AI平台擦出新火花 5G发展风潮势不可挡

人工智能(AI)平台无疑开启另一波5G杀手级应用。 从4G到5G的演进过程，不仅是网络的复杂性更高，其须管理的设备装置与种类也都随之增加，因此需要有更智能的人工智能(AI)平台来协助电信商提升营运效率，同时打造新型态的商业应用模式。 台湾爱立信(Ericsson)副总经理暨技术长姚旦表示，4G时代通常是透过关键效能指针(Key Performance Indicators, KPI)来监控实际服务质量统计参数，以便观察所提供服务之*真实原貌 ；不过到了5G的阶段，除了网络流量暴增之外，更导入了像是网络切片、软件定义网络(SDN)或网络功能虚拟化(NFV)等不同的技术，仅采用既有的传统KPI网络行为分析，似乎无法完全满足5G所需要的大数据量分析与新技术的支持， 故需要AI平台与机器学习协助自动分析，建造更加智能的网络，提升用户经验。基于此，爱立信积极为电信商量身打造专用的AI专家分析系统--EEA(Ericsson Expert Analytics)。 姚旦谈到，爱立信与业界其他公司如Google、IBM、Microsoft等企业主力发展AI平台着重点不同，而这些平台可适用于任何产业；爱

Google 正与美国国防部合作，协助开发 AI 来分析无人机画面

Google 的 AI 实力相信是有目共睹，而近来外媒 Gizmodo 披露，Google 目前似乎正和美国国防部合作，协助开发 AI 来分析无人机画面，考虑到开发用途的敏感性，Google 一些内部员工似乎对此感到强烈不满。 根据了解，美国国防部光是 2017 年便在 AI 领域投入了近 74 亿美元，而与 Google 的这项合作便是被归在同年 4 月成立的「Maven」项目下的一环；Maven 同时也有着「算法战跨职能团队」（Algorithmic Warfa re Cross-Functional Team，AWCFT）的称呼，目的主要是加速国防部整合大数据与机器学习。识别目标的技术在**中具有广泛的用途，除了能帮助无人机监视和追踪目标，也可以替军营及基地提供监视系统的大脑，但过去这类型技术只可以用来识别基本物体，像是汽车或人，在分析复杂场景时总存在些许困难。除此之外，无人机收集的影像也太多，以至人类分析师无法及时有效处理，尽管国防部已经投入许多资源开发先进的感测技术，计划能在无人机飞行期间收集讯息，但它在打造分析数据的工具上却严重落后。Google 发言人在一份声明中证实，它

恩智浦将于CES上展示集边缘计算、机器学习和**传感技术于一体的独特用户体验

恩智浦半导体(以下简称“恩智浦”)与物联网 (IoT) 行业伙伴Google Cloud、Amazon Web Services (AWS)、Accenture、Au-Zone和ClearBlade合作，将于2018年1月9日至12日在拉斯维加斯举办的国际消费电子展 (CES) 上展示边缘计算的前沿发展及该技术在应用领域的强大潜能，并为嘉宾带来关于未来边缘计算和人工智能应用的个性化体验。从基于边缘的人工智能到感官对象识别和管理，物联网边缘计算体验主要包括以下两方面：边缘节点计算智能的可扩展处理能力。恩智浦将展示边缘节点计算的各种使用场景，都基于业界*广泛的物联网处理产品组合，从超低功耗微控制器到跨界处理器，再到高性能i.MX8应用处理器。展会观众将见证如何使用Au-Zone DeepView神经网络技术来识别烤箱或冰箱中的食物，或者如何从传感器推断数据来检测异常情况，实现预防性维护。**、高效的边缘计算平台。Layerscape LS1043/46边缘计算平台支持Google Cloud IoT、AWS-IOT Platform或Azure IoT等云框架与边缘节点、传感器和设备的无缝

2018未来产业深圳峰会成功召开

本报讯 1月13日—15日，“2018未来产业深圳峰会”在深圳成功举行，本次峰会由新兴产业百人会、深圳市经济贸易和信息化委员会、中国电子信息产业发展研究院主办，深圳市华傲数据技术有限公司、广东联清环境有限公司、北京和清投资咨询有限公司承办。会议的主题是“新时代，新机遇，培育新动能”，大会由新兴产业百人会秘书长、中国电子信息产业发展研究院副院长王鹏主持。出席本次论坛的嘉宾主要有工业和信息化部相关司局领导、部分地方工信部门的负责同志、海内外院士及知名专家、新兴产业新锐企业、智库组织、行业协会、金融机构、媒体代表等，共计300余人。深圳市人民政府副秘书长高裕跃在致辞中指出，新兴产业在提升深圳经济发展质量、产业升级方面起到了重要作用，已成为深圳经济发展的新动能。当前和今后要以更广阔的视野、更高的站位、更新的思路、更实的举措谋划推动深圳产业**发展。中国电子信息产业发展研究院党委书记宋显珠在致辞中指出，发展新兴产业是我国在新时代**世界经济发展潮流、抢占未来竞争制高点的关键所在。“新兴产业百人会”作为新兴产业领域跨界交流合作平台，能够有力推动新兴产业相关领域的政产学研用金互动，未来要把百人会办出

摩尔定律仍成立?新神经网络芯片速度增6倍 功耗少94%

北京时间2月28日下午消息，据MIT News报道，麻省理工学院（MIT）的研究人员开发出了一种可用于神经网络计算的高性能芯片，该芯片的处理速度可达其他处理器的7倍之多，而所需的功耗却比其他芯片少94-95%，未来这种芯片将有可能被使用在运行神经网络的移动设备或是物联网设备上。 MIT电子工程与计算科学研究生Avishek Biswas是这个项目开发的***，他表示：“总体来说一般的处理器的运行模式是这样的，在芯片的一些部分里安放了内存，在进行计算的时候，它会在这些内存中来回移动数据。由于机器学习算法需要大量的算力，因此在来回移动数据的时候会消耗大量的能源。但是其实这些算法所做的计算可以被简化成一个种具体的操作，这种操作被称为点积（dot product）。我们的想法是，我们是否可以将这个点积功能部署在内存中，从而无需在不断的移动这些数据？”这个芯片会将结点的输入值转化为电压，然后在进行储存和进一步处理的时候，再将其转换为数字形式。这种做法让这块芯片能够在一个步骤中同时对16个结点的点积进行计算，而且无需在内存和处理器之间移动数据。MIT News认为这种处理方法更加接近于人类大脑的工

脸部识别技术准确率不均 易因肤色人种产生误判

美国研究人员测试IBM与微软(Microsoft)等业者推出的脸部识别技术准确度后发现，接受测试的服务在白肤色人种上准确度较高，黑肤色人种准确度偏低。报告指出，其原因在于原始训练演算法上黑肤色人口较少。专家也呼吁，业者在目前识别技术准确度资讯上应更加透明。据Wired报导，研究人员测试过微软与IBM识别照片上性别的脸部分析服务，结果发现上述公司演算法在识别较白肤色的男性准确度接近***，但分析黑肤色女性时则经常出错，其原因在于，利用机器学习技术打造脸部分析演算法的训练数据中较黑肤色较少。过去Google的照片分类服务便曾将黑人标示为黑猩猩而令外界诧异，因此，如何确保部署在消费性产品、商用系统与政府程式的机器学习系统无虞，已是人工智能(AI)领域重要讨论课题。2016年乔治城大学(Georgetown University)报告曾指出，已被FBI与各地警察局部署的脸部识别技术的准确度在非裔美国人上偏低。在这次新的研究，麻省理工学院(MIT)研究人员Joy Buolamwini与微软研究人员Timnit Gebru则在识别系统中投入1,270张欧洲与非洲国会议员的相片，而且是利用费式量表(

