醫療AI大進化；邊緣側AI興起；中國AI巨大繁榮背後存隱憂；兩千名AI專家承諾抵制殺手機器人

GIF

1.邊緣側AI興起,NN和DL如何實現更智能的互連世界；

2.醫療AI大進化；

3.群雄逐鹿人工智慧，中國該怎麼贏；

4.中國AI企業融資總額佔全球70% 巨大繁榮背後存隱憂；

5.AI加持無懼高傳輸量 影像監控升級4K有譜；

6.兩千名AI專家承諾抵制殺手機器人，馬斯克積極響應

1.邊緣側AI興起,NN和DL如何實現更智能的互連世界；

集微網消息，從蘋果、華為在其手機中引入專用的神經網路引擎開始，引領了行業採用邊緣處理的潮流，人工智慧從而正式進入智能終端設備，並且迅速成為廠商大力宣傳的賣點。現在，神經網路引擎/加速器成為主流，包括Face ID等應用已能在終端設備上進行處理，不再依賴雲端，且相比傳輸到雲端處理更安全、私密，響應時間更快。

幾乎所有領域的晶元廠商都競相推出了不同類型的AI處理器。智能手機中添加AI功能成為邊緣側AI的一個典型應用，高通、英偉達等晶元企業都已宣布推出用於智能手機和其他移動設備的神經引擎。在CEVA戰略營銷總監Moshe Sheier看來，幾年後，每台帶有攝像頭的設備都將包含具有AI功能的視覺處理和神經網路引擎。

「全球攝像頭的數量預計從2016到2022年期間會增長216%，屆時將會有大約440億設備帶有攝像頭（camera-enabled），這種新的垂直增長趨勢源自於越來越多的不同設備已經開始集成攝像頭。」他指出，「CEVA預測幾年後每個帶有攝像頭的設備都將內置面向人工智慧的視覺處理和神經網路處理器。到2020年，三分之一的智能手機將支持人工智慧。」

邊緣處理的優勢在於減少延遲，全網路覆蓋，增加了隱私和安全性，並減少了與雲端的通信，從而降低了成本。除了智能手機，Moshe Sheier還舉例說明了邊緣側AI的幾大類應用，包括智能安防、汽車等。

在智能安防領域，可以實現已知或未知的人臉檢測、語音生物識別、聲音檢測、動作感應，以及WiFi、藍牙或蜂窩網路等的智能連接。這一切功能都可以進行決策，是否撥打報警電話，通知外出回家的家人順道去收取門口的信件等。

在汽車領域，可以幫助視覺感測器實現駕駛員監視器、前視攝像頭系統、夜視環繞視圖盲點檢測、後/停車檢測等，也可以幫助實現定位、V2X通信及車內互連等功能，從這些功能中獲取的數據經過端側AI處理，可幫助駕駛員進行決策，並根據實際情況採取行動，同時通過深度學習不斷改善，以不斷提升決策的準確性。

在邊緣側AI巨大的市場潛力下，同時也面臨著幾個挑戰——功耗、價格和不斷飆升的性能需求。CEVA從去年開始部署相關技術，成為繼蜂窩網路IP、互連IP、視覺IP和音頻IP之後的一大IP平台。針對邊緣側的深度學習，CEVA在今年上半年推出了NeuPro系列AI處理器，可以應用於安防、運動攝像頭、智能手機、汽車、AR/VR、無人機等應用的便於智能視覺處理，使得每個帶有攝像頭的設備都能實現先進的成像、視覺和深度學習功能。

NeuPro系列的推出完善了CEVA的整體視覺和AI IP工具組合，分別包括：CEVA-XM智能視覺系列晶元平台、NeuPro人工智慧（機器學習）整體解決方案、硬體加速器DeWarp和適用於所有CEVA平台的CDNN（CEVA Deep NN）軟體框架。

NeuPro作為全新的IP系列，它包括專用的引擎處理矩陣乘法、完全連接層、激活層和匯聚層。這種先進的專用AI引擎結合完全可編程工作的NeuPro VPU，可以支持所有其它層類型和神經網路拓撲。這些模塊之間的直接連接允許數據無縫交換，不再需要寫入內存。此外，優化的DDR帶寬和先進的DMA控制器採用動態流水線處理，可以進一步提高速度，同時降低功耗。

Moshe Sheier表示，NeuPro AI系列可以應用於廣泛的目標市場，從輕量型的物聯網和可穿戴設備（2TOPs）到高性能的行業監控和自動駕駛應用（12.5 TOPs），擴展了各種終端市場的性能。目前已有行業領先的客戶獲得授權，並預計在今年第三季度發布其產品。

