云知声举办AI技术开放日，深入解读云知声的AI 技术布局与产业进展

云知声举办AI技术开放日，深入解读云知声的AI 技术布局与产业进展。

云知声董事长、CTO梁家恩表示，云知声很早就搭建了“TensorFlow + GKE （Google Kubernetes Engine） ”的 Atlas 机器学习计算平台，基于该平台，向上支撑起信号（AEC／SSP／ISP）、语音（ASR／TTS／VPR／CALL）、语言与认知（NLU／NMT／SDS／ICI）、图像（FID／OD／OCR）等多技术领域的横向扩展和纵向迭代。

目前，云知声通过将能力封装在自研 AI 芯片之上，打磨“云端芯”一体化产品体系，已经落到到“AI+生活（家居、车载、机器人等）”与“AI+服务（医疗、教育、政务、酒店等）”两大核心场景。

此外，云知声副总裁、芯片研发负责人李霄寒从 AI 芯片设计的挑战、设计维度以及核心技术等方向，解读了云知声对于 AI 芯片行业和技术的看法。

李霄寒认为，针对人工智能的芯片设计，面临着碎片化场景、冯·诺依曼内存墙、边缘侧应用的低功耗需求、安全需求四大挑战。

在芯片设计上，他认为需面向具体场景，基于端云互动的思想提供多模态处理的能力，在性能、功耗、面积上达到优异平衡，并兼顾连接和安全的需求。

他介绍到，解决冯·诺依曼内存墙这一行业共同难题，关键在于拉近计算单位和存储单位的距离，让它们尽可能接近，异构计算系统架构设计、加速器近算存储结构，以及通用API函数到专用指令集的多重应对方案可以进一步解决该问题。

李霄寒还在现场表示，IoT 结合 AI 化浪潮，需要全新的 AIoT 芯片，多模态 AI 芯片是关键一步。

AI 与 IoT 的叠加要求传统解决方案朝五大方向转型：从通用架构-AI架构、从依赖硬件到软硬件一体、从 PPA 模式到垂直场景模式、交互从单模态转向多模态、设备从独立到协同。

寒武纪公司副总裁刘道福结合自身产业经历，多角度分析了智能芯片该如何做到好用和通用。他认为，设计灵活的指令集，设计可扩展性强/高效的架构，提供灵活的运算器方案，支持主流编程架构，在大规模商用中得到反馈和修正等均是做好智能芯片的重要手段。