导读：很多朋友问到关于人工智能的硬骨头叫什么的相关问题，本文首席CTO笔记就来为大家做个详细解答，供大家参考，希望对大家有所帮助！一起来看看吧！
soc芯片和ai芯片区别
AI芯片也被称为AI加速器或计算卡，即专门用于处理人工智能应用中的大量计算任务的模块(其他非计算任务仍由CPU负责)。当前，AI芯片主要分为 GPU 、FPGA 、ASIC。
广义上讲，能运行AI算法的，似乎都可以叫AI芯片。这种AI芯片和其他soc芯片也没什么区别。其实，目前任何有编程能力的cpu芯片都可以执行AI算法，只是效率不同的问题。即使一颗386，也可以跑个CNN算法，做个语音识别任务，只是可能几个月以后才有结果。这样的芯片我们一般不好意思称之为AI芯片。
AI的许多数据处理涉及矩阵乘法和加法。大量并行工作的GPU提供了一种廉价的方法，但缺点是更高的功率。具有内置DSP模块和本地存储器的FPGA更节能，但它们通常更昂贵。
AI芯片该使用什么方法原理去实现，仍然众说纷纭，这是新技术的特点，探索阶段百花齐放，这也与深度学习等算法模型的研发并未成熟有关，即AI的基础理论方面仍然存在很大空白。这是指导芯片如何设计的基本前提。因此，集中在如何更好的适应已有的数据流式处理模式进行的芯片优化设计。
技术手段方面AI市场的第一颗芯片包括现成的CPU，GPU，FPGA和DSP的各种组合。虽然新设计正在由诸如英特尔、谷歌、英伟达、高通，以及IBM等公司开发，但还不清楚哪家的方法会胜出。似乎至少需要一个CPU来控制这些系统，但是当流数据并行化时，就会需要各种类型的协处理器。
人工智能的核心技术是什么?
人工智能的核心技术是深度学习和机器学习。
人工智能的尽头是人工？
上个月出门，发现十字路口的交警和辅警人数明显增加了。我不禁有些诧异，近十年来，人工智能最成功和最有效的落地成果不就是安防和交通相关应用吗，而十字路口往往都是视频监控最密集的地方？既然如此，为什么还需要那么多警力呢？
除了定期上街执勤需要外，一个深层次的原因是，人工智能并不能百分之百包打天下。更极端情况下，人工智能的尽头可能是人工。
何出此言呢？其一原因是人工智能算法的评价准则。这里谈论两个指标，漏检率和误报率。第一个指标，漏检率是指本应发现却未被算法发现的问题，俗称假阴性。
以交通违章为例， 假阴性或漏检率意味着并非所有违章现象都能被有效发现 。在监控探头日益普及的今天，多数违章都已经能通过人工智能算法检测到。如早期研发的闯红灯、高速公路超速、占用高速应急车道等，中期研发的基于云台监控摄像机的三分钟路边违停、车牌遮挡等，和近年来的实线变道、市内禁鸣区域鸣笛等。然而，随着驾驶员的交通安全意识的提高，这些易于监控的违章现象正变得越来越少。以至于可以推测，在未来针对这类违章的监控可能会较难被触发，甚至 形同虚设 。那么，交管部门和相关研发的公司就必须深化监控系统的研究，将重心推向识别更为复杂的交通违章行为。比如恶劣天气或低照度情况下的低分辨车牌识别、非机动车的违章行为。然而，这些复杂的交通违章并不见得能通过人工智能算法获得很低的漏检率，甚至可能无法形成应用级的实际监控系统。如非机动车闯红灯行为、以及在禁行区域行驶。尽管目前这一块的智能监控已经开始试点，但当非机没有车牌以及驾驶者戴着口罩时，算法很难自动给出确定的结论。此时，就只有依赖 人工现场截停和处罚 了。
而第二个指标，误报率则是指不应被检测出来、却被错误辨识成真的“假问题”，俗称假阳性。
仍以交通违章为例，假阳性高意味着会报到过多的假违章现象。如在高速公路上，一辆车被检测出超速了，但实际上真车并未出现在该路段，结果车主收到了一张不属于自己的罚单。再比如将公共 汽车 车身上的广告人物错判成违章的行人。这些都是假阳性。误报率高或假阳性高，往往会导致后期人工介入工作量的增加。
除交通违章外，漏检率和误报率引发的问题，在很多领域的应用中都可以见到。如在医疗方面，新冠病人的漏检有可能会造成不必要的病毒传播，而 健康 人误报为癌症会导致人的心理状态失。如在短视频检查上，疑似漏检的违规短视频必须通过人工审查来杜绝其传播后造成的危害。误报的也需要通过人工来决定是否可以放行。
