(趙婷婷)9月3日，在2023中國國際服務(wù)貿(mào)易交易會(簡稱“服貿(mào)會”)期間舉辦的“中國智能產(chǎn)業(yè)論壇”上，英特爾中國區(qū)網(wǎng)絡(luò)與邊緣事業(yè)部首席技術(shù)官、英特爾高級首席 AI 工程師張宇圍繞邊緣人工智能發(fā)展趨勢，及英特爾硬件軟件的產(chǎn)品如何賦能合作伙伴，快速構(gòu)建面向智能邊緣的應(yīng)用服務(wù)，發(fā)表主題演講。

　　張宇指出，近期，人工智能新技術(shù)、新產(chǎn)品、新應(yīng)用和新生態(tài)層出不窮，通用人工智能、大模型等等讓人工智能芯片的技術(shù)升級再次成為業(yè)內(nèi)熱點。人工智能技術(shù)在各個行業(yè)得到迅速普及和應(yīng)用，例如交通、醫(yī)療、零售、工業(yè)等等。隨著行業(yè)以及連接、智能應(yīng)用、數(shù)據(jù)隱私保護等方面訴求增加，推動了邊緣計算尤其是邊緣智能事業(yè)的發(fā)展。

　　邊緣AutoML階段：邊緣人工智能發(fā)展的一個最終的形態(tài)

　　張宇指出，人工智能尤其是邊緣人工智能的發(fā)展應(yīng)該分為三個階段：邊緣推理階段、邊緣訓(xùn)練階段和邊緣的自主機器學(xué)習(xí)階段。

　　當下人工智能在邊緣的應(yīng)用大多數(shù)還是停留在邊緣的推理階段，行業(yè)還是需要利用數(shù)據(jù)中心極大的算力或者大量數(shù)據(jù)訓(xùn)練一個模型，把訓(xùn)練的結(jié)果推送到前端進行推理操作，這是目前絕大多數(shù)邊緣人工智能使用的模式。這種模式是現(xiàn)實，但是同時也有局限性，最大的局限性是對模型的更新頻率有限。

　　以自動駕駛為例，它所代表的是邊緣人工智能發(fā)展的下一個趨勢——邊緣訓(xùn)練。邊緣訓(xùn)練實現(xiàn)人工智能的訓(xùn)練要面臨一系列的特定挑戰(zhàn)。如資源有限、缺乏專業(yè)知識、邊緣訓(xùn)練碎片化、難以在運行時保護數(shù)據(jù)和模型并在多樣化硬件平臺上部署等。

　　在當下的人工智能里頭，不管在邊緣應(yīng)用還是在數(shù)據(jù)中心的應(yīng)用，人在人工智能里仍然扮演一個非常重要的角色。

　　張宇認為，今后人工智能發(fā)展應(yīng)該進入邊緣AutoML階段，它是邊緣人工智能發(fā)展的一個最終的形態(tài)。這個階段網(wǎng)絡(luò)模型應(yīng)該感知人的意圖，選取適宜的樣本集訓(xùn)練這個模型，將訓(xùn)練結(jié)果推送到訓(xùn)練階段進行相應(yīng)操作。甚至根據(jù)訓(xùn)練的結(jié)果不斷更新、不斷重新訓(xùn)練網(wǎng)絡(luò)模型，進行不斷迭代，達到最佳的理想結(jié)果。

　　同時，他也指出，現(xiàn)在的大模型和AIGC，也只是說在往AutoML方向上前進的一小步。在大模型里頭也有很大的局限性，目前像ChatGPT等等這樣的一些應(yīng)用，它都工作在開放的狀態(tài)，而不是閉環(huán)的狀態(tài)。而真正到AutoML的狀態(tài)應(yīng)該有一個人工智能的閉環(huán)。

　　“如果把攀登高峰比喻人工智能不同階段，實現(xiàn)邊緣推理只是意味著我們站到山腳，到我們能實現(xiàn)邊緣訓(xùn)練只是站到半山腰，真正站到山頂是真正實現(xiàn)AutoML的時刻，這個還有很長的路要走。”張宇指出。