12月6-8日，為期三天的“2019世界革新者年會(huì)”在北京順利舉辦。本次大會(huì)由中國(guó)企業(yè)聯(lián)合會(huì)指導(dǎo)，工業(yè)和信息化科技成果轉(zhuǎn)化聯(lián)盟聯(lián)合主辦，本次大會(huì)以“科創(chuàng)4.0:共建全球化新未來”集結(jié)了來自美國(guó)、英國(guó)、印度、新加坡、印尼、尼日利亞、巴?、日本、以色列等十余個(gè)國(guó)家或地區(qū)的6000名革新者，總結(jié)2019年世界科技與產(chǎn)業(yè)新的成果，預(yù)測(cè)2020年*新新趨勢(shì)。

本次論壇邀請(qǐng)了**科學(xué)家田奇教授、朱明杰博士、陶海教授、柴金祥教授、劉國(guó)清博士、聯(lián)想創(chuàng)投董事總經(jīng)理王光熙、陳運(yùn)文博士等共同探討和分享作為科學(xué)家創(chuàng)業(yè)者在創(chuàng)業(yè)路上的收獲與感悟，探索科學(xué)技術(shù)與商業(yè)化的結(jié)合機(jī)會(huì)，助推產(chǎn)學(xué)研領(lǐng)域協(xié)同發(fā)展。

其中，華為諾亞方舟實(shí)驗(yàn)室計(jì)算視覺**科學(xué)家田奇帶來了主題為“科學(xué)·企業(yè)家，雙重身份下何為我眼中革新者?”的演講，演講的核心觀點(diǎn)有:

學(xué)術(shù)界和工業(yè)界具有互補(bǔ)性，學(xué)術(shù)界對(duì)工業(yè)界價(jià)值就為工業(yè)界源源不斷的輸送人才，為工業(yè)界提供前沿的方向，同時(shí)學(xué)術(shù)界對(duì)性能的精良追求為工業(yè)應(yīng)用打下堅(jiān)實(shí)的基礎(chǔ)。工業(yè)界對(duì)學(xué)術(shù)界的價(jià)值是反饋學(xué)界人才回流。

學(xué)術(shù)界和工業(yè)界的側(cè)重點(diǎn)不一樣，學(xué)術(shù)界更關(guān)注方法的理論化、通用性、探索未來和啟發(fā)式的認(rèn)知水平。但是工業(yè)界更注重于商業(yè)價(jià)值，更注重方法的使用性。

革新應(yīng)以人才為核心，人才培養(yǎng)是其中*大的中心。

以下為演講實(shí)錄:

**部分是我學(xué)術(shù)和工業(yè)界的背景以及諾亞方舟實(shí)驗(yàn)室的介紹;**部分是“在前沿新的研究和業(yè)務(wù)落地之間的AI使能鴻溝”，以三個(gè)例子來說明一下;*后從學(xué)術(shù)界和工業(yè)界的?度來思考什么是革新?

2018年夏天，我利用學(xué)術(shù)休假加入到華為諾亞方舟計(jì)算視覺實(shí)驗(yàn)室，在今年9月份辭掉了在美國(guó)的終身教學(xué)職位，現(xiàn)在全職加入了華為，所以我現(xiàn)在身份是在工業(yè)界。當(dāng)然大家可以看到我大部分時(shí)間是在學(xué)術(shù)界，在工業(yè)界的時(shí)間還不算?，所以只能在這里談一些個(gè)人的淺?，算是拋磚引玉吧。

我供職在諾亞方舟計(jì)算機(jī)視覺實(shí)驗(yàn)室，諾亞方舟目前有幾個(gè)組:計(jì)算視覺、自然語(yǔ)言處理、搜索、推薦、決策推理、機(jī)器學(xué)習(xí)，仿真學(xué)的人機(jī)交互。以支持產(chǎn)品部?、企業(yè)智能、網(wǎng)絡(luò)智能、終端職能、終端智能手機(jī)拍照大屏，還有一些信息的業(yè)務(wù)，例如無人駕駛對(duì)我們來講也是微感知傳感器融合。

