人工智能是全球競(jìng)爭(zhēng)的新焦點(diǎn)，而中國(guó)成為AI大秀的舞臺(tái)。2018世界人工智能大會(huì)(WAIC)上，最新AI應(yīng)用紛紛亮相，來自世界各地的學(xué)者、產(chǎn)業(yè)精英共同探討AI產(chǎn)業(yè)發(fā)展，《未來簡(jiǎn)史》中未來人類與AI的變化，從這里可以一窺端倪。
AI什么時(shí)候能進(jìn)入2.0?AI下一代技術(shù)是什么?AI能和哪些行業(yè)結(jié)合共同探索世界?
人類的未來已來，AI的未來尚需等待。
算法2.0
下一個(gè)“深度學(xué)習(xí)”是誰(shuí)?
半個(gè)世紀(jì)以前，麻省理工學(xué)院幾個(gè)計(jì)算機(jī)系的教授第一次提到人工智能這個(gè)詞時(shí)，他們以為人工智能是一個(gè)夏天就能解決的問題，但直到現(xiàn)在人工智能還是實(shí)驗(yàn)科學(xué)。2016年AlphaGo對(duì)弈讓普通人意識(shí)到人工智能的魅力，其采用的深度學(xué)習(xí)方式在圖像識(shí)別和語(yǔ)音識(shí)別領(lǐng)域的成功，讓它幾乎成為AI的代名詞，短短兩年，人工智能技術(shù)已經(jīng)應(yīng)用到自動(dòng)駕駛、機(jī)器人、醫(yī)療診斷等多個(gè)領(lǐng)域，深度學(xué)習(xí)成為人工智能熱潮的主力軍。
然而，深度學(xué)習(xí)的缺點(diǎn)也很明顯：對(duì)數(shù)據(jù)和算力要求高，而最終機(jī)器給出的結(jié)論是“黑盒子”，人們只能知其然卻不知其所以然。
“大概五六年以后，深度學(xué)習(xí)的算法可能會(huì)到達(dá)增長(zhǎng)極限。下一波AI創(chuàng)新應(yīng)該來自哪里?”圖靈獎(jiǎng)獲得者、清華大學(xué)交叉信息研究院院長(zhǎng)姚期智在本次WAIC大會(huì)上提出了“姚之問”。
如何回答“姚之問”?
深度學(xué)習(xí)的“高門檻”
“能夠引領(lǐng)AI發(fā)展的頂級(jí)人才，環(huán)顧全球尚不足千人，這讓AI成為供不應(yīng)求的搶手貨，只有AI的應(yīng)用門檻降低到普通開發(fā)者甚至是業(yè)務(wù)人員也能做的程度，才能夠真正爆發(fā)。”第四范式的創(chuàng)始人戴文淵在WAIC上表示，據(jù)《全球人工智能人才白皮書》數(shù)據(jù)統(tǒng)計(jì)，目前全世界只有不超過 1000 家公司擁有能夠開發(fā) AI 系統(tǒng)的人才，與此同時(shí)，更多公司卻擁有開發(fā) AI 系統(tǒng)所需的數(shù)據(jù)。
屢屢在國(guó)際語(yǔ)音識(shí)別大賽中奪魁的科大訊飛，對(duì)深度學(xué)習(xí)的優(yōu)劣也深有體會(huì)，其董事長(zhǎng)劉慶峰在WAIC的不同論壇上多次表示，“深度神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)面臨著算法突破的挑戰(zhàn)，比如目前數(shù)據(jù)參數(shù)的設(shè)定都是手動(dòng)，很多優(yōu)秀的碩士、博士生只能將時(shí)間耗費(fèi)在這種機(jī)械操作上，其次，深度學(xué)習(xí)對(duì)樣本需求量過大，能否有少量數(shù)據(jù)就可以學(xué)習(xí)，而且目前深度學(xué)習(xí)很難突破有監(jiān)督訓(xùn)練，未來能否變成半監(jiān)督或者無監(jiān)督訓(xùn)練?”
