新基建成為新的發(fā)展驅(qū)動(dòng)力,AIoT產(chǎn)業(yè)是下一個(gè)重要發(fā)展領(lǐng)域

“AIot不是簡(jiǎn)單的AI＋IoT，而是要有服務(wù)的下沉、智能的前移以及智能和連接的融合?！苯眨琁EEE高級(jí)會(huì)員、復(fù)旦大學(xué)信息科學(xué)與工程學(xué)院教授鄒卓在IEEE（電氣電子工程師學(xué)會(huì)）一場(chǎng)媒體交流會(huì)上拋出觀點(diǎn)。

鄒卓認(rèn)為，隨著晶體管的密度增加，晶體管的成本也在下降，但到了10納米以下，晶體管的成本在上升，“所以，在經(jīng)濟(jì)學(xué)上我認(rèn)為摩爾定律已經(jīng)趨近于結(jié)束，摩爾定律是還可以繼續(xù)，但要付出代價(jià)?！?/p>

雖然摩爾定律有所放緩，但鄒卓認(rèn)為當(dāng)下信息產(chǎn)業(yè)仍享受摩爾定律所帶來的兩大紅利：一是計(jì)算變得越來越普適，二是算力變得越來越強(qiáng)。當(dāng)前，“新基建”正成為新的發(fā)展驅(qū)動(dòng)力，而深度融合5G、大數(shù)據(jù)、人工智能和工業(yè)互聯(lián)網(wǎng)的AIoT產(chǎn)業(yè)也由此被業(yè)界視作下一個(gè)重要發(fā)展領(lǐng)域。

“從物聯(lián)網(wǎng)走向AIot，其實(shí)走向的是泛在智能，這種智能不是簡(jiǎn)單地把數(shù)據(jù)上傳，再用深度學(xué)習(xí)網(wǎng)絡(luò)跑模型，而是要綜合考慮到經(jīng)濟(jì)、數(shù)據(jù)、模型、服務(wù)等因素?！编u卓指出訓(xùn)練在云端、推理在邊緣，等到AIot發(fā)展到泛在智能階段將會(huì)變得復(fù)雜，他引用思科數(shù)據(jù)，到2021年所有智能設(shè)備所產(chǎn)生的數(shù)據(jù)將達(dá)到85ZB，但只有7.2ZB的數(shù)據(jù)能用到，有效利用率還不到10%。

“互聯(lián)網(wǎng)節(jié)點(diǎn)產(chǎn)生了海量的原始數(shù)據(jù)（raw data），很多數(shù)據(jù)傳上去但是用不了，運(yùn)營(yíng)商和大型公司都遇到海量數(shù)據(jù)如何處理存儲(chǔ)、有效產(chǎn)生價(jià)值的問題?！编u卓認(rèn)為哪怕有了5G，所有的數(shù)據(jù)傳到數(shù)據(jù)中心，也不能有效利用，讓數(shù)據(jù)產(chǎn)生價(jià)值，“在數(shù)據(jù)產(chǎn)生的邊緣就進(jìn)行有效地處理，是效率最高的?！?/p>

美國半導(dǎo)體協(xié)會(huì)發(fā)布的數(shù)據(jù)顯示，普通人每天所感知到的信息是8.75Mbps，大腦根本處理不過來，但會(huì)進(jìn)行3~5個(gè)數(shù)量級(jí)的壓縮比?！八?，人腦其實(shí)是效率非常高的計(jì)算和認(rèn)知系統(tǒng)?！蹦壳?，鄒卓和團(tuán)隊(duì)正在與新氦類腦合作，開展面向AIoT的類腦芯片與神經(jīng)擬態(tài)系統(tǒng)研究。

鄒卓認(rèn)為，借助類腦技術(shù)大規(guī)模并行、事件驅(qū)動(dòng)、實(shí)時(shí)環(huán)境交互、感算存緊密耦合協(xié)同等特點(diǎn)，開發(fā)能夠如人腦般感知、傳遞、處理和運(yùn)用信息的智能芯片與系統(tǒng)，有望突破摩爾定律以及馮諾依曼架構(gòu)的瓶頸，提升AIoT節(jié)點(diǎn)的智能化程度，同時(shí)提高集成度、降低能耗。

當(dāng)然，AIoT離成為一把趁手的工具、走向廣泛且成熟的應(yīng)用，仍然需要經(jīng)歷相當(dāng)長(zhǎng)的路徑，“從傳感器、芯片等核心器件，到工業(yè)信息系統(tǒng)的垂直集成，都尚有不少有待突破的關(guān)鍵技術(shù)?！编u卓說。
責(zé)任編輯：YYX