7月7日，普华资本在杭州西湖岸边的葛岭路5号举办“葛岭求真·普华科技私享会”，邀请了云从科技、巴比特、ARM中国、OURS、MINIEYE、DaoCloud等来自人工智能、区块链、芯片、AR/VR、自动驾驶、云计算等领域的创业者就自身项目的产品设计逻辑、技术细节、业务协同和上下游产业链等各个维度展开了深入交流。

云从科技 姚志强：人工智能恰逢其时

云从科技是国内一家人脸识别技术及产品研发商，专注于人脸识别技术的研发及应用。云从科技联合创始人姚志强以自身企业案例介绍了人工智能企业发展特点。云从科技从研究人工智能开始至今，已经走过来了10年历程，最大的心得就是：门槛高。具体表现在4个方面：

研发周期长，从科学研究到产品落地时间跨度大；

技术风险高，科研本身就是存在很大的失败概率，尤其是会出现方向错误；

资金投入大，以云从科技来说，每年投入的研发资金高达2亿元；

产品链条长，将技术用于实际场景，解决客户痛点，需要和行业、客户反复多次深度交流。

人才、算法、产品是构成一家人工智能企业的三要素。姚志强认为，在信息化时代，我们积累了很多的资源和人才，但并没有真正发挥最大价值，而人工智能的出现是恰逢其时，刚好能把人才和资源结合在一起，做更多的事情。云从科技的定位是人机交互，基于实时全链信息流，打造全行业大脑。在金融领域，目前云从科技已成为国内银行业人脸识别第一大供应商，市占率70%以上。

巴比特&比原链 长铗：计算力，让区块链与人工智能融合出现曙光

区块链与人工智能，成为当前科技领域最炙手可热的两个方向。尽管在外界看起来很热闹，但是作为一名深耕区块链的创业者，长铗很焦虑，一直在思考区块链什么时候能真正落地，并与实体经济结合。而区块链和人工智的结合，很有可能是一个很好的方向。

区块链与人工智能如何结合？目前的主要从Token、智能合约、数据、计算力这4个方向入手。长铗认为，在计算力这个方向上，二者会出现融合的曙光，因为区块链和人工智能最根本的生产力都来自于计算。

人类对AI运算的需求极其旺盛。当前，全球深度学习的计算力需求大概有300个Exa的浮点运算，随着人类科学技术的提升和生活水平的提高，这个数字还在继续上升，可以说，AI领域领最大的矛盾，就是人民群众日益增长的计算需求与落后的计算力的之间的矛盾。

目前，比原链已经在区块链和人工智能的结合上展开探索，提出了对人工智能ASIC型友好型共识算法——Tensority，并与今年4月在麻省理工学院全面公开算法细节。Tensority算法吸取了BTC、LTC、ETH算法的优点并加以改进，算法功耗更低，同时支持int数据类型，理论上支持所有AI智能设备参与比原链的共识运算。

长铗认为，Tensority算法对AI芯片行业将产生积极影响，首先，强化了AI芯片的低功耗的设计。其次，降低了AI芯片的设计风险和回本的周期。再次，促进AI芯片的普及。

ARM中国 金勇斌：AI是工具，就像水一样

ARM公司成立于1991年，总部位于英国，是全球领先的半导体知识产权提供商，主要出售芯片设计技术的授权。金勇斌2009年进入ARM公司，目前担任ARM中国市场营销总监和生态发展副总裁，同时也是OPEN AI LAb创始人。作为在芯片行业是摸爬滚打近10年的老人来说，对行业发展和趋势有着清醒的认知，现场金句频出。

1.人工智能解救了智能硬件，如果没有人工智能，智能硬件这条路会走不下去。

2.AI的本质是机器智能部分替代人决策，使人变得更懒。

3.人工智能带来人机交互方式的改变，从“要脸”到“不要脸”。（注：“要脸”指的人机交互依赖屏幕，“不要脸”指的是人工智能植入智能硬件，屏幕不再是必需的）

4.PC解决了数字化，移动互联网解决了连接化，人工智能解决了自主化。（注：自主化指的是设备自我做出决策）

5.AI和互联网一样，都是一个工具，就像水一样。AI要替代或者要改变现有的设备，让它们变得更智能。车看起来还是车，但AI让车不仅仅是车。

OURS 谭章熹：开源RISC-V指令架构与AI芯片

谭章熹分享的主题为《开源RISC-V指令架构与AI芯片》，他的公司OURS于2017年在硅谷创立。

关于AI芯片设计，谭章熹总结了几点经验：1、需要特殊的内存/缓存架构与足够的容量；2、软件最重要，没有软件就没有AI芯片；3、ALU等计算单元利用率不高；4、摩尔定律失效了，但Amdahl定律还存在。

OURS的核心技术是低功耗端计算（Edge Computing）AI 芯片，产品分为采用硅光技术的传感芯片和RISC-V可编程低功耗ASIC芯片两个系列。RISC-V芯片自由度高，便于开发者做一些特殊应用的优化。从商用上看，RISC-V开源没有专利授权费用，降低了创业公司的资金门槛。

浙江大学教授 周昆：虚实之间，挑战与机遇并存

周昆是浙江大学计算机辅助设计与图形学国家重点实验室主任，研究领域为计算机图形学、计算机视觉、虚拟现实和并行计算。周昆的分享主题为《智能时代3D图形技术的机遇和挑战》。

3D图形技术的挑战和机遇在于“从实到虚”和“从虚到实”的实现过程。前者的挑战和机遇是基于计算机平台的演化，从最早大型机到个人计算机、互联网、云计算乃至未来的随身设备，后者则重在“智能制造”的发展。不过二者之间并非彼此孤立，“这两件事情并不是孤立的，因为你完全可以从实到虚然后从虚再到实。”

MINIEYE 刘国清：以产业化落地为核心，冷静积累关键技术

MINIEYE创始人刘国清自嘲MINIEYE是中国最土的自动驾驶公司。土，指的是产业化落地。他认为，在自动驾驶领域要以产业化落地为核心，冷静地积累关键技术。

刘国清表示，自动驾驶整个产业很大，涉及技术领域广，是一个非常复杂的工程。“不仅要有很好的AI算法，软件层面会涉及各种深度学习的东西，比如感知、决策、控制。同时还有各种各样的传感器，有了这些东西还要有芯片，因为所有这些都依赖于算力。”

目前自动驾驶领域需求最大的技术集中在算法、数据、传感器三方面。

以设计算法为例，前提是在有限算力、低功耗、车规级的条件下进行。基于此，MINIEYE设计了深度学习三件套：Thinet、FastNet 、HardNet。Thinet通过对一些深度网络架构进行压缩，让深度神经学习网络能够变的更小更瘦，提升网络的存储和运算速度。FastNet对Squeezenet等网络进行加速，HardNet则是从硬件层面进行加速。据刘国清介绍，上海苏举措在节约成本和提升性能上成效明显，“以前的芯片整个活力全开跑起来，需要用到一个50美元左右的计算芯片，现在有了这套东西，可以把芯片成本降低到十几美元。”

DaoCloud 陈齐彦：未来的商业模式，由应用驱动

DaoCloud 成立于2014年，是一家企业级云计算领域的初创公司，创始人陈齐彦从技术哲学层面，阐述了在数字世界未来的商业模式将会由大量应用驱动。以下为其主要观点归纳：

1.我们在试图进入一个数字界的阶段，不管是区块链还是人工智能等，都会大道趋同，核心逻辑是这些行业都在构建新应用，为了保证连接。

2.未来任何一家企业都会变成一家科技公司，核心逻辑是它未来的商业模式大部分都是应用驱动的。一个企业如果还用传统的方式去加工、创造应用，然后再去整合系统资源，这个成本是极高的。所以要对企业的IT系统的平台模式进行升级。未来整个IT系统架构是在做一个精简，因为越复杂的东西越难整合，越难交付。

3.未来的模式是一个插头跟插座的关系，这个应用可能是大数据，可能是人工智能，也可能是区块链，但最关键的是这个应用要快速放到插头上运行起来。

4.未来的数字界世界核心是一切应用围绕数据展开。这些应用并不是我们今天看得见的应用。比如说一辆车、一个智能设备终端、一个传感器都是一个应用，这些东西导致了人类世界变成了数据网络。

5.人类的下一个周期，人类变成了万源的从辅地位，因为最关键的是数据。很多数据的加工不是人在加工，是机器跟机器在加工。这是未来数字界的游戏规则，也是未来人类社会的组成方式。