机器学习成长速度惊人，FPGA和ASIC芯片有望成为新主力

集微网综合报道，在2016年初，机器学习仍被视为科学实验，但目前则已开始被广泛应用于数据探勘、计算机视觉、自然语言处理、生物特征识别、搜索引擎、医学诊断、检测信用卡欺诈、证券市场分析、语音和手写识别、战略游戏与机器人等应用领域。在这短短一年的时间内，机器学习的成长速度超乎外界预期。 Deloitte Global *新的预测报告指出，在 2018 年，大中型企业将更加看重机器学习在行业中的应用。和 2017 年相比，用机器学习部署和实现的项目将翻倍，并且 2020 年将再次翻倍。目前，有越来越多的类型开始丰富“AI芯片”这个新名词，包括 GPU、CPU、FPGA、ASIC、TPU、光流芯片等。据 Deloitte 预测，2018 年，GPU 和 CPU 仍是机器学习领域的主流芯片。GPU 的市场需求量大概在 50 万块左右，在机器学习任务中对 FPGA 的需求超过 20 万块，而 ASIC 芯片的需求量在 10 万块左右。值得注意的是，Deloitte 称，预计到 2018 年底，超过 25% 的数据中心中用来加速机器学习的芯片将为 FPGA 和 ASIC 芯片。可见，FPGA、ASI

人民网三评算法推荐 今日头条：正视不足，勉力前行

9月21日下午消息，在人民网三评算法推荐后，今日头条发表回应《正视不足，勉力前行》。今日头条表示，感谢人民网在评论中把今日头条作为案例来分析，“我们正视机器学习技术目前整体发展的不足，勉力改进。” 以下为今日头条《正视不足，勉力前行》原文：在今天，算法分发已经是包括搜索引擎、浏览器、资讯客户端甚至音乐软件在内的互联网产品的标配。行业普遍认为，中国的算法分发走在全世界前列。人民网对算法分发的三篇评论，关心技术潮流，切中行业脉搏，考虑深远。感谢人民网在评论中把今日头条作为案例来分析。作为全球*早依靠机器学习来做个性化分发的信息平台，今日头条理解媒体的这些忧虑。今日头条的初衷，是希望通过人工智能技术促进人与信息的交流。机器学习已经在信息分发中表现出了它不可替代的作用，尤其是长尾内容的分发和触达。它和信息传播介质的升级一起，降低了人们获取信息的知识门槛，让“知识普惠”从口号变成了现实。机器学习和人工编辑，在现阶段，是相辅相成的。未来也是如此。再聪明的人工智能，也只是一个需要不断升级的工具，而人是不可替代的。这是一个不断磨合和优化的过程。这也是人民网三篇评论的价值所在。我们正视机器学习技术目前整

NVIDIA AI发展前景　开拓推论及大陆商机

NVIDIA执行长黄仁勋近日在北京举行的2017 GTC大会上，发表一系列人工智慧(AI)技术与合作关系，为NVIDIA在全球资料中心领域再添创造新营收更强大推力，此前NVIDIA多数资料中心业务均受惠来自美国大型资料中心业者如亚马逊(Amazon)、Google、Facebook、微软(Microsoft)及IBM的需求，如今从本届GTC大会所发表新技术与客户群，显示将有助NVIDIA驱动在机器学习(ML)推论市场的营收，以及巩固NVIDIA在大陆庞大AI市场的定位，未来如何发展值得观察。 根据富比士(Forbes)报导，NVIDIA在北京GTC大会上发布全新TensorRT3软体，能够优化NVIDIA绘图晶片(GPU)训练神经网路供推论处理所需，并可部署于NVIDIA资料中心及边缘装置产品组合中，TensorRT3软体本质上即推论的CUDA。黄仁勋宣布，阿里巴巴、百度、腾讯及京东等大陆所有大型网路资料中心业者均已部署TensorRT3，提供机器学习负载之用。此外，NVIDIA也提供部分相当引人注目的基准，用于展示该公司在加速机器学习推论操作、以及在资料中心与边缘领域的实力。另外黄仁

难怪AI股频创高？ 日本、北欧大银行拟削减员工人数

共同社、日本时事通信社10月28日引述消息人士报导，日本*大银行「三菱东京日联银行(Bank of Tokyo-Mitsubishi UFJ,BTMU；8306. JP)」为提升获利、考虑在3年内(自2018年4月起)削减国内分行家数两成。 报导指出，过去10年来客户造访BTMU分行的次数缩减了40%。 作为节流计划的一部分，BTMU计划让数字自动化技术接手目前约9,500名员工日常处理的工作内容。 消息人士指出，瑞穗金融集团(Mizuho Financial Group Inc.，8411.JP)考虑在10年内削减三分之一人力、自目前的6万人降至4万人左右。 三井住友金融集团(Sumitomo Mitsui Financial Group Inc., 8316.JP)也有人事精简的规划。 这意味着自动化软件未来将接手执行BTMU、瑞穗以及三井住友合计约32,500名员工的工作内容。日经亚洲评论报导，日本央行(BOJ)10月23日发布金融系统报告指出，美国、欧洲金融服务价格一年增长约2%、金额占家庭支出约0.2-1.3%的比重，远高于日本的0.01%。软银集团(SoftBank Gro

Cloudera联合创始人：AI还在决策自动化阶段

宁佳彦 “我非常不喜欢人工智能这个说法，现在更准确的说法是决策的自动化，我们如何来搜集数据，利用数据进行分析，并尽可能多地让机器做出一部分的决定。”他在白板前一边写下这些技术名词并标明其归属于IaaS、PaaS和SaaS的哪一层，一边向**财经解释说明诸如亚马逊、微软、IBM公司的发力点。AmrAwadallah是Cloudera联合创始人，也是这家今年刚刚在美IPO的机器学习和数据分析平台提供商的CTO。2000年7月，Amr创办的**初创企业VivaSmartisan被雅虎收购，他此后曾担任雅虎智能产品工程部副总裁。2008年，他建立了Cloudera。“我们的目标就是希望能够正确使用分析解决今天还没解决的问题。”Amr这样定位自己在人工智能领域中要做的事情。用开源打破封闭Amr做了一套开源的构架，从Hadoop架构起家，慢慢延伸出其他25种分析解决工具，形成了共享数据体验平台。打造开源系统，提供共享数据体验，这是Amr认为实现决策自动化的进步。“客户并不是科技公司，他们是要用科技来解决自己的商业上的问题，除了像BAT这样的公司，那些公司甚至都没有动机和能力来做软件上的编程。他们应

Google：神经网络亟需*佳化硬件

有了人工智能 2030年的生活将会变成这样

网易科技讯9月4日消息，据Futurism报道，美国斯坦福大学联合大公司和科研机构的专家共同推出2017年度“人工智能100年发展研究计划”(One Hundred Year Study on Artificial Intelligence, 简称Al100)报告，用来指导人工智能（AI）对社会经济发展的影响。报告中还预测了在AI帮助下，2030年世界将会变成什么样。 想象下你活到100岁的场景，却发现几代专家秘密地记录了你的整个人生，从黄金童年到青春期的永恒错误和狂妄自大，再到爱情迷失(或发现)乃至整个职业生涯。你的每个想法、每次交易、每次旅行或争论以及被遗忘的恩惠，成千上万的巧合突然之间被联系起来，每个似曾相识的场景和无意识的蝴蝶效应都变成了精心记录的因果链。这就是你的全部存在经历，就像人类所知道的那样，去感受它，*后忘记它。这听起来可能像是弄巧成拙的科幻电影，但如果主人公变成了AI，故事主体就会变成一面全球信息墙。与人类智慧存在差异的是，100年后的信息量要要大得多。这是一部正成为科学的科幻小说。就像人类智慧周期那样，这样一份巨大的报告如果没有咨询多方观点，就会显得不足。对于这份

