云知聲舉辦AI技術開放日，深入解讀云知聲的AI 技術布局與產業(yè)進展。

云知聲董事長、CTO梁家恩表示，云知聲很早就搭建了“TensorFlow + GKE （Google Kubernetes Engine） ”的 Atlas 機器學習計算平臺，基于該平臺，向上支撐起信號（AEC／SSP／ISP）、語音（ASR／TTS／VPR／CALL）、語言與認知（NLU／NMT／SDS／ICI）、圖像（FID／OD／OCR）等多技術領域的橫向擴展和縱向迭代。

目前，云知聲通過將能力封裝在自研 AI 芯片之上，打磨“云端芯”一體化產品體系，已經落到到“AI+生活（家居、車載、機器人等）”與“AI+服務（醫(yī)療、教育、政務、酒店等）”兩大核心場景。

此外，云知聲副總裁、芯片研發(fā)負責人李霄寒從 AI 芯片設計的挑戰(zhàn)、設計維度以及核心技術等方向，解讀了云知聲對于 AI 芯片行業(yè)和技術的看法。

李霄寒認為，針對人工智能的芯片設計，面臨著碎片化場景、馮·諾依曼內存墻、邊緣側應用的低功耗需求、安全需求四大挑戰(zhàn)。

在芯片設計上，他認為需面向具體場景，基于端云互動的思想提供多模態(tài)處理的能力，在性能、功耗、面積上達到優(yōu)異平衡，并兼顧連接和安全的需求。

他介紹到，解決馮·諾依曼內存墻這一行業(yè)共同難題，關鍵在于拉近計算單位和存儲單位的距離，讓它們盡可能接近，異構計算系統(tǒng)架構設計、加速器近算存儲結構，以及通用API函數到專用指令集的多重應對方案可以進一步解決該問題。

李霄寒還在現場表示，IoT 結合 AI 化浪潮，需要全新的 AIoT 芯片，多模態(tài) AI 芯片是關鍵一步。

AI 與 IoT 的疊加要求傳統(tǒng)解決方案朝五大方向轉型：從通用架構-AI架構、從依賴硬件到軟硬件一體、從 PPA 模式到垂直場景模式、交互從單模態(tài)轉向多模態(tài)、設備從獨立到協(xié)同。

寒武紀公司副總裁劉道福結合自身產業(yè)經歷，多角度分析了智能芯片該如何做到好用和通用。他認為，設計靈活的指令集，設計可擴展性強/高效的架構，提供靈活的運算器方案，支持主流編程架構，在大規(guī)模商用中得到反饋和修正等均是做好智能芯片的重要手段。