近年来，大量人工智能技术的落地，表明相关应用的误报率和漏检率问题已经有了显著的改善。但需要指出的是，一旦容易实现的应用都完成落地或产品化了，剩下的可能都是难啃的硬骨头。这些硬骨头的潜在应用里，依赖现有的人工智能技术，两个指标可能很难得到明显的改善。它也就意味着， 人工处理仍然会是这些应用需要依赖的主要手段 。
事实上，漏检率和误报率这两个简单的指标，只是影响人工智能全面替代人工，以及导致人工智能最终需要依赖甚至让位于人工的一个小因素。
其原因在于，这两个指标主要与预测任务的性能相关。而人类智能中除了预测，还有与可解释性和其它与预测无密切关联的智能活动。如学生们刷题后形成的对新题的快速判断，那是可以不经过常规解题思路直接找到答案的快速途径。从某种意义上来说，这是摆脱了原有学习模型后形成的一种“跳”连接，或者直觉。这种直觉，目前还无法通过数学建模方式来表示，仍然需要靠人自己的持续学习来获得。 情感 也是如此，尽管我们在构建人工智能算法中可以机械性地将 情感 分类并进行预测，然而这样获得的 情感 只能让机器人更为机械化，却无法向共情迈出质变的一步。
即使是预测，我们也受限于对自然界的理解，而不能对人工智能技术抱以过高的期望。如气象预报中局部地区的降雨预测，会因为对大尺度台风的数据收集不完全而出现失误。不仅是空间尺度上存在局限性，时间尺度亦如此。如气候的变化有可能是几十年为周期的，那么单靠十来年的数据进行气候意义上的分析显然是不准确的。事实上，我们在一些应用中还面临着数据的稀少问题。如局地冰雹的预测会因为数据极其稀少、且在雷达回波上无法与大降雨云层区分开，而导致判断失效。
我们也不能过份相信机器的预测能力。如在自动控制方面，过份相信机器的判断，可能会导致极其危险的后果。如2019年3月埃航737 MAX8的空难，就是过份相信机器的自动驾驶，以至于驾驶员后来无法接管引发的悲剧。
能列举的人工智能短板还有很多，我就不一一枚举了。在这里，我更想表达的是，目前人工智能技术的落地主要是在预测能力能达到应用级的应用上，算是在享用这些应用的能有的红利。一旦人工智能在应用层的红利消失，剩下的可能就得靠人力了。那么自然的问题是，人工智能的红利，在各种相关的应用上还能持续多久？ 人工智能的尽头会是人工吗？ 还是必然会走向人机混合呢？
张军平
2020年8月31日
人工智能公司的核心竞争力是什么？
第一是数据。因为人工智能的根基是训练，就如同人类如果要获取一定的技能，那必须经过不断地训练才能获得，而且有熟能生巧之说。AI也是如此，只有经过大量的训练，神经网络才能总结出规律，应用到新的样本上。如果现实中出现了训练集中从未有过的场景，则网络会基本处于瞎猜状态，正确率可想而知。比如需要识别勺子，但训练集中勺子总和碗一起出现，网络很可能学到的是碗的特征，如果新的图片只有碗，没有勺子，依然很可能被分类为勺子。因此，对于AI而言，大量的数据太重要了，而且需要覆盖各种可能的场景，这样才能得到一个表现良好的模型，看起来更智能。
第二是算力。有了数据之后，需要进行训练，不断地训练。AI中有一个术语叫epoch，意思是把训练集翻过来、调过去训练多少轮。只把训练集从头到尾训练一遍网络是学不好的，就像和小孩说一个道理，一遍肯定学不会，过目不忘那就是神童了，不过我至今还没见到过。当然，除了训练(train)，AI实际需要运行在硬件上，也需要推理(inference)，这些都需要算力的支撑。
第三是算法。其实大家现在算法谈得很多，也显得很高端，但其实某种程度上来说算法是获取成本最低的。现在有很多不错的paper，开源的网络代码，各种AutoML自动化手段，使得算法的门槛越来越低。另外提一点，算法这块其实是创业公司比较容易的切入点，数据很多人会觉得low，会认为就是打打标签而已，所以愿意做的不多；算力需要芯片支撑，是大公司争夺的主要阵地，留下的只有算法了。
中国智造的“硬脊梁”是什么样的？
十九大对中国制造做出了顶层设计，中央经济工作会议对实现目标进一步绘出“施工图”，要推进中国由“制造大国”向“制造强国”转变。高楼万丈，钢筋的承重力度是关键因素，在经济转型过程中，制造业由“大”变“强”尤为重要。新时代，需要中国智造成为“硬脊梁”。