劉慶峰指出的正是兩個(gè)深度神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)最難和最耗時(shí)的問題：處理數(shù)據(jù)格式化和培養(yǎng)深度學(xué)習(xí)模型，而這兩個(gè)難題在某種程度上阻礙了AI的普及，因?yàn)閿?shù)據(jù)、算力、建模都需要耗費(fèi)大量人力和資本，普通企業(yè)根本無力“AI化”，而這恰恰也是斯坦福教授李飛飛希望倡導(dǎo)“AI民主化”的緣由。
算法突破
AutoML實(shí)現(xiàn)“AI的民主”
從學(xué)界來看，遷移學(xué)習(xí)、冷撲大師、膠囊網(wǎng)絡(luò)等等新的算法都有可能在接下來的幾年中實(shí)現(xiàn)突破，但目前最早進(jìn)入商業(yè)化、并且已經(jīng)相對(duì)成熟的是基于遷移學(xué)習(xí)的AutoML。
可以讓機(jī)器自動(dòng)建模、自動(dòng)調(diào)參的AutoML被李飛飛稱為“AI民主化的重要進(jìn)展”，因?yàn)樗蟠蠼档土薃I使用者的門檻，每個(gè)人都可以利用AI技術(shù)自動(dòng)生成AI應(yīng)用，將企業(yè)的數(shù)據(jù)自動(dòng)變?yōu)槟Ｐ?，整個(gè)機(jī)器學(xué)習(xí)過程是自動(dòng)化的。
戴文淵以及第四范式的聯(lián)合創(chuàng)始人、香港科技大學(xué)計(jì)算機(jī)系主任楊強(qiáng)都是遷移學(xué)習(xí)領(lǐng)域全球排名前三的科學(xué)家。
戴文淵告訴《IT時(shí)報(bào)》記者，盡管在AutoML領(lǐng)域，微軟和谷歌都在2017年發(fā)布了相關(guān)產(chǎn)品，但中國(guó)AI公司在這方面毫不遜色，前不久，國(guó)際人工智能頂尖學(xué)術(shù)會(huì)議NIPS正式宣布，第四范式擊敗了谷歌獲得AutoML Challenge(挑戰(zhàn))2018 大賽的承辦權(quán)。
國(guó)產(chǎn)“AI操作系統(tǒng)”時(shí)機(jī)成熟
戴文淵將第四范式的AI Prophet AutoML(以下簡(jiǎn)稱“AutoML平臺(tái)”)定義為“AI的AI”，開發(fā)者無需深入理解算法原理和完成大量編碼訓(xùn)練，只需做到“收集行為數(shù)據(jù)、收集反饋數(shù)據(jù)、模型訓(xùn)練、模型應(yīng)用”四步，便可以直接升級(jí)為AI開發(fā)者，這樣一個(gè)公司AI應(yīng)用的開發(fā)周期從以半年為單位縮短至周級(jí)別。
或許將之比喻為“AI中的Windows”更容易理解，一家中小企業(yè)不需要去自己做一套Windows，而是在Windows上打開Office輸入數(shù)據(jù)便可以得到自己想要的答案。但對(duì)于科技創(chuàng)新而言，從0到1的路走得最難，軟件時(shí)代，中國(guó)國(guó)產(chǎn)操作系統(tǒng)半途折戟，AI時(shí)代，中國(guó)能有自己的AI“操作系統(tǒng)”嗎?
“操作系統(tǒng)能否成功，核心不在技術(shù)而是應(yīng)用，軟件時(shí)代，所有的應(yīng)用軟件也都來自國(guó)外，國(guó)產(chǎn)操作系統(tǒng)根本無力與Windows競(jìng)爭(zhēng)，而AI時(shí)代，全球應(yīng)用需求的中心在中國(guó)，我認(rèn)為，國(guó)產(chǎn)AI操作系統(tǒng)的市場(chǎng)時(shí)機(jī)已經(jīng)成熟。”戴文淵表示。
下一代人工智能要有推理能力
為什么研究人工智能?基礎(chǔ)科學(xué)不太接地氣，澳大利亞科學(xué)院院士陶大程試圖用更形象的語(yǔ)言讓大家理解，他拿出一張畫面滿是人的照片問：誰(shuí)知道照片中有多少人?會(huì)場(chǎng)近千名觀眾無人作答，有人下意識(shí)的開始去數(shù)，但通過人工智能技術(shù)，照片很快顯示出答案，3秒中檢測(cè)出920張人臉。
