基于GPU计算能力的人工智能

基于GPU计算能力的人工智能

伴随着人工智能新一波的爆发，图像识别等新技术的发展、GPU计算能力的提升，都对智慧城市进行了新阐释。AI技术如何重新定义城市、交通、乃至个人生活？AI技术如何真正在智慧城市或者是人工智能城市里面取得突破？

在英伟达GTC 2017大会现场，商汤科技CEO徐立就此发表了相关看法。他认为，智慧城市是在整个城市服务水平的提升，我们理解的从工业城市到智慧城市的发展，是一个必然的趋势。徐立还提出了在AI城市中，可能出现的几个商业场景。

非常有幸有机会在这里跟大家分享商汤科技在智慧城市中应用的一点想法，讲到智慧城市，或者是人工智能城市，我们虽然做人工智能，人工智能城市到底是什么样的情况，也听了几位的演讲，还是挺有感触的，跟他们一直也交流在这一方面的心得，现在大家来看，人工智能对这个行业的影响和变革，其实还是非常大的。

从我们现在的思考，从这一波技术带来的变革，英伟达对整个行业的变化，现在进入了第四次工业革命的时代，包括说我们是大数据的变革，人工智能的变革，引领的是整个行业的产业升级。放到更高的维度来看的，我们可以看到其实人类发生了几次革命，农业革命带来的是农业城镇的建设和变化。再就是工业革命，形成的是物理的提升，有工业城市的建设。现在这一波是技术革命，包括数字，包括说数字化，包括说我们讲的大数据，还有现在的人工智能，必然会带来整个城市的升级。如果我们对智慧城市从这么一个角度来看，智慧城市其实是在整个城市服务水平的提升，我们理解的从工业城市到智慧城市的发展，是一个必然的趋势。

数据是智慧城市一个很核心的标准

讲到智慧城市，或者是AI City，我们也是处在一个比较模糊的状态，因为智慧城市的定义是随着时间变化而变化。刚才讲的安防摄像头，你要知道全世界的安防工作，每天都在使用。现在新兴楼宇有大量的数字

化摄像头，在2020年就有十亿只摄像头，对这个场景的捕捉，试想一下这个是一个非常大的数字化的场景。把所有的变成数字化，就变成了一个智慧城市，这个定义值得商榷。

其实智慧城市一个很核心的标准，就是数据，除此之外还得需要各式各样的传感技术，你要对生活周边所有的这样的内容有所感知的时候，形成这样一个感知网络，这是一个智慧城市。当这波人工智能爆发的时候，对智慧城市进行一个重新的阐释，现在的智慧城市跟人工智能密切相关，用人工智能驱动的方法对城市进行定义，对城市当中的个人生活进行定义，对城市当中和人和交际进行定义，对交通进行定义，以至于对整个国家进行定义。智慧城市从商汤科技的角度来看，我们在这两年服务了这么多企业，用人工智能赋能下游企业的时候，我们发现它是一个动态演进的过程，定义也是随着时间的变化而变化的。

2008年IBM最先提出了智慧城市的概念，各个端包含了三个部分，第一部分是智慧城市的定义需要更透彻的感知，要把数据传回来。从摄像头的建设，和个人感知器的建设，路边有各种各样的传感器，上面有摄像头，还有各种声音，气味，烟雾的传感器，这些传感器达到了第一步是对现实世界场景的还原工作。有了这些工作，进入了第二个阶段，也是十年前比较火的一个概念，有了4G、5G的传感器，然后要做数据之间的传递和数据之间的分享，才能形成一个大数据的集群。

我记得读书的时候，2003、2004年的时候，翻开杂志看到大数据，讲了十年大数据，2013、2014年一直讲big data，一直没有起到实质性的作用，只是大量的数据放在那里，这些数据到底能用在什么，其实不清楚的。所以有了更透彻的感知和更广泛的互联互通，最关键的是背后的核心智能。三个要素，是获取、连接和处理，这三个连接起来，我们认为是现在智慧城市所必须的先决条件。

