软硬结合,5G引领未来

时间:2019-11-08 18:52来源:皇家赌场登录网址
至于为什么要做ai芯片的开发,有记者对该公司的创始人进行了采访,当事人声称他们做此类研究最大的基础就是,全世界不可避免的将迎来5G的时代,而这个时代的到来将和Ai真正的介

至于为什么要做ai芯片的开发,有记者对该公司的创始人进行了采访,当事人声称他们做此类研究最大的基础就是,全世界不可避免的将迎来5G的时代,而这个时代的到来将和Ai真正的介乎起来,为整个世界塑造新局面。

随着技术迭代和场景需求叠加,AI 芯片的边界发生着微妙变化。2015 年云知声决心做硬件时,专门为此在深圳设立分公司。一套完整的芯片开发过程相对漫长,期间不可避免地会涉及算法迭代,对芯片的研制速率造成影响。雨燕从设计到研发,直至最终量产,时间周期为 3 年。要保证 2015 年立项的芯片,仍适用于时下主流的算法,云知声联合创始人李霄寒并不否认这项任务的艰巨性。凭经验对算法预判之外,团队还要拿出勇气和魄力唯此一搏。

从概念上看,半导体又被理解为芯片,是一种高度小型化的电子产品,它可以非常快速地完成大量数学运算,利用这种计算可以在现实物理世界里完成目标。

未来人工智能与机器人融合是必然趋势,北京今年成立了首个国家ai试验区,“两会”也聚焦制造业与工业机器人,涉及“智能 ”拓展、人工智能基础设施建设等层面。在第五届中国机器人峰会上,五位重量级大咖齐聚“ai与rt智能机器” 巅峰跨界对话,就工业机器人、服务机器人的发展问题、未来趋势等进行激烈的思想碰撞。

图片 1

当云、端、芯被认作物联网产品端的三要素,云知声立即展开对 IDM 产品的开发,并于在 2015 正式量产,出货量呈规模性增长。

在这个行业,能够生产制造半导体的公司屈指可数,而且由于技术复杂,导致建造半导体工厂的成本直线上升,这也让半导体行业形成独特的商业模型,在整个链条上只有两类公司:一类是芯片设计公司,如英特尔,另一类则是芯片设计公司和芯片代工公司,或者晶圆代工公司,下图是 2018 年上半年全球十大代工厂。

图片 2

图片 3

从 2015 年芯片项目确立并搭建团队「正规军」,2017 年「造芯」项目进入攻坚阶段,再到 2018 年 1 月做出第一个 MPW,2018 年 5 月份做了发布首款芯片,6 月份启动量产,9 月份发布了基于雨燕的开源方案,云知声的脚步没有停歇。紧跟着,芯片设计团队从语音技术转战至图像 IP 设计。

而 google,则一直在推进数据中心的芯片研发。截止到 2018 年 11 月,google 已经推出了三代 tensor process unit(以下简称为 tpu),这些产品瞄准的是日益强烈的机器学习需求,从而也增加了 google 在云端服务上的特定能力。

钱东奇则认为焦虑会一直伴随,表示自己是2000年开始进入服务机器人领域的研发,到今天为止已经焦虑了18年,根本的原因就是如何不断的融合各种软硬件技术,解决用户的某一个特定的目的满足,从而形成一个对应的商业对价,从而能够很好地立足市场。焦虑会一直伴随。

也正因为如此,作为ai的底层支撑部分——芯片就不可避免的将会在未来有着非常大的需求和使用场景,所以说,发展这个方面是一条非常好的道路。同时根据该公司的发展规划,将会重新抛弃传统的方案而进行多模态的芯片研发。

展望未来的物联网 AI 芯片的发展路径,云知声团队一致认为,连接方式、安全性、PPA(Power,Performance,Area)是核心。但 AI 物联网芯片仅仅考虑这三要素还不够,场景化、多模态、端云互动这三大方面将深刻地影响 AI 芯片的设计、定位、成本、功耗和芯片需求。

如果从 ai 芯片的三个大市场的角度去看未来的机会。

钱东奇认为,服务机器人分为三个阶段——服务、管家、伴侣。未来5年,服务机器人肯定会超过工业机器人的产值。工具是第一阶段,自动化技术水平是基础,而未来基于物联网技术、互联网技术、人工智能技术的提升,服务机器人在从管家到伴侣的过程将快速提高,未来三五年从管家到伴侣只是一个探索过程。但现在探索的瓶颈不是人工智能技术,而是自动化技术发展得没有这么快。