對於在成像、計算機視覺和神經網路方面均有需求的客戶，則可以選擇CEVA-XM和NeuPro Engine的組合方案。CEVA-XM系列智能視覺處理器和人工智慧協處理器能夠更好地在嵌入式設備中實現基於視覺的機器學習。Moshe Sheier舉例說，在今年6月，無人機晶元領導廠商酷芯成為CEVA-XM4平台眾多客戶之一，AR9X01是酷芯至今設計的最複雜晶元，使用了多個CEVA-XM4內核來分析實時飛行環境，並利用人工智慧完成各種任務，包括物體檢測、分類和跟蹤。

「與基於CPU或GPU的替代方案相比，由於CEVA-XM4平台在運行計算機視覺演算法和深度學習推理時的固有低功耗特性，使得AR9X01允許無人機製造商最大限度增加飛行時間並提高整體無人機性能。」Moshe Sheier強調，「CEVA最新一代圖像和視覺DSP平台不僅可滿足極端處理能力要求，同時降低對於智能手機、監控、AR 和 VR、無人機和自動駕駛汽車等最複雜的機器學習和機器視覺應用的功耗束縛。」

如今，每年集成了基於CEVA IP晶元的終端設備出貨量在10億個以上。而人工智慧仍然是一個新興且快速發展的領域，神經網路的應用場景快速增加，例如目標識別、語音和聲音分析、5G通信等等。去年CEVA營收為8750萬美元，Moshe Sheier預計，市場研究機構指出到2022年，大約50%的AI設備將內置機器學習功能——如果數據正確，這會是一個相當大的數量。在強大的市場驅動下，今年CEVA營收將達到9200萬美元。

Moshe Sheier強調，CEVA早已經不再是一個只提供DSP核的通信公司，現在的我們為不同的領域提供了更為廣泛的技術。我們將繼續致力於投資下一代計算機視覺和神經網路的產品開發，特別是潛力無限的神經網路技術，完善目前產品建立起來的人工智慧生態系統。（校對/叨叨）

GIF

2.醫療AI大進化；

儘管很多人擔心，人工智慧 (AI) 的發展，可能讓許多人的飯碗不保，但有個行業可能特別例外，那就是醫療行業。

外電報導，PwC 最新報告指出，醫療保健行業將是人工智慧的最大贏家，可望創造出近 1000 萬個就業機會。 資誠首席經濟學家 John Hawksworth 指出，當社會越來越富裕，加上人口逐漸老化，雖然部分產業會被機器取代，但像是醫療產業人力需求就會持續增加。

報告指出，主要原因是人口高齡化以及醫療服務水平提升，醫療人員、社工都需要更加人性化及專業化，這些特質都是機器所難以取代的。

那麼，講到醫療結合人工智慧 (AI)，你會想到什麼？ 儘管人工智慧這幾年蓬勃發展，順利跨入各行業，在醫療行業主要是以加速醫療創新為主，其中協助「醫療影像診斷」更是近年來成長最快的項目。

AI 診斷腫瘤準確度打敗人類

事實上，今年 7 月初北京一場比賽，主要透過神經影像診斷大腦腫瘤和預計血腫擴充，當中參賽的一項人工智慧系統，更以 2 比 0 打敗現場所有頂尖的醫生，顯示人工智慧協助診斷已經變成可能。

這個名為 BioMind 的人工智慧系統，由北京天壇醫院的神經疾病人工智慧研究中心和首都醫科大學的研究小組共同研發。 系統在 15 分鐘內診斷了 225 個神經疾病個案，準確度高達 87%。 而另一組由 15 個高級醫生組成的隊伍，準確度為 66%。 在預計血腫擴散方面，AI 系統的準確度也遠比人類醫生高。 前者是 83% 而後者只有 63%。

講到這邊，要先理解比賽結果不代表醫生看診水平有問題，這間參賽的醫院已經是中國在神經外科與內科非常頂尖的醫療機構。 這項競賽結果反映的是，AI 比醫生在一般情況下有更高的精確度，可以有效提高診斷的準確度。

不是要搶飯碗 AI 得和醫生緊密合作

人工智慧的醫療影像判定，並不要是和醫生搶飯碗，而是希望能超越人類的潛能，提高診斷的精準度。 投入醫學圖像分析近 20 年的北卡羅萊納大學的沈定剛教授指出，目前深度學習在醫學影像中的應用越來越多，但有一點至關重要，那就是跟醫生的密切合作。

他以自身在美國的經驗為例，當初在醫學院的放射科都必須跟醫生們一起工作，從中知道醫生的整個臨床流程，才能把人工智慧的技術更佳運用到臨床流程的相應部分。

做出超越人類的增強智能

和醫生合作是 AI 醫療的必要環節，但沈定剛進一步指出，現在大家都在講人工智慧可以幫助醫生診斷，這樣的人工智慧其實是輔助智能。 他更放話希望做出超越人類的增強智能。

舉例來說，如果小孩的皮層發育不好，很可能罹患自閉症；問題是，造成自閉症的皮層病變可能只有 0.3%，醫生手工測量要達到這個精度非常困難。

他表示，自己實驗室每年都會請來多名中國和台灣的資深醫生，請這些人以人工標圖，但標出來的皮層之間的差異高達 30%，而且同一個醫生前後兩天標註的差異高達 20%。 他表示，0.3% 的變化，透過手工方法是測不出來的。 這時候就需要增強智能，也就是超越人類的「人工智慧」。

點出 AI 常見盲點

不過，沈定剛也點出 AI 和深度學習常見的盲點，強調所謂的 AI 或者深度學習，只是解決問題的一種方法，方法必須為解決問題服務。

他更常告誡學生，不能光知道深度學習，很多幾十年累積起來的經典方法都要搞懂。 因為一個方法不可能解決所有問題，每種方法都會有局限性。 尤其在思考上必須透過問題找方法，而不是用方法來找問題。

他以做影像 AI 為例，強調必須知道要解決什麼問題，然後找相應的技術來解決問題，而不是有了技術再找問題。

沈定剛更看好，現在很多初創公司做的東西都集中在診斷環節，但他強調醫學是一個很長的鏈條，成像、檢測、診斷、治療、預後每個環節都大有文章可做。鉅亨網

GIF

3.群雄逐鹿人工智慧，中國該怎麼贏；

「武林至尊，寶刀屠龍，號令天下，莫敢不從。」在當今科技界，人工智慧的戰略意義就相當於屠龍刀在武林中的地位。世界各國紛紛加緊策馬揚鞭，競相衝入發展人工智慧的歷史洪流之中。

近來，幾份擁有全球視野的人工智慧發展報告流傳甚廣，中國青年報·中青在線記者向報告背後的研究者們拋出一個問題：「群雄逐鹿人工智慧，中國該怎麼贏？」來自政策研究、信息分析、產業研究、高校和企業的專家們結合自身背景共同勾勒出了一份攻略。

天下大勢書中藏

當我們討論人工智慧時，到底在討論什麼？

其實，人工智慧的定義十分多樣。根據中國科學院文獻情報中心聯合科睿唯安發布的《G20國家科技競爭格局之辯——人工智慧專題》報告中引用的最新定義：人工智慧是對計算機系統如何履行那些只有依靠人類智慧才能完成的任務的理論研究。而實際上，這個詞的定義在不停演變，萬變不離其宗的理解是，「人工智慧就是要實現所有目前還無法不藉助人類智慧才能實現的任務的集合」。

中國科學院文獻情報中心副主任劉細文說：「人工智慧之所以被各個國家看作戰略必爭之地，是因為它可以決定未來的競爭格局。」

誠然，人工智慧強大的賦能性對國家、社會、經濟具有重大影響。它正在推進各學科、行業升級並推動戰略性新興產業發展, 全面提升人們生產生活的能力和水平。有機構預測, 至2035年，人工智慧將推動瑞典、芬蘭、美國、日本、澳大利亞勞動生產力分別增長37%、36%、35%、34%、30%。

自20世紀50年代「人工智慧」一詞被首次提出以來, 其發展經歷了三起兩落。21世紀初, 隨著大數據、高性能計算和深度學習技術的大幅提升, 人工智慧進入了新一輪的快速發展階段, 在AlphaGo擊敗圍棋大師李世石之後，迎來了又一次的發展熱潮。浪潮之下, 世界主要國家積極在人工智慧領域布局深耕, 搶佔技術和領域發展的制高點。

從政策層面看，《G20國家科技競爭格局之辯——人工智慧專題》報告顯示，G20國家除印度尼西亞、墨西哥和土耳其，其他國家在近年來均發布或制定了人工智慧相關戰略或規劃。其中, 中國、美國、英國、日本、法國、加拿大和歐盟均發布了人工智慧專項戰略或規劃, 而印度和韓國則發布了腦科學與神經科學相關的專項戰略或規劃, 其他國家如德國、義大利、俄羅斯、沙烏地阿拉伯、南非、澳大利亞、阿根廷和巴西，雖未發布人工智慧專項戰略或規劃，但是在其他的政府戰略文件中均提及了人工智慧技術, 並將其作為重點發展領域之一。

從內容層面看，中國信息通信研究院發布的《全球人工智慧產業地圖》顯示，美國在人工智慧領域重點布局基礎理論、核心平台、應用技術和優勢企業發源地；加拿大則主要關注技術創新孵化、人才培養和商業化落地；德國著重發展智能製造技術；英國在學術研究、創業創新和應用技術創新方面比較活躍；中國則側重學術研究、產業化實現和應用先行，基礎理論和核心技術方面也在快速跟進。

從資本層面看，中國電子學會發布的《新一代人工智慧發展白皮書》顯示，截至2017年，全球人工智慧領域融資總額持續增長但增速放緩，資本市場當下力捧的熱點，集中在深度學習、圖像視頻識別和文本識別領域。2017年國內人工智慧投資金額再創新高, 達到10.3億美元，在美國巨頭企業爭相構建差異化核心競爭力的同時，我國初創企業表現頗為活躍。

中國信息通信研究院的王沖鶄博士認為，各個國家的布局皆是基於自身基礎和優勢的考量，並不存在「最佳布局」的說法。

不過，從研發人力資源和基礎研究經費方面來看，各國在人工智慧領域的水平還是分出了高下。在這方面，《G20國家科技競爭格局之辯——人工智慧專題》報告稱，目前已經形成了「美國一家獨大，英國、印度和加拿大等緊隨其後，中國尚有差距」的競爭局面，相較美國，中國的人工智慧技術人才儲備、學術研究、產業研發力量、經費資助等仍有一定差距。

構建生態何所望

由於人工智慧發展迅速，研究者們很難預測當下各個國家的布局具體會對未來發展產生什麼樣的影響，但他們都篤定地異口同聲：應該重視人工智慧生態的構建。

劉細文說：「單一技術的突破不能帶來行業和整體社會的變化，我們需要系統性的突破與變革。」 他以互聯網發展的生態建設來類比解釋，信息社會從上世紀80年代就已經預見，但真正形成依賴的是互聯網的出現，互聯網的生態建設從最初的探索使用，到廣泛使用，到加強監管，再到形成國際範圍的競爭，經歷了一個漫長的體系化過程。

他表示：「人工智慧也會是這樣，但它的生態發展會比互聯網更複雜。如果說互聯網是一個虛擬社會，人工智慧生態就是一個虛擬與現實融合的產物。」

值得慶幸的是，儘管人工智慧涉及的學科知識相當廣泛，角色分工各有不同，但各種背景的從業者都注意到了生態設計的重要性，並且對其有一些前瞻性的思考。

中國科學院文獻情報中心副研究員韓濤認為，人工智慧生態的構建根基在於基礎理論研究。翻閱人工智慧領域的經典理論和經典演算法，韓濤說：「我國跟進人工智慧浪潮的速度非常快，但是我們需要反思自己的後勁兒如何。」

王沖鶄從產業發展的角度分析，我國人工智慧的發展，現階段應該注重關鍵平台，即開源框架等的建設。她強調，平台建設已經成為各國構建人工智慧生態的焦點。

「開源框架在人工智慧中的作用就相當於安卓系統之於移動互聯網」，據她了解，這一思路是在業內得到廣泛認可的。有機構預測，未來60%以上的人工智慧應用都需要在平台上生長起來，王沖鶄相信平台將會成為人工智慧生態的核心要素。

除此之外，業內人士廣泛認可的構建人工智慧創新體系的生力軍則是——人才。企業和高校作為人才的需求和供給方，都明顯感受到了人才問題在人工智慧生態建設中的緊迫性。

科大訊飛戰略合作總監潘榕博士表示，構建開放協同的人工智慧科技創新體系，需要把高端人才隊伍建設作為人工智慧發展的重中之重。潘榕希望，政府的落戶政策等能夠向人工智慧人才傾斜，「這有利於企業在全球範圍內吸引高精尖人才，在原有產學研布局的基礎上，進一步擴大並完善源頭技術布局」。

作為國內最早研究人工智慧的高校之一，浙江大學經歷了人工智慧從冷到熱的過程。該校計算機學院副院長、浙江大學人工智慧研究所所長吳飛認為，在當前形勢下，設置人工智慧本科專業迫在眉睫。近期，北京航空航天大學、浙江大學等多所高校一起向教育部提出設置人工智慧本科專業的申請。他說：「以前我們有學數學的學生、學計算機的學生、學控制的學生，但現在我們需要把這3個學生『合成』一個學生來培養。」

就吳飛的觀察來看，人工智慧生態建設需要四類人才。第一類是掌握前沿理論和技術的頂尖人才，他們將推動人工智慧技術模式或者計算方式發生重大轉變。第二類是專業技術型人才，他們可以用人工智慧的技術和方法構建出一個一個系統。第三類屬於「人工智慧＋X」的交叉應用人才，能夠將人工智慧技術應用到不同的場景中。第四類是人工智慧倫理、制度建設方面的人才，比較偏人文學科。「這四類人才都是急需的，但就需求量來看，最主要的還是第二類和第三類人才。」吳飛說。

中國以何顯鋒芒

綜合人工智慧領域中各種角色所面臨的機遇和挑戰，我國近幾年相繼發布了《「互聯網＋」人工智慧三年行動實施方案》《新一代人工智慧發展規劃》和《促進新一代人工智慧產業發展三年行動計劃》等政策性文件，從戰略層面引領人工智慧發展。

吳飛將這些文件的指導思想總結成了一句話：「三步走、四大任務、五大智能技術方向。」

「三步走」指我國在人工智慧領域定下的三個階段性發展目標，即2020年人工智慧總體技術和應用與世界先進水平同步，2025年部分領先，2030年成為世界人工智慧創新中心。「四大任務」指構建科技創新體系；把握人工智慧技術屬性和社會屬性高度融合；人工智慧研發攻關、產品應用和產業培育「三位一體」推進；以及滿足支撐國家發展的任務。「五大智能技術方向」分別是大數據智能、群體智能、跨媒體智能、混合增強智能和自主無人系統。

劉細文認為，在這些戰略的基礎上，在具體實施中還需要特別關注以下幾方面的問題。

首先是關注科研成果產業轉化與融合。相比於其他科研領域，人工智慧是一個帶動性很強的領域，更加具備「邊研究邊應用，邊應用邊深化」的特點。

第二是補齊原始創新研究能力弱的短板。無論是搶佔當下技術高地還是預測未來發展的技術路徑，基礎研究都是需要加強投入的關鍵領域。

第三是在科技體制和機制層面統籌攻關。劉細文認為，百花齊放的局面確實體現出活躍的一面，但也容易造成投入分散，難以在某一方向形成更強的競爭力。

第四是關於人工智慧技術的使用規則建設問題。比如，目前國際學界對不得將人工智慧技術用于軍事目的有了基本共識，但還需要全社會建立完善的治理規則。

事實上，從各國的布局和各種分析就可以看出，不同國家和不同背景的從業者都對該如何發展人工智慧提出了相應的見解。而群雄爭霸，最終鹿死誰手，我們等待時間來給出答案。

中國青年報·中青在線記者 張茜 來源：中國青年報

2018年07月23日 12 版

GIF

4.中國AI企業融資總額佔全球70% 巨大繁榮背後存隱憂；

今年以來，人工智慧領域的發展迎來了新一波高潮。

人工智慧消費級應用落地的速度不斷加快，同時，市場和需求愈加細分。

市場人士稱，人工智慧商業應用元年已經到來。

從無人問津到投資人踏破門檻 人工智慧融資額不斷提高

人工智慧領域基礎的晶元、大數據處理等是需要大投入的產業，只有獲得充分的資金支持，才能持續發展。

2018年，人工智慧領域大額融資頻發。今年4月，商湯科技宣布完成6億美元C輪融資，刷新記錄;5月，商湯科技再次完成C+輪6.2億美元融資，估值超45億美金，創全球總融資額最大，資本對人工智慧仍保持較高的熱情。

對人工智慧行業的初期創業者來說，找投資是最棘手的問題。2014年陳寧打算利用人工智慧的晶元、演算法等技術，在深圳創業。但當時投資界對人工智慧的認識還停留在炒概念的階段，並不看好。所以，陳寧和他的團隊不得不用自己的資金來維持創業。

深圳雲天勵飛技術有限公司創始人 陳寧：尋找初期資金的時候並不順利，因為在那個時候資本界對人工智慧的技術認可和認識，還是停留在過去幾十年的神經網路，90年代的發展，計算力無法匹配、一些無法實現產業落地、以及技術不成熟的狀態，讓資本對於人工智慧其實並不是太認可。

2017年，人工智慧首次被寫入政府工作報告，上升到國家戰略高度。大量資金開始湧入人工智慧領域，融資金額也屢屢創下紀錄。陳寧的公司也在這波熱潮中受益，順利完成了A輪、A+輪融資，目前正在關閉B輪融資。

深圳雲天勵飛技術有限公司創始人 陳寧：從去年年終開始，資本界對人工智慧企業有一個關注度。比如，今年年初以來，已經收到了三十四家投資機構的TS(投資框架協議)和投資意向。

為了讓資本與創業者更有效對接，目前，市場上還出現了一些服務類平台，幫助人工智慧的技術或產品，找到合適的應用場景，從而吸引投資人的注意。

清華大學發布的《中國AI發展報告2018》顯示，自2013年以來，全球和中國人工智慧行業投融資規模都呈上漲趨勢。2017年全球人工智慧投融資總規模達395億美元，融資事件1208筆，其中中國的投融資總額達到277.1億美元，融資事件369筆。中國AI企業融資總額佔全球融資總額的70%，融資筆數達31%。業內人士指出，投融資的熱情不減，主要是看中人工智慧與各行業結合的前景廣闊。

七成人工智慧公司中報預喜 收益兌現或存不確定性

人工智慧投資熱情高漲，表現在二級市場上，今年以來人工智慧指數表現強於上證綜指，進入下半年，人工智慧的投資機會還有哪些呢？

wind數據顯示，截至昨日晚間收盤，今年以來人工智慧指數下跌9.52%，而同期上證綜指下跌15.72%，人工智慧指數跑贏上證綜指6.2個百分點。目前，wind人工智慧指數的34家上市公司中，已有27家公布了中報預告，其中20家業績預喜，佔比74%。市場人士表示，人工智慧從去年以來已經進入落地期，表現強於預期。

今年以來，人工智慧板塊的34家公司，僅7家股價年內上漲，漲幅超過20%的有3家，分別為美亞柏科、中科曙光和浪潮信息。

但在近20日，人工智慧指數為上漲的趨勢，漲幅為4.9%，業內人士認為，進入下半年，人工智慧領域的投資機會將集中在人工智慧疊加雲計算或人工智慧疊加垂直應用領域。同時，應注意人工智慧在落地過程中，產生收益的時間存在不確定性。

業內分析：巨大繁榮背後的隱憂

但不少業內人士也擔心，人工智慧領域存在巨大的泡沫，或將迎來一波倒閉潮。根據億歐智庫《2018中國人工智慧商業落地研究報告》，2017年中國人工智慧創業公司獲得的累計融資超過500億元，但2017年中國人工智慧商業落地100強創業公司累計產生的收入卻不足100億元，90%以上的人工智慧企業虧損。

北京文投集團總經理 戴自更：目前國內大概跟人工智慧有關的公司有四千多家，但是能夠得到投資人青睞，或者投資人關注的，並且願意投資的大概是三分之一不到。如果沒有後續的資金投進入，意味著可能接下來就難以生存下去。

另外，業內人士告訴記者，人工智慧項目商業應用場景的選擇是其成敗與否的關鍵，因為只有找准應用場景，才能做出真正有市場需求的產品，這樣人工智慧企業才能產生現金流。投資環境偏重應用場景之後，有助於人工智慧行業回歸理性，讓創業企業思考如何在應用場景中落地。

瀾亭資本董事長 劉炯：這兩年在中國人工智慧領域湧現了大量的創業公司，有一批企業，比如頭像識別，自動駕駛，以及自然語言交互領域，已經走到了世界領先的水平。同時大量人工智慧的創業公司，其實在中國現在還沒有找到一個合適的、明確的一個商業變現途徑。這個也是中國的人工智慧企業所面臨的一個主要的困難。環球網

GIF

5.AI加持無懼高傳輸量 影像監控升級4K有譜；

視訊應用商機龐大，在攝影機導入人工智慧之後，4K高解析度也將不再造成傳輸負擔。 因此，眾廠商紛紛投入相關產品開發。

機器視覺應用的潛在商機龐大，眾廠商亦於2018台北國際計算機展(Computex Taipei 2018)展期間展示相關解決方案。 不僅是半導體大廠英特爾(Intel)看好視覺相關邊緣運算潛力，發布了新款工具套件；長期深耕安控應用攝影機的晶睿通訊，也推出新一代智能影像分析技術攝影機，搭載深度學習演算法，將自家產品由安防領域推向商場應用情境中， 用以偵測人流數據，在零售產業創造攝影機的附加價值。 另外，系統單晶元(System-on-Chip, SoC)方案供貨商Socionext，亦展出與資策會智能系統研究所之合作方案，將Socionext M11S處理器導入於環境監控解決方案之中。

眾廠商皆不約而同的推出了影像相關的解決方案，無論是半導體大廠、SoC方案供貨商或是監控解決方案，皆看好邊緣運算於機器視覺中的各項應用。 未來在邊緣運算技術的協力之下，影像監控要提升至4K高解析度將不再是難題。

視訊分析市場規模將破百億美元

英特爾透露，根據近期產業報告估計，2023年全球計算機視覺市場規模將成長到173.8億美元；視訊分析市場規模預估到2022年將成長至111.7億美元，而深度學習(Deep Learning) 營收則估計會從2016年的6.55億美元成長至2025年的350億美元。

看好此一市場商機，英特爾的邊緣運算布局戰略將先鎖定視覺應用，除了提供整合式繪圖晶元(Graphics)、Intel FPGA、Intel Movidius視覺處理器(VPU)等硬體外， 近期更發布新款視覺推論與類神經網路優化工具套件—OpenVINO，以加快網路邊緣環境開發各種高效能計算機視覺及深度學習推論(Inference)等應用。

英特爾物聯網事業群全球視覺運算總監Todd Matsler(圖1)表示，計算機視覺應用正快速成長，特別在人工智慧(AI)應用方面，像是辨識生產線產品瑕疵、零售業庫存管理、遠程判斷設備維修需求、以及城市與機場的公共安全等。 然而，這些案例都使用高解析攝影機，產生龐大數據量，並且須加以彙整與分析；而要處理高畫質視訊，必須在網路邊緣快速分析龐大數據，並實時做出反應，再把相關聯的情資以非同步的方式傳到雲端。 因此，企業如要有效率地處理視訊數據，必須採用適合的解決方案。

圖1 英特爾物聯網事業群全球視覺運算總監Todd Matsler表示，計算機視覺應用正快速成長，特別在AI應用方面。

為此，英特爾採用軟硬兼施的策略，不僅推出一系列的可擴充硬體與軟體解決方案，包括繪圖晶元、VPU，也於近期發表新款OpenVINO工具套件。 該產品可結合英特爾旗下處理器、FPGA架構、視覺處理器VPU等硬體運算模式，搭配開放計算機視覺與圖像處理工具OpenCV、計算機視覺API標準OpenVX，以及深度學習編譯程序nGraph， 或是市場主流學習框架TensorFlow、MXNet、Caffe等，藉此快速將計算機視覺應用在物聯網設備。

Matsler說明，OpenVINO支持從網路邊緣到雲端的視訊分析與深度學習，讓開發者能輕易布建深度學習推論與計算機視覺解決方案；而OpenVINO加入英特爾視覺產品線後，將使該公司的視覺解決方案從網路邊緣涵蓋到網路與雲端。

AI邊緣運算降傳輸負擔

為創造監控影像附加價值，導入人工智慧解決方案已成為安控產業的發展趨勢。 一般業者透過雲端或後端儲存系統進行影像錄像、訓練，容易造成影像延遲、巨大流量負荷以及龐大後端中央處理器負擔等缺點。

隨著聯網裝置與人工智慧技術的成熟，影像辨識與深度學習的加速晶元逐漸成為新世代攝影機的標準配備。 為了在競爭激烈的全球市場中脫穎而出，安控產業亦跳脫以往被動守護安全的角色，主動出擊以成為「眼睛」出發，衍伸出更多商業應用並創造影像附加價值。

晶睿通訊品牌研發處副總經理馬仕毅(圖2)指出，無論是安防或是商業用途的攝影機，數據量皆非常龐大，並且有九成以上的影像是無用的信息，要搜尋出需要的信息亦非常困難。 因此在邊緣端導入人工智慧功能便非常重要，藉由深度學習演算法讓機器初步判別影像，能夠大幅減低傳輸的數據量。

圖2 晶睿通訊品牌研發處副總經理馬仕毅指出，藉由深度學習演算法讓終端機器初步判別影像，能夠大幅減低傳輸的數據量。

馬仕毅強調，該公司的優勢在於對於攝影機的硬體技術與使用情境皆非常熟悉，新一代的影像辨識技術更將原先用於安防的功能導入至商業智能應用之中。

馬仕毅進一步指出，為了追求更廣域的攝影技術，該公司開發出導入深度學習演算法的360度智能魚眼攝影機。 透過三維定位的景深技術以身高辨別成人與小孩，進而得知哪些人具有消費能力，以及哪個入口處人流最多等具有高度商業價值的信息。 目前所推出的3D人流計數立體攝影機也已成功應用於故宮禮品店、哥倫比亞購物中心等零售場景中，協助業者掌握人流，帶動營收成長。

近年來，晶睿通訊積極布局物聯網智能影像市場，期許成為「物聯網的眼睛」，不僅將自家開發的深度學習演算法導入攝影機中，推出準確率高達98%以上的人流偵測技術，以及可精準分辨人與非人物體的人群偵測技術， 進一步翻轉安防影像成為消費者動察數據，大幅提升營運效率。

除此之外，晶睿更結合趨勢科技推出全球首創內建防入侵軟體攝影機，化被動為主動，協助企業抵禦層出不窮的資安事件，創造出攝影機的附加價值。 未來該公司也將持續提供更先進、安全、多元化的解決方案，打造安控產業的智能新面貌。

4K滿足遠距/小對象檢測需求

在2017年，Socionext即針對監控攝影機市場推出了M11S圖像處理器。 該產品配備了3D降噪(3DNR)、寬動態範圍(WDR)和感興趣區域(ROI)等多種先進功能，在低亮度環境下也可拍出高畫質拍攝，支持現代安全監控市場的多元需求。 在Computex 2018展期間，更進一步展示與資策會智能系統研究所合作的深度學習環境監控解決方案。

資策會智能系統研究所副主任林啟盛(圖3)表示，M11S圖像處理器的強項在於光線變換時，能夠瞬間將攝影機切換成最佳的顯示模式，並且能做到實時的壓縮，將影像回傳伺服器，做到對象辨識。

圖3 資策會智能系統研究所副主任林啟盛表示，澳洲礦場將有望成為第一個將4K技術導入環境監控的應用場域。

另外，在將邊緣運算技術推至終端產品時，系統耗電量往往是重要課題。 在發展對象辨識功能時，多數方案會以200W高功耗的GPU基礎；而該解決方案的功耗則能降低至30W左右。 超低功耗的特性，能夠使該解決方案導入更多智能路燈、智能交通的應用場域中。 該解決方案目前已在與交通部洽談合作中，期盼能夠使其成為一通用招標標準。

在未來，環境監控領域的機器視覺技術將持續往4K邁進，以滿足遠距離與小對象偵測的環境監控需求。 當今的攝影機以Full HD為主流規格，然而隨著通訊技術與運算技術逐漸進步，待基礎建設條件到位時，環境監視攝影機提升至4K解析度是必然的趨勢。

目前在全球環境監控市場能夠做到4K解析度的區域市場寥寥可數，目前看來，澳洲礦場將有望成為第一個將4K技術導入環境監控的應用場域。 林啟盛說明，由於澳洲礦廠的搬運車非常龐大，大約是貨櫃車的20倍，並且時常採用遙控駕駛，然而廠區內卻依然會有工作人員走動，工作環境非常危險。 因此，這時若是能夠導入4K攝影機，便能將鏡頭架設在6公尺高處，在不影響車輛行走的前提之下，依然能夠清晰的辨識移動人物與對象。

然而，由於4K影像數據所帶來的數據傳輸量非常龐大，目前的無線網路基礎建設並不能滿足該數據量的傳輸需求。 在此狀況下邊緣運算技術的導入便更顯重要。 因此，接下來資策會智能系統研究所將持續與Socionext合作，期盼能開發整合一可負擔的系統方案。 新電子

GIF

6.兩千名AI專家承諾抵制殺手機器人，馬斯克積極響應

網易智能訊7月22日消息 包括谷歌旗下DeepMind的聯合創始人和SpaceX的首席執行官在內的2400名人工智慧科研人員簽署宣言，承諾阻止致命的人工智慧武器。

數千名專攻人工智慧（AI）的科學家已經宣布，他們將不會參與開發或製造在自主狀態下具備識別和攻擊行為的人工智慧機器人。谷歌DeepMind的傑米斯?哈薩比斯（Demis Hassabis）和美國火箭公司SpaceX的埃隆?馬斯克（Elon Musk）都在這項承諾的2400多名簽署者之列。該承諾旨在阻止軍事公司和國家執法機構建造致命的自動武器系統。

這一宣言的簽署是人工智慧領域的組織和科學家的最新舉措，旨在強調將生死的決定權交給人工智慧機器的危險。同時呼籲相關人士要未雨綢繆，禁止技術濫用，因為這可能會催生出新一代大規模殺傷性武器。

這一承諾是由波士頓的「生命未來研究所（Future of Life Institute）」組織策劃的，它呼籲各國政府商定規範、法律和法規，這些規範、法律和法規將扼殺和有效禁止殺手機器人的發展。

在今天沒有此類措施的情況下，簽署者承諾「既不參與也不支持發展、製造、貿易或使用致命的自主武器」。超過150個與人工智慧相關的公司和組織也加入了簽署者的行列，這一承諾在前幾日於瑞典斯德哥爾摩舉行的國際人工智慧聯合會議（International Joint Conference）上宣布。

蒙特利爾學習演算法研究所的人工智慧先驅Yoshua Bengio在接受衛報採訪時表示，如果這一承諾能夠讓那些製造自主武器的公司和軍事組織蒙羞，公眾輿論就會反對他們。「由於國際條約和公開羞辱，這種方法實際上適用於地雷，儘管像美國這樣的主要國家沒有簽署禁止地雷的條約。美國公司已經停止製造地雷，」他說。Bengio也簽署了承諾，表達了他對「致命的自主武器的強烈關注」。

軍方是人工智慧技術的最大資助者和採用者之一。有了先進的計算機系統，機器人可以在惡劣的地形上空飛行，在地面上航行，在海底巡邏。更先進的武器系統正在醞釀之中。周一，英國國防大臣加文·威廉姆森（Gavin Williamson）公布了一項20億英鎊的計劃，計劃購買一架新的英國皇家空軍戰鬥機——暴風雨（Tempest），它將能夠在沒有飛行員的情況下飛行。

英國的大臣們表示，英國並沒有發展出致命的自主武器系統，而且英國軍隊將永遠對其部署的武器進行監督和控制。但活動人士警告說，人工智慧和其他領域的快速發展意味著，現在可以製造出先進的武器，在未經人類控制者同意的情況下，識別、跟蹤和射擊人類目標。對許多研究人員來說，讓機器來決定人類的生存和死亡，這超越了道德底線。

「我們需要把自主武器不被接受作為國際準則。人類必須永遠擁有控制權，」悉尼新南威爾士大學的人工智慧教授Toby Walsh說。「我們不能阻止一個意志堅定的人製造自主武器，就像我們不能阻止一個意志堅定的人製造化學武器一樣，」他補充說，「但如果我們不希望流氓國家或恐怖分子輕易獲得自主武器，我們必須確保武器公司不會公開出售這些武器。」

研究人員可以選擇不去研究自主武器，但是其他人在他們發表的突破性進展上所拓展的事情實際上超出了他們的控制範圍。英國蘭卡斯特大學的另一位簽署者、科學與技術人類學教授Lucy Suchman表示，儘管研究人員不能完全控制他們的工作成果如何被使用，但當他們有顧慮時，他們可以參與並進行干預。

她說：「如果我是一名簽署了承諾的機器視覺研究人員，我將首先承諾追蹤我的技術的後續使用，並公開反對他們的應用程序來實現自動化目標識別；其次，我會拒絕參與任何建議或直接幫助將這項技術整合到自主武器系統中。」

END

成為嘉賓的入口——填寫資料，了解更多峰會信息

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！