“新基建”｜人工智能有哪些“主线任务”？

本篇文章2830字，读完约7分钟

目前，数字技术创新离不开实体经济的发展。2018年，中国数字经济规模为31.3万亿元，占国内生产总值的34.8%，预计2019年将达到36亿元。快速发展的背后是互联网和人工智能企业的技术投入以及相关产业的应用。一批优秀的人工智能初创企业正在努力，如上塘科技、不屑科技、优必轩科技、平安科技、极地链条科技等。，以及ai+安全、ai+交通、ai+医疗、ai+视频、ai+金融等行业的快速商业化。

在数字经济高速发展的同时，国家战略层面也提出了一个更具发展眼光的规划，即为经济社会的创新、协调、开放、共享发展提供一个具有乘数效应的战略性、网络化的基础布局“新基础设施”。

“新基础设施”是由技术和工业驱动的一系列现代基础设施系统的总称，这些系统密集、高效、经济、智能、绿色、安全和可靠。2020年，“新基础设施”一词在许多国家的高级别重要会议上被频繁提出。其建设核心主要涉及5g、大数据中心、人工智能、工业互联网、UHV、能源汽车充电桩、高速轨道交通等七大领域。建设内容细分为基础配套设施、平台建设、工业应用等诸多细节。

以人工智能为例，主要建设方向包括:开发人工智能芯片的底层硬件；构建通用智能计算平台；智能传感处理交互能量R&D基础中心的建设:人工智能创新发展试验区建设等。

任务1:增加人工智能芯片的开发

在2019年世界人工智能大会上，华为、平头阁、易图、紫光展锐、寒武纪和地平线等10家人工智能公司的芯片亮相。

后来，在阿里云奇会议上，平头兄弟介绍了发光800ai芯片，这是一种专为人工智能视觉场景二设计的高计算能力芯片。现场演示:“在城市大脑中实时处理杭州主城区的交通视频需要40个传统图形处理器，延时300毫秒，使用夜光800只需4个，延时减少到150毫秒，成本仅为传统图形处理器的十分之一。”拍摄10亿张产品图片进行识别和比较，gpu计算能力识别需要1小时，而light 800可以在5分钟内完成。

人工智能芯片和传统芯片在制造工艺上没有太大的区别，但区别在于性能和效率。例如，当执行人工智能算法时，人工智能芯片的效率会更高，而中央处理器和图形处理器的算法效率较低，这对于商业应用来说仍然是不够的。人工智能芯片服务人工智能算法。cnn卷积网络常用于图像识别、视频识别等领域，而rnn主要用于语音识别。前后算法有很大的不同，但它们本质上是矩阵或向量的乘法和加法，然后配合一些算法，如除法和指数。

在相同的条件下，当执行人工智能算法时，当ibm的power8(cpu)与谷歌的tpu1(gpu)比较时，power8一秒内峰值A的计算次数约为64次，谷歌tpu1一秒内峰值A的计算次数约为90次。

Ai芯片将优于cpugpu，具有轻800。在rsenet50v1条件下，light 800计算能力的峰值性能达到78563ips；峰值能效达到500ips/w..相当于10个图形处理器的计算能力。

目前，人工智能与其他行业的结合正在逐步成熟，对计算能力的需求日益增加。为了满足工业和城市级项目的需要，对人工智能芯片的需求正在逐渐显现。

任务2:“云服务”使人员和企业受益

2019年上半年，中国公共云服务市场规模达到54.3亿美元。随着企业用户对计算需求的增加，市场规模仍在扩大。传统云服务的计算能力已经难以满足新生的海量数据处理需求，尤其是在语音识别、图像识别、视频识别、深度学习等技术方面，因此人工智能云服务已经逐渐进入我们的视野。以腾讯、百度、华为和阿里巴巴为代表的云服务已经投入商业使用。

百度智能云以其人工智能技术得到了市场用户的认可。百度的“天智”人工智能基于百度的大脑，提供即时可用的一般人工智能功能，如视觉和声音、行业解决方案、人工智能开发平台和培训服务。行业客户可以根据自己的业务需求和数据定制个性化智能应用。

“Polar Chain ai Cloud”是Polar Chain Technology基于多年积累的视频ai业务技术和经验正式推出的极地链ai云平台，专注于共享计算能力网络平台，帮助人工智能产业发展，实现创新共赢。通过整合上下游合作伙伴，用户可以在polar chain ai cloud庞大的计算能力网络上根据自己的需求购买其他人共享的gpu云主机，所有者也可以在此平台上出售闲置的gpu云主机，共同解决高性能机器大规模堆叠造成的资源浪费问题。同时，在极地链ai云平台上可以灵活匹配多种配置服务，使性能达到极致A，满足各种需求，提高计算效率，为用户提供更加差异化的ai云服务解决方案。

目前，商业云服务主要应用于计算、网络、存储、数据库、cdn和边缘服务、管理、运营和维护等领域。，基本能满足企业多样化的云服务需求。云计算正在成为企业的一种趋势，差异化的计算需求已经成为企业的隐性负担，因此云服务可以有效地帮助企业获得经济高效的计算服务。

任务3:“智能感知和交互”的产业化过程

智能感知和交互可以分为两种能力，即机器感知如视觉、听觉和触觉，以及人机交互如语音和动作。前者偏向于感知和识别，而后者偏向于应用场景。

智能传感主要通过摄像机、麦克风或物理世界中的其他传感器等硬件设备作为传输“媒介”来传输信息。这些“媒体”将输入内容映射到数字世界，并识别、理解、记住、计划和做出决策。

人机交互是通过各种传感硬件设备在特定场景下实现即时交互或其他信息传输。例如，在自动驾驶领域，这种感知智能是通过诸如激光雷达和人工智能算法的传感设备来实现的。家庭智能音频也是语音识别和交互的一种应用，它通过学习特定的上下文地图来实现与人的交互功能。

未来，智能传感和交互将应用于更多的工业场景，包括仓储、物流、港口、化工、能源等。智能传感交互可以在机械化程度高的领域发挥更大的作用。

[/s2/]任务4:构建各类人工智能“开放式创新平台”[S2/]

自2017年以来，智能视觉领域的“新一代人工智能开放创新平台”相继推出，包括百度、阿里巴巴云、科达讯飞、腾讯、上塘科技、易图科技、罗明科技、华为、平安、海维信、京东、迪法恩科技、360奇虎、美好未来和小米。共选择了15家企业。

例如:依靠百度为自主驾驶国家构建新一代人工智能开放创新平台；依托阿里巴巴云为城市脑国家打造新一代人工智能开放式创新平台；依托腾讯为医学影像国家打造新一代人工智能开放创新平台；依托iflytek打造中国智能语音新一代人工智能开放式创新平台。

总的来说，新一代人工智能开放创新平台集中在人工智能的关键子领域。为了充分发挥行业内龙头企业和研究机构的主导作用，整合技术资源、产业资源和金融资源具有重要意义，有利于人工智能领域专业人才的持续培养，促进人工智能技术成果的扩散和转化。

“新基础设施”的发展规划目标已经确立，在一些领域取得了一定的成绩。未来，随着5g、大数据、工业互联网、人工智能、UHV、新能源汽车、高速轨道交通等产业的协调发展，将形成更强的经济驱动效应。