鲲云AI开发平台发布，助力物联网应用终端自动实现“人工智能化”

4月18日，备受瞩目的2018全球人工智能应用创新峰会在深圳五洲宾馆举行。这场由深圳市科学技术协会、深圳市福田区人民政府、两化融合服务联盟、国家工业信息安全发展研究中心联合主办，深圳市鲲云人工智能应用创新研究院、深圳市源创力离岸创新中心、深圳市高层次人才联谊会、深圳市创新总裁俱乐部承办，鲲云科技协办的AI开年盛会上，深圳市、福田区、工信部两化融合联盟领导和人工领域国际权威共同为深圳鲲云人工智能应用创新研究院揭牌，鲲云AI开发平台发布，填补了国际人工智能领域面向前端设备芯片级的开发平台空白，促进了人工智能芯片领域的技术革新和发展。

目前，人工智能领域陆续发布了一些特定应用领域的开放平台，但还没有搭建完整的底层芯片基础设施。众所周知，芯片作为人工智能产业链的最上游，是所有顶层应用的生长土壤，其核心技术对于人工智能产业的战略意义不言而喻。

在本次峰会上，深圳市人大常委会副主任、深圳市科协主席蒋宇扬，深圳市政府副秘书长吴优，深圳市福田区委常委、副区长黄伟，两化融合服务联盟秘书长、国家工业信息安全发展研究中心信息化研究与促进中心主任周剑，深圳市太空科技南方研究院院长、深圳市源创力离岸创新中心总裁周路明先生和鲲云AI应用创新研究院发起人、定制计算领域国际权威陆永青院士共同为深圳市鲲云人工智能应用创新研究院揭牌，成功填补了人工智能领域这一空白。

深圳市鲲云人工智能应用创新研究院由鲲云科技联合创始人陆永青院士发起，旨在通过自主芯片研发，建立全球第一所基于中英国际合作，以人工智能芯片领域最新技术为基础，降低人工智能芯片在应用领域落地门槛的开放平台。研究院定位于建立人工智能产业化技术平台，支持人工智能最新技术在各垂直领域快速实际落地，填补平台底层硬件支撑空缺。其技术平台将与自动驾驶、城市大脑、医疗影像、智能语音等应用层开放平台形成协同作用，提供基础计算资源，加速培育国内自主产权的人工智能生态系统，融合全球顶级高校、人工智能行业领域龙头资源、产业基金，建立研、产、融相结合的一体化人工智能生态平台。

作为研究院先行的鲲云科技，在峰会上发布了一款AI平台级产品——鲲云AI开发平台。这款以自主研发芯片架构为底层，以开放应用平台为依托，为人工智能的顶层应用开发提供计算资源的人工智能生态平台，可以为如毛细血管般的物联网应用终端自动生成人工智能算法的DFG、配置人工智能芯片板卡所需的比特流文件，真正让终端应用成为拥有“智能大脑”，为顶层应用源源不断提供生长土壤的核心环节，让芯片实现人工智能化。

鲲云科技CEO牛昕宇

随着深度学习领域的一系列进展，越来越多的领域开始利用基于深度学习的人工智能算法解决实际问题，并取得了很好的效果。顺应这一潮流，不少企业和研究机构也推出了自己的深度学习开发平台。目前主流的AI平台多聚焦在云端或服务端的解决方案，对于前端设备的平台支持还处于空白阶段。随着物联网的不断发展，对面向前端设备的芯片级开发平台的需求迫在眉睫，鲲云AI应用开发平台应运而生。

鲲云AI开发平台聚焦于人工智能芯片领域，能够做到从数据标注、模型训练、DFG优化、硬件编译到板卡测试的全自动化支持。该平台仅需用户提供数据标注就可以自动化、定制化的提供针对特定领域的AI前端产品及解决方案，整个过程无需底层硬件专业知识，无需任何代码编写，极大地降低了用户的使用门槛，这让有人工智能开发需求的领域和行业可以轻松在鲲云AI开发平台上定制自己的人工智能解决方案，真正做到了快速高效的利用AI技术赋能终端，赋能行业。

