部长沈洋表示，济南立足当地产业特色，通过政策开放、人才引进、ai平台建设等多种措施，拓展与现有智能制造、机器人等产业的联动，诉求 阐述了推进关键技术和软件开发，深入拓展ai应用，构建创新孵化、资源聚集、产学研转换功能为一体的ai生态，实现ai产业

据悉，目前用安创加速器加速的公司有100多家，95%以上孵化的公司开始融入下一轮，在济南的落地也将为济南ai业的快速发展注入新的活力。 杨宇欣对此充满期待，称安创一方面将深入挖掘和服务当地高质量项目和创业企业，另一方面将带领全国乃至世界的好创业企业到济南，促进与济南当地产业诉求的结合。 安创还将通过政府渠道、产业渠道等与济南龙头公司进行准确的对接和深入的交流，为创业企业提供越来越多的落地应用场景构筑桥梁。

未来的风向

ai以技术创新和产业应用落地为中心稳步前进，智领的未来依然需要洞察风向，脚踏实地。

对此，杨宇欣表示，面向iot碎片化的场景对硬件和软件都有更特殊的要求。 一个芯片可以吃的局面会慢慢发生变化。 随着开放式的发展，在让顾客定制的能力和空之间，可以和自己的场景进行比较，制作出适合场景的芯片。 这是aiot带来的机会和市场变化，行业需要借力。

从现有的APP应用来看，aiot的主流APP应用来自视觉ai和语音ai芯片。 程斌说，aiot不能分开看。 因为ai需要算法、计算力、数据，大量的数据来自iot。 目前，企业正在进行触觉ai的探索。 这有很大的机会和亮点。 另外，向边缘侧转移将成为aiot的整体趋势。

目前，机器学习是通用的ai处理问题范式，但在许多前沿行业，尽管距离商用还很远，脑系统的技术却逐渐出现。 在杨宇欣看来，类脑是未来越来越多的机器代替人的场面，虽然有更广阔的空之间，但必须不断攻防。

ai公司的领域也依赖于每个决策的十字路口。 虽然ai的主流是数字模式，但模拟模式也可能有。 程斌认为，ai包括深度学习在内的最大瓶颈是，它与现有的人类思维方法有很大不同，需要依赖大量数据训练模型，而且数据被标记。 真正的ai技术应该接近人脑的思考方法，包括脉冲神经互联网是一个很大的尝试。 目前，现有的深度神经互联网基于数字化模型，一些企业正在尝试模拟切入的方法，而不是将模拟转换为数字后再进行训练。 从人脑的角度来说，人脑传输的是模拟脉冲频率信号，这是未来ai的方向。