现在的位置:主页 > 综合新闻 >

英特尔中国物联网事业部CTO张宇:元宇宙离不开

来源:物联网技术 【在线投稿】 栏目:综合新闻 时间:2022-01-12 10:54

【作者】:网站采编

【关键词】:

【摘要】编者按:《科创板日报》“CTO talk”栏目,从技术与投资角度,深度对话中外TMT 行业优秀企业首席技术官。访谈聚焦元宇宙、人工智能、金融科技、区块链、云计算、物联网等技热点话

编者按:《科创板日报》“CTO talk”栏目,从技术与投资角度,深度对话中外TMT 行业优秀企业首席技术官。访谈聚焦元宇宙、人工智能、金融科技、区块链、云计算、物联网等技热点话题。以最顶级、最新锐企业CTO 视角 ,给受众带来对于技术趋势和行业热点的不一样思考。

《科创板日报》11日讯(上海,记者 黄心怡)AIoT,即人工智能物联网,是人工智能(AI)与物联网(IoT)在实际场景落地中相互融合的产物,作为一种新的物联网应用形态,是通往 “万物智联”、“人机深度”的必经之路。

当下,AIoT正被广泛应用于汽车、零售、金融、交通等各行各业,包括目前热炒的元宇宙也离不开AIoT技术的支撑,被称为是“连接实体与虚拟世界的桥梁”。

中金公司预计,2022年人工智能与物联网的结合有望全面落地助力智慧城市、智能工厂、智能交通、智慧矿山等有望加速落地,推动ICT新基建规模落地。 但在这一轮AIoT的繁荣浪潮背后,对于其发展前景的质疑声也不绝于耳。尤其是在AI产业化方面,依然存在诸多瓶颈。

近日,英特尔物联网视频事业部全球首席技术官、物联网事业部中国区首席技术官张宇博士接受《科创板日报》采访,畅谈了对AIoT以及人工智能发展的思考。

张宇认为,人工智能与物联网的结合需要经过三个阶段,AIoT发展暂时还处于第一阶段,只有当机器能根据人类的需要,进行自主学习,才能实现真正的AIoT。

在他看来,AI是一种技术,但从最终用户的角度来看,能够体验到的是服务。所有的服务都不是依靠单一的技术来支撑的,而是一系列技术的结合,以及一系列平台的支撑。

对于AIoT的应用场景,他认为2B与2C存在区别,2B对准确度的要求很高,所使用的参数会更多。在2B方面,AI在智能制造领域应用前景广泛,一方面帮助企业提高生产效率,另一方面也为碳中和、碳达峰在做相应的贡献。

谈及最近热门的元宇宙,他认为,其实AR/VR只是元宇宙的入口,但AR/VR背后所展现的内容,实际上也需要AI技术的支撑。通过AI技术来感知用户需要什么样的信息,然后把这些信息进行汇总、处理以及分析,最终让结果呈现在AR/VR的设备之上。

以下为《科创板日报》整理的专访实录:

当下的AI:50%人工 VS 50%智能

《科创板日报》:您如何看待人工智能与物联网的结合?

张宇:我觉得AI与IoT的结合分为三个阶段:

第一个阶段是AI技术在边缘侧、在推理阶段率先应用。在这个阶段还需要大量的数据中心能力,来帮助我们训练人工智能的网络模型,把推理结果推送到前端进行使用。

第二个阶段是边缘训练阶段。如果始终利用数据中心进行模型训练,不可避免地会造成训练时间比较长,模型更新频率比较慢。

随着物联网的发展,以及数字化转型的推进,及时地、在更短的时间得到一个网络模型更新的需求,会越来越强。所以我们认为,日后训练工作会慢慢从数据中心迁移到边缘。在边缘可以利用动态采集到的新数据,来进行模型的二次更新,利用更新的结果来指导下一步的操作。

第三个阶段是自主学习的阶段。现在人工智能存在很多的局限。之前跟很多专家交流的时候,我经常会开一个玩笑:从人工智能的字面上来看,既有“人工”的部分也有“智能”的部分。这也很好地体现出目前人工智能的使用模式——大概有50%是人工的,另外50%是智能的、利用机器所产生的。

《科创板日报》:当下,人工智能还是脱离不了人的支持,这会带来哪些阻碍?

张宇:如今人工智能使用过程当中,人仍然扮演着非常重要的角色。虽然我们可以利用庞大的算力来训练模型,但是模型结构还是要由人来训练和设计。这就导致,AI模型在设计过程之中,已经加入了很多人的意志

而且这个模型的结构一旦定了,其应用场景也会比较固定。比如,某一个模型可能适合做视频处理,那么同样的模型就不太适合做自然语言处理。因为早在人进行模型设计时,限制就已经造成了。

所以,我们需要进入第三个阶段,这实际上是一个自主学习、自主训练的过程,称之为Auto Machine learning。简单来说,是机器根据人类的需要,自主使用相应的数据来设计和训练模型,再把这个模型运用到最终的推理过程中。

文章来源:《物联网技术》 网址: http://www.wlwjszz.cn/zonghexinwen/2022/0112/2450.html

上一篇:梦天家居将积极发展智能物联技术
下一篇:ESP32-S3物联网技术,智能家居无线联动,适应化响