同时，该平台融合了鲲云专门针对深度学习算法的硬件优化，实现了对绝大多数现有深度学习网络的支持和加速，相信鲲云AI开发平台能够很好的促进和支持基于人工智能芯片的前端解决方案在智能监控，智能生产，物联网等领域的更加快速落地和推广，加速前端AI技术的蓬勃发展。

此次峰会汇聚了政府领导、全球人工智能领域顶尖学术大师、世界顶级科技企业、互联网巨头，产业界、投资界行业领袖，共同探讨人工智能实战落地和产学研发展方向。整个峰会由政府致辞、主题演讲和产业论坛三个环节组成。会上，几位人工领域的国际权威分享了各自领域的最新进展和应用方向。

国家工业信息安全发展研究中心信息化研究与促进中心主任周剑博士分享了世界正处于从工业经济向数字经济的加速转型中，产业的集成，融合与创新也在同步进行。这种前提下，人和机器智能是核心，其发展有助于推动产业升级，促进产业资源开放合作和协同发展，形成人工智能产业生态。

定制计算国际权威陆永青院士分享了如何从最底层的芯片技术打造了人工智能应用自动化的开发平台，再由自动化平台到完整的生态系统的全过程，并给出了智能制造和智慧金融等领域的实际路线和实际案例。

类脑芯片领域国际权威、英国曼彻斯特大学Steve Furber院士介绍了类脑计算的起源与最新进展，类脑计算的想法起始于200年前，从60多年前的第一台机器发展到现在的超大规模并行计算芯片，性能有了显著地提升。随后着重介绍了他们实验室的人脑项目以及研发的SpiNNaker类脑计算机器，该机器容纳了500,000个计算核心，相比现在的传统神经网络实现，在性能以及能耗方面优势突出，是非常理想的类脑计算平台。

芯片验证领域国际权威、美国麻省理工学院Arvind院士主要介绍了如何使用快速闪存技术和硬件加速器来搭建大数据图计算系统。闪存相比传统硬盘的优势是价格便宜且功耗低。他们搭建的GraFBoost图计算系统基于外部存储，通过对算法的改进，以及在存储系统中嵌入FPGA硬件加速器，只需一台普通PC，可以达到服务器级别的性能，从而为大规模图计算技术提供了一个极低成本和低功耗的解决方案。

来自微软的Derek Chiou做了题为《微软的可配置云: 在同一硬件上支持加速基础架构和深度学习神经网络》的主题报告。 Derek Chiou分享了微软如何在其云系统中集成FPGA加速器用于基础架构及深度神经网络的加速，重点介绍了用于加速软件定义网络的AccelNet，以及用于Bing中DNN 加速的BrainWave堆栈，通过发挥FPGA低延迟以及高灵活的特性，实现更高性能的网络和深度学习加速，在效率和成本的约束条件下，充分满足网络及搜索的不同需求。

用摩尔定律扩展机器学习性能 - 在他的演讲中，多核计算芯片领域国际权威、斯坦福大学的Kunle Olukotun教授介绍了DAWN（数据分析的下一步）项目。 其中包括一系列用于开发机器学习加速器的算法，方法和工具。这些加速器可由具有特定领域知识但没有硬件或机器学习背景的人员开发。通过忽略锁定计算; 低精度算术; 并行编程语言和设计空间探索，该项目帮助提供高性能，高生产力和高效率的机器学习实施。

超级计算领域国际权威杨广文教授介绍了神威.太湖之光超级计算机的系统架构及应用，深入分享神威计算系统的深度学习平台及其优化进展，最后介绍了一下神威.太湖之光超算系统的长期规划，其中包含会引入AI的计算加速芯片，这也将与鲲云科技正在推动的AI芯片方向不谋而合，双方将深入探讨合作的机会。