2020 年无疑是充满不确定性的一年。即便如此，人工智能技术的进步步伐并未因此放缓，反而在多个行业加速落地实践，影响不断深化。在 7 月 8 日至 7 月 11 日，世界人工智能大会（WAIC）首次以线上形式精彩呈现。借这一契机，我们特别邀请到赛灵思人工智能业务高级总监姚颂、人工智能研发高级总监单羿，以及学术与创新生态高级经理陆佳华，三位行业专家围绕 AI 芯片技术演进与产业趋势、算法研发新动向，以及 AI 教育生态与人才培养等核心议题，展开了一场深度对话。让我们得以系统梳理人工智能发展的脉络——过去、现在与未来。

收听完整的录音回放请点击下方播放

如果把AI比作一个人，它正处于童年到青年阶段

若将人工智能的发展比喻为个体成长历程，当前整个AI产业正处在从童年向青年过渡的关键时期。一方面，学术界仍在不断追求通用人工智能的实现——希望它能处理所有类型的问题，甚至面对从未遇到的新场景也能自主学习和提出解决方案。坦诚地说，这一宏大愿景距离我们现有的算法能力仍非常遥远。另一方面，从产业落地的实际进展来看，大规模应用同样处于初期探索阶段。例如，自动驾驶或工业质检等终端场景，目前仍主要集中在小批量测试和验证阶段，远未达到真正意义上的规模化量产。总体而言，AI产业正处于从“童年”迈向“青年”的成长路径上，距离走向成熟、步入“成年”阶段，依然有漫长的道路需要跋涉。

AI芯片的核心竞争力，到底靠什么？

那么，什么才能真正定义一款AI芯片的核心竞争力？第一个关键要素在于：能否在客户要求的成本、功耗及集成度约束下，提供理想的性能效率。如今衡量AI芯片，早已不单纯依赖功耗、算力等硬性指标，而是更多关注在用户可接受的条件下，能否实现所需的实时性、吞吐量等性能表现。第二个要素是用户体验。开发者在拿到芯片后，是否能够快速上手并部署首个AI应用；能否顺畅地将芯片功能与其他模块集成，并在集成后进行高效调试和优化。可以说，用户体验的品质直接决定了芯片的适用性。第三个，也是最容易被忽视的因素，便是生态系统的建设。众所周知，AI芯片本质上是一个神经网络加速单元，但从这个小小的加速单元到最终用户手中的产品，中间还有很长的链路需要打通。因此，方案设计必须尽量贴近实际应用场景，同时还需要依靠第三方ISV（独立软件开发商）来弥合AI芯片与终端产品之间的鸿沟。性能效率、用户体验和生态建设——这三者缺一不可，才是决定AI芯片能否在市场立足并取得成功的真正“制胜法宝”。

人才才是王道，定制计算人才需要多方合力

如果说芯片是技术与硬件的支撑，那么人才就是发展的根基。为培养定制计算与自适应技术领域的人才，赛灵思持续通过课程共建、学科竞赛、联合实验室、工程训练夏令营、科研冬令营等多种产学合作模式，推动前沿技术的探索与实践。早在十年前，赛灵思便推出了创新性的Zynq全可编程平台技术，不仅取得了巨大的商业成功，更在软硬件协同设计人才培养中扮演了至关重要的角色。时至今日，随着大数据、人工智能和视频流量的爆发式增长，产业对计算处理能力的要求持续提升，同时对功耗控制也变得愈发严苛。在不同应用场景中，定制化计算和自适应计算的需求日益凸显。而借助赛灵思自适应平台技术，我们能够更有针对性地为不同领域输送此类专业人才。

前景与影响：AI汹涌而来，它将改变什么？

回望过去，我们经历了互联网时代，也迈入了移动互联网时代。而下一个时代，毫无疑问是人工智能时代。与移动互联网不同的是，人工智能更多在赋能各类IoT设备、云平台和智能汽车。未来，一个人可能对应着二十台智能设备。可以预见的是，人工智能市场的前景与发展规模将远超过此前的互联网和移动互联网时代——这正是一股全新的、波澜壮阔的时代浪潮。

人工智能将对整个产业产生极为深刻而广泛的影响。一方面，它让许多从前无法实现的应用场景成为现实，例如精准的人脸识别技术。另一方面，它也切实推动了各行各业效率的提升。以自动驾驶为例，随着本轮AI技术的持续突破，我们距离真正的大规模商用自动驾驶越来越近。尽管目前看来可能还需要五到十年的时间，但若没有深度学习和人工智能的推动，这一方向甚至根本无从谈起。再看工业视觉检测领域。传统方法通常面临误检率和漏检率高企的问题，流水线上仍需大量人工进行筛选。AI技术的引入带来了本质性变革——检测准确率显著提高，同时漏检率降至极低水平，生产效率因此得到大幅提升。此外，随着云端服务需求的激增，语音识别、智能推荐引擎变得越来越精准，这也助推许多行业的效率实现跃升，甚至连抖音、快手这类依赖视频推荐的新平台，也因AI技术才成为可能。可以说，人工智能正深刻影响所有与信息和电子相关的学科。只要有信息存在，有电子技术参与，便不可避免地会被人工智能重塑。在这场变革浪潮中，赛灵思凭借ACAP自适应计算加速平台和Vitis统一软件平台，已经牢牢占据行业趋势的领先位置。方向对了，接下来的关键是加速行动。