张亚勤：对于产业来说，深度学习的黄金时代才刚刚开始从产业角度探讨新一轮数字化浪潮，分享了他对人工智能、新计算系统和通信架构的见解。以下内容在张亚勤教授演讲的基础上稍作修改。新一轮数字化浪潮带来历史性变革：万物数字化张亚勤表示，随着数字化3.0的到来，未来十年很多行业都将发生结构性变革。这一新的数字化浪潮提供了一个历史性的机会，可以通过先进的机器学习算法、增强的计算能力、5G的新基础设施和神经形态计算来改变现有的工业格局。过去，我们的计算机最大的现象就是数字化。数字化1.0始于20世纪80年代中期。当时更多的是内容数字化，包括语音、音乐、视频、图像，包括后来的HDTV和Video。整个发展还是挺快的。.数字化2.0始于90年代中期。由于内容数字化，消费互联网应运而生，并掀起几波浪潮。同时，企业也在数字化，包括ERP、CRM、工作流、商业智能。之后就是各种数字仓库、云等等。但在软件领域，消费软件产品市场在中国还没有真正成为主流。现在进入新的数字3.0，包括互联网的实体化。首先是物理世界的数字化。我们的汽车、轮船、飞行设备都在数字化，道路、交通等等。城市在数字化，家庭在数字化，工业、车间、电网、机器，甚至金钱也在数字化。我们可以看到物理世界和数字世界。世界形成一对一的影射。过去我们讲数字高速公路，现在真正的高速公路也数字化了。可见，由于物理世界的数字化，所产生的信息和数据量已经达到了天文数字的水平。例如，无人驾驶车辆每人每天可以产生10TB的数据。还有一个特点就是大部分数据不是给人看的，而是让机器做决定的，比如无人驾驶。与第一代和第二代不同，我们的生物世界也在经历数字化。大脑、身体、每一个器官，甚至DNA和蛋白质，通过大脑与世界的接口，数据量比我们的物理世界还要大。这种容量水平很难以正常方式处理计算。现在的世界是信息物理世界和生物世界的融合，先数字化，然后连接在一起，最后智能化。AI革命为行业带来新机遇5G出现后，确实带来了很多新的可能。5G是三网第一次在应用层真正实现统一。这是一件大事。5G让传输速度更快，延迟更低。任何新技术都需要时间，所以大家要有耐心。5G刚刚发展得非常快。张教授表示，相信5G将在未来三到五年内带来巨大的变化，不仅是对用户而言，对行业和行业也是如此。张教授还用两张图举了两个例子。一是百度昆仑芯片路线图。第一代昆仑AI芯片已达到14nm工艺、2.5D封装、512G带宽。第二代，7nm，明年会出来，能耗会降低很多，性能提升3倍左右。另一个例子是地平线自动驾驶芯片的路线图。可以看出，随着级别的提高，规划的难度越来越大，需要强大的功能和良好的稳定性。Horizo??n在这方面做了很多工作。该芯片在质量、性能、能耗等方面与目前国际芯片（如特斯拉的SSD）相当，甚至更好。我们可以看到，技术的发展确实给IT行业和很多行业带来了新的机遇。首先，IT行业本身就是最大的受益者。无论是芯片技术、操作系统、云平台还是应用，都在不断快速迭代。更重要的是，它改变甚至颠覆了现在的行业，教育、医疗、金融、制造，每个行业都会有AI的成分。今天的人工智能就像20年前的互联网，可以融入到每一个行业。然后是新产业的创造。张亚勤教授认为，自动驾驶、工业物联网、AI医疗生物计算三个领域潜力巨大，他本人也颇感兴趣。最后，张亚勤提到，希望自己成立的智能产业研究院能够成为国际化、智能化、产业化的应用研究机构，吸引和培养具有国际视野的CTO和顶尖架构师，以核心技术突破，孵化出一些新的企业。寻找下一轮AI的突破口；对于行业来说，深度学习的黄金时代才刚刚开始。下图涵盖了人工智能的60年。可以看到左半部分提到了人工智能发展的不同流派。未来最大的可能就是集各家之长，创造出新的算法。有逻辑符号以及数据和知识。有必要向人类进化，大脑专业学习。现在，无论你是做研究还是做产业，都在思考下一轮人工智能的突破口在哪里。尤其是现在深度学习经过十几年的研究和应用，已经到了一个稳定的时期。现在主要的发展不仅仅是靠算法，更多的是靠算力。张亚勤教授认为，在研究和算法方面还有一些值得探索的东西，但已经到了比较平坦的阶段。然而，对于行业来说，深度学习的黄金时代才刚刚开始，要深入到每一个不同的行业，至少还有十年的时间。他在演讲中还提到，当前人工智能面临的挑战主要是隐私、数据保护和伦理工作。前段时间，张教授在美国认识了一个做通用人工智能的小团队。他们的主要任务是创造一个有自我意识的人工智能。他本人表示坚决反对。让我们看看最基本的东西，计算和通信的基本范式。第一个是香农定律，它包括三个方面，熵、信道容量和速率编码。定义了三个限制，无损压缩限制、信道传输限制和有损压缩限制。现在这几个部分基本已经接近极限了。第二种是冯·诺依曼架构，在计算机上已经使用了60年。冯·诺依曼架构相当简洁漂亮，是程序存储的一个原理。但是近年来，尤其是在深度学习方面，出现了很大的局限性。第三个就是大家耳熟能详的摩尔定律。原来摩尔定律说的每18个月、24个月的开发速度也变慢了。我们需要突破这三个瓶颈。让新的计算系统和通信架构突破系统架构的限制。深度学习需要新的架构，包括数据流和计算模型。深度学习领域需要大量的优化，以及高速存储。这些东西不同于传统的建筑。
