大学里的网红课广外南国射箭课火了选课靠“秒杀”

射箭课上,同学们统一瞄准箭靶

文/图 羊城晚报记者 张璐瑶 通讯员 曹婼喧 刘阳

为了方便更多没“抢”到课的同学,洪奎还开设了射艺体验班。“只要同学们喜欢,想学习射箭,都可以来体验。”

颜水成博士进一步指出,研究表明,训练和测试人工智能模型所需要的算力,每三个半月就会翻一番,这个比摩尔定律已经快了很多。正如今年刚开完的 NeurIPS 会议上,大家比较关注的一件事情就是:当 AI 应用得越来越多,其带来的电力消费也越来越高,这会不会对环境产生影响呢?

“射箭课”很快成了广外南国的网红课,抢课靠“秒杀”,全校近400名学生选课。射箭课怎么上?上什么?练成“百步穿杨”难不难?记者带您探秘这堂“网红课”。

“给病人检查瞳孔的时候发现,手电筒的光线照上去,双眼瞳孔一个放大,一个缩小,右侧眼球向鼻子倾斜”,张艳说。

 华为海思首席芯片规划师、海思图灵产品管理部部长夏勤

王沙飞院士:我认为现在整个人工智能的发展还需要经过一个漫长的阶段,有这么几个方面的挑战和问题:

除了实地实践,课堂上,洪奎还给同学们讲解了中华射艺的历史。他介绍,中国是世界上最早拥有弓箭的国家之一,弓箭是我国传统文化的标志性内容。1955年前,射箭一直是武术项目中的表演项目;1956年开始列为比赛项目。目前,射箭已被纳入到国家非物质文化遗产目录。

洪奎告诉记者,射箭除了可以训练一定的技能,强身健体,更重要的是可以训练优美的姿势、高雅的礼仪、强大的心力、恬淡的修养、坚强的定力、沉稳的性格。

12月1日下午1点30分左右,张艳登上了重庆飞往北京的国航CA1430航班。飞机起飞约半个小时之后,正在看书的她,听到机舱广播寻找医生的消息。张艳立马起身,从经济舱的中间位置,一路穿行到了头等舱,找到了正在紧急呼救的空乘人员。

中科院计算所研究员,ACM、IEEE、IAPR Fellow 陈熙霖本次也作为报告嘉宾,带来了主题为《迈向可理解的计算机视觉》的报告。他在报告中也从他的视角分享了计算机视觉领域存在的一些问题以及针对这些问题自己所做的一些探索工作,并对于计算机视觉的未来发展给出了自己的想法。

“有没有头晕头痛?”张艳问。

正式进入报告前,他回忆起去年同样是高文院士邀请他人工智能院士高峰论坛做报告,而今年高文院士再度邀请他时,还强调了一句话「一定要做最新的研究报告」。他笑着打趣:「我估计他是想来考考我,想看看我这一年多来到底有没有取得一些研究进展。」

第一个是神经网络的卷积问题。现在大家用的比较多的是 3×3 或 5×5 的卷积,而卷积此前经历了 AlexNet 网络、GoogleNet 网络、Facebook 提出的 faster R-CNN、旷视科技提出的 ShuffleNet V1/V2 等等,当前最新的研究进展则是动态卷积/条件卷积。 第二个是神经网络的宽度问题。这是困恼神经网络多年的问题,当网络的深度不够大时,就很难实现网络的训练。神经网络最开始的深度是 8 层,过了两年后增加到了 20 层,再之后微软提出的深度残差网络将深度增加到了 152 层,其采用残差网络的思想能够得到好的训练结果。 第三个是神经网络的深度问题。当深度学习复杂度超过一个点时,模型越大,训练和测试的错误率反而会同时下降,跟我们传统机器学习的认知不同,这其实跟网络的宽度有关。目前比较新的两个方向:一个是从 Kernel 的角度着手,另一个是尝试剪枝的方法,例如 MetaPruning。 第四个是神经网络的大小问题。一般来说,在训练过程中神经网络的大小是不变的,然而研究发现,当在训练中让神经网络的大小变化时,能够实现更好的网络性能。

张艳和护士对视一眼,“不好,脉搏消失,立即急救!”危机时刻,有着多年急救经验的张艳没有慌乱,迅速给大家安排好了任务:病人放平、开始心肺复苏、护士紧摸脉搏、空乘将抢救药抽进了针管里……