去年我国有一家公司推出了行业之中很为出名的一款名为“雨燕”的在物联网方面发挥重要意义的芯片并推出了他的解决方案,之后,我国的人工智能公司云知声在今年年初的时候,也公布了除了雨燕之外的其他几个在AI方面的产品规划,尤其是芯片方面的内容,这次既包括了已经发布的雨燕,还有可以面向城市的芯片名为海豚,更有为出行而生的一款叫做雪豹的芯片。这几款芯片的正式发布意味着这家公司已经有了一套相对成熟而且多状态的战略内容,未来指日可待。

在经历了 2018 年的商业化洗礼后,国内人工智能企业愈发重视技术和产品方案的完整性和普适性。当人工智能在应用场景的加速落地,AI 芯片的价值毋庸赘言,而「多模态」一词开始被越来越多地提及。

中国服务机器人未来在十大单品里面将成为世界第一

图片 4

作为一家靠语音技术做强的公司,云知声看到多模态场景的大势所趋。2018 年,云知声进入图像领域,并投入了不少资源。李霄寒解释,云知声已经完全具备硬件平台能力和分布式机器学习能力,以及数据高速处理和迭代能力。做这些事情不是兴趣始然,而是为了满足物联网场景下,芯片设计的需要。

但行业内除了英伟达之外,没有人愿意看到只有 gpu 适合机器学习,从传统芯片企业英特尔到互联网巨头 google、facebook、亚马逊,都有着自己的考量。

4

较 1.0 版本相比,DeepNet 2.0 首先是兼容性更好,可支持 LSTM、CNN、RNN、TDN 等网络;其次是支持可重构计算,DeepNet2.0 计算单元可以拼接应对计算模式,模式切换也可以快速组合,用单条指令来计算公式;第三是支持 Winograd,芯片做乘法的耗时远远高于加法,基于这一点,Winograd 把乘法耗时降低为原来的 1/2,进一步提升效率。

傅盛提出服务机器人发展的核心是在交互体验上,能否达到用户的临界点,要看未来几年人工智能技术的发展程度。对于钱东奇提出的服务机器人从工具到管家再到伴侣能否通过人工智能实现功能倒推,傅盛表示自己也没有答案,不过会有弯道超车的机会。他谈到,日本做大型工业机器人的很多,但是他们在深度学习方面用得不够,这是中国的机会,中国的互联网、大数据、软件应用都比日本用得多。在工业机器人上,比成本会被打得很惨,我们最擅长的四大发明都是和生活相关的,在机器人产业上也可以积累足够好的技术往回做。

「第一代 AI 芯片雨燕的架构非常典型。云知声做了两件事情:一是专门设计的具备自主知识产权的高性能 DSP,做音频数据处理,二是做面向音频的人工智能数据/神经处理器。当把这个人工处理器集成进去以后效果是显而易见的,相对于通用方案提升了 50 倍。在硬件设备方面,因为这个芯片是高度集成的,所以外围的线路使得很大的成本降低三分之一」,他说。

要实现 google photo 的上述功能,你需要将数据,也就是照片先上传到 google 服务器,经过一段时间之后才能看到上图的推荐,这是因为,google 的数据训练都是在云端,而推理的结果则需要网络的支持才能呈现出来,换句话说,你需要联网才能使用。

导读

眼下,只强调算法优势的 AI 企业,很难再满足 B 端客户的场景需求,致使企业的市场竞争力和话语权逐步衰减。尽管云知声创始人兼 CEO 黄伟接受采访时没有明确表态「不做芯片就会被淘汰」,但必须承认,软硬结合才是 AI 企业未来立足之根本。

从最基本的角度去理解人工智能,或者准确说机器学习,它更像是一种高级的软件形态,这个软件上可以进行大量专业数学计算。以深度神经网络来说,它是一种非常复杂的「投票」算法,通过对各个变量的权重进行复杂的计算,来实现决策。

在问答环节,现场参会人员向傅盛提出了作为一个强调内容交互的服务机器人公司,在面临与手机的竞争中,如何取得成功?从历史来看没有公司取得过成功。

去年 9 月,云知声推出了基于「雨燕」的解决方案,并进行开源,正式推出正对智能家居和智能音箱场景下的解决方案。截至目前,基于「雨燕」的全栈解决方案已导入的各类方案商及合作伙伴已超过 10 家,包括美的、奥克斯、海信、京东、360、中国平安、硬蛋科技等,相关产品有望在今年第一季度上市。