研究：美86%行销长计划投资AI以推升营收

据研究机构Persado针对百余名行销长访问，逾86%的美企行销长有意在2017年将投资于机器学习(machine learning)领域，显示零售业打算大举发展人工智能(AI)技术以推升营收。 其中，大约一半(47%)的受访者表示将投资5,000万美元于AI技术；25%有意投资逾1亿美元。而37%行销长投入AI的目的是推升营收，13%则期待透过AI提升品牌知名度。而45%的零售业者预计在2020年以前开始利用AI技术；目前AI已经用在其他目的，例如对抗零售业诈欺等行为。对此Retail Dive网站认为，拜亚马逊(Amazon)内建Alexa语音助理的Echo逐渐风行之赐，AI技术在零售市场的重要性可说水涨船高：研究结果也显示AI在零售业的能见度和重要性持续攀升。Persado全球客服消费者部门**副总裁Ryan Deutsch指出，多数大型零售商的确掌握庞大的资讯，但却不知道如何消化处理这些数据。AI和机器学习分析的结果，可带来**的行销策略，然关键仍在于利用AI技术达到特定目标，并反映在销售数字上。研究显示，若以0~4分评分且4分为满分，行销人员自认*不擅长的领域包括“个人化产品

投资方：人工智能太热所以有泡沫 投资偏向核心技术

每经记者 张斯 每经编辑 卢祥勇 “你喜欢我吗？”这是全球**高仿真智能机器人佳佳，与美国《连线》杂志创始人、多年关注人工智能发展的凯文·凯利进行跨洋对话中的提问。“是的。”沉默几秒后，凯利回答。“我也这么想。”佳佳冷静地回应。佳佳是中国科技大学研发的中国首台特有体验交互机器人，其具有人类外表，内涵已远远超越苹果语音助手Siri，体内基于机器学习的AI技术让她可以在与人类对话时随机、不可预测地回答甚至反问。因此，有网友惊叹，我们现在是否就身处科幻电影之中了？人工智能已经变得无所不能？在首届“太和文明论坛”举行期间，联想创投董事总经理王光熙博士在接受《每日经济新闻》记者专访时表示，今天的人工智能只是一个辅助的工具，要它具有自己思维、自己进化、超越自己的能力，甚至变成一个不可控的爆发或者增量，这当中不仅需要时间窗口，且是一个相对比较缓慢的渐进过程。AI全球资本热度不减“人工智能是一个工具，如果一个工具还不能超越人类，你要这个工具干什么？”微软亚洲研究院副院长潘天佑在太和文明论坛演讲中指出，有**这个工具在某些功能上面超越人类才能够服务我们，变成有用的工具，这个比赛才会继续进行下去。潘天佑透

华尔街日报：谷歌在中国组建AI团队

Alphabet Inc. (GOOG)旗下的谷歌(Google)正试图扩大在中国的业务。谷歌正在中国地区招聘工程师，专攻科技的*热门领域──人工智能(AI)。 这家硅谷巨头*近在其北京招聘网站上发布了至少四个AI相关职位，其中一个职位是技术主管，职责是带领一个团队开发自然语言处理、数据压缩以及其他机器学习技术。其中有两个职位属于谷歌云计算部门，工作内容与机器学习有关。谷歌云部门目前没有在中国开展业务。谷歌需要找到一个本地合作伙伴并获得特殊许可才能够在中国开展云业务。从广义上讲，AI指电脑从它们所处理的信息中学习，进而表现出来的智慧。在中国，网民数量多达数亿，但鲜有网民对隐私问题感到不安，从这个角度来讲，中国似乎比美国更适合发展AI。从谷歌招聘网站上的信息来看，工作地点在北京和上海的开放职位共有近60个。据一名知情人士透露，谷歌专注于招聘**人才，提升其算法的质量。2010年，谷歌撤出了中国大陆市场。尽管如此，谷歌在中国保留了部分业务。一些分析人士称，相信谷歌正寻求扩大在华业务。

数据重要性日增　可望带动半导体成长契机

目前半导体产业正处于数据分析的中途点，除了大量数据已被产生及分析之外，新技术的开发也让分析数据更有效率。不过，评论认为，随之而来的问题是如何进一步利用数据，因此也可望激发更多实验与投资潮出现，一举推升半导体到新的成长阶段。据Semiconductor Engineering报导，思科(Cisco)预估，2021年每年网路流量将从2016年的1.2ZB(Zettabyte；1ZB为1兆GB)，来到3.3ZB，而且从每日*忙碌60分钟期间的流量来看，在2016年已增加51%，相对整体流量成长则仅有32%。评论指出，如今真正问题不在于数据量，而是有价值的数据数量为何，但目前并没有清楚定论。Synopsys执行长Aart de Geus表示，目前许多产业已发现自家业务、产品与营业模式会被不同数据运用而受影响，如果能加以利用找到捷径与效率，除了带来巨大影响力之外，也可能产生巨大获利。于是此举也将带动许多投资，包括资料探勘(Data Mining)与云端服务以及机器学习与工业物联网(IIoT)等技术的投资。Mentor执行长Wally Rhines指出，拥有数据、分析与处理上述数据能力者可为自己带

智能驾驶加速，无人驾驶可期，资本在布局

智能驾驶加速，无人驾驶可期。 目前汽车行业处于“辅助驾驶”和“半自动化”阶段，而“有条件的自动化”已有一定的技术储备，预计在2020年前后将迎来**无人驾驶产业化高潮。有人甚至大胆预测，到2055年，人类开车上路或将受到限制，随处搭乘无人驾驶的新能源汽车将成为日常出行的常态。资本市场对此更为反应灵敏。根据不完全统计，2017年上半年无人驾驶领域公开的投融资及并购案例共32起，已知的投融资涉及金额超79亿元人民币；智能汽车厂商蔚来汽车和小鹏汽车以23亿元、22亿元的融资规模位列**和**；并购案例涉及金额超千亿人民币，*大的一次并购是英特尔153亿美元收购ADAS巨头Mobileye。　传统车企纷纷出手智能化是汽车行业的一大方向，所以几乎世界上所有的传统车企都在紧锣密鼓地通过自主研发或者并购，加紧布局无人驾驶。从国外车企来看，大众将在2020年前后在每个细分市场推出全无人驾驶汽车；宝马与英特尔、Mobileye联手在完全无人驾驶汽车领域进行深度合作，将在2021年推出完全无人驾驶汽车，并使其上路行驶；奔驰S500已开始无人驾驶路试，并推出“Highway Pilot”系统，未来的商用时间

亚马逊聚焦客户至上　发展AI不高调宣扬

亚马逊(Amazon) AWS叱咤云端运算市场，在人工智能(AI)领域的进展似乎不如Google、IBM、微软(Microsoft)或Facebook来得令人瞩目，对此AWS深度学习(deep learning)主管Matt Wood解释，这仅是各家企业AI策略取向不同罢了。Wood接受Barron’s采访时强调，亚马逊对AI刻意维持低调，不表示没有任何进展，而且众家科技业者看事情的角度不同，有些企业是“聚焦产品”(product-focused)，亚马逊则是重视默默地协助他人，通常是“客户为重”(customer-focused)。Wood透露，虽然没有大肆宣传，但亚马逊采用机器学习技术已经超过20年，AWS上的机器学习服务比其他云端平台还丰富，有多家客户使用AWS开发新产品。其中，消费者健康软件供应商ZocDoc利用AWS开发出机器学习应用；生鲜食品配送服务业者InstaCart透过AWS掌握各地门市店面的产品流向；照片分享服务网业者Pinterest运用AWS来分类影像，时尚新创企业则用以预测未来流行趋势。拥有医学学位的Wood还表示，AWS有为数众多的基因体，在此进行许多分析。

