投资界（微信ID：pedaily2012）消息，3 月 27日，云知声 AI 技术开放日（Open Day）首站在北京成功举办，云知声面向人工智能硬核科技，与合作伙伴、相关学术和产业研究机构等共话人工智能前沿技术与产业应用并探讨合作的平台。密集的AI 干货输出，让与会者大呼过瘾。
AI 理性回归，全栈能力建设成决胜关键
中国科学院自动化研究所副所长/模式识别国家重点实验室主任刘成林指出，在当下AI 技术驱动的产业变革浪潮中，要服务好消费与产业升级的需求，技术与应用的挑战十分艰巨。对于AI 企业而言，需建设更加全面的技术体系，才能不断适应并满足场景化的实际问题，保持自身的行业优势。
云知声董事长/CTO梁家恩博士指出，“在全栈能力与硬核科技双轮驱动下，云知声定位需求与问题，致力于打通技术创新到产业应用的闭环，解决产业规模化应用的关键问题。”
云知声很早就搭建了被誉为云知声版“TensorFlow + GKE (Google Kubernetes Engine) ”的Atlas 机器学习计算平台。基于该平台，向上支撑起信号（AEC／SSP／ISP）、语音（ASR／TTS／VPR／CALL）、语言与认知（NLU／NMT／SDS／ICI）、图像（FID／OD／OCR）等多技术领域的横向扩展和纵向迭代。通过将能力封装在自研 AI 芯片之上，云知声打磨了“云端芯”一体化产品体系，落地“AI+生活（家居、车载、机器人等）”与“AI+服务（医疗、教育、政务、酒店等）”两大核心场景，继而贯通云知声从AI 技术到产业应用的生态闭环。
过去的2018 年被行业称为AI 芯片的元年，传统与新秀纷纷拍马杀到，一时间烽烟四起。
云知声副总裁/芯片研发负责人李霄寒博士认为，针对人工智能的芯片设计，面临着碎片化场景、冯·诺依曼内存墙、边缘侧应用的低功耗需求、安全需求四大挑战。在芯片设计上，需面向具体场景，基于端云互动的思想提供多模态处理的能力，在性能、功耗、面积上达到优异平衡，并兼顾连接和安全的需求。
解决冯·诺依曼内存墙这一行业共同难题，关键在于拉近计算单位和存储单位的距离，让它们尽可能接近。为此，云知声提出了异构计算系统架构设计、加速器近算存储结构，以及通用API函数到专用指令集的多重应对方案。与此同时，通过技术攻坚，云知声推出的低功耗语音唤醒技术，以及面向机器视觉专用的低功耗microISP，可很好地适应边缘侧应用的低功耗需求。而定制的安全 IP 规划，则可满足安全性方面的要求。
从远场语音识别的前端信号处理技术出发，云知声 AI Labs 资深专家关海欣分享了云知声针对这一领域的创新解决思路。他表示，解决远场语音识别的关键点在于远场拾音，需从前端的信号处理阶段入手，妥善处理好回声、混响、噪声等三个核心问题。在回声消除、混响抑制、噪声处理等方向，云知声已有领先的成熟技术方案，相关技术指标均达行业一流水准。
AI 芯片百花齐放，云端、边缘侧殊途同归
AI 芯片分论坛中，云知声副总裁李霄寒、寒武纪副总裁刘道福、NextVPU（肇观电子）联合创始人陈涛、比特大陆算丰AI 产品线总裁阮沈勇四位嘉宾结合各自公司的业务方向，就AI 芯片的关键技术、设计难点与场景应用进行了分享。
李霄寒认为，IoT 结合 AI 化浪潮，需要全新的 AIoT 芯片，多模态 AI 芯片是关键一步。AI 与 IoT 的叠加要求传统解决方案朝五大方向转型：从通用架构-AI架构、从依赖硬件到软硬件一体、从 PPA 模式到垂直场景模式、交互从单模态转向多模态、设备从独立到协同。为此，云知声提出Skills On Chip 概念，打造了 DeepNet2.0 多模态神经网络处理器IP，可兼容多种神经网络。
寒武纪公司副总裁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。
NextVPU 联合创始人陈涛重点介绍了其 AI视觉处理器芯片N171。他介绍，N171是一款高度集成的SoC芯片，可作为主芯片独立运行操作系统，还可为计算机视觉定制特殊的视觉成像引擎，可广泛用于机器人、无人机、无人车等方面。
去年年初，比特大陆发布云端 AI 芯片品牌“算丰”，并按照 9 个月的速度进行产品发布和迭代。在下午的分论坛上，比特大陆算丰 AI产品线总裁阮沈勇介绍了比特大陆量产深度学习加速卡 SC3。他透露，今年上半年比特大陆还将推出第三代芯片 BM1684，BM1684 的芯片会在处理路数以及接口上有大幅度提升。
知识图谱，打造行业专家人设
云知声AI Labs 资深专家刘升平、中科院自动化所副研究员刘康、中科院软件研究所研究员韩先培、文因互联创始人/CEO 鲍捷、达观数据创始人/CEO 陈运文，围绕该领域所面临的技术挑战以及应用前景展开了讨论。
刘升平指出，知识图谱是人工智能时代打造面向酒店服务、家居生活、儿童教育等不同场景行业专家的基石。结合在医疗领域的产业实践，刘升平分享了知识图谱的构建方法与构建流程。他认为，在构建知识图谱时，一定要看行业历史上的知识表现方法，通过借鉴这些方法来降低成本；另外一定要应用驱动，而且一定要选好知识图谱的评测方法。
中科院自动化所副研究员刘康、中科院软件研究所研究员韩先培两位嘉宾则分别结合自身的研究方向，分享了自然语言理解、知识获取与对话生成等技术领域的最新进展。
随后，文因互联创始人/CEO 鲍捷分享了关于知识图谱的一些核心概念知识、基本原则与演进方向。他认为，知识图谱的最佳用途在于“不可预期”的应用，其突破点可能在于人机交互（HCI），而不在于知识的提取或知识表现。
知识图谱论坛的最后一位嘉宾，由达观数据创始人/CEO陈运文带来文本智能处理领域技术发展和应用成果的分享。他指出，随着各行业向智能化转型的发展需要，文档内容自动化处理在大型集团企业、政府、教育、金融等行业有着广阔应用前景。借助自然语言理解、机器翻译、知识图谱等技术，在深度学习的加持下，可以让机器高效、自动化地实现文档的阅读、审阅和撰写，实现数据化、智能化运营,将有效提升企业运营效率。