智能手机领域,苹果在 2008 年悄然收购了芯片制造商 p.a. semi 公司,并在两年后推出自研的第一代芯片 a4 处理器,这款处理器很快成为 iphone、ipad 的标配产品,随后,苹果又在 apple watch、apple tv 等产品里加入自主研发的处理器。另外,根据著名苹果分析师郭明錤透露的消息,2020 年之后,苹果将在 mac 系列电脑里集成自己的芯片。

在“ai rt”的大风口,第五届中国机器人峰会“跨界巅峰对话”围绕“ai与at智能机器的新时代”这一主题,邀请了北京航空航天大学教授王田苗、北京理工大学教授及中国科学院外籍院士福田敏男、科沃斯机器人董事长钱东奇、猎豹移动董事长兼首席执行官傅盛、国家千人专家及宁波江丰电子董事长姚力军五位大咖出席,为业界送上了一场智慧交融的思想盛宴,成为此届峰会的一大亮点。

作为云知声的芯片品牌,「雨燕」是 UniOne 芯片矩阵中的初代产品,它围绕智能家居和智能音箱等场景,集成 IoT 人机交互的各项技术,云知声发布这款芯片时称赞「雨燕」是以 1/10 的价格挑战 50 倍的性能。

机器学习或深度学习的过程,就是一次次的计算过程,如何才能提升计算速度呢?当然是让计算并行化,这种需求也和图像计算非常相似,尽管原理不一定相同,但事实也的确证明了,将图像计算的处理器 gpu 放在机器学习之中,效果非常好,由此也造就了过去四年英伟达的「奇迹」。

未来3-5年,工业机器人产量上万的公司可能出现2-3家

此外,李霄寒介绍了 AI 芯片在算法应用方面取得的新进展——「超听限同向降噪技术」。所谓「超听限」顾名思义,就是让机器识别到人类听觉范围以外的声音,而「同相降噪」可满足在嘈杂的远场环境下,保证芯片灵敏精准地捕捉到人声。

这两年来,一股半导体行业的「反潮流」开始出现:自研芯片。

服务机器人能打败手机么?

半年前,云知声发布了首款面向物联网的 AI 芯片雨燕;半年后,云知声宣布了多模态 AI 芯片战略,曝光了正在研发的三款 AI 芯片:第二代物联网语音 AI 芯片雨燕 Lite、面向智慧城市的支持图像与语音计算的多模态 AI 芯片海豚,以及面向智慧出行的车规级多模态 AI 芯片雪豹。

其次,设备推理市场虽然规模巨大,但却有着非常细分的领域,比如设备形态不同,导致应用场景、能耗的区别非常大,手机的推理能力与汽车显然是不同的,这也导致这个市场最终会非常庞杂,当然,巨头、创业公司都有机会在这个领域获得一席之地。

福田敏男教授则表示服务机器人技术其实还没有发展到特别先进的阶段,要强调的是服务机器人一定要在功能和价格进行细化分类。举例来说:同样是烹饪功能的服务机器人,做寿司的机器人动作就比较单一,但是做饭的机器人动作就复杂一些。另外,在价格方面,一定要紧密结合消费水平和市场需求,单一功能的机器人,应该放低价格,适应大众消费,与功能复杂的机器人区别开来。

商业变现更进一竿

图片 5

姚力军讲到三个概念:智能家电、智能家居等组成的智能环境、服务机器人。如果把这三个概念融合起来,借助人工智能技术针对人类具体需求,生产相应产品。问题是现在人类需求太多,很难找到具体的应用。所以,要从用户需求点来找接下来机器人行业发展的趋势。

DeepNet 是云知声开发的深度神经网络处理器,DeepNet 1.0 面向语音技术,DeepNet2.0 面向多模态,后者既支持图像处理,同时支持语音处理。目前云知声 DeepNet2.0 已在 FPGA 上得到验证,其算力将在 AI 芯片海豚 Leopard 上得以体现。