研究人员发现神经网络系统也有后门

网易科技讯8月26日消息，据国外媒体报道，八月初纽约大学教授哈斯加格（Siddharth Garg）把一个黄色的便利贴粘在其办公地点布鲁克林大厦外的停车标志上。当他和两位同事向他们开发的路牌检测器软件输入该停车标志的照片时，系统在95％的情况下并没有识别出这是一个停车标志，而把它当成了速度限制标志。 在考虑到潜在的**性时，这种情况让使用机器学习软件的工程师头疼不已。研究人员表明，诸如上述的这些意外因素可能会嵌入人工神经网络，干扰其识别语音或分析图像的准确率。对于恶意行为者来说，其可以有意设计出类似于加格便利贴那样的行为，可以响应一个非常具体的秘密信号。这样的“后门”对于那些将神经网络运营工作交给第三方、或是在现有神经网络之上开发产品的公司来说似乎是个难以解决的问题。而目前，随着机器学习技术在业务上的广泛应用，采取上述两种方法的公司越来越普遍。“一般来说，似乎没有人会考虑这个问题，”纽约大学教授，与Garg合作的布伦丹·多兰·加维特（Brendan Dolan-Gavitt）如是指出。停止标志已成为研究人员攻击神经网络时*喜欢的目标。上个月，另一个研究团队表明，添加标签贴纸可能会让图像

英特尔借由投入FPGA推动机器学习与AI

自从机器学习(machine learning；ML)与人工智能(AI)在近期受到欢迎后，包括英特尔(Intel)等科技大厂也积极抓紧机会投入开发相关领域。该公司高层日前也表示，英特尔正利用现场可编程闸阵列(FPGA)技术，提供ML或AI的解决方案。据New Electronics报导，为了抢搭ML与AI风潮，英特尔透过收购与内部发展打造解决方案。英特尔的可编程系统事业群(Programmable Systems Group；PSG)前身为Altera，AI产品专家Bill Jenkins表示，PSG专注在机器学习。ML/AI目标则包含资料中心、自驾车与工业系统以及以大量数据分析来解决无法预测的问题。Jenkins也举出一些目前遭遇困难，例如1辆车在1天约产生4Tbyte数据，而1间工厂则产生1ExaByte。在美国搜集后的数据有94%都被丢弃，至于要如何使用上述数据的答案在于变得更聪明。他也指出，让业者能在合理成本与资源下解决之前无法处理的问题，其中的硬体解决方案之一就是FPGA。Jenkins表示，使用FPGA时是为了问题创造1个架构，让人可控制数据路径，有别于让数据从CPU移动再

库克：GPU 大跃进催生机器学习，AI 将取代部分工作

印度媒体《The Hindu》8 日报导，苹果（Apple Inc.）执行长提姆库克（Tim Cook）在受访时表示，人工智能（AI）是非常强大的、它将会越来越接近人类的能力，未来在某个时间点，部分 AI 功能将会远优于人类。他说，AI 就像空气一样，看不到却又无所不在，包括软体、Apple TV、电子邮件、HomePod 等苹果研发团队手上都有 AI 计划案。 库克指出，GPU 跳跃式的进展让一年前办不到的机器学习得以成真，而且未来 5 年还会有更多的进展，这对拥有深厚芯片专业知识的苹果来说将会是一大竞争优势。他还提到，A I有可能会遭到滥用，可能会摧毁部分工作并创造新的就业机会，政府应想办法降低 AI 所带来的冲击。华尔街日报 8 日报导，苹果 2017 年度第三季（截至 2017 年 7 月 1 日为止）研发支出年增 15% 至 29 亿美元，同一时间营收仅年增 7%（至 454.08 亿美元）。截至 2017 年 7 月 1 日为止的 12 个月期间苹果研发支出累计达 112 亿美元，相当于营收的 5% 比重。根据*新发布的季度公告，苹果仅表示为支应研发活动扩大已提高相关人事支

传亚马逊秘密开发医疗保健产品 和苹果类似

北京时间7月27日消息，和苹果一样，亚马逊也成立了一个秘密医疗保健团队，他们正在开发电子病案、远程医疗技术。CNBC在报道中介绍了这个团队，它的名字叫作1492，熟悉历史的人都知道1492年哥伦布发现了新大陆。 1492团队专注于一些硬件和软件项目。现在它们的重心是从传统电子病历系统提取数据。亚马逊想将这些数据提供给病人和病人的医生。接下来，亚马逊准备开发一个远程医疗平台，这样一来病人就可以通过虚拟方式向医生咨询。今年5月份曾有报道说，亚马逊正在探索如何从网站销售药品。1492还想将健康应用整合到Echo、Dash Wand，包括Alexa语音技术。那么亚马逊是不是在开发新硬件呢？CNBC并不确定。团队正在招募1名UX设计主管，1名机器学习主管，这名主管必须在医疗保健IT与分析方面拥有丰富的经验，熟悉电子病案。搜索LinkedIn也会发现，一些团队成员将自己与1492的关系列出来，当中包括2名机器学习专家、1名UX设计师和2名战略项目主管（这两人负责运营集团内部项目）。除此之外，AWS部门也已经招募几名健康专家，主要负责与医院、药品供应商搞好关系。一位知情人士称，从今年开始，亚马逊频频

赛灵思拚机器学习、FPGA获百度采用，本季营收优

全球可编程逻辑解决方案领导厂商赛灵思(Xilinx Inc.) 于美国股市26日盘后公布2018会计年度第1季(截至2017年7月1日为止)财报：营收年增7%(季增1%)至6.15亿美元、连续第7个季度呈现增长；毛利率为68.8%；每股稀释盈余年增3%(季增11%)至0.63美元。 美联社报导，根据Zacks Investment Research的调查，分析师原先预期赛灵思2018会计年度第1季营收、本业每股盈余分别为6.156亿美元、0.60美元。展望本季，赛灵思预估营收将介于6.05-6.35亿美元(中间值为6.2亿美元)、毛利率预估约69-71%。 根据Zacks的调查，分析师原先预期赛灵思本季营收将达6.121亿美元。赛灵思财报显示，2018会计年度第1季亚太地区营收年增幅(16%)居各市场之冠、就季增率而言则是日本(12%)位居**。日经亚洲评论6月13日报导，NVIDIA Corporation虽凭借通用GPU(GP-GPU)登上人工智能(AI)芯片一哥位置、但竞争对手早已在一旁虎视眈眈。美国低功耗现场可程序逻辑门阵列(FPGA)制造商Xilinx表示，伙伴厂商利用FPG

企业安防要基于互联网+思维重新构建

360企业**集团总裁 吴云坤由于传统**防护被动防御方式的迟滞，旧的企业**体系已经无力应对全新的、无处不在的、环环相扣的网络攻击。当前维护企业**的**方式是积极防御，要**监测、快速响应，及时进行**分析，对攻击一方进行追踪溯源。但这还远远不够，企业还应做好信息收集和情报分析工作，必要时候可采用法律手段和技术对抗措施，进行反制进攻。随着社会的进步和信息技术的发展，人们的生活方式都发生了改变，但是随之而来的威胁也越来越大。2017年5月12日，“永恒之蓝”勒索病毒爆发，超过100个国家受到影响，该事件是“冲击波”病毒发生以来，14年一遇的严重网络**攻击事件。6月27日，乌克兰、俄罗斯、印度、西班牙、法国、英国以及欧洲多国再次遭遇Petya0627勒索病毒袭击，政府、银行、电力系统、通信系统等都不同程度地受到了影响。勒索病毒连续两个月大规模席卷全球，这在过去是没有过的，可以预见接下来必然还会有类似的网络攻击出现。新时期的网络**已经不仅仅是企业与黑客的对抗，而是影响国计民生的大事，现在国家关键信息基础设施成为了黑客攻击的重点目标。虽然我国已经建立了网络**应急管理机制和管理体系，但

