2020 人工智能市场何去何从

2020 人工智能市场何去何从

全球首款智能测温眼镜。这款眼镜推出后即受到《纽约时报》、CNN、《每日邮报》路透社等国际媒体的关注，目前被全球32个国家都大量采购(除了澳洲)，产能已经排到10月份。

“我们的眼镜可以在一分钟内看到上千人的体温，比如在今天这个会场，带上眼镜扫一眼过去大家的体温就都测到了。”Rokid创始人、CEO祝铭明介绍道。

这款测温眼镜初始设计是针对工业环境，帮助产线工人在检查温度、线路异常等时解放双手。工业环境一般比较稳定，湿度温度距离等都可控，但在生活环境中要在4米的距离外把误差控制在0.2度内非常难。

以前觉得AI和AR落地难，这绝对是身边AI和AR结合的成功案例之一。正如清华大学微电子学院魏少军所言，“中文的危机一词非常巧妙，任何的危险里面都隐藏这机会。”

AI在边缘与云端的“分工协同”

虽然上面两家公司的产品，都强调了边缘计算的重要性，越来越多的处理也会在边缘执行，“但是这并不表示我们边缘和云端是互相对立的，反而这两者是相辅相成的，两者是分工协同。”壁仞科技联合创始人、总裁徐凌杰指出。徐凌杰上一份工作是阿里云基础架构总监。

“云端有非常强的算力，智能终端从技术和商业模式上来讲都是云端智能在边缘侧的一个延伸，是一个分布式的技术体现。过去几年AI在云和边缘都得到了强劲增长，今年整个AI芯片产业市场规模会接近200亿人民币，其中7成还是在云端，因为云端还是代表了非常强的算力水平。”他补充道。

那么AI在云端与边缘如何协同和分工？

“我们一直说让能够听到炮火声的人做决定，在终端和云端的分工也是一样。以视频分析为例，如果能在终端设备中加入一定AI算力做视频结构化，能对云端减少很大的负载、节省带宽，更快反馈。另一方面的考量是隐私，让终端数据留在终端，云端去处理抽象的、有共性的数据。”徐凌杰认为，“另外，终端受到连接、功耗、以及小型化的需求限制，芯片在面积、功耗、以及算力上并不能够完整满足需求，这样的情况就需要云端AI。”

云端AI首先通过规模化解决资源整合的问题，其次通过集群化解决算力拓展的问题，第三通过集约化解决成本效率的问题。数据中心云端的智能能够在规模效应下提供更强大的算力。

现场观众对AI服务器最关注的方面进行了投票:

现场也对终端AI产品的主要优势做了投票：

投资界如何看待AI的未来？

上海集成电路产业投资基金一期总规模285亿，重点投了芯片制造，包括中芯、华力、积塔等企业。