第五届亚洲消费电子展(CES ASIA)于2019年6月11-13日在中国上海新国际博览中心(SNIEC)举行，聚焦边缘人工智能计算的科技创业公司地平线受邀参展。12日上午，地平线联合创始人&副总裁黄畅作为AI领域的资深专家，受邀在 CES 主论坛发表主题演讲，分享其对人工智能时代边缘计算趋势的洞察并深度解读地平线的“AI on Horizon, Journey Together”战略。　　

　　地平线联合创始人&副总裁黄畅

　　黄畅表示，普惠AI时代，边缘计算将成为破解AI物联网核心难题的关键。全球知名咨询公司 Gartner于2018年8月首次正式提出了普惠AI时代的主张。这意味着人工智能这项新技术已经不仅局限于政府或实验室，开始迈进了普惠大众的阶段，进入各个行业创造价值。然而机遇与挑战并存，随着AI的发展，数据量级和复杂度急剧增长。据国际 IDC 数据公司(IDC)白皮书《数据时代2025》预测，2025年，超过25%的数据将成为实时数据，其中95%生产自 IoT 终端，并且绝大部分不能直接创造价值，需要经过计算来提炼;而2025年全球数据总量的20%将直接关乎人们的日常生活乃至生存安危。

　　因此，分布式AI计算势在必行。在通用性高的领域交付于云上完成，与生命安全、隐私保护密切相关的领域则由端进行处理。而边缘计算将成为端上指数级爆炸数据的过滤器与控制阀，经过有效处理之后，只需提取少量有效数据传回云端即可。随着 5G 商用开启，终端接入网的扩容极大，实时性要求进一步提升，但因为骨干网扩容成本高、延迟大，导致在边缘侧形成数据堰塞湖。Intel 曾表示：MEC(多接入边缘计算)不一定需要 5G，但 5G 一定需要 MEC。有了边缘计算的加持，5G 的商业价值才能真正得以发挥。边缘计算带来的是商业范式的转移，是一次从软件到硬件的全新变革。端边云协同，未来，人们需要在一个更大的范围内寻找AI解决方案的最优解。

　　另一方面，普惠AI时代的背后是数据计算带来的巨大能源消耗。能源是支持一个社会运转的重要生产资料、物质资料。指数级的数据增长不知不觉间给社会造成了巨大的负担。以中国为例，今天，数据中心耗电惊人，据《中国数据中心能耗现状白皮书》显示，在中国有40万个数据中心，每个数据中心平均耗电25万度，总体超过1000亿度，这相当于三峡和葛洲坝水电站1年发电量的总和。如果折算成碳排放的话，大概是9600万吨，这个数字接近目前中国民航年碳排放量的3倍。这是一个巨大的数字。随着时代向前推进，数据的处理量只会增，不会减。从工业时代的用电量，到数字经济时代的用云量，再到AI经济时代，要考虑的是“用算量”。追求极致效能，这不仅仅是出于利益考量，也成为了AI企业的社会责任。

　　当前的业界存在一个很大的误区，往往会把峰值算力当作衡量AI芯片的主要指标。但其实真正需要的是有效算力，及其输出的算法性能。这需要从四个维度来衡量：每瓦的峰值算力和每美元的峰值算力(由芯片架构、前后端设计和芯片工艺共同决定)，峰值算力的有效利用率(由算法和芯片架构决定)，以及有效算力转化为AI性能的比率(主要是速度和精度两个方面，由算法决定)。之前业界普遍采用 Resnet 这样的模型，但今天采用类似 MobileNet 这样更加精巧设计的小模型，可以用1/10的算力达到相同的精度和速度。这些精巧设计的算法给计算架构带来了巨大的挑战，往往使得传统设计的计算架构的有效利用率大幅下降，从最终的AI性能角度来说，甚至得不偿失。

　　地平线的最大特点，是对重要应用场景中，关键算法的发展趋势进行预判，前瞻性地将其计算特点融入到计算架构的设计当中，使得AI处理器经过一两年的研发，在推出的时候，仍然能够很好地适应最新的主流算法。因此，和其他典型的AI处理器相比，地平线的AI处理器，随着算法的演进趋势，始终能够保持相当高的有效利用率，从而真正意义上受益于算法创新带来的优势。