应自驾车和无人机数据处理需求 云端运算或将移向边缘运算

美国知名创投Andreessen Horowitz经理人Peter Levine认为未来运算趋势将从云端退回边缘，大部分的处理将会在装置层级进行。Levine所抱持的理论为无人机、自驾车和机器人数量激增，这些装置要求极高的处理速度，因此无法等待资料来回云端传送产生的延迟。根据TechCrunch报导，Levine认为，当地球上的装置数量不再局限于人口数量之后，全球的电脑有机会提升一个数量级，而大量兴起的物联网(IoT)装置将改变未来的运算方式，让运算从集中式处理转为分散式处理。但这种转变并不意谓云端将失去其在运算生态系统中的关键地位，而是让云端主要负责机器学习资料的处理，并辅助更多立即性资料处理需求。Levine表示，自驾车可以视为装了轮子的数据中心，无人机是添加翅膀的数据中心，这些装置需要处理大量的即时资讯，系统与云端的资讯传送即使延迟1秒钟都不行。GE Global Research副总裁Danielle Merfeld表示，GE制造的火车头及大型燃气涡轮机等机器所生成的资讯量非常大，数年前该公司便意识到需要将安装在这些大型机器上的传感器资料在位于边缘的装置上进行处理，只将*具价值

HERE HD Live地图让无人驾驶车辆成为*有洞察力的决策者

从前人们认为“无人驾驶 ”、“机器驾驶员解放人类驾驶员”这样的概念还遥不可及，然而英特尔正在让这样的构想落地。为了驱动车轮上的数据中心，英特尔当前在无人驾驶领域的发力用 “不积跬步无以至千里 ”来形容再合适不过，而其中的六大技术即是“跬步”，也是助力无人驾驶车辆致千里的关键所在。 当我们在开车的时候，什么*重要？驾驶技术？车子性能？不，是一双眼。在开车的时候司机主要通过双眼来看路，然后迅速经由大脑进行判断并做出决策。而随着自动驾驶时代的来临，“机器驾驶员”则会把采集到的海量数据，实时汇入、更新到高精地图中，再通过大数据和机器学习来做出判断。因此，高精地图可以将一切路况尽收“眼”底，并告诉车辆，我在哪，周围的环境如何，接下来要如何规划路线驶向目的地。高精地图对于无人驾驶车辆的导航、定位、路径规划与控制至关重要，直接影响了车辆行驶的效率与**程度。由英特尔与HERE共同研发的高精地图正是无人驾驶车辆实时洞察路况、及时做出决策的关键所在。HERE高精实时地图充分利用大数据和机器学习提供高度**的*新信息 机器可读的实时地图，让无人驾驶汽车预判拐角及前方路况与我们日常看到的地图不同，机器读取的

机器学习提升嵌入式视觉应用

机器学习将持续作为众多应用的重要推动因素，尤其是视觉导向的机器人或所谓的“协作机器人”应用。结合处理器核心与可编程逻辑的异质SoC，能打造出高效且可重配置的解决方案。 在目前的嵌入式视觉领域中，*热门的话题之一就是机器学习(machine learning)。机器学习涵盖多个产业重要趋势，不仅是嵌入式视觉(Embedded Vision；EV)，而且在工业物联网(IIoT)和云端运算中均发挥极为显著的作用。对于不熟悉机器学习的人来说，很多时候机器学习是透过神经网路的创造和训练而实现的。神经网路(neural network)一语极为通用，包含大量截然不同的子类别。这些子类别的名称一般用于辨识被实现的具体网路类型。这些网路在大脑皮层上建模，大脑皮层中每个神经元接收输入、处理后并将其传达给另一个神经元。因此，神经元一般由输入层、多个内部隐藏层和一个输出层组成。在*简单的层面上，神经元取得输入、施加权重给输入，然后在加权输入总和上执行传递函数。其结果随后传递至隐藏层中的另一层，或传递给输出层。将某一阶段的输出传递给另一阶段而不形成一个周期的神经网路被称为“前馈神经网路”(FNN)，而那些存在

Google、微软扩大投入研究　AI大战一触即发

Google与微软分别在本周宣布规模更大的人工智能(AI)计划。Google宣布致力于推动AI用途的People + AI研究计划，将联合Google和外部研究人员重新设计人与AI系统的互动方式；微软则宣布成立专注于开发通用AI技术的AI研究实验室。 根据Android Central报导，Google People + AI研究计划的目标是要弄清楚人类在各种AI应用中的角色。Google甚至开放其Facets Overview和Facets Drive可视化工具让AI工程师使用。训练数据虽为现代机器学习AI系统的关键因素，但往往是不透明和混乱的根源。事实上，机器学习工程与传统软件工程不同之处在于，不仅要对程式码除错，也要对数据除错。Google开发这两项工具后，工程师就能利用Facets更轻易地做除错及理解其正在构建的AI系统。Google似乎主要专注于扩建其以人为本的机器学习引擎。该引擎是为了协助找出AI可具体协助人类的哪些需求，包括气候变迁、医疗进步，或单纯让虚拟键盘知道用户即将切换为用另种语言输入。因方面，微软的AI研究实验室将跟Google一样将专注于开发通用AI技术。微软已

谭铁牛院士谈《新一代人工智能发展规划》发布

促进人工智能产业更快形成合力

中国人工智能学会理事小i机器人创始人兼CEO 朱频频编者接：近日，国务院在*新发布的《新一代人工智能发展规划》（简称《规划》）中，明确了我国发展人工智能的战略目标，并进行了总体部署。《规划》设立了“三步走”目标。那么《规划》的出台有何背景？对新兴的人工智能产业具有怎样的意义？对行业发展将起到怎样的促进作用？如今国内人工智能企业的现况如何？为了帮助读者更好地了解，本报特邀请有关专家对《规划》进行解读。国务院近日印发了《新一代人工智能发展规划》，提出了面向2030年我国新一代人工智能发展的指导思想、战略目标、重点任务和保障措施。人工智能作为国家战略的地位得到巩固，无疑给身处人工智能生态圈的各领域企业注入了强心剂。《规划》提出了三步走的战略目标，更给出了明确的行动纲要：以提升新一代人工智能科技**能力为主攻方向，构建开放协同的人工智能科技**体系……坚持人工智能研发攻关、产品应用和产业培育“三位一体”推进，**支撑科技、经济、社会发展和国家**。聚焦深度AI。《规划》指出：重点突破无监督学习、综合深度推理等难点问题，建立数据驱动、以自然语言理解为核心的认知计算模型，形成从大数据到知识、从知识

Google推新机器学习模型 以单一模型多工处理

Google日前发表研究报告，发表研发的“单一模型学习全部”(One Model to Learn Them All)技术，试图让单一机器学习模型有效多工处理。据VentureBeat报导，Google正在研究的机器学习模型称为MultiModel，Google的深度学习团队Google Brain已经释出了MultiModel的程式码，加入了TensorFlow开源项目。Google训练MultiModel同时处理翻译、语言分析、语音识别、影像识别和物体侦测等功能。尽管研究结果显示，新的机器学习模型效能并未远优于既有程式，不过Google的研究仍显示，对MultiModel进行多工训练的确有助于该模型的整体表现。例如，和仅训练单一任务的模型相比，MultiModel在机器翻译、语言和分析**性等范畴皆有所改善。此外，Google发布的MultiModel亦可作为未来机器学习的模版，除了应用范围更为广泛外，也可望提供较现今市面上更为**的解决方案。而MultiModel亦可减少产生新演算法增加的数据量。MultiModel还具备可为其他机器学习模型量身打造解决方案的功能。目前的研究显示