第一,核设计问题,可以往提升主频、多核以及微架构(指令集)三个方向探索。比如在多核方向上,华为目前已经推出了从 8 核到 16 核再到 64 核的芯片;在微架构上,华为的鲲鹏 920 芯片对指令集做了一些像乱序、指令预取这样的措施去提升性能,获得了比较好的结果。 第二,片内设计问题,对此,华为在芯片上做的优化工作包括采用最新工艺减小芯片面积,提高良率,进而降低成本。 第三,外围接口问题,在这个方面,华为在芯片的内存通道接口,包括接口速率、多 IP 互联、加速器上都做了非常多的创新。

张建伟院士:首先热烈祝贺鹏城实验室在一年多内取得这么大的成就,定义了未来几个重要的方向之后,组织各方各业的研究者从交叉的角度来解决国际民生的重大问题,已经成为了吸引产学研最高端人才聚集交流和头脑碰撞的很重要的平台。

当天,在重庆飞往北京的万米高空之上,她利用心肺复苏在“黄金四分钟”内从死神手中抢回了一名心脏骤停的旅客!

国际欧亚科学院院士、深圳市人工智能与机器人研究院副院长、IEEE Fellow 李世鹏

腾讯 AI Lab & Robotics X 主任,ACM、IEEE Fellow 张正友博士作为下午场的首位报告嘉宾,带来了主题为《机器人的智能演进》的报告。

旷视首席科学家、何梁何利基金奖获得者孙剑

雷锋网 AI 科技评论报道。雷锋网(公众号:雷锋网)雷锋网

旷视首席科学家、何梁何利基金奖获得者孙剑博士以《视觉计算的前沿进展》为题,重点从卷积神经网络和计算机视觉技术本身介绍了计算机视觉的研究历程与进展。

国内芯片这些年发展比较缓慢,并且还处于受限于人的阶段,为什么会出现这样的局面?有以下几个原因:

他认为,在做计算机视觉研究上,不仅要知道 What 和 Where,还需要知道 How、Why、When 等等。除了研究方法上的问题,当前计算机视觉研究还面临着两大严峻问题,一是研究处于一个「封闭的世界」,这既体现新数据无法得到及时更新,无法从其他领域借用知识,也无法真正理解物体之间的真正联系;二是无法很好地处理开放世界的问题,比如说无法区分现实世界的语言和语义上的区别等。

此时,张艳和另一名闻讯赶来的护士一左一右摸着病人的脉搏,空乘们配合她们找出了医疗箱、手电筒、急救药……整个机舱里紧张万分。

上射箭课前,所有同学要先行靶前礼

她表示,高性能计算芯片已成为芯片领域非常热门的方向,这个领域也产生了很多新的理论和新的技术,现在该领域的工程师无非在解一个三元方程,包括三个维度:性能、成本、易用性。如果从单一维度来看很容易解,但是如果要实现真正的量产,则必须同时解决好以下三个问题:

当时感觉病人的情况十分不好,在空乘的帮助下,她给病人带上氧气面罩。但几分钟后,病人渐渐失去了意识,脉搏也越来越弱……

第二场院士圆桌会在当日下午举行,由中国工程院院士、同济大学校长陈杰主持。

「之前大家在研究上彼此之间没有比较,即便发了论文,但是结果可能在原地踏步,于是后来有了评测基准,然而带来的一个坏处就是,现在的研究者尤其是学生就只顾着去「刷榜」了,这其实并不是在做真正的研究。所以这是一个很大的问题。」

李世鹏认为,IIoT 带来的聚合智能的演变正在发生,这一趋势可能会打破人工智能行业的一些现有障碍,并最后可能为未来基于因果关系的 AI 框架铺平道路。

所以要真正让 AI 在一个场景落地,最关键的两个引擎是:

第一,未来单线程和单核性能会不断提升,同时针对指令集会有更多的定义出现,此外随着 ARM 的蓬勃发展,也会为未来的用户自定义提供了很大的空间,从而较大地改善芯片的整体性能; 第二,在记忆存储上,虽然现在还没有出现比较好的技术,但在内存接口以及整个内存架构的重新定义还有很多探索空间; 第三,新的标准和接口技术的突破,这个方面会有新的技术尝试,但是成果会出来得慢一些; 第四,灵活的电源管理,未来随着异构计算的到来,低负载、低功耗的调优技术会变得非常重要。

心肺复苏让病人“起死回生”

除此之外,AI 芯片的设计在软件方面也面临着前所未有的挑战:首先,基于 AI 的计算要求更大的并行处理能力;其次,AI 芯片和 CPU 芯片非常大的差异点在于前者是真正意义上的异构计算;最后在 AI 软件栈的建设上也面临很大挑战,例如华为鲲鹏软件栈到昇腾软件栈的开发过程,复杂度和难度就非常高。

最后,孙剑还指出了计算机视觉应用中的几个最重要并且投入最多的关键问题:

15磅的传统木弓+羽箭,“我的箭快到模糊”

看到病人有呕吐的反应,张艳连忙喊空乘拿来塑料袋接住呕吐物,“先保管好,别扔。”张艳怀疑,病人是“吃错了东西”,或者是患了脑血管相关的疾病。她让空乘将病人扶回到座位上,指导空乘将座位尽量放平,让病人采取侧卧姿势。

先行“靶前礼”,开弓不能对着人

国际欧亚科学院院士、深圳市人工智能与机器人研究院副院长、IEEE Fellow 李世鹏在题为《万物互联,集智过人》的演讲中,重点回顾了 IoT(智能物联网)到 AIoT(人工智能物联网)再到 IIoT(智物联网)的发展历程。

记者了解到,原来这是射艺的礼仪之一。“基本的射艺礼仪中,首先,对主宾行礼——敬事:表示对射艺这项活动本身的尊敬;其次,向对手行礼——敬人:即便是对手也要先礼后争;最后,向靶子行礼——敬物:尊重自己的目标及对外物的尊敬。”洪奎说。

“同学们一定要注意安全!”每一次上课,洪老师都会强调射艺运动需要注意的安全事项和保护方法,即“三不准”与“三统一”规则,即:开弓不准对人、不准放空弓、不上射道,任何人不准碰箭;同学们应统一上射道、统一开弓、统一拔箭。

第一,芯片在研制过程中需要的设备费非常巨大,一般单位承受不起; 第二,在时间上,做芯片需要踏踏实实几年甚至是十几年的功夫才能搞定的; 第三,我们最近几年都追求尽快出成果,当然本意是好的,但是有些东西要尊重事实,像这种大投入、见效慢的,很多政府机关的官员在心里其实是不愿意投的; 第四,做芯片的研究者尤其是年轻人也更愿意去投入一些见效快,马上能出成果、出文章的研究。

针对智能机器人技术未来的突破点,他再度提及去年分享过的「A2G 理论」,其中 ABC 是代表了机器人的基础能力,A 是指机器人能看、说、听以及理解,B 是机器人本体,C 是自动控制;而 DEF 是指更高一层的机器人能力,D 是进化学习,E 是情感理解,F 是灵活操控;最后一层——G 则是表示守护人类。这对更先进、更智慧的机器人提出了要求,而机器人的最终目标是要服务于人。

第一,火灾等特殊场景的数据非常难收集,并且很难通过数据增强的方式获得; 第二,对于新的研究方法如自监督方法的需求; 第三,遮挡问题,虽然现在对此也有一些工作进展,但是深度学习还无法完全解决这个问题; 第四,深度学习和计算机视觉技术还无法很好连续追踪同时处于动态的多个物体; 第五,视觉控制问题,比如说现在还无法通过视觉反馈来连续控制机器人或机械臂; 第六,现实应用中要实现低成本、易部署以及安全面临的挑战还很大; 第七,现有方法还无法实现高精度的预测问题。

同样是二次出席人工智能院士高峰论坛的报告嘉宾还有依图科技首席技术官,IEEE、IAPR Fellow 颜水成博士。他在主题为《Transform AI into Affordable Intelligence》演讲中,指出了让人工智能变为「Affordable Intelligence」所面临的挑战,并从芯片和模型的角度分享了一些工作进展。

“我的箭快到模糊!”广外南国2019级计算机专业学生林朗告诉记者,学射箭之前,他觉得应该是标准的现代弓,配上瞄准镜的那种高级设备。上课后,他才发现,弓是传统木弓,更有中华传统射艺的韵味。

随着人工智能在越来越多的场景中得到使用,而随着技术上已经达到可以用的阶段,现在除了对算力和算法的要求越来越高,也更多地从「Affordable」的角度去考量。

自从选上了射箭课,更多学生开始爱上体育课。

现在我们国家意识到这些问题,国家也组织了几个部委联合攻克芯片问题。我相信几年后,我们国内在芯片这一块会有重大的突破。

最后,他总结道,AI 在越来越多的场景得到应用,并且追求的精度和目标越来越高,这就对算法和算力提出了越来越高的要求。而这时,AI 的「Affordable」问题就会变得越来越重要。

行完靶前礼,就可以开始射箭了。手指放松,“咻”地一下,手中的箭就飞向箭靶。

由于病人病情比较严重,十几分钟之后,飞机在西安机场迫降,早已在机场待命的120医护人员将病人接上了救护车。病人下飞机时,意识已恢复,但暂时说不出话来。他双手合十,看向张艳他们,无声地表示着感谢。

第一个阶段是 IoT 最基本的阶段。所有能连上网、能传送数据的设备都叫 IoT 设备,主要是关注在设备之间的连接问题、数据的采集跟通讯的问题。人则主要通过指令命令或者遥控跟 IoT 设备进行交互。这个阶段的智能程度很低,基本上只能做 IFDtt 这种类型的条件控制。 第二个阶段叫做 AIoT,这个名词并不是国际提出来的,是一个中国特色的概念。上一阶段的 IoT 基本没有智能,对数据的应用也很简单或者只停留在表面,而这个阶段则对 IoT 产生数据进行智能处理。一方面,用户对 IoT 设备的交互变得越来越智能;另一方面,对采集的数据不仅仅停留在原始数据的解释方面,而是把数据结合在一起,然后形成一些新的知识。在这个阶段,AIoT 总有一个集中的控制器来控制所有的 IoT 设备,因为它需要这样一个大脑来进行总体的控制。 第三个阶段也就是 IIoT(智物联网)。在上个阶段,独立的智能物体本身有一定的智能,而且在很多时候可以独立运作。而这个阶段要探讨怎样把有智能和独立的智能体之间的智能联合起来以及联合在一起又能形成什么智能呢?人和机器之间的关系成为了比较平等的合作关系。

张正友博士接着介绍了机器人的 6 个组成部分,包括本体、感知、执行器、动力系统、交互系统、决策。机器人的未来趋势是自动化、智能化,要在不确定的环境中自主决策。针对机器人的自主决策,他提出了 SLAP 范式,即传感器和执行器要紧密结合,在学习和计划模块的帮助下提升能力、做出决策。

丁文华院士:此次大会内容丰富,体现出中国人工智能在各领域都有了非常大的进展。今年的演讲内容涉及算法、应用、资源,大家都在各自研究方向上实现了突破。我相信通过鹏城实验室这个平台,能够聚集全国乃至全球的人工智能领域的高端专家和人才共同交流和推进整个人工智能技术的发展。

王立军院士:我主要研究激光芯片,近几年随着人工智能、信息感知的发展,也向通讯和信息感知(光电集成芯片)开展研究。我研究激光芯片几十年,有一些自己的体会。

“通过射艺课的学习,除了要让学生了解中国传统射箭文化,理解中国射艺的历史意义和当代价值以外,还要掌握射艺的站立、搭箭、握弓钩弦、举弓、开弓、瞄准、撒放、收势的基本技术和方法。”洪奎告诉记者。

乘务组长专门来到张艳的座位前,代表机组向她表示了感谢。“好样的!”“太棒了!”,机舱里顿时响起了热烈的掌声和称赞声。一名目睹了整个过程的女乘客说,“能碰到张医生和所有的好心人,病人真是幸运!”

经过简单的询问,张艳让两名男空乘把病人从卫生间扶了出来。病人是一名60岁左右的男性,从卫生间出来后,头一直低着,自己无法正常站立。

一开场,他提到,一个 AI 创业公司以及大厂 AI 实验室的核心使命是实现 AI 的真正落地,这就需要解决两个方面的问题:

“准备!”洪老师一声令下,同学们齐刷刷地,向对面的靶子鞠上一躬,再开始站好,搭箭,做好开弓准备。

“我是医生!有什么可以帮忙的!”张艳告诉空乘人员。经过简单的确认之后,空乘人员带着张艳来到了卫生间门口,告诉她有个病人正在卫生间里呕吐,“病人目前的状况是浑身出冷汗,胃部不舒服,一直在呕吐。”

而整个 IoT 的发展历程可分为三个阶段:

雷锋网原创文章,。详情见转载须知。

按压30下,再口对口人工呼吸2次。张艳熟练地进行着标准的心肺复苏流程,一个循环结束后观察病人反应,旁边的空乘拿着抢救药随时准备着。

他指出,计算机视觉从提出概念到现在已有差不多半个世纪,主要历经了马尔计算视觉、主动和目的视觉、多视几何与分层三维重建、基于学习的视觉这四个阶段。该领域虽然取得的进展很明显,然而也带来了一些问题,就比如评测基准的出现。

「人工智能目前还是初春,还不是非常智能,存在很多问题。」话落下,他便以摄像机无法识别遮挡镜头的假图像为例指出目前人工智能还只是从大量标注数据学习,泛化能力较差。

今天听了各位的报告后,我还想再强调几点:

“不晕,但是头痛”,病人答。

飞机上乘客昏厥,她们挺身而出

并且,如果要把 AI 转换成「Affordable Intelligence」的话,高性能的 AI 模型和高性能 AI 芯片则是推动这一转换的双引擎,只有这样才能让我们最终的用户能够「买得起」和「用得起」。

华为海思首席芯片规划师、海思图灵产品管理部部长夏勤以《云大为美——高性能计算芯片的现在和未来》为题,分享了关于高性能计算芯片的现在与未来的思考,并以华为的昇腾芯片和鲲鹏芯片为例,探讨了高性能芯片设计方面的问题。

针对这些问题,陈熙霖在可解释性决策模式,概念空间、语义空间、可视空间之间的相似性,可迁移的对比学习以及利用上下文方面进行了一系列探索和工作。

射箭课在广外南国“火”了,看到同学们对中华传统射艺如此感兴趣,洪奎还义务组建了校射艺队,选拔了26名队员。射艺队每天训练2小时,每周一至周五早上6时就“开弓”。

她进一步总结了未来芯片设计的趋势:

射箭前,还要做准备拉伸等动作,练习“扣箭”动作。洪老师细心地提醒同学们,放箭时,红色的羽毛要朝外,开弓不要对着人。

中国工程院院士、广播电视技术专家丁文华,中国工程院院士、通信与信息系统专家王沙飞,中国科学院院士、激光与光电子技术专家王立军,德国汉堡大学信息学科学系教授、德国汉堡科学院院士张建伟四位院士,结合当日主题演讲内容各抒对未来中国人工智能发展的展望与建议。

另外针对信息感知,我个人认为下一步在光电、混合集成芯片方面是一个很重要的方向,它既把集成电路的技术和集成光学的技术进一步集成,还把感知的软件和光学的东西集成到一起,进一步提高了可靠性,会对 AR 产业有很大的推动。

“能碰到张医生和好心人,病人真幸运!”

开弓、扣箭、瞄准、射箭……“会挽雕弓如满月”的场景,竟然出现在大学课堂?记者了解到,广东外语外贸大学南国商学院在本学期学校的公共体育课中新增了“中华射艺”的项目。

洪奎老师是本学期开设射箭课的授课老师,课堂上,他站姿挺拔,挽弓搭箭的身影很快斩获了一大批“迷妹”。

“有脉搏了!”护士说。随后,病人眼睛微微眯了一下,手也微微地动了一下,心跳渐渐恢复……参与抢救的人终于可以松口气了。

第一个引擎是高效能的 AI 模型,这是算法的维度。要想获得一个高效能的 AI 模型有两种做法,一种是基于不同 Motivation 的模式,另一种是基于 NAS(神经网络架构搜索)的模式。针对这一点,主要是希望能够解决研究和应用中的「Affordable」问题。 第二个引擎是高效能的 AI 芯片,这是算力的维度。针对这一点,芯片厂商首先要遵循算法和芯片原则,确保芯片在足够大的使用场景中达到很高的效能;其次要预测领域中最前沿的算法发展趋势,确保接下来几年时间这款芯片能「发挥所长」;最后要让用户的建设成本足够低并用得起。

第一,现在人工智能的技术在落地应用场景时,在智能推理方面还存在很多问题,人工智能还很难像人一样对未知的场景或者目标进行智能推理。 第二,可解释性问题。现在 AI 可以计算海量大数据并且能够实现一定的感知,但是得出的结果是否正确呢?或许未来我们可以通过加入人的经验来改善这个问题。

「AI 未来有很多可以发展的方向,并且不是单维度的发展方向,虽然现在我们还不知道真正的 AI 时代何时会到来,但是我认为算力、协同、应用是整个 AI 技术未来能够走向全面商用的三个关键维度。」

卷积神经网络开始得比较早,上世纪 80 年代日本就有教授提出这样的概念,并得以发展。而后续针对卷积神经网络的研究工作,主要围绕四个问题开展:

今天听各位专家的报告很受启发,我认为通过各位同仁的努力,可以让人工智能突破基础研究上的难点并获得更好的应用。

羊城晚报记者采访了解到,广外南国的“射箭课”每周上一次,时长80分钟。

听着掌声和称赞,张艳非常开心,“无数次的心肺复苏学习和考试,就是为了时刻准备着‘黄金四分钟’的救援”。

他认为,抛开其他因素,现在的人工智能时代主要包括四个基本因素:AI、人、机器人和 IoT。其中,人是处于中心的因素,人跟智能的交互叫人机耦合或者是人机协作,人跟 IoT 结合在一起是物理的智能,人跟 AI 放在一起就是虚拟的场景。

针对计算机视觉技术本身,孙剑博士则重点选择了目标检测这一方向,分享了目前研究中所存在的一些问题和进展:第一,当图像中的物体隔得很近时,检测技术就无法精确检测到单个物体;第二,计算架构的设计问题,对此,旷视提出了轻量级的两阶段目标检测器——ThunderNet,设计了多尺度架构的融合,在 ARM 设备上的运行速度非常快。

最后,张正友表达了对机器人发展的愿景,那就是人机共存、共创、共赢,为此,需要从「用机器人增强人的智力、关怀人的情感、发挥人类体能潜力、实现人机协作」四个方面来创建这种未来。

15磅的传统木弓,配上精致的羽箭,第一次上课,每个同学都觉得很新鲜。“第一次尝试开弓,弓很容易被拉开了。一开始觉得很轻松,但是坚持了十秒左右,手就开始暗暗发抖了,那一箭毫无疑问脱靶了。”林朗笑道,“中华射艺原来并不简单,要做到‘稳如磐石、动如奔雷’,还需要好的体魄。”

他认为,随着传感器技术发展与充分应用,人与智能化机器人共存的时代必然会来临,这也是他选择回国加入腾讯创建 Robotics X 机器人实验室的重要原因。

最后他总结道,过去 50 多年时间里,计算机视觉在应用上实现了很多成功,那未来将如何呢?——未来计算机视觉研究会朝着可理解的方向发展,即技术背后的知识会扮演更加重要的作用。

第一,打基础。今天有专家谈到了多模态的技术,从脑科学多模态的处理、芯片多模态的处理、图像识别、图片理解等等,多模态信息处理成为人工智能一个核心技术,也非常值得我们进一步开发和研究。我 5 年前组织的跨模态学习项目就是中、德之间最大的研究项目,从脑科学、心理学、人工智能、机器人等多方面来组织研究人的多模态学习机制,然后做新的算法,最后用机器人来实现。 第二,人工智能下一步如何落地。我认为除了提供人工智能基础平台之外,下一步要真正融入需求和垂直领域,深度融合,把加工链做深做长,做成世界级的知识产权和世界级的市场,使人工智能的价值更快产生。 第三,公共平台交流、生态打造以及社会影响。现在地方政府也对开源和为企业提供平台越来越重视,我认为在深圳这块创业热土上一定能作出新的世界级的人工智能 Demo 样机。

关于首日上午的精彩报告,大家可回看《「新一代人工智能院士高峰论坛」开幕,五大院士镇场、另有汤晓鸥、王海峰精彩报告》。

第一个是算法,一方面是要保证算法「可以用」,即精度足够高,能够真正解锁一个场景;另一方则是算法要「足够用」,因为现在很多场景仅凭单模态的算法已经无法提供用户满意的解决方案。 第二是算力,一方面是要让用户「买得起」,比如用于支撑计算的 AI 芯片,它的并发性能要足够高;另一方面是要让用户「用得起」,即这种算力要保证功耗足够低,不然即便用户买回家也可能因为数据中心的电费过高而无法使用。

You may also like :