讲到中国，还是有非常大的魄力，任何一个西方国家在做人工智能的规划也好，在做智慧城市的演进也好，

其实所有给的都是由第三方咨询机构给出这样一个建议，像埃森哲、普华永道每年都会给出关于人工智能和智慧城市，给出对未来的预测，但没有上升到国家政策，没有国家在此倾注更多的指导意见。

在智慧城市方面，其实我们国家在2012年开始非常关注整个智慧城市的建设，当时聚焦在传感器连接，然后数字化。到了14年8月，国家出台了关于促进智慧城市健康发展的指导意见，给出了2020年的五年工作计划，现在讲到人工智能这一波热，政府在这一方面花了大量的心血，中国今年3月份，第一次将人工智能写出了工作报告，6月份出台了关于人工智能规划的白皮书，而且给出了2030年的整个人工智能的规划。所以从这一点上来讲，国家的政策对于整个国家的智能化，智慧化和人工智能有了一个非常大的进步。

GPU和人工智能本身的关系

我们讲一讲GPU和人工智能本身的关系，很多年前大家来看英伟达，很多人认为他是一家做显卡，游戏的公司，即使渐渐从原始的走向GPU通用计算，做的更多的是超算，还有大数据模拟。确实在那个阶段，它和人工智能的关系还是比较遥远。现在来看，英伟达搭建的是跟人工智能相关的平台，所以这一波人人工智能的信息，和这样的平台支撑是离不开的。我们讲人工智能兴起是基于深度学习的算法，其实是一种纯数据驱动的处理程序。以前我们讲深度学习之前有很多统计学习的算法，还有专家系统，更多依赖于人的知识算法。深度学习什么时候发明的，1980年代有相关的神经网络，即使深度学习这个词，完完全全是描绘现在的发展，2006年的时候就有了这么一个学术的理论，并且是在实验当中有一定成果，为什么到现在2017年了，才形成了一个在这里探讨人工智能的爆发对行业的影响，这当中的差距在什么地方？其实主要有几点：

第一点，在2006年的时候，行业的数据没有这么大的规模。那个时候才刚刚开始讲大数据，数据比较小

的时候，人的知识会起到非常重要的作用。我们要估计整个房间的年龄，数据比较少的时候，要对年龄做假设，做正态分布的假设，大家来听的就是数据行业的人。数据大的时候，把所有人信息数据获取了以后，可以做出更好，更精准的，针对于现实场景的分析，这就是数据大小带来的需要不需要人介入。

第二，本身的计算能力不能处理纯数据计算能力，这是GPU起到了非常重要的作用。之前我搜索了深度学习这个词，深度学习以前一直是平的，从这个词的诞生到2012年底都是一个平的，基本上没有过多的搜索，2012年底的时候，突然之间有一个很高速的崛起，第一次用深度学习取得了大规模的视觉识别的突破，讲的是计算机视觉，相当于是处理图片视频。然后第一次大规模的利用GPU，用了GPU来取代原有的CPU，这件事情非常了不起，以前能够取得这样的突破，微软这样的企业拥有大量的CPU的资源，CPU需要很多的机器连接起来，形成一个CPU集群，才能做深度学习的操作。所以人工智能的爆发有点像大而美的事，这件事情确实很漂亮，只能是微软做，谷歌做，Facebook，现在亚马逊也在做。六块GPU 就可以相当于一千个节点的CPU，正因为这样一件事情使得我们进入了一个新的时代，叫计算力的平民化的时代，创业企业能够利用有效的资源，搭建一个更高速的迭代，所以在GPU应用在人工智能和智慧城市的当中之后，能够促进AI算法的迭代。这两个部分的叠加，才是2012年底为什么会有一个新的突破。

平民化之后，大部分的企业有志于做人工智能研究的企业有了很大的突破，在很多垂直领域把一个生产力工具超过人的极限，突破人的准确率，这才是这一波行业爆发的主要原因。

AI技术如何在智慧城市取得突破

AI技术如何真正在智慧城市或者是人工智能城市里面取得突破，我觉得任何一个公司都没有办法去真正阐述我们整个全局的照片，所以我们从中选取了一些角度和维度，这也是我们过去两年商业化过程当中，提供了产品在打磨我们这样一个系统过程当中，取得了一些进展。每个人的生活，对整个社会的商业场景，