制造业是国民经济的主体、科技创新的主战场，同时也是各国综合实力的具体体现。大国博弈，是一场硬仗，制造业是硬实力的核心。在金融危机过后，全球主要经济体将目光重新聚焦在振兴制造业上。《中国制造2025》“1+X”规划体系全面发布，这标志着中国的制度设计基本完成。美国政府也提出“制造业回流”，期望提振经济和就业。
日前，原国家产学研激光技术中心主任左铁钏教授、中国国际经济交流中心产业规划部副部长李金波博士、工信部中国电子信息产业发展研究院研究员龙飞博士和中关村翠湖科技园商会副会长贾红阳博士在京出席了“新时代·中国智造”圆桌会议，就制造业由“大”变“强”所面临的挑战、发展优势和实现路径等问题与在场的多位嘉宾进行了深入探讨。
关于中国制造行业所面临的硬性挑战，李金波博士认为，挑战可能来自三个方面：一是质量的挑战，需要改善行业的监管，加强弘扬工匠精神；二是品牌的挑战，中国产品在技术、工艺方面已经在向世界先进水平迈进，但“就是卖不出好价钱”，很重要的原因就是缺乏品牌建设；三是动力不足，国有企业改革有待深化，创新的主体还需要塑造。
在“中国制造2025”所体现的发展思路方面，龙飞博士认为，从未来经济宏观政策走向来看，在2025年之前，我们要解决的是整个经济体当中很多核心的环节、关键的技术要有实质性的突破。举一个例子，万丈高楼，现在要解决的问题是建楼的钢筋到底能承受多大的强度，要解决是整个工业基础生产力度的问题，未来政策可能都会向这方向做个倾斜，政策作用点不再是局限于某一个行业、某一个领域，而是要解决全行业存在共性的关键性的问题。整个经济体当中很多核心的环节、关键的技术要有实质性的突破这是未来对中国实体经济的硬性要求。
在培育世界领先的先进制造业集群，促进中国迈向全球价值链中高端这个课题上，李金波博士表示，一是先进制造业集群离不开区域创新中心和创新型城市的建设;二是需要大力发展中小企业;三是工信部、科技部大力推进的国家科技重大专项，这些重大专项力图从基础科学装备制造业核心技术上做一些突破，以这些突破来带动上下游产业的创新和发展;四是需要大力培育和发展生产性服务业。在发展培育世界领先的先进制造业集群的过程中，新时代呼唤硬骨头的企业家。
在创新环境方面，左铁钏教授指出，所有创新都需要基础研究，都需要时间沉淀。国家要创造稳定的创新环境，要以人为本。科技工作者要考虑中国要解决什么样的问题，让科技创新为人民谋幸福。硬骨头企业家需要深刻理解产学研深度融合的精神，把高校和科研院所的创新融入到企业自主创新中。
在企业自主创新方面，贾红阳博士表示，创新是一件很专注的事情，因为专注了才能够把它做到专业。目前，不论大公司、小企业，创新意识确实都在提升。他认为，所有的创新，最本质的还是人。硬骨头企业家需要无论是在企业内部、社会上还是在国际舞台上，都要积极主动引领自主创新的文化。
与会专家认为，中国经济正由高速增长阶段转向高质量发展阶段，推动高质量发展是当前和今后一个时期确定发展思路、制定经济政策、实施宏观调控的根本要求。这是一场硬仗，需要我们参与制造业由“大”变“强”的不同主体团结一心，勇往直前，破除一切困难，破茧成蝶。为此，中国需要弘扬劳模精神和工匠精神，需要硬脊梁的企业家，需要过硬的创新，需要打造知识型、技能型、创新型劳动者大军，需要加快发展世界级先进制造业集群，推动互联网、大数据、人工智能和实体经济深度融合，促进我国产业迈向全球价值链中高端。
中国经济，正在进入新的时代。中国高质量发展，将为推动世界高质量发展贡献新的动力。
把中国制造发展成中国创造。
继自动驾驶后，芯片巨头英伟达这一次要挑战AI医疗
作者 | 宋家婷 编辑 | 罗丽娟
直到今天，NVIDIA（中文名“英伟达”）究竟是一家芯片公司还是人工智能公司，业界依然有不同看法。
但英伟达创始人兼首席执行官黄仁勋已经在多个场合表示：“英伟达是一家人工智能公司。”
变化始于几年前，人工智能在全球兴起，这家公司抓住了机会。凭借在图形处理器（GPU）方面的技术积累，英伟达迅速从一家图形芯片公司转型为AI平台搭建者，并大获成功。