　　掌握了算法和计算架构，地平线还具备了巨大的潜能。而编译器，则能够将这两者联合起来进行极致优化，释放出所有的潜能。举一个实际的例子，在没有优化的情况下，峰值算力的有效利用率是34%;但经过编译器对指令序列进行优化之后，这个数值被提升到了85%。这使得芯片的处理速度，提升了2.5倍，或者说，处理相同多的任务，功耗降低到40%。

　　顺势而为，用未来重要应用场景中的关键算法发展趋势，来指导地平线AI芯片的架构设计，首重效率，兼顾灵活，这是地平线一直以来的设计理念 -- 极致的AI能效是地平线在产品上始终如一的理想和追求。　　

　　极致的AI能效是地平线在产品上始终如一的理想和追求

　　而在面向客户的实际合作案例中，地平线的方案也充分展示了赋能客户的能力。L4级别自动驾驶的视觉感知的解决方案中有12个360度的摄像头、4个鱼眼、以及8个常规60度摄像头，能够覆盖车周边360度的场景，做分割、检测、和车道线等各种各样的视觉感知技术。客户开始选择了 GPU 方案，发现就算把 GPU 塞到车里，功耗与制冷都成为了巨大的问题。地平线基于自主研发的征程处理器方案却能将功耗降低到3W，且完全可以用量产的方式对车辆进行部署，解决了客户的痛点。

　　另外，地平线选择开发工具链+开放平台，多层次开放赋能。地平线不仅会提供基础开发工具，完成从数据到模型的转换过程，还会将范畴拉开，提供AI的平台级工具。AI从技术演示到商业落地的路径很长，将AI解决方案集成到客户的产品中，赋能并成就客户，对大部分公司来说，存在不低的门槛。所以，为降低方案被集成的难度，地平线设计出一整套包含数据、训练、部署在内的算法开发流程，并开发出一套全栈式的AI平台工具用来高效地支撑这套开发流程。甚至提供大量优秀的算法模型和原型系统，作为参考样例提供给客户。通过这些工具和样例，客户可以照猫画虎，快速地进行产品所需的算法开发，并持续迭代，由浅入深地进行全方位地调优，探索客户自己在数据和算法方面的独特价值。

　　地平线的全栈AI平台工具链，包括数据、训练和设备部署工具。它们形成了闭环，能够高效地运作起来，数据产生模型，模型可以被部署到设备上运行，运行过程中又可以指导模型的调优，甚至收集新的数据。这样的一种开发模式，可以提升开发速度，降低开发门槛，保证开发质量。地平线当前的评估结果显示，它可以减少约30%的开发人力，节省50%的开发时间，更重要的是，因为开发门槛被降低，开发者的规模甚至可以扩大一个数量级。

　　地平线会持续对开发工具进行升级，为客户提供半自动化的处理流程，这里包括：数据工具与模型，模型与端上设备之间的闭环迭代;丰富的模型/系统参考原型，简洁易用直观方便的交互手段;标准化开发流程，加上持续的测试，集成，部署机制。

　　不久前，地平线创始人&CEO 余凯公布了“AI on Horizon, Journey Together”的战略。在目前这样一个能源消耗巨大的AI时代，地平线以其自身特有的优势及服务理念，为客户提供高性价比和易被继承的产品，友好的开发工具及参考样例、先进的计算架构、前沿的算法支持和优质的服务。以开放赋能客户为本，快速满足不同客户需求是地平线AI平台服务客户的宗旨，力图节省更多的开发时间，节约更多的开发人员，也让越来越多的企业参与到人工智能开发的环境中来，打造良好的生态基础平台。　　

　　AI on Horizon，地平线黄畅CES ASIA畅谈边缘计算发展趋势

　　目前，地平线在智能驾驶和 AIoT 领域已成功赋能多个行业合作伙伴，包括地平线高精建图与定位方案赋能 SK 电讯，终端完整语音方案赋能小爱音箱、车载多音区交互技术赋能理想 ONE 车内智能交互、工地安全帽检测等等，并积极参与 AI生态建设，加入了 96boards 等生态社区联盟，加速AI赋能。