图片 6

3

那么主要矛盾如何化解?云知声认为,基于深度学习的新硬件,即「边缘侧的人工智能芯片」势在必行,这场「自我革命」是 2015 年芯片项目的整体思路。

先说训练,当海量被标注的数据被收集到数据中心,工程师们就要开始「训练」数据,简而言之,就是在海量的数据中寻找可用的模型。

图片 7

多模态的进击

某种意义上说,过去 50 年半导体行业的发展成为人类计算革命的燃料来源。

图片 8

图片 9

简而言之,芯片是为我们的电子设备的大脑。它们帮助计算机和其他机器评估替代品,为电话、计算机、汽车、飞机、互联网提供计算能力。

机器人时代让人非常兴奋,又非常焦虑和苦逼

2014 年初,团队把语音识别技术分别切入到「AI 生活」和「AI 服务」两个场景中。很快,算法平台化的雏形初现,创始团队很快意识到,光有能力是不够的。「算力和算法的融合,同理于技术与场景结合」,于是云知声便有了「云端芯一体化」的产品技术架构。

上面的两段话有点复杂,不妨来看两个案例,如果你在手机上用过 google photo,你会发现这个产品不仅会让你照片备份起来,还会提供一系列有趣的功能,如下图所示,你可以看到「往年今日」的推荐、以及可以直接用自然语言搜索图片。

傅盛提出机器人产业将呈爆发式增长,讲到前年准备生产机器人时,减速器还很好买,去年开始做机械臂时,减速器已经开始出现全球缺货的现象。现在制造业智能化改造需求强烈,比如一些家电行业的生产线都在用很多机器人。

当前,云知声图像识别的准确率高达 99.8%。除人脸识别外,云知声还有物体识别、表情分析、颜值分析、标签化能力,这背后得益于 DeepNet2.0 的算力加持。

上述现象与半导体行业刚起步时非常相似,当时,所有的公司都在内部研发、制造芯片,随着企业研发成本的上升,有的企业开始将芯片设计、生产分开,或者直接外包给第三方公司,这样的分工协作也大大降低了成本。

2

在产品落地的过程中,算法和芯片二者不可或缺。「如果市面上有适用的芯片还好,如果没有我们就要造」,黄伟指出,「造芯」是云知声的自我选择。这不是它擅长的事,但云知声还是做出来了。去年 5 月 16 日,云知声把第一代 AI 芯片雨燕摆在众人面前。黄伟放言,即便是现在,「雨燕」的各项指标仍保持业内领先。

但现在,越来越多的公司成为加入到「反潮流」的大军里,苹果、google 除外,亚马逊、微软以及华为、阿里巴巴,都在暗自进行芯片的研发。

随着人工智能、机器人、互联网的融合加剧,传统制造业的生产、作业方式正在迎来巨变,机器人代替人工从事高精度、高难度、高强度甚至高危险性工作的转型已成为大势所趋。近几年来,我国政府从国家战略到政策引导都在积极推动ai、机器人产业的发展与进步。

「在 2015 年的这个时间点,我们真心没有想过 2018 年我们会推出自研芯片,不光做出来而且还卖出去了。」黄伟透露,云知声 2018 全年数亿元的营收较上年 3 倍的增长,几乎全部仰仗于芯片的功劳和正确的商业化路径,预计在 2019 年营收再翻 2-3 倍。而看似几个亿的营业额背后,实则撬动了几十亿甚至上百个亿的产值。

事实上,我们很难直接判断哪种方式跟好,只能说,每一种方式都有着一定的使用范围,比如在自动驾驶汽车上,人工智能芯片的处理过程必须放在本地,只有这样,才能避免与云端交换数据的延时,也能避免车祸的发生。

对于未来3-5年中国服务机器人前景预测,业界普遍有三个看法:一是,未来3-5年服务机器人产值将超过工业机器人;二是,中国服务机器人未来在十大单品里面(无人机、两轮自平衡车、清洁吸尘器、教育机器人、交互会话机器人、物流配送机器人、医疗机器人、无人驾驶)将成为世界第一;三是,服务机器人开始尝试由卖产品,转变为用户提供定制内容和租赁服务的商业模式。王田苗教授向嘉宾们抛出对此的看法与建议。

黄伟表示,云知声在芯片上下足了功夫,为 B 端客户提供了一套完整的解决方案。其不仅利用人工智能引擎对「雨燕」进行调优,还专门为硬件产品设计 app。客户即买即用,无需再找其他供应商,这是云知声今后芯片提供销售服务模式。