几年间，英伟达股价翻了10倍不止，市值一度突破千亿美元，成为全球炽手可热的人工智能公司。
从 游戏 、自动驾驶到机器人等AI热门领域，英伟达的身影无处不在。
在医疗行业，有机构预测，至2021年AI医疗估值将高达66亿美元。尽管该领域技术门槛很高且落地难，但任何一家自称人工智能公司的玩家都不愿意错过这块大蛋糕。
攻下技术的硬骨头，英伟达也终于迎来了产品落地期。在2019年EmTech China“全球新兴 科技 峰会”上，负责医疗 健康 的英伟达副总裁Kimberly Powell，分享了英伟达在人工智能上的发展路径。
“（英伟达）使用无人驾驶来磨炼人工智能技术，再把这些技术拓展到其他产业中，包括医疗领域。”Kimberly Powell说，Clara即是英伟达开发的以 AI 为驱动的医疗影像超算平台，用以提升传统老旧设备对应用程序的处理速度。
据介绍，这一平台核心是Clara AGX，基于英伟达 Xavier AI运算模组、Turing GPU的运算架构，能从入门级设备扩展到要求最苛刻的3D仪器。在Kimberly Powell看来，Clara平台能够解决医疗器械处理每秒数GB的巨量数据。她透露，Clara已向早期合作伙伴提供免费使用，并计划于2019年第二季向特定对象推出测试版。
这只是英伟达在AI医疗领域的一个尝试。
据了解，截至2018年11月，已有超过50所医疗机构投资英伟达DGX系列深度学习优化服务器及工作站，而与其合作将AI技术用于医疗领域的机构已超过75家，其中包括医疗中心、医学成像公司、研究机构、新创公司等都是其合作对象。
以下是英伟达副总裁Kimberly Powell接受全天候 科技 等媒体采访实录，经整理：
媒体：Clara平台去年推出至今，落地情况和接受度如何？
Kimberly Powell ： Clara是2018年11月推出的。我们也是在 探索 阶段，不是一次性完全开放，而是先向有意向的合作伙伴开放网上注册。从去年11月底到现在，已经有350家到400家公司注册，几乎世界上比较大的有名的公司医院和初创企业都已经注册了。不过它还是非常新的东西，现在还谈不上普及度和接受度问题。Clara当前的版本是我们刚刚发布的第一个版本。
媒体：中国及其它市场对Clara平台的使用情况有何差别？
Kimberly Powell ： 美国客户在IT方面的成熟度略高一些，因此他可以在云端执行Clara，这是因为美国有数据匿名化的技术来实现Clara的云端执行。同样的一套软件既可以在医院本地运行，也可以在云端运行。
对于中国市场而言，混合运营环境的支撑是非常有优势的，因为可能在中国的偏远省份或者农村地区，网络条件不好，无法获得这样的云服务，那么他们可以选择在本地执行；但是对于那些大城市而言，他们可以选择云端运行的方式。
媒体：Clara的目标用户群是哪些？
Kimberly Powell ： Clara主要针对三大类型企业客户，第一是医疗设备公司，第二是人工智能软件开发公司，第三可能是那些拥有几百个应用的医院。
英伟达为各个领域的开发人员提供了至少有好几百个不同的SDK（软件开发套件），Clara只是这几百个中的一个，是给开发人员用的工具箱。
媒体：Clara采用怎样的运作模式？
Kimberly Powell ： Clara的开发社区更多的是技术上的合作，商业推广弱一些。比如推想 科技 使用的是Clara里的推理引擎，实现并行执行多个人工智能算法。如果没有这个推理引擎，一个AI的模型就必须有一个专门的GPU执行。所以对于公司来说，Clara可以更快更有效地实现自己应用在医院的执行，用最少的硬件资源运行他们的人工智能应用。
媒体：在医院搭建这样一个平台，大致需要多少成本？
Kimberly Powell ： Clara不是作为一个单独的软件套件向医院销售的，而是通过英伟达的企业合作伙伴销售。由于它是作为一种应用安装在硬件系统里使用的，所以我们很难回答Clara单独的成本是多少。
英伟达的硬件作为一种基本的器件几乎存在于所有计算的设备中，所以Clara使用的范围是广泛的，即使是你买的 游戏 显卡都可以支持Clara的运行。
