智能時代的軟件新機遇

預(yù)計到2020年，會有500億設(shè)備與互聯(lián)網(wǎng)相互連接，但是可能沒有一個單一的設(shè)備會成為社會主流，不過在這個時間點上會發(fā)生很多大變革。

—英特爾中國研究院院長宋繼強

所有軟件的運行都要落地在硬件上，但是硬件并不是設(shè)備本身，設(shè)備是一個系統(tǒng)，而系統(tǒng)是由芯片與芯片之間互相連接構(gòu)成的。那么在未來，軟件要運行在什么設(shè)備上？未來的主流市場是什么？大家可能都聽說過摩爾定律，摩爾定律是指芯片業(yè)的指數(shù)型發(fā)展模式，在上世紀(jì)70年代，在IT行業(yè)中產(chǎn)生了貝爾定律，其主體是指主流計算設(shè)備的演進，每隔10年左右，主流計算機的類別會發(fā)生一次躍遷。從上世紀(jì)70年代～80年代的大型機到PC，直至今日的智能手機，都代表了躍遷的演進過程。

如果把2008年當(dāng)做智能手機成為社會主流的起始期，那么在未來，社會的主流又是什么呢？因為一個類別的建立，首先是這個設(shè)備形態(tài)要得到大家的認(rèn)可，在2018年蘋果的智能手機受到大家追捧，智能手機中存在大量應(yīng)用和功能，同時在智能手機中還可以添加傳感器等設(shè)備，這就使得大量的人學(xué)習(xí)智能手機的編程或開發(fā)周邊，最終就會建立一個生態(tài)圈。

預(yù)計到2020年，會有500億設(shè)備與互聯(lián)網(wǎng)相互連接，但是可能沒有一個單一的設(shè)備會成為社會主流。不過在這個時間點上會發(fā)生很多大變革，比如芯片會變得很小，但是功耗很低且功能十分強大，此外價格也會變得便宜。那么在未來如何開發(fā)軟件？未來的軟件可能要在終端、邊緣端，甚至在云端進行遷移。未來的軟件可能在為DSB進行優(yōu)化，或者為FPGA進行優(yōu)化，因為我們看到這個趨勢正在發(fā)生。目前移動邊緣計算一詞在5G領(lǐng)域十分火熱。該計算可以使手機接入網(wǎng)絡(luò)基站，也就是可以將邊緣端接入設(shè)備，由軟件定義基站。目前，基站已經(jīng)被云化，所有基站的處理都在小型云端上操作，并由軟件進行定義。例如無人駕駛汽車的運輸功能、娛樂功能、辦公功能等都有可能實現(xiàn)該項計算。并且以后的無人駕駛車中的軟件，一定是通過虛擬化技術(shù)來提供多樣性。

自主系統(tǒng)的興起，也是一個重要趨勢。例如無人駕駛車、機器人甚至是監(jiān)控攝像頭，這些設(shè)備都可以發(fā)展到自主。什么是自主？自主就是設(shè)備自己進行感知、進行決策，最后行動。同時設(shè)備還要處理一些復(fù)雜的行動，以無人駕駛車為例，首先它要觀察路況和路標(biāo)，這是感知功能。然后根據(jù)路況和到達的目標(biāo)進行路徑規(guī)劃，這是決策能力。如果當(dāng)車輛行駛到一個閘口時，需要無人駕駛汽車馬上進行決策并執(zhí)行。而且在交叉路口，會出現(xiàn)很多復(fù)雜情況，這些情況可能是程序從來沒有遇到過的，如何快速處理未知路況，也需要自主系統(tǒng)來完成。

自主系統(tǒng)如果從它的計算加速來看，主要分為三個步驟—感知、決策、行動，而這些需要不同方式計算進行支持。感知需要快速且大量并行計算支持，決策需要多條性能同時運行相互協(xié)作，而且有依賴性。行動則需要實時處理。所以異構(gòu)計算是必不可少的，異構(gòu)計算=CPU+GPU+FPGA+X，而X代表一些加速器。

舉一個例子，如果英特爾有不同種類的芯片、CPU處理器、圖形加速器和視覺加速器。我們就可以形成一個異構(gòu)開放平臺的硬件系統(tǒng)，而軟件系統(tǒng)我們希望用戶可以學(xué)會一種軟件開發(fā)接口，我們稱之為ATI，ATI可以進行感知層的視覺認(rèn)知和進行模型優(yōu)化，可以部署在前端攝像頭、邊緣計算和云端，根據(jù)部署的位置可以加入不同的插件幫助優(yōu)化。

異構(gòu)的特性不止體現(xiàn)在系統(tǒng)層面，它可以深入到芯片制作上。我們可以用混搭的模式，把不同功能的芯片、CPU、圖形、加速器等芯片，封裝到一個芯片中，這就要求極高的封裝技術(shù)，同時對編程而言也有新的接口需求。

當(dāng)今AI計算已成為制作軟件系統(tǒng)中必不可少的功能模塊，甚至AI可以幫助優(yōu)化編程方法，而AI更多是解決學(xué)習(xí)能力。自主系統(tǒng)要面對各種復(fù)雜和未知情況，如果我們僅提高加速功能是遠遠不夠的，因為沒法保證自主系統(tǒng)可以處理不同領(lǐng)域的情況，所以我們就需要疊加系統(tǒng)的學(xué)習(xí)和適應(yīng)的能力，然后通過概率性推算，有針對性地收集反饋，把反饋和預(yù)期進行比較，來調(diào)整我們系統(tǒng)決策，才能達到自適應(yīng)。

舉個例子，觀察到的數(shù)據(jù)無論多少，我們都可以建立概率模型，但是外推之后一定要去觀察和驗證，拿觀察到的一些數(shù)據(jù)來與我的推斷進行比較，才能進一步優(yōu)化模型。所以以后要處理未知領(lǐng)域的自主性或智能性時，要引入這種思維。

數(shù)據(jù)就是被處理對象，我們可以處理數(shù)據(jù)中間的結(jié)果和最后產(chǎn)生的結(jié)果。但是現(xiàn)在，數(shù)據(jù)的角色發(fā)生了改變，不再只是被動的。在未來人產(chǎn)生的數(shù)據(jù)只占一小部分，而大量的數(shù)據(jù)則來自各種設(shè)備。數(shù)據(jù)作為一個資源，可以讓我們對世界進行感知和理解，再利用無線通信方法傳輸數(shù)據(jù)。5G有各種方法對不同數(shù)據(jù)進行處理，單一的渠道數(shù)據(jù)可能不完整，但是多個渠道有很好的洞察。探索新的計算模式是非常必要的，傳統(tǒng)辯證方式是已知過程產(chǎn)生的答案，而深度學(xué)習(xí)是通過數(shù)據(jù)訓(xùn)練出的程序。如果我們處理了復(fù)雜的系統(tǒng)，它同時做很多不同的事情，而這些事情之間又互相有關(guān)聯(lián)，光靠一個深度學(xué)習(xí)是不夠的。所以我們要結(jié)合類似人的處理方法—神經(jīng)擬態(tài)計算，把多種學(xué)習(xí)東西放在一個盤子中，再通過強化訓(xùn)練讓AI去適應(yīng)。