“除了圖片，現(xiàn)在的技術(shù)也能對(duì)視頻中的人物做人臉檢測(cè)、特征點(diǎn)檢測(cè)，識(shí)別人與鏡頭的距離，甚至把視頻的背景檢測(cè)出來改成油畫和中國(guó)畫。人類通過眼睛看見這個(gè)世界，對(duì)周圍的事物有迅速的判斷和認(rèn)知，如今我們做的是教機(jī)器如何變得像人類一樣聰明。”陶大程的主要研究方向是表征學(xué)習(xí)，這也是人工智能領(lǐng)域非常重要的研究方向之一，包括多視角學(xué)習(xí)、多標(biāo)簽學(xué)習(xí)、多任務(wù)學(xué)習(xí)、遷移學(xué)習(xí)、張量學(xué)習(xí)、噪聲數(shù)據(jù)學(xué)習(xí)等，這些研究成果被應(yīng)用于計(jì)算機(jī)視覺、圖像處理以及生物識(shí)別技術(shù)等領(lǐng)域。
人工智能技術(shù)在向前行進(jìn)過程中，總是遇到不同的問題，機(jī)器學(xué)習(xí)也像“盲人摸象”，看到某一部分，在已有信息的條件下做出最好的決策。“我們研究多視角學(xué)習(xí)，通過多個(gè)傳感器拍攝同一個(gè)物體的不同狀態(tài)，再匯總到一個(gè)平臺(tái)做出選擇。就像無人駕駛，有激光雷達(dá)、獲取視覺數(shù)據(jù)的攝像機(jī)，獲取聽覺數(shù)據(jù)的麥克風(fēng)陣列等非常多的傳感器，之后把傳感器信息最終結(jié)合起來做出判斷。未來，能不能有一個(gè)上帝視角，讓機(jī)器知道自己看到的是一個(gè)物體的不同角度?”陶大程希望通過多視角學(xué)習(xí)來改善這一問題，把一些不同源、不同表達(dá)方式的信息整合起來，以改善后續(xù)的識(shí)別問題。
對(duì)于下一代人工智能具有什么特征，陶大程同樣用一張圖片舉例，通過圖片人物的著裝和神情，人類一眼即可判別圖片中的人在看球賽，“機(jī)器是能做到，但需要收集大量的信息才能教會(huì)它判斷，這樣的人工智能是我們需要的嗎?不是!下一代的人工智能應(yīng)該有推理能力，也只能是推理的時(shí)代。”
算力2.0
無限向人腦靠近
對(duì)于AI的未來，調(diào)整算法固然可以減少對(duì)數(shù)據(jù)量和算力的需求，但根本而言，AI仍然是一個(gè)需要大算力的技術(shù)，尤其在生物、氣象等大自然領(lǐng)域，海量的數(shù)據(jù)依然要靠大型超算夜以繼日地運(yùn)算，而量子計(jì)算和AI的結(jié)合，則很可能讓算力呈現(xiàn)爆發(fā)式增長(zhǎng)。
量子人工智能將真正認(rèn)知自然
2000年，因?yàn)閷?duì)計(jì)算理論的貢獻(xiàn)，姚期智被授予圖靈獎(jiǎng)，而他的回國(guó)填補(bǔ)了國(guó)內(nèi)計(jì)算機(jī)學(xué)科的空白。在這位年過古稀的老科學(xué)家眼中，量子物理是最美麗的物理法則，如果有一個(gè)足夠強(qiáng)大的量子計(jì)算機(jī)，也許有可能模仿大自然量子法則，從而理解自然智能。當(dāng)人工智能與量子計(jì)算機(jī)結(jié)合，人們對(duì)世界甚至宇宙的探索會(huì)有更加深刻的認(rèn)識(shí)， “深度學(xué)習(xí)的發(fā)展給了科學(xué)家一個(gè)如何看待計(jì)算機(jī)科學(xué)的新角度，是不是可以將量子計(jì)算和人工智能結(jié)合，進(jìn)行量子人工智能，量子計(jì)算本身就能擴(kuò)大了人類獲得知識(shí)、認(rèn)知宇宙的能力，也許通過兩者的結(jié)合，人類可以真正有機(jī)會(huì)‘攻克’自然界。”
姚期智把著眼點(diǎn)放在量子人工智能不難理解，量子計(jì)算是他上世紀(jì)90年代開始主攻的研究領(lǐng)域。
拋去多粒子糾纏、量子比特、多量子系統(tǒng)等晦澀難懂的名詞，具有超快的并行計(jì)算和模擬能力的量子計(jì)算機(jī)令人興奮。量子計(jì)算機(jī)的計(jì)算能力有多強(qiáng)?有人打了個(gè)比方：如果將現(xiàn)在的計(jì)算機(jī)速度比作自行車，那么量子計(jì)算機(jī)的速度就是飛機(jī)。
人工智能可與多學(xué)科結(jié)合
量子計(jì)算機(jī)什么時(shí)候出現(xiàn)?何時(shí)能與人工智能相結(jié)合?對(duì)于看好這一產(chǎn)業(yè)的人來說，這是必須要思考的問題。迄今為止，科學(xué)家們還并沒有對(duì)開發(fā)量子計(jì)算機(jī)的最佳方法達(dá)成一致。面對(duì)場(chǎng)景多元化的人工智能，其他學(xué)科已經(jīng)率先與之結(jié)合。
“人工智能剛剛開始，需要做的不只是把機(jī)器的計(jì)算能力再提升，還有許多科學(xué)問題亟待突破，要把心胸放大，深度學(xué)習(xí)需要和很多學(xué)科結(jié)合在一起，數(shù)學(xué)、計(jì)算機(jī)、神經(jīng)科學(xué)等等。”姚期智說。
值得注意的是，學(xué)術(shù)界已經(jīng)注意到交叉學(xué)科為人工智能發(fā)展帶來的更多可能性，開始匯聚計(jì)算機(jī)、統(tǒng)計(jì)、心理學(xué)、人文社科等領(lǐng)域的力量與人工智能相結(jié)合。比如，通信和計(jì)算機(jī)的交叉學(xué)科云計(jì)算，把云計(jì)算的運(yùn)作模式與人工智能深入融合，可以把龐大的人工智能運(yùn)行成本轉(zhuǎn)移到云平臺(tái)，從而降低終端設(shè)備使用人工智能技術(shù)的門檻。另外，神經(jīng)科學(xué)提供的神經(jīng)網(wǎng)絡(luò)模型，對(duì)人工智能的發(fā)展也頗有貢獻(xiàn)，2018世界人工智能大會(huì)的學(xué)者不乏生物領(lǐng)域的專家，一些企業(yè)甚至已經(jīng)喊出“神經(jīng)科學(xué)是人工智能領(lǐng)域創(chuàng)新關(guān)鍵”的口號(hào)。
數(shù)據(jù)顯示，2011年，人工智能識(shí)別圖像的錯(cuò)誤率是26%，2016年的錯(cuò)誤率下降到3%，比人類的識(shí)別能力要高出2%，這樣的數(shù)字源于神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)在人工智能領(lǐng)域的爆發(fā)。
類腦芯片讓機(jī)腦超越人腦
人工智能正在改變各行各業(yè)，而芯片是實(shí)現(xiàn)人工智能的載體，但傳統(tǒng)芯片卻遇上馮·諾依曼結(jié)構(gòu)瓶頸。
目前，計(jì)算機(jī)采用的是馮·諾依曼體系結(jié)構(gòu)，而滿足這個(gè)結(jié)構(gòu)必須有一存儲(chǔ)器、一個(gè)控制器、一個(gè)運(yùn)算器、必須有輸入設(shè)備和輸出設(shè)備用于人機(jī)通信，另外，程序和數(shù)據(jù)統(tǒng)一存儲(chǔ)并在程序控制下自動(dòng)工作。有人將這稱之為“內(nèi)存墻”，意思是CPU再快，也要等內(nèi)存。
如今，越來越多的人工智能應(yīng)用需要專門的AI加速器或計(jì)算卡，從業(yè)認(rèn)識(shí)開始關(guān)注專門用于處理人工智能應(yīng)用中的大量計(jì)算任務(wù)的模塊，與通用芯片不同，AI芯片主要用于處理專用任務(wù)，比如安防中高清視頻的識(shí)別、自動(dòng)駕駛時(shí)的數(shù)據(jù)計(jì)算等等。這類的處理器主要分為GPU、FPGA、ASIC等類型，其中專用定制的ASIC芯片被認(rèn)為是人工智能芯片的主要方向，寒武紀(jì)的GPU，地平線的BPU都屬于ASIC芯片。