華為的AI使能鴻溝，通過和全世界25所高校的合作，很多研究人才加入了這方面的合作。諾亞方舟的愿景就是讓AI使能鴻溝、***的產(chǎn)出建立上等的AI大學(xué)，來幫助公司實(shí)現(xiàn)AI戰(zhàn)略的轉(zhuǎn)型。

舉個(gè)例子我以平安城市中的使能站識(shí)別為例，左圖是學(xué)術(shù)界做行人站的識(shí)別，它的場(chǎng)景相對(duì)比較單一，是城市或者上空。行人站識(shí)別兩個(gè)*大的圖像數(shù)據(jù)集就是多場(chǎng)景、多時(shí)間段的兩個(gè)數(shù)據(jù)集，都是我們這幾年做的工作。

但是工業(yè)界使能站的識(shí)別，是針對(duì)城市群的大規(guī)模復(fù)雜場(chǎng)景，所以它的條件很難被約束成為理想的條件。那么以這個(gè)多場(chǎng)景、多時(shí)間跨度的數(shù)據(jù)集為例，包括4101個(gè)行人，標(biāo)注行人大概12萬(wàn)方有15臺(tái)攝像機(jī)，采集了室內(nèi)、室外兩種場(chǎng)景的情況，行人的假定能夠被很好的解析出來，準(zhǔn)確率是唯壹一個(gè)評(píng)價(jià)指標(biāo)。

在工業(yè)實(shí)際場(chǎng)景中，要面對(duì)的是幾十萬(wàn)個(gè)這樣的行人ID、幾千臺(tái)甚至幾萬(wàn)臺(tái)這樣的攝像機(jī)、幾萬(wàn)張億級(jí)別甚至更多行人的智能圖像，針對(duì)校園、社區(qū)、街道等多種場(chǎng)景。我們也有園區(qū)的項(xiàng)目，經(jīng)常出現(xiàn)檢測(cè)不準(zhǔn)或者錯(cuò)誤非常嚴(yán)重的情況，所以不光是準(zhǔn)確率，我們還要考慮模型的大小和速度等。

在行人識(shí)別中這是一個(gè)非常常用的識(shí)別模型是基于人體、部件等等。這是我們?cè)?018年的工作，主要是說一個(gè)圖片整體分成多個(gè)模塊，讓不同ID之間能夠區(qū)別開來，從而提升系統(tǒng)的鑒別能力。

工業(yè)場(chǎng)景中如果用這個(gè)方法就比較危險(xiǎn)，因?yàn)楣I(yè)數(shù)據(jù)量特別大，不同的ID之間存在非常相似、甚至相同的一種模塊，如果還是把相似的模塊完全分開，就有損特征的提取，從而導(dǎo)致系統(tǒng)性能的急劇下降。

另外，我們?nèi)绻杨A(yù)訓(xùn)練的系統(tǒng)部署到新的場(chǎng)景下，這一系統(tǒng)的性能會(huì)下降很快，一個(gè)解決方法就是場(chǎng)景遷移，所以在2018年我們?nèi)A為學(xué)生提出了一個(gè)方法來縮短數(shù)據(jù)的鴻溝。這一種算法提出來后，當(dāng)然對(duì)系統(tǒng)性能是有一些提升的，但是如果應(yīng)用到實(shí)際的工業(yè)場(chǎng)景中，生成的圖像的質(zhì)量還是比較差的。同時(shí)也引入了大量噪聲，雖然對(duì)系統(tǒng)性能帶來一定的提升，但是它的天花板效應(yīng)還是比較低，不能滿足工業(yè)界的要求。

我們的解決方案解決的是如何把一個(gè)新的系統(tǒng)探索和部署到新的場(chǎng)景下來，過去它是偏重于跨攝像機(jī)的標(biāo)注，因?yàn)槿吮徊煌臄z像機(jī)捕捉到，多進(jìn)行標(biāo)注。但是我們的解決方案將跨攝像機(jī)的標(biāo)注轉(zhuǎn)為單攝像機(jī)、單攝像頭的訓(xùn)練模式，我們只標(biāo)注行人再一個(gè)攝像頭下的數(shù)據(jù)。因?yàn)樵谝粋€(gè)攝像頭下，行人的檢測(cè)會(huì)變的高速自動(dòng)化，從而極大的減少數(shù)據(jù)標(biāo)注的成本和時(shí)間。

*后以華為終端視覺輕量的神經(jīng)網(wǎng)絡(luò)為例，在學(xué)術(shù)界輕量級(jí)網(wǎng)絡(luò)在保持準(zhǔn)確率的同時(shí)，注重如何減少計(jì)算量或者減少模型的參數(shù)和模型的大小。但是在工業(yè)界要考慮真實(shí)硬件的一些指標(biāo)，比如能耗、速度和內(nèi)存等，所以很難用理論的指標(biāo)。

那么學(xué)習(xí)計(jì)算機(jī)的網(wǎng)絡(luò)，例如計(jì)算量和模型參數(shù)的方法，雖然計(jì)算量和模型參數(shù)降低了，但是實(shí)際的速度還是比較悲觀的，現(xiàn)在工業(yè)界的一些輕量級(jí)計(jì)算偏重于像谷歌、V2這類引入深度分裂的模型，這就提出了通耗混排的操作，在A3使用NASS的技術(shù)進(jìn)行網(wǎng)絡(luò)結(jié)構(gòu)搜索。但是存在一些問題，我們要充分的利用特征之間的融性，適配特定的一些硬件。

2018年輕劑量級(jí)模型常用的思路，就是交叉通道。交叉通道之間的信息可以得到更好的應(yīng)用，但是交叉的操作對(duì)硬件的實(shí)現(xiàn)是不友好的。這種操作對(duì)于內(nèi)存和存量存在著不連續(xù)性，所以會(huì)導(dǎo)致硬件運(yùn)行效率的降低。

我們?cè)诮衲晏岢隽艘粤畠r(jià)的線性變換來?yè)Q取更多的特征，這樣對(duì)計(jì)算資源的需求同時(shí)因?yàn)榱畠r(jià)的線性變換對(duì)硬件友好，所以可以更好的達(dá)到這一個(gè)目標(biāo)。

*后，我主要從學(xué)術(shù)界和工業(yè)界的?度來看什么是革新?學(xué)術(shù)界和工業(yè)界顯然具有互補(bǔ)性，學(xué)術(shù)界對(duì)工業(yè)界價(jià)值就為工業(yè)界源源不斷的輸送人才，為工業(yè)界提供前沿的方向，同時(shí)學(xué)術(shù)界對(duì)性能的精良追求為工業(yè)應(yīng)用打下堅(jiān)實(shí)的基礎(chǔ)。

工業(yè)界對(duì)學(xué)術(shù)界一個(gè)價(jià)值是反饋學(xué)界人才回流，我覺得人才相互流動(dòng)是一個(gè)正常的現(xiàn)象，而且在實(shí)踐中給學(xué)術(shù)界帶來一種新的方向，*后系統(tǒng)的整合學(xué)術(shù)界提供一種全局的布局。所以學(xué)術(shù)界和工業(yè)界應(yīng)該形成互補(bǔ)互益、?頭并進(jìn)的狀態(tài)。

在領(lǐng)域中也存在很多雙重身份，從學(xué)術(shù)界到工業(yè)界的人，他們的思考我也來分享一下。顏水成是新加坡國(guó)立大學(xué)的終身教授，也是前360AI分院的院?，現(xiàn)在是依圖科技**技術(shù)官。他認(rèn)為學(xué)術(shù)界的研究是否**，關(guān)鍵是要看技術(shù)。另外需要提煉解決問題的方法。學(xué)術(shù)界節(jié)奏可以放慢一點(diǎn)，一個(gè)輸出需要幾個(gè)月甚至半年的時(shí)間，但是工業(yè)界只要能解決問題就是好的人工智能。

香港中文大學(xué)的湯曉歐，也是商湯科技的創(chuàng)始人，他說中國(guó)的人工智能要做好三件事:**要堅(jiān)持，把基礎(chǔ)做好;**要革新，要做新的東?;第三要把飄在上面的東?落地、做產(chǎn)業(yè)化。香港中文大學(xué)的賈佳是亞騰訊優(yōu)圖的杰出科學(xué)家，他的觀點(diǎn)就是“技術(shù)要上天、產(chǎn)業(yè)要落地”。

還有大家更熟悉的李??，是斯坦福大學(xué)教授，前谷歌云人工智能的**科學(xué)家。她認(rèn)為科學(xué)到科技再到產(chǎn)品就像一個(gè)4×100接力賽，每一棒都有它特別的功能，學(xué)術(shù)界應(yīng)該是4×100的**棒，工業(yè)實(shí)驗(yàn)室是**棒，產(chǎn)業(yè)和投資是第三棒、第四棒。

*后是紐約大學(xué)圖靈獎(jiǎng)的獲得者，現(xiàn)在也是Facebook的科學(xué)家。他認(rèn)學(xué)界和業(yè)界的雙重聯(lián)盟，可以同時(shí)為學(xué)界和業(yè)界做出貢獻(xiàn)，不僅推動(dòng)了云識(shí)別、圖像識(shí)別、文本理解和語(yǔ)言翻譯技術(shù)的進(jìn)步，同時(shí)也帶來了理解智能的基礎(chǔ)科學(xué)進(jìn)展。

這是業(yè)界其他雙重身份的人的真知灼?。在我看來革新的核心要素是什么?我認(rèn)為革新應(yīng)以人才為核心，人才培養(yǎng)其實(shí)是一個(gè)*大的中心。針對(duì)三大要素中計(jì)算視覺算法、算力和數(shù)據(jù)，學(xué)術(shù)界更多是以精巧的算法設(shè)計(jì)??，但是工業(yè)界在算力和數(shù)據(jù)方面，有更大的優(yōu)勢(shì)。大算力、大數(shù)據(jù)給工業(yè)界帶來更多革新的可能。

人工智能行業(yè)對(duì)人才的需求非常旺盛的，工業(yè)技術(shù)對(duì)學(xué)術(shù)界對(duì)人才的吸引力主要體現(xiàn)在計(jì)算能力、平臺(tái)、數(shù)據(jù)、機(jī)遇、合作、干預(yù)、成?、落地等方面。工業(yè)界對(duì)人才的爭(zhēng)奪已經(jīng)白熱化，不管是中美，大家都可以看到對(duì)人才的爭(zhēng)奪。

什么是工業(yè)界需要的人才?主要有幾點(diǎn)，**個(gè)是要專注于你的領(lǐng)域，并且具有創(chuàng)造力的人才;**個(gè)是對(duì)多個(gè)領(lǐng)域有理解力，并且有合作的能力的人才;第三個(gè)是能夠把技術(shù)真正做落地的，懂人工智能產(chǎn)品的人才。比如站在客戶的?度，人工和社會(huì)需要什么?站在應(yīng)用場(chǎng)景的?度人工智能可以做什么?技術(shù)和產(chǎn)品雙驅(qū)動(dòng)，了解產(chǎn)品的需求，了解用戶的體驗(yàn)，把算法、數(shù)據(jù)、計(jì)算能力充分的發(fā)揮。

工業(yè)界也要能夠發(fā)現(xiàn)新業(yè)務(wù)方向，一些舵手結(jié)合業(yè)務(wù)場(chǎng)景、商業(yè)模式、具體應(yīng)用(比如自動(dòng)駕駛、智能家居、平安城市這一些產(chǎn)品)如何帶來商業(yè)價(jià)值的**。

*后，AI的應(yīng)用要以人為本，我們要找理想經(jīng)濟(jì)的人才，在功能完善的的基礎(chǔ)上，要考慮人們的精神文化需求，比如陪護(hù)機(jī)器人對(duì)老人和小孩的陪護(hù)。

學(xué)術(shù)界需要什么樣的人才?首先做基礎(chǔ)研究。從源頭做起，眼光要?遠(yuǎn)，注重技術(shù)的革新。問題要從工業(yè)中來，結(jié)果要到工業(yè)中去做實(shí)踐。

學(xué)界和工業(yè)界人才的培養(yǎng)方式的區(qū)別，打一個(gè)比方，學(xué)術(shù)界就是，我提供一個(gè)新的算法，同時(shí)把這算法交給他人，提煉新方式。對(duì)工業(yè)界來講，主要著重于找到*合適的方法來解決問題。但是共同點(diǎn)就是需要理論基礎(chǔ)扎實(shí)、工程能力強(qiáng)、善于合作和新的AI人才。所以要利用這雙重身份把學(xué)術(shù)界和產(chǎn)業(yè)界緊密連接，為培養(yǎng)AI人才提供*好的方式。

對(duì)于華為來說，利用跨界身份的優(yōu)勢(shì)把學(xué)術(shù)界高水平的研究和工業(yè)界的上等的產(chǎn)品實(shí)踐結(jié)合起來，找到一個(gè)新性的人才培養(yǎng)模式，幫助我們實(shí)現(xiàn)向上捅破天、向下扎到根這種全站式的研發(fā)，是我們要做的。

我們培養(yǎng)人才的戰(zhàn)略，是與高校聯(lián)合來探索培養(yǎng)學(xué)生科學(xué)化的方法，與高校學(xué)者舉行學(xué)術(shù)沙?和內(nèi)部的交流。在工程能力培養(yǎng)方面，邀請(qǐng)**定期進(jìn)行員工的培訓(xùn)，同時(shí)以白皮書的形式分享AI課程，走出溫室，走出外部培訓(xùn)我們的員工。*后利用公司強(qiáng)大的數(shù)據(jù)資源和算力平臺(tái)支撐，經(jīng)常做企業(yè)文化的傳播，像今天這一個(gè)活動(dòng)一樣。

*后在高校培養(yǎng)AI人才有一些建議。不僅要培養(yǎng)很高的**素質(zhì)，也要有很強(qiáng)的工程能力;課程AI變化很快，要注重課程的內(nèi)容及時(shí)更新;設(shè)置多學(xué)科的交叉**，同時(shí)鼓勵(lì)本科生、甚至高中生盡早的接觸前沿;人工智能方面，要鼓勵(lì)同學(xué)多參加程序設(shè)計(jì)的課程學(xué)習(xí)，與工業(yè)界展開合作，鼓勵(lì)學(xué)生多參與工程的實(shí)習(xí);*后鼓勵(lì)學(xué)生革新、產(chǎn)品孵化和AI創(chuàng)業(yè)。

尊敬的客戶:

本公司自主產(chǎn)品有刀測(cè)儀、外觀檢查儀、鐳射外徑跳動(dòng)測(cè)量?jī)x、一鍵式測(cè)量?jī)x等刀具相關(guān)量具量?jī)x。代理瑞士Schaublin、德國(guó)schunk刀柄及筒夾等磨刀機(jī)配件。

您可以通過網(wǎng)頁(yè)撥打本公司的服務(wù)電話了解更多產(chǎn)品的詳細(xì)信息，至善至美的服務(wù)是我們永無止境的追求，歡迎新老客戶放心選購(gòu)自己心儀產(chǎn)品，我們將竭誠(chéng)為您服務(wù)