图片 10

姚力军强调了核心技术的重要性,提出没有核心技术很快会淹没在潮水里。他讲到,机器人在风口上,产量增加是毋庸置疑的,但是大家必须冷静想一想,从事工业机器人的目的是什么;第二做为企业千万不要盲目跟从,不要一哄而上,一定要考虑清楚自己是做核心技术还是做什么,没有核心技术的企业很快也会淹没在潮水里。

另外一个约束来自成本。为解决算力问题,云知声不得不采用更好的算法,导致了成本大幅提升,这对于硬件来说十分敏感。成本之外,更强的算力还意味着更多的功耗。非插电产品的「续航焦虑」指望电池性能得到提升显然不现实。

从产业的角度去看,如今的半导体行业越来越像汽车行业,并购整合正在加速,尽管 2018 年博通收购高通、高通收购恩智浦都宣告失败,但产业发展的趋势不可避免,只有足够的垄断才能形成更大的议价权,未来三到五年,新的并购整合还将继续。

姚力军谈到,人工智能一忽悠,很多人就动了心,这口饭吃不好,有两个问题:一是缺少核心技术,整个核心部件很可能都要依赖从国外进口 ;二是一哄而上、毛利率变得越来越低,形成一个恶性竞争。只有拥有核心技术的企业才能走得更长远。核心技术是杀手锏,是解决问题的金钥匙。

与此同时,2015 年,云知声遭遇来自业务端的「战术端的挑战」,主要有两方面:

首先,数据中心 ai 芯片市场的竞争会非常激烈,一方面,cpu 不会轻易退出市场,另一方面,数据中心所有者都是全球云计算巨头,包括亚马逊、google、微软、阿里巴巴,他们对于 ai 芯片的需求当然非常强烈,但正如上文所言,他们正在自主研发自己的芯片,虽然这不代表这些公司不会采购第三方芯片,却也展现出这个市场的特殊性。

图片 11

新年伊始,云知声正在开发的 3 款芯片,会在年内投产上市。一款是面向语音场景的第二代 AI 芯片雨燕-Lite,其主要特点是更加轻薄;另一款是面向智慧城市场景的多模态 AI 芯片海豚,这款芯片是云知声在 2019 年非常大的投入,继承云知声的 DeepNet2.0,它不仅仅支持雨燕的功能,还支持摄像头、ISP、OD 和人脸识别;第三款是云知声与亿咖通科技合作推行的车载多模态 AI 芯片雪豹,它更加着重本地算力,提供本地语音搜索,无网络的状况下也可通过语音导航选址,并具备一定的图像处理能力。

而推理,则是将模型反应出结果呈现出来,我们常常说所谓「机器决策」,也就是说,当用户输入一个不太明确的指令后,机器能够给出一个看似合理的答案。

图片 12

在 2012 年公司成立之后,同年 9 月云知声就推出了语音识别功能,专门面向端云互动。经过 6 年多发展,云知声已经拥有成面向物联网单日用量达到 5 亿次的云平台,并为平台开发了 ADPC 模式,它是云知声 AI 深度处理的核心。

如果说过去的芯片行业像极了汽车行业,导致没有后来者、创业者的机会,那么在 ai 芯片开创的三个领域里,却提供了足够多的想象空间,也让资本市场看到了可能性,下图还仅仅是截止到 2017 年的数据。

他认为,在传统的观念来看,没有任何机会跟手机的竞争,唯一有机会跟手机竞争的其实并不是内容本身,而是因为人工智能的出现。人工智能技术改变了过去很多硬件的存在形式,为取代手机提供了一些机会。比如,通过人工智能技术,语音可以控制硬件设备的使用,类似音箱,我说想听谁的歌就会播放谁的歌。

第一是来自数据处理的挑战。在跟用户打交道的过程中,注定有大量新数据的导入,语音、头像、手势等数据需要处理,深度互联对算力的要求更高。追求高效就要采用基于深度神经网络的算法,这意味着云知声需要在终端提供更加充分的算力。

当然,与传统半导体行业类似,ai 芯片最终的走向依然会是寡头化。

王田苗教授首先抛出了关于机器人行业未来3-5年发展的几个概念,与现场嘉宾进行探讨:一是产量在上万台套的机器人公司可能会出现两至三家,目前我国最高的是两千多,世界最高的一般是2-4万;二是工业机器人将形成良性的生态配套;三是由原来简易的机器人臂到六自由度轻型机械臂并进入各个行业。