值得關(guān)注的是，在ASIC芯片里還有一個(gè)特殊的群體——類腦計(jì)算，正如尤瓦爾·赫拉利的《未來簡(jiǎn)史》中傳達(dá)出的觀點(diǎn)，人類開始復(fù)制自身，幾十年來，科學(xué)家一直“訓(xùn)練”電腦，使其能夠像人腦一樣思考，而類腦芯片就是模擬人類大腦處理信息的新奇的微芯片。
“為了應(yīng)對(duì)各種認(rèn)知任務(wù)，大腦要在短時(shí)間內(nèi)保存和處理各種感興趣的信息，完成這個(gè)過程的大腦系統(tǒng)就是‘工作記憶’。工作記憶是形成語(yǔ)言理解、學(xué)習(xí)與記憶、推理和計(jì)劃等復(fù)雜認(rèn)知能力的基礎(chǔ)。此外，基于生物層面的神經(jīng)突觸信號(hào)傳遞作用機(jī)制、腦區(qū)間環(huán)路特征、腦信息表達(dá)與處理、腦結(jié)構(gòu)和功能圖譜、腦重大疾病發(fā)病的環(huán)路機(jī)制等成為研究熱點(diǎn)，這些都為人工智能的突破性發(fā)展提供了新的方向。” 在9月18日至19日復(fù)旦大學(xué)舉辦的類腦人工智能主題論壇上，復(fù)旦大學(xué)校長(zhǎng)許寧生說。
研究表明，人類大腦平均每秒可執(zhí)行 1 億億次操作，所需能量只有 10?25 瓦特，如果讓一臺(tái)超級(jí)計(jì)算機(jī)來完成同樣的工作，需要消耗的能量超過人腦的 1000 萬(wàn)倍。科學(xué)家們?cè)噲D通過模擬人腦運(yùn)轉(zhuǎn)機(jī)制，利用神經(jīng)元進(jìn)行傳輸數(shù)據(jù)，使計(jì)算機(jī)能低能耗高功效地進(jìn)行計(jì)算。
類腦芯片的研發(fā)非常困難，許寧生表示，復(fù)旦大學(xué)已經(jīng)布局了四年，期望通過腦科學(xué)的深入研究和神經(jīng)機(jī)制的系統(tǒng)解析，“破譯”大腦信息處理與神經(jīng)編碼的原理，再通過信息技術(shù)予以參照、模擬和逆向工程，形成新一代人工智能通用模型與算法、類腦芯片器件和類腦智能各類工程技術(shù)應(yīng)用等新型研究領(lǐng)域。
異構(gòu)計(jì)算
“后摩爾定律時(shí)代”的新選擇
“摩爾定律”究竟還能走多遠(yuǎn)? 一旦摩爾定律正式成為歷史，半導(dǎo)體產(chǎn)業(yè)該如何繼續(xù)向前邁進(jìn)?過去30年里，集成電路的工藝進(jìn)步經(jīng)歷了多個(gè)現(xiàn)象級(jí)的飛躍提升，例如，工藝從毫米、微米、納米級(jí)進(jìn)步，到現(xiàn)在的3-5nm工藝，接近現(xiàn)有電子材料及光刻技術(shù)的極限，然而，芯片廠商們突然發(fā)現(xiàn)，按照“摩爾定律”繼續(xù)提升芯片性能所付出的成本也變得越來越龐大，甚至已經(jīng)成為當(dāng)前集成電路行業(yè)面臨的最大挑戰(zhàn)：芯片設(shè)計(jì)和應(yīng)用的編程開發(fā)越來越復(fù)雜，研發(fā)投入(IP、設(shè)計(jì)團(tuán)隊(duì)等)和工藝制造越來越昂貴，而市場(chǎng)卻開始呈現(xiàn)碎片化的趨勢(shì)。
然而，在AI領(lǐng)域，卻呈現(xiàn)出另一種新的現(xiàn)象，不少企業(yè)紛紛宣布推出自己的AI芯片，在本次WAIC上，地平線、寒武紀(jì)、酷芯等公司都展出了自己的AI芯片，且研究方向各有不同。記者發(fā)現(xiàn)，酷芯的AR8000系列芯片組，采用自己研制開發(fā)的無線通信協(xié)議，可以在4G等移動(dòng)蜂窩網(wǎng)絡(luò)信號(hào)弱的時(shí)候傳輸高清圖像，2014年起，全球出貨的中高端民用無人機(jī)中，70%以上都是使用酷芯方案，而酷芯在WAIC上新發(fā)布的AR9201芯片組，是通信與邊緣智能處理的融合SoC(系統(tǒng)集成芯片)，采用自主研發(fā)的遠(yuǎn)距離無線基帶和射頻、高性能ISP (Image Signal Processing)、神經(jīng)網(wǎng)絡(luò)專用加速器、視頻編解碼等核心技術(shù);地平線的自動(dòng)駕駛軟硬體一體化計(jì)算平臺(tái)Matrix則在WAIC上入圍了世界人工創(chuàng)新大賽，也是入圍該榜單的唯一一個(gè)軟硬結(jié)合嵌入式人工智能計(jì)算平臺(tái)，其二代自動(dòng)駕駛處理器也已經(jīng)基本成型，預(yù)計(jì)于明年1月流片，其算力從一代的1T提升至4-5T。
成本與需求的同步增加，使半導(dǎo)體行業(yè)越來越需考慮一個(gè)問題：能否通過芯片架構(gòu)的創(chuàng)新，實(shí)現(xiàn)大幅提升性能和降低功耗的同時(shí)，顯著降低設(shè)計(jì)制造費(fèi)用和芯片設(shè)計(jì)、應(yīng)用編程開發(fā)的門檻，一個(gè)更小的設(shè)計(jì)團(tuán)隊(duì)能不能完成復(fù)雜芯片的設(shè)計(jì)、應(yīng)用開發(fā)的復(fù)雜度能不能大幅度降低。
在目前所有的架構(gòu)創(chuàng)新中，量子計(jì)算、類腦計(jì)算等離大規(guī)模商用還有相當(dāng)長(zhǎng)的距離，而最近十分火熱的“異構(gòu)計(jì)算”成為近年來架構(gòu)創(chuàng)新的主賽道。
國(guó)內(nèi)第一家從事下一代異構(gòu)計(jì)算處理器芯片設(shè)計(jì)的集成電路企業(yè)華夏芯相關(guān)人士告訴記者，廣義來說，不同指令架構(gòu)的計(jì)算單元(如CPU與GPU)之間實(shí)現(xiàn)高效協(xié)同計(jì)算都可以稱之為“異構(gòu)計(jì)算”。全球異構(gòu)系統(tǒng)架構(gòu)(HSA)聯(lián)盟主席John Glossner認(rèn)為，面對(duì)大數(shù)據(jù)、人工智能對(duì)計(jì)算性能的爆發(fā)式需求，各種創(chuàng)新的神經(jīng)網(wǎng)絡(luò)算法及相應(yīng)的計(jì)算實(shí)現(xiàn)架構(gòu)層出不窮，傳統(tǒng)芯片設(shè)計(jì)架構(gòu)已經(jīng)難以滿足應(yīng)用對(duì)計(jì)算能力的需求，因此以異構(gòu)計(jì)算為代表的架構(gòu)創(chuàng)新正在成為一個(gè)新的風(fēng)口，并且正在成為新一代軟硬件計(jì)算體系和高端復(fù)雜芯片的主流設(shè)計(jì)平臺(tái)。
但由于產(chǎn)品設(shè)計(jì)難度大、生態(tài)系統(tǒng)需要重新構(gòu)建等挑戰(zhàn)，在過去很長(zhǎng)一段時(shí)間里，異構(gòu)計(jì)算一直處于不斷演進(jìn)中，John Glossner認(rèn)為，必須要走建立相關(guān)標(biāo)準(zhǔn)和規(guī)范、眾多廠商協(xié)同合作這一途徑。
在中國(guó)，異構(gòu)標(biāo)準(zhǔn)化行動(dòng)也已開始，由HSA聯(lián)盟成員中國(guó)電子技術(shù)標(biāo)準(zhǔn)化研究院和華夏芯(北京)通用處理器技術(shù)有限公司牽頭，組建了HSA中國(guó)區(qū)委員會(huì)(CRC)，目前成員單位已有40余家，涵蓋中國(guó)本土知名的半導(dǎo)體企業(yè)、高校和科研院所，CRC主要針對(duì)中國(guó)異構(gòu)計(jì)算的實(shí)際需求，對(duì)HSA標(biāo)準(zhǔn)進(jìn)行擴(kuò)展、適配和修訂，這些工作成果將反饋回HSA聯(lián)盟，成為全球標(biāo)準(zhǔn)的一部分。
京公網(wǎng)安備 11010502049343號(hào)