格芯推出面向数据中心、机器学习和5G网络的7纳米专用集成电路平台

格芯今日宣布推出其基于7纳米FinFET工艺技术的FX-7TM专用集成电路(ASIC)。FX-7是一个集成式设计平台，将先进的制造工艺技术与差异化的知识产权和2.5D/3D封装技术相结合，为数据中心、机器学习、汽车、有线通信和5G无线应用提供业内*完整的解决方案。基于FX-14的持续成功，凭借业内**的56G SerDes技术和专用集成电路专长，FX-7提供包括高速SerDes(60G, 112G)在内的全方位定制接口知识产权和差异化存储解决方案，涵盖低功耗SRAM、高性能嵌入式TCAM、集成式DACs/ADCs和ARM处理器，以及诸如2.5D/3D的先进封装选择。此外，FX-7产品组合可面向以超大型数据中心、5G网络、机器与深度学习应用为代表的低功耗和高性能应用，为其提供全新的设计方法和复杂的ASIC解决方案。未来，FX-7有望被运用于支持汽车ADAS及图像应用的解决方案。格芯ASIC业务部**副总裁Mike Cadigan表示：“随着全球网络中数据流量和带宽的爆炸性增长，我们的客户不断提出新的需求。利用我们*先进的7LP FinFET工艺技术，FX-7产品能为面向诸如数据中心、深度

格芯推出面向数据中心、机器学习和5G的7纳米集成电路平台

集微网消息，格芯今日宣布推出其基于7纳米FinFET工艺技术的FX-7TM专用集成电路（ASIC）。FX-7是一个集成式设计平台，将先进的制造工艺技术与差异化的知识产权和2.5D/3D封装技术相结合，为数据中心、机器学习、汽车、有线通信和5G无线应用提供业内*完整的解决方案。 据悉，FX-7 ASIC产品设计套件现已就绪，预计在2019年实现量产。基于FX-14的持续成功，凭借业内**的56G SerDes技术和专用集成电路专长，FX-7提供包括高速SerDes（60G, 112G）在内的全方位定制接口知识产权和差异化存储解决方案，涵盖低功耗SRAM、高性能嵌入式TCAM、集成式DACs/ADCs和ARM处理器，以及诸如2.5D/3D的先进封装选择。此外，FX-7产品组合可面向以超大型数据中心、5G网络、机器与深度学习应用为代表的低功耗和高性能应用，为其提供全新的设计方法和复杂的ASIC解决方案。未来，FX-7有望被运用于支持汽车ADAS及图像应用的解决方案。格芯ASIC业务部**副总裁Mike Cadigan 表示：“随着全球网络中数据流量和带宽的爆炸性增长，我们的客户不断提出新的需

传微软1亿美元买下以色列资安业者Hexadite

软体龙头微软(Microsoft)宣布买下以色列资安新创公司Hexadite，尽管双方并未透露财务细节，熟悉内情人士表示微软开出的购并价格为1亿美元。据TechCrunch网站报导，Hexadite是利用人工智能(AI)技术辨识恶意软体，以保护企业资讯系统**的新创业者。该公司的客户包括跨国软体业者Nuance、物联网(IoT)业者Telit和生物科技业者IDT等等。Hexadite的核心业务是透过机器学习(machine learning)技术和**资安人员打造的AI模型，提供“**修护系统”(security remediation system)，以辨识并拦截杀伤力较小的恶意程式，并过滤出比较严重的资安问题，留待真人资安团队处理。Hexadite标榜此举可有效分流资安任务，让真人资安团队不用因费神解决小问题而疲于奔命，并有效节省真人资安团队的时间高达95%。微软收购Hexadite的目的，是整合既有的防毒技术和AI和机器学习等**领域，进而强化微软的资安防护能力。微软Windows和装置(Device)集团执行副总Terry Myerson表示该公司的愿景，是提供新一代的资安产品

DeepMind推新算法:新神经网络使电脑像人一样推理

科技日报北京6月15日电 （记者刘霞）你打算购买的新房附近有几个公园？某餐厅*好的配餐酒是什么？回答这些日常问题需要进行关系推理，但人工智能（AI）很难掌握这种思维方式。据美国《科学》杂志官网14日消息，谷歌“深度思维”（DeepMind）团队日前研发出一种简单的算法，不仅能解决此类推理问题，而且在复杂的图像理解测试中能超过人类。 人类天生擅长关系推理，但AI的两种主要模式——基于统计和基于符号计算的算法，在发展关系推理方面一直进展缓慢。基于统计的机器学习在模式识别方面表现优异，但不善于使用逻辑；而基于符号计算的AI可使用预先设定的规则推理关系，但不擅长学习。新研究用一种能进行关系推理的人工神经网络来解决上述问题。该神经网络将小程序结合在一起，共同发现数据中的模式。它们拥有专门的架构来处理图像、描述语言甚至学习游戏，从而可对某个场景中的每对物体进行比较。新神经网络接受了多重考验，且表现突出。在回答图像中物体之间的关系时，科学家们让它与另外两个神经网络（分别用于识别图像中的物体和解释问题）合作。结果显示，其他机器学习算法的正确率为42%到77%，人类的正确率为92%，而新神经网络的正确率

专访AlphaGo之父哈萨比斯：正考虑是否要和中国企业合作

记者 周健工 在乌镇，当矮小的得米斯.哈萨比斯( Demis Hassabis)走进**财经临时布置的电视采访间时，他很随和、自然地就和我搭上了话，聊起了围棋和阿尔法狗。40岁的他，略微有些谢顶，就象中国普通高校里的普通青年老师。他被英国伟大的物理学家霍金称为“地球上*聪明的人类之一”，还被英国媒体誉为人工智能时代的“超级英雄”。他是一名神童，在13岁时就已经在同年龄组世界积分排名**，达到国际象棋大师级水平。16岁被剑桥大学计算机系录取。在创办DeepMind之前，他曾经创办一家游戏公司，后来重返学术界，他的一篇有关脑神经的论文，被当年评为*有影响力的的十项科学突破之一。拥有伦敦大学学院认知神经科学博士学位的哈萨比斯，成为麻省理工学院和哈佛大学的访问科学家，并在2010年与两位合伙人一起创办了DeepMind。他们试图从人的大脑中寻求人工智能的算法。DeepMind在2014年被谷歌以6亿美元收购。哈萨比斯和他的团队，影响了谷歌未来十年的发展方向，促使谷歌从移动**转向AI**。特别是DeepMind的围棋软件阿尔法狗(AlphaGo)，在2016年五番棋中以4：1战胜了韩国世界围棋

金山云与英特尔加强人工智能等领域合作

本报讯 记者李佳师报道：5月16日，金山云与英特尔签署合作备忘录，宣布双方将进一步加强在计算、存储、网络以及数据分析、机器学习、人工智能等领域的广泛合作。金山云CEO王育林和英特尔数据中心事业部副总裁、云计算平台部门总经理Raejeanne Skiller双双现身，意味着这次合作对双方都意义重大。据介绍，一方面，双方将以推出更具性能和成本优势的新型解决方案为目标，开展定制和专项类合作；另一方面双方将致力于推动前沿的计算、存储、网络技术与云计算平台结合，促进人工智能的离线训练和在线服务在云计算平台的大规模应用，实现“智”造高性能云时代的目标。据透露，除了在CPU、SSD、网卡等传统领域加强合作外，双方还将共同探索CPU定制，智能网卡虚拟化的应用，OPTANE（傲腾）存储介质在云计算云存储领域的应用以及FPGA在人工智能训练与推测场景的应用等全新领域的合作。“基于双方的合作，我们将把金山云的**能力与英特尔**的硬件高效整合，面向市场推出IaaS、PaaS、高性能计算、机器学习和人工智能等服务。”Raejeanne Skillern表示，“本次合作将专注在技术整合，为不同领域的云计算新兴用