云知声现阶段的目标明确,就是在物联网技术面前,选择某个重点场景切入,将算力和应用服务更好地结合。而李霄寒笃信,物联网时代的重要命题,是将「能力下沉到设备端」。

不管摩尔定律是否失效,半导体行业依然在发展中,在通往 7 纳米制程的道路上,目前只有台积电、英特尔和三星,当然,英特尔目前也遭遇相当多的困难,这也意味着,从 pc 到互联网,再到智能手机,随着对计算性能要求的不断提升,整个半导体行业的集中化趋势,已经基本成定局。

傅盛表示跨界的难度是对用户需求理解不一致,研发生产很难执行到位,产品就会与设想有差距。机器人是一个综合体,做好单一一个点打动不了用户。比如说做芯片,每个人都看到芯片的优点,但是一个机器人很难用一个芯片解决问题,深度学习也是这样,做神经网络和做视觉的,不同的人不一样。核心问题还是要抓住把各行各业的用户需求。

另一场革命

从上述角度出发,ai 芯片领域有三类大市场:数据中心训练、数据中心推理、设备/边缘推理。

图片 13

半年前,云知声发布了首款面向物联网的 AI 芯片雨燕;半年后,云知声宣布了多模态 AI 芯片战略,曝光了正在研发的三款 AI 芯片:第二代物联网语音 AI 芯片雨燕 Lite、面向智慧城市的支持图像与语音计算的多模态 AI 芯片海豚,以及面向智慧出行的车规级多模态 AI 芯片雪豹。

图片 14

除了五位大咖针对服务机器人的发展展开的尖锐对答,现场记者和观众也就人工智能与机器人融合相关问题提出犀利的问题,巅峰对决战况如何?

苹果的做法则完全不同。基于苹果自主研发的芯片以及神经网络处理引擎,目前 iphone、ipad 都可以实现本地的 ai 计算,同样是照片数据的训练和推理,苹果将所有的过程都放在本地设备,如下图所示,你会看到也是类似的照片推荐、自然语言搜索等功能。

钱东奇则表示从服务机器人公司视角看,这个预测数据有点低,但他相信这个概念,并认为现在的自动化技术,无论从运动机构、传感器技术、计算机视觉都相对比较成熟。因此,机器人在工业化的应用场景当中取代人,这是一个必然的大趋势。

半导体是在硅晶片上制造的非常复杂的物体。 这些晶圆的制造非常昂贵,前期投资需要数十亿美元。人类社会过去 60 多年的伟大技术奇迹之一,就是不断缩小芯片尺寸并不断提升计算性能,也就是我们常说的「摩尔定律」。

根据清华大学发布的《中国人工智能发展报告2018》,在论文总量和高被引论文数量上,我国排在世界第一,已成为全球人工智能专利布局最多的国家,我国也早已将工业机器人列入战略性新兴产业和《中国制造2025》的重点发展领域。今年的“两会”上,人工智能产业的发展第三次被李总理的政府工作报告提及。

“机器人是一个非常让人兴奋的时代,也是一个非常焦虑和苦逼的时代。”王田苗教授道出了许多业界人的心声,同时向嘉宾们提出了大家为何有此感受。

而人工智能,也正在给半导体行业带来新的变革机遇。

福田敏男教授认为未来人工智能与机器人融合是必然趋势,组装和工业化的生产流程是工业机器人发展的重要要素;在峰会上看到了先进技术的传感器和人工智能技术的展示,如何把人工智能技术更好地与工业机器人结合,这也是今后的发展方向,未来前景广阔。

而如果从 ai 芯片的功能层面来看,人工智能芯片主要有两个方面的需求:训练和推理。这两个需求相互联系,构成了人工智能芯片的完整流程。

傅盛表示,服务机器人行业都面临着跟手机和pad的竞争。比如,其实教育机器人最大的竞争对手就是pad和手机。他讲到自己现在很少给孩子带礼物,因为任何一个礼物都很难去满足他,手机已经是个巨大的生态了,可以提供整个体验。

另外,他认为深度学习会让很多智能硬件摆脱对手机中心化的依赖,开始真正智能化,然后可以直接产生交互,让每个设备有机会摆脱手机的控制,然后像有些设备开始慢慢变的中心化,让我们有一点机会去跟你认为的手机厂商产生一定的分割的市场。这是亚马逊后来也没做手机直接切音箱的一个比较重要的原因。

图片 15

编辑:皇家赌场登录网址 本文来源:软硬结合,5G引领未来

关键词: