計算如何推動AI發展？聽中美院士們怎麼說

網易科技訊 9月25日訊息，2018人工智慧計算大會AICC近期舉行，會上，關於“計算是如何推動AI發展？AI發展對計算提出了什麼挑戰？”的問題，中美行業專家提出了自己的看法，中國工程院院士、浪潮集團首席科學家王恩東稱：“計算和人工智慧相互促進，相輔相成”；美國杜克大學終身副教授、美國自然科學基金委智慧與可持續計算產學合作中心主任陳怡然表示：“我們需要有更加高效的AI晶片，才能彌補摩爾定律本身發展限制以及引數增加所帶來的算力差距”；美國工程院院士、美國加州大學洛杉磯分校教授叢京生表示：“今後AI的大多數計算工作都將在可定製的專用加速器上來運算，而通用處理器只負責協調計算的過程”；中國科學技術大學的朱曉波教授：“在很長一段時間內，量子計算的加速能力更多會侷限在某些特定問題上，但將來雲接入量子計算會是一個趨勢。”

以下各位嘉賓的演講內容精選：

（1） 中國工程院院士、浪潮集團首席科學家王恩東發表演講，他表示：“人工智慧正在推動人類社會快速進入智慧時代，而智慧時代的核心驅動力或者說生產力，就是計算。計算促進了人工智慧發展，人工智慧反過來也促進了計算的變革與創新，兩者相輔相成。人工智慧與計算的融合發展趨勢將加強，成為高效能運算、邊緣計算以及未來量子計算最重要的應用場景，同時人工智慧也對計算提出了更多的挑戰，越來越多的公司的開始嘗試在實際業務中使用FPGA、ASIC等定製晶片為人工智慧加速，促進了計算的多元化發展。”

（2） 美國杜克大學終身副教授、美國自然科學基金委智慧與可持續計算產學合作中心主任陳怡然認為：“過去五年如果單看GPU的單板計算能力，只提高了3-4倍，但引數提高了幾百上千倍。需要有更加高效的AI晶片，才能彌補摩爾定律本身發展限制以及引數增加所帶來的算力差距。”

（3） 美國工程院院士、美國加州大學洛杉磯分校教授叢京生表示：“AI發展一是因為網際網路帶來的大資料，二是計算使AI無所不在。深度學習實際上是藉助大資料和大計算來完成的，但神經網路的複雜性增長的非常快，可定製計算必須要達到相應的計算能力才能推動人工智慧的繼續發展。今後AI的大多數計算工作都將在可定製的專用加速器上來運算，而通用處理器只負責協調計算的過程。”

（4） 微軟加速器CEO檀林認為：“英特爾再迭代兩到三代，基本就到物理極限了，通用計算的這種晶片結構未來已經不能引領資訊產業發展。現在出現這麼多XPU是一件好事，超級摩爾定律會在不同的新的技術裡繼續發揮摩爾定律的原則，推動技術的發展和應用的百花齊放。”

（5） 商湯科技研究院總監顏深根談到：“在AI領域比如影象、語音計算模式有很大的區別，在不同的應用場景下計算模式也有很大的區別，例如在移動端、在物聯網裝置上和在伺服器上也有很大的區別，因此XPU的發展趨勢會持續下去。”

（6） 在中國科學技術大學的朱曉波教授看來，超導量子計算比所有的經典計算機都要快，但建造量子計算機的一個核心難題是可擴充套件性和隔離性的記憶體性矛盾，“量子位元的脆弱性遠遠不能用經典位元理解，它是高精度模擬的，是量子化的，如果受到的干擾稍微大一點點，它的資訊根本沒法儲存和運算，要求跟外界環境和相互作用的位元隔離起來。但同時我們又希望可以將它擴充套件成一個通用的計算機，至少要幾千幾萬個位元才能進行精準計算。“朱曉波坦承：“在很長一段時間內，量子計算的加速能力更多會侷限在某些特定問題上，但將來雲接入量子計算會是一個趨勢。”

本文來源：網易科技報道 責任編輯：郭浩_NT5629