作者 痴笑@AI Frontier
编者按：2017年1月11日至12日，首届AI Frontier大会在加州硅谷Santa Clara召开。主办方Silicon Valley AI and Big Data Association邀请Google Brain负责人Jeff Dean，Microsoft人工智能首席科学家Li Deng，Amazon Alexa首席科学家Nikko Storm，Facebook-Caffe创始人Yangqing Jia等人工智能专家以及多家人工智能初创公司展开热烈的讨论。矽说 携手 机器之心，进驻湾区硅谷核心区域，发回了“独家”场记——
十年前，初创公司都是e开头的
那是互联网的时代
五年前，初创公司都是i开头的
那是移动终端的时代
今年，初创公司都是N开头的
那是人工智能的时代
N是什么?
Neural Network
身处人工智能大潮，矽说在过去的一段时间在人工智能硬件领域，携手机器之心，多次发表评论及《脑芯编》系列。今天，在观摩了AI frontier后，矽说小编再次指点江山，人工智能硬件发展过程中容易被忽略的四大决胜关键趋势。(个人观点，仅供参考)
Scalable
规模化扩展
几乎每一个讲者都会提及Scalablity，从框架到实现。无论是Tensorflow还是Caffe，各个框架平台都需要考虑面向不同硬件运行深度学习网络的完整性、一致性。而那些对于需要实现成实际产品的工程，比如自动驾驶(Google Waymo等)、语音助手(Amazon Alexa等)，高效的选择硬件规模更是一个需要攻关的主要难题。可规模化扩展的能力(Scalable)成为每个能广为使用的人工智能实现的铲平必须具备的特性。
Reference: Y. Jia, Caffe Talk
其实，归根结底，Scalabe是因为硬件总是有限的。过去几年，人工智能网络已经从AlexNet、VGG-19的浅层网络的迅速成长成超深层的ResNet，以及多个网络相辅相成的生成对抗式网络(Generative Adversarial Network)。虽然，以NVdia为首的硬件公司也在不断突破，但是其增长速度恐怕无法与目前的神经网络相媲美。
因此，对于每一个深度学习神经网络的实现，在每一个层次实现时，除了计算的高效性外，将大规模网络裂解(partition)并且映射(mapping)到有限的硬件上就成为了一个踏踏实实的问题。表现在接口设计、数据结构的选择等各个层次。而只有那些可以规模化扩展的人工智能硬件，才能在算法日新月异的今天立于不败之地。
Sensable
传感，也要智能
如果你还觉得传感器和人工智能计算是两个完全独立的模块的，恭喜你，你已经被时代抛弃了。大会上，北京文安与Bosch都秀出了新一代的图像传感/VR传感器。毫无例外的，人工智能算法已经与传感器拥抱，同时出现在前端。
Reference: R. Liu, Bosch Sensor Talk
传感器，作为实时推理(Real-time Inference)的最前端，是模拟信号与数字化的人工智能算法间的桥梁。他可以是摄像头，可以是lidar/radar，可以是音频，林林总总。当信号越原始，越早地进入神经网络处理，他就越容易带来意想不到的效果。紧密拥抱传感器的AI算法已经在end-to-end Learning领域迸发出了不一样的火花。未来的人工智能硬件，将不可逆地与传感器结合，成为IoT时代的大趋势。
Sythesizable
综和再生，机器变成人
每天醒来，你唤的第一个名字叫做Alexa，每天睡去，最后一声念叨的是Siri，基于人工智能的语音综合(speech synthesis)已经成为了我们生活中不可缺少的一部分。甚至，未来的骚扰、诈骗电话都会用到AI Sythesize技术。