腾讯云VP王龙：与英特尔的合作将加速AI落地，硬件的灵活性要变得更强

允中 发自 国贸大酒店 量子位 报道 | 公众号 QbitAI

11月14日，英特尔AIDC首日，作为重要合作伙伴的发言人，腾讯云副总裁王龙应邀发表了主题演讲。

在演讲中，除了再次介绍了五月份发布的“超级大脑”平台外，这位腾讯云大数据、AI相关产品和服务负责人也对英特尔所提供的软件、硬件等产品给出了积极的评价。

在王龙看来，与英特尔之间的合作是腾讯云以客户需求为核心原则打造AI合作生态的一个缩影。

在不久的未来，腾讯云希望能够将自身产品技术与合作厂商之间进一步融合，通过更深程度的合作来提高软件、硬件及解决方面的灵活性，解决当前AI应用的门槛居高不下的难题。

在会后的专访中，王龙进一步阐述了腾讯云在AI生态合作方面的思考、“超级大脑”的定位以及C to B路线的核心思路。

“开放”是AI合作生态的核心精神

腾讯和英特尔之间的合作并非心血来潮。除了前不久双方合作发布的基于Movidius系列产品开发的优图AI摄像机和AI盒子，两家公司系统性的合作其实开展已久。

他提到，在打造腾讯“超级大脑”平台的过程中，在边缘设备的处理方面，就基于Movidius做了很多的适配和测试工作。

另外，借助英特尔至强处理器，腾讯优图鉴黄、视频云转码和微信语音识别等实现了性能的大幅提升和成本的持续下降。

△ 腾讯云副总裁王龙在英特尔AIDC上演讲

王龙认为，现在人们应该已经意识到，如果想让人工智能充分地发挥其价值，单单依靠芯片厂商提高算力、或者只依靠算法专家优化算法，或者使用工程技巧优化路径，都是无法做到的，它需要依靠整个链路中所有人的协同和配合。

为了实现这种配合，最重要的一点就是“开放”，而这点正是腾讯云一直以来遵循的价值观。

比如英特尔的芯片研发，以及腾讯“超级大脑”的开发过程，双方都给予了彼此诸多的支持，以期创造出更灵活、门槛更低、效率更高的AI解决方案。

在未来，腾讯云希望继续这种深度的合作，将AI能力更好的带给各行各业。

“灵活高效”是AI落地对软硬件结合的根本需求

深度学习的热潮到来之后，随着大批开源框架和算法的流行，所有人都把心思花在了拼算力和拼算法优化上。

然而近两年，随着热度的冷却， DNN的缺陷和边界也开始逐渐暴露，创新算法的重要性回归，在AI落地过程中，软硬件的结合、工程和算法的结合也愈发凸显出重要性。

王龙提到，自己目前已经反馈给英特尔方面的一个极为重要的诉求是，在如今应用类型纷繁复杂，新算法和新类型的数据计算出现各种复杂需求的状况下，从云服务商的角度而言，硬件合作伙伴除了要继续降低硬件成本、提高效率外，还要进一步提高硬件在可定义方面的灵活度，以充分满足AI领域不断变化的需求。

同时，腾讯云也会进行全力配合，以最优的方式来帮助合作伙伴连接上层应用、底层算法模型、基础设施和边缘设备。

王龙认为，人工智能目前正越来越向领域细分和专业化的方向发展，不同应用场景的算法模型会存在不同的瓶颈，有的在计算能力上，有的在存储IO上，有的在网络IO上，还有的在算法本身的设计上。只要这些瓶颈依然存在，我们就必须继续尝试寻找合作之中最佳的配合。

人工智能的合作生态会包括诸多层次，腾讯作为参与的一方，希望和合作伙伴各司其职，做自己最擅长的事情。

如英特尔在制造芯片方面经验丰富，但它的操作系统会由很多合作伙伴共同完成，操作系统上的平台亦是如此。

例如基于英特尔的芯片，腾讯已推出的一系列框架及工具。王龙相信，英特尔和腾讯秉持相同理念，希望更多的合作者能参与到这一生态进程中，让商业价值和客户来做最合理的选择。

“工具”是腾讯“超级大脑”的设计理念

如今，BAT三家已经各自有了一个“大脑”。

谈及腾讯“超级大脑”的差别和在其中的优势，王龙表示，从设计理念上，腾讯的超级大脑被定位为一个平台工具，致力于数据、算法、设备、应用之间连接的效率，甚至包括与微信链接的能力，但这个“大脑”自身并不提供任何数据，也不倾向于提供任何通用能力以外的算法，而是希望合作伙伴使用这个工具来更好的管理和使用他们的数据，更高效的训练他们的模型，从而和腾讯一起打造属于他们自己的“超级大脑”。

“用Pony（马化腾）的话说，我们更希望成为各行各业各个合作伙伴的数字化助手，而不是自己成为各个赛道的冠军或者各个领域的专家。”王龙表示。

另外，他认为，IoT和5G时代即将来临，在“云边端一体化”的时代，边缘计算将会越来越重要，在边缘和设备端的数据处理、管控和资源调度等工作将会越来越重要，其带来的价值和增长潜力将会大大超过目前已经逐渐减速的泛互联网领域，腾讯“超级大脑”定位为连接云边端的智能操作系统，是符合这一趋势的，将更加具备生命力。

他同时举了两个案例：

• 一是上海进博会的安检工作已经引入基于腾讯超级大脑平台的合作伙伴的人工智能安检系统，这套系统对于多类危险品的检测准确率已经接近甚至超过人类；
• 二是针对吸烟监测的人工智能应用，过去曾一度因误报率过高而受制于成本问题无法真正应用，但现在基于平台对数据、设备、算法的效率等方面优化之后，其准确率和召回率已经达到了商业化级别。

这些可见的进步，昭示着数字化工具的定位，使得“超级大脑”在新的人工智能和物联网时代有着巨大的发展空间。

— 完 —