“算法+算力”下半场将至——「全球AI芯片·城市智能峰会」万字( 七 ) 10月27

　　其次是低成本理念。现在AI刚在安防行业落地，造价和成本相对比较高。所以低成本方向就成了各家公司研究和发展的一个新方向。杨清永表示，行业可以从这几个方向来尝试降低系统成本——协同智能、高集成化、资源和模型的匹配、标准化。天地伟业自主研发的P5智能卡，从性价比上已经全面超越了P4 ， AI国产化技术正向前迈进。

　　《人工智能芯片技术发展及应用》

----“算法+算力”下半场将至——「全球AI芯片·城市智能峰会」万字长文回顾//----

　　寒武纪副总裁刘道福

　　作为大会下半场的第四位演讲嘉宾，寒武纪副总裁刘道福以《人工智能芯片技术发展及应用》为主题介绍了他对AI芯片的独到理解。

　　演讲中，刘道福结合自身产业经历，多角度分析了智能芯片该如何做到好用和通用。他认为，设计灵活的指令集，设计可扩展性强/高效的架构，提供灵活的运算器方案，支持主流编程架构，在大规模商用中得到反馈和修正等均是做好智能芯片的重要手段。

　　刘道福表示，传统ASIC(将一个特定算法硬件化)的思路是无法解决深度学习处理需求的，主要有这么几个矛盾：第一个矛盾是算法越来越快，复杂度越来越高，硬件的规模是有限的，有限规模的硬件和任意规模算法之间的矛盾要解决。

　　第二是结构固定的硬件如何应对千变万化的算法，在任何一个产业最终落地的时候，成本都是产业规模化的一个障碍，深度学习是一个高成本的算法，你怎么用受限的硬件解决大计算量的算法，这是一个很大的问题。

　　《AI超微光技术与边缘算力选择》

----“算法+算力”下半场将至——「全球AI芯片·城市智能峰会」万字长文回顾//----

　　苏州科达首席科学家章勇

　　随后，苏州科达首席科学家、前博通图像事业部资深科学家章勇在题为《AI超微光技术与边缘算力选择》的精彩演讲中介绍了科达最新的AI超微光技术。

　　章勇表示，目前深度学习技术主要应用于模式匹配和图像识别，例如人脸识别、车辆特征提取、视频结构化等。而科达则将这种深度学习技术应用到前端传感器图像增强处理技术领域，直接对前端图像传感器输出的裸数据进行图像恢复，最大化还原低照度环境下的实际图像效果。

　　这种处理技术的好处是，它突破了传统摄像机中ISP技术的局限性。目前ISP由数十个图像处理模块组成，数百个参数需要人工根据经验进行调整，不仅费时费力，而且由于传统算法的局限性，难以在低照高噪声的情况下显示出图像中有用的信息。而AI超微光技术对传感器数据直接进行处理，运用神经网络完成输入图像到输出图像端到端的非线性映射。不仅如此，相对于增强补光，以及多目多光谱设计的硬件解决方案，独创的深度学习图像增强算法，可在大幅减少卡口对补光灯的依赖的条件下，提升图像亮度，且充分还原物体颜色与纹理等细节信息。