「2017 Google I/O大会」发布**代机器学习TPU 2.0

5月18日凌晨消息，Google CEO Sundar Pichai在I/O大会上正式公布了**代TPU（TPU(Tensor Processing Unit)即张量处理单元，是一款为机器学习而定制的芯片，它能为机器学习提供比所有商用GPU和FPGA更高的量级指令。），又称Cloud TPU或TPU2.0，这一基于云计算的硬件和软件系统，将继续支撑Google*前沿的人工智能技术。**代TPU于去年发布，它被作为一种特定目的芯片而专为机器学习设计，并用在了AlphaGo的人工智能系统上，是其预测和决策等技术的基础。随后，Google还将这一芯片用在了其服务的方方面面，比如每一次搜索都有用到TPU的计算能力，*近还用在了Google翻译��相册等软件背后的机器学习模型中。今天凌晨，Google宣布**代的TPU系统已经**投入使用，并且已经部署在了Google Compute Engine平台上。它可用于图像和语音识别，机器翻译和机器人等领域。新的TPU包括了四个芯片，每秒可处理180万亿次浮点运算。Google还找到一种方法，使用新的计算机网络将64个TPU组合到一起，升级为所谓的TPU

Xilinx 宣布投资机器学习先锋企业深鉴科技

集微网消息，All Programmable技术和器件的全球**供应商赛灵思宣布投**鉴科技（DeePhi Tech），深鉴科技凭借深度压缩、编辑工具链等国际**技术，在系统级优化的机器学习应用领域得到国际公认。借助赛灵思器件在机器学习领域的架构优势，深鉴科技为行业即将到来的AI产品和服务提供了从终端到云端的推理平台。 深鉴科技由清华大学和斯坦福大学的研究人员联合成立。这些研究人员凭借在机器学习领域开展的开创性研究，以及在全球**AI会议上发表的大量论文而闻名。深鉴科技团队成员近期凭借高效FPGA加速语音识别引擎的突破性成果获得FPGA2017会议*佳论文奖：该引擎与CPU相比，性能为后者的43倍，单位功耗性能提升40倍；与GPU相比，性能为后者的3倍，单位功耗性能提升11倍。深鉴科技CEO姚颂指出：“赛灵思的FPGA和MPSoC满足了我们的推断解决方案需求，提供了理想的低时延和可重配置技术组合。赛灵思强大的平台已经被深鉴科技的商用产品采用，这些产品驱动着从终端到云端的智能监控和数据中心的应用。”对于本轮融资，赛灵思公司加速器和IP解决方案副总裁Nazeem Noordeen表示：”深

全新忆阻器超越现有机器学习系统

在当今“大数据”时代，现有计算机硬件架构已面临速度和高能耗的瓶颈。科技日报记者日前采访美国密西根大学电子工程与计算机系卢伟教授获悉，他带领同事研发出一种全新忆阻器（Memristor）阵列芯片，其处理图片和视频等复杂数据的速度和能效，超越了现有*先进机器学习系统。相关论文发表在*近一期《自然·纳米技术》杂志上。目前，用机器学习来处理大数据越来越受重视。不过现有的机器学习只是基于现有硬件架构在算法上进行革新，在学习和推理过程中仍需不断在处理器和存储器之间转移大量数据，造成速度上的瓶颈和很高的能耗。而忆阻器是一种新型电子器件，能通过调整内部的原子分布同时实现数据存储和信号处理的功能，低能耗、高效率并行实现机器学习里*基本的矩阵运算。他们这次制备的是32×32忆阻器阵列，并用该阵列芯片实现了“稀疏编码”的算法。稀疏编码是一种无监督学习方法，能通过芯片上神经元之间的竞争更有效地找出隐含在输入数据内部的结构与模式。在测试中，新忆阻器芯片经过“学习培训”后，利用很少的神经元成功从一些名画和照片中找到关键特征。卢伟参与创建的半导体公司Crossbar Inc，已与中国*大规模芯片制造企业——中芯国际

ArterisIP推出Ncore 2.0 缓存一致性互连和Resilience套件，助力机器学习 SoC 设计

SoC 互联 IP 使高度可扩展的神经网络系统具有集成的硬件功能**特性，符合ISO 26262 ASIL D 的规范美国加利福尼亚州圣克拉拉市，2017 年 4 月 14 日 —— 在刚刚过去的Linley Autonomous Hardware Conference 2017大会上，硅验证商用系统级芯片互联 IP 的**供应商ArterisIP 宣布推出 Ncore 2.0 缓存一致性 （Cache Coherent） 互连 IP 及可选配的Ncore Resilience 套件，用于加速和完善下一代自动驾驶系统和**驾驶辅助系统 （ADAS） 的设计开发。是一款分布式异构缓存一致性互连IP（distributed heterogeneous cache coherent interconnect IP），能助力 SoC 设计团队透过嵌入式低延迟Proxy Caches（也称作“I/O 高速缓存”）轻松集成自定义处理单元。在神经网络机器学习 SoC 中，工作负载通常被划分到不同的处理单元上，低延迟Proxy Caches提供更高效的利用软硬件方式在所有不同的单元间通信，性能明显优于

总理都点赞的人工智能，背后也有它的努力

集微网消息，“**实施战略性新兴产业发展规划，加快新材料、人工智能、集成电路、生物制药、第五代移动通信等技术研发和转化，做大做强产业集群”，今年的**两会上，总理话音刚落，由语音实时转换成的文字就出现在屏幕上。 这样的“神技”是由人工智能实现的，李克强总理还专门看了科大讯飞的现场演示，并称赞“字幕很快”。这也是**次利用人工智能将总理作政府工作报告的声音实时转成字幕。“人跟机器区别在于，如果只是忠实的记录原文，没有遗漏没有丢失的话，机器的确要比人做得好。但是，人的*大优势在于理解力，我们要做的就是能够将速记的绝大部分工作解放出来，使得他们能够提供更精炼、更有重点的内容，这是人的**所在。”科大讯飞研究院副院长王智国在2016年英特尔信息技术峰会的主题演讲中曾表示。从**写进《政府工作报告》，到两会代表、委员纷纷建言献策，人工智能在今年两会上可谓是*火热的话题之一。在政策层面，人工智能被明确为战略性新兴产业，科技部正与相关方面共同起草人工智能**发展规划。而推动人工智能发展，除了政策支持，也亟待产业界通力合作。一直以构建生态圈为己任的英特尔在中国也在构建广泛的AI生态，适应本土的多元应用

骁龙携手Caffe2开启移动机器学习新篇章

视觉封装系统整合即时脸部侦测与识别

CSEM的研究人员结合微型摄影机与配备蓝牙发射器的微控制器，打造出低功耗的视觉封装系统，并透过其机器学习演算法，可实现即时脸部侦测与识别... 瑞士电子与微技术中心(CESM)的研究人员开发出高效率的机器学习演算法，并用于设计出一款仅有几立方公分的低功率即时脸部侦测与识别摄影机系统。研究人员将这款经概念验证的系统称为“视觉封装”(Vision-In-Package；VIP)系统，整合了摄影机系统，以及低功耗处理器(ARM Cortex M4/M7与8MB RAM)、高动态范围成像器、光学元件和通讯介面等。该系统仅占用约4立方公分的空间，连电池加起来的重量还不到20克，并配备一套可即时执行的完整脸部分析管线，并完全嵌入于此VIP系统中。其软体部份十分精简且独立作业，无需外部支援。它是由精简版uKOS作业系统(在μKernel计划开发)以及执行于其上的脸部分析套件共同组成。相较于执行于强大硬体架构的现有系统，VIP系统仅需更低几十倍的CPU时间与记忆体容量，而其分析管线大约以每秒4-5格的速率执行QVGA级的解析度。首先，该系统侦测到所有的脸部资料输入并撷取讯号格，这通常需要不到100毫秒