Clara不仅适用于某种类型的医院，可能有的医院还没有意识到Clara的优势。他们会逐渐意识到，无论购买任何计算机的硬件，通过Clara平台都可以做到三种不同类型的计算，这对他们来说益处很大。
媒体：未来针对Clara平台有什么改进的计划？
Kimberly Powell ： Clara本身是一套软件，目前发布的还是比较早期的版本。现在我们已经有一些要重点改善的地方，比如与外部的硬件系统之间的互联互通，比如支持通讯协议，还有在Clara上增加更多加速的引擎，帮助初创企业加速方案的部署。
同时，我们正在做的是学习知识的转让以及辅助式的功能。不同地区的医院，本身条件不一样，使用的设备也不一样。我们希望在某个医院设备上所分析出来的知识或者结论，能够在本地普及推广，而不是只把结果输出出去。我们应该会在1月底发布第一个这样的版本。
媒体：英伟达想通过Clara平台收获什么？
Kimberly Powell ： Clara平台使用了英伟达三大重要的技术，加速计算、人工智能和可视化。在医疗影像方面，我们并不希望计算、可视化以及人工智能三个不同的工作负载分别执行在不同的硬件上，我们希望一台计算机借由Clara就可以做三种不同的计算。
对于Clara而言，英伟达的想法是软件+硬件，其实Clara也是英伟达对于未来智能设备的铺垫。我们认为，收集数据做事后分析很大程度上取决于你在什么设备上，什么时候收集的数据。事实上我们希望通过软件的创新赋能医疗设备，在硬件端会有智能的设备，同时我们配置软件开发的SDK，这意味着实现在医疗行业随时随地的计算。
媒体：英伟达在AI医疗领域有哪些竞争优势？
Kimberly Powell ： 英伟达更多是一家赋能型的公司，现在很多大公司抢占医疗人工智能的市场，其实是英伟达帮助他们更好地在基础设施层执行人工智能医疗的应用，帮助他们实现这样的市场目的。大部分计算设备都使用到了英伟达的GPU，这是我们的定位。
此外，英伟达有着一个非常庞大的开发人员的社区，我们有一个CUDA SDK下载套件每月下载量达到50万，下载CUDA的都是初创公司或者学术界的研究人员，如此庞大的基础也会帮助到那些做医疗的产业，因为这也会是他们的客户。
媒体：在医疗行业，英伟达的合作伙伴有哪些？
Kimberly Powell ： 我们有四大类型的合作伙伴，在每个地区都是这样。第一个类型的合作伙伴是学术界的，因为英伟达自己不是医生，我们不产出医生，也不搞医学研究，所以在这方面要寻求合作伙伴。我们还有一个英伟达人工智能实验室（NVAIL），这是一个全球化的正式针对这种类型的合作伙伴项目。
第二个类型的合作伙伴是初创企业，我们有一个项目Inception（初创加速计划），有本土英伟达负责医疗行业的团队帮助中国的初创公司。通过开启这个项目，我们可以为这些初创企业提供技术支持，最新的技术可以给这些初创企业率先使用。如果他们有好的解决方案和产品，我们还帮他们进行商业推广。
第三个类型是产业界商业化的合作伙伴，比如华大基因、联影智能，我们主要是在代码开发层级深入的合作，同时也会有联合的商业销售方面的支持。
媒体：英伟达跟中国公司的合作主要体现在哪些方面？
Kimberly Powell ： 我们在GTC CHINA大会期间发布了一个博客，在加速数据科学方面，我们给项目起名叫RAPIDS，其实代表英伟达平台的演进：首先从加速计算开始，然后进入深度学习，现在是机器学习，而机器学习是我们RAPIDS平台代表的。
RAPIDS是更广泛地针对医疗行业的英伟达平台，而不仅针对医疗影像。我们发布RAPIDS之后吸引了众多公司，包括平安保险和华大基因。其中，平安保险有大量的理赔数据，还有保险客户的医疗数据，华大基因更是拥有海量基因的数据，甚至是像探智立方这样做数字可穿戴设备的公司，也非常欢迎RAPIDS这个平台。
（更多精彩 财经 资讯,请下载华尔街见闻App)
结语：以上就是首席CTO笔记为大家整理的关于人工智能的硬骨头叫什么的相关内容解答汇总了，希望对您有所帮助！如果解决了您的问题欢迎分享给更多关注此问题的朋友喔～