Google TPU机器学习运算效能优于CPU、GPU 惟需搭配专用平台

过去几年来，市场上对深度学习(deep learning)运算需求不断攀升，Google在2011年就意识到，若全球的使用者每人每天使用Google语音搜寻服务3分钟，Google的资料中心数量得要是当时的2倍才够应付，为了解决此问题，Google从平台到芯片都下了功夫，富比士(Forbes)就报导了Google打造TPU的缘起，并分析了TPU的优缺点。 综观市场主流的中央处理器(CPU)及绘图处理器(GPU)可说各有优劣，一般来说，CPU是针对处理通用任务所设计，优点是能为单一任务提供高速的回应，缺点是一次无法处理太多任务。另一方面，GPU则是为因应大量平行运算的绘图应用程式所设计，能同时处理许多任务，但在单一任务的处理效能及所能处理的任务种类上则比不上CPU，不过对于需要同时执行数百万运算任务的深度学习网路而言，GPU似乎更合适。Google虽已采用了NVIDIA为机器学习所设计的GPU，却仍觉不足，另外，GPU能耗虽不高，但对于拥有数百万台服务器、且必须日夜不间断执行运算的Google而言，累积起来的能耗还是会成为大问题，在各种因素影响下，Google决定干脆自己解决，因而在20

谷歌发布机器学习API：在视频中找东西更容易了

北京时间3月9日消息，在旧金山GCNC（Google Cloud Next Conference）大会上，谷歌推出一个新的机器学习API，名叫“Cloud Video Intelligence”。有了这个API，***可以开发能在视频内部侦测目标的应用程序，让视频变成可以搜索、可以发现的视频。比如我们可以用动词、名词代表这些目标对象，例如“跑”“狗”，然后进行搜索。API相当于服务与应用的桥梁。新API连接到“谷歌云机器学习”（oogle Cloud Machine Learning）平台，这个平台主要用来计算；同时API又将带注释的视频存储到“谷歌云存储”（Google Cloud Storage）。用谷歌新API开发的应用程序可以获得一些特殊功能，让终端用户在视频内搜索目标变得更加容易。 谷歌介绍称，用户现在可以在视频文件中搜索每一个瞬间，可以查找事件，探寻意义；新技术还可以帮助用户在视频中确定名词实体，搞清它们何时出现在视频中。不只如此，新技术还可以检索视频、照片、每一帧之中的相关信息，将信号与噪音分离。 在演示样本中，用户在MP4视频文件中搜索动物，文件时长约为1.5分钟。“C

博通：传感器、大数据、机器学习、人工智能产业都具亮点

交大于2017年3月2日颁赠名誉博士学位给博通(Broadcom)共同创办人Henry Samueli，表彰其在有线及无线通讯产业的**成就与贡献，Samueli表示，未来的半导体产业虽不像20年前快速成长，但不会停止向上的脚步，而担任主持人的台积电董事长张忠谋与Samueli不但是供应商与客户关系，更是认识25年的好朋友，让整个授奖仪式有着好友相见的温馨气氛。Samueli是美国通讯芯片大厂博通(已被Avago合并)共同创办人，他从1991年起担任董事长和**技术长，且博通长期与台湾晶圆代工产业合作，2015年博通的年营收超过80亿美元，有超过3000多项美国**和1000多项外国**，2015年与安华高科技(Avago Technologies)合并后，目前Samueli仍担任该公司**技术长及董事。Samueli在全球半导体产业有着**的贡献，但他笑言，从小父母可是希望他长大后当医生，因为习医可以济世救人，但他长大后却选择当工程师，他觉得也很好，因为投入科技产业帮人类带来更美好更便利的生活。Samueli是在1971年加入UCLA，在1980获得电机工程博士学位，之后加入**大厂

阿里启动NASA计划 建新部门研究机器学习、芯片等核心技术

3月13日上午消息，阿里巴巴集团近日在杭州召开首届技术大会，动员全球两万多名科学家和工程师投身“新技术战略”。会议透露，阿里巴巴正在启动一项代号“NASA”的计划，面向未来20年组建独立研发部门，建立新的机制体制，储备核心科技。 “过去18年来，阿里巴巴的商业做得太成功，掩盖了技术的光芒。”阿里巴巴集团**技术官张建锋（花名行癫）说，阿里巴巴是一家技术驱动、技术和商业结合的公司。电商双11、支付金融、云计算、物流……这些****的商业场景，不断驱使阿里巴巴在互联网工程技术领域攀登**。“今天，我们已处在一个技术**的临界点，从工程技术到核心科技的临界点”。 阿里巴巴集团董事局主席马云当天亮相。他表示，阿里巴巴未来20年的愿景是构建世界第五大经济体，服务全球20亿消费者，创造1亿就业机会，帮助1000万家企业盈利。就像美国航空航天局NASA驱动人类科技和生活的极大进步，新经济体必须建在新的技术基础设施之上，建立在新的技术思考之上。马云进一步阐释：“一个服务20亿人的经济体，需要强大的技术实力。我们将建立阿里巴巴的’NASA’，以担当未来的责任。面向机器学习、芯片、IoT、操作系统、生物识

堆栈技术迈向智能视觉市场

Embedded World大会上发布Xilinx reVISION堆栈技术，并宣布将此技术拓展至广泛的视觉导向机器学习应用范畴。 其完整了*新Reconfigurable Acceleration Stack可重组加速堆栈解决方案，协助用户从边缘到云端，都能运用该技术大幅扩展机器学习的部署。该公司看见从边缘到云端各领域的业者都对机器学习有着极高的兴趣，相信持续投资对堆栈技术的开发，将加速主流市场采用的脚步。 如今已有数百家嵌入式视觉客户，透过赛灵思技术获得了超过10倍的效能以及缩短延迟的优势。 在reVISION新力军加入后，这些优势现在将扩展到成千上万家客户上。全新reVISION堆栈，让更多对于硬件设计不熟悉或不专业的软件及系统工程师，也能够更容易、更快速地开发智能视觉导向的系统。 这些工程师如今在结合机器学习、计算机视觉、传感器融合和链接的应用时，能够获得显著的优势。此堆栈技术在许多市场催生出许多成长快速的应用，这类应用涵盖包括高阶消费类产品、汽车、工业、医疗、以及航天与国防等领域，以及新一代的应用包含协作机器人或cobot、具备感测与碰撞规避功能的无人机、扩增实境、自动驾驶车

Azure云端机器学习助力 工业物联网如虎添翼

云端平台搭载的机器学习模型有大用。 看准机器学习复杂度高，微软(Microsoft)旗下的Microsoft Azure云端平台将内建多项机器学习模型，协助厂商在进行大数据分析时可快速套用模型，得出所需的分析结果。 对工业物联网用户而言，这些模型将使其往后在分析网关所收集的庞大数据时，变得更加容易。 台湾微软营运暨营销事业群云端及企业平台事业部副总经理李玉秀表示，Microsoft Azure云端平台较为成熟的使用案例，有不少是与工厂相关，且更重要的是工业物联网的商业模式与数据分析的目的性较为明确。 台湾有些厂商在导入物联网时，虽然也有做数据收集，但数据收完后，却不一定知道要拿数据来做什么。 但在工业厂商的合作案例中，已可明确看到厂商推出的物联网加值服务是被市场认可的。李玉秀举例，工具机大厂友嘉现已在该公司的工具机中加入Azure的物联网服务，接下来该公司所推出的工具机将都可以联网收集数据，并进行进一步的预测分析、维护分析等应用。物联网的概念，首先是收集数据，接下来是储存数据与处理数据。 这些数据的数量可能非常庞大，且必须在很短的时间内处理完，变成仪表板呈现，甚至也须加入机器学习。 例