9月27日，由新氦类脑智能举办的NH Tech Salon（新氦技术沙龙）第三期圆满结束。此次沙龙活动的演讲嘉宾是来自芮启智能（上海）科技有限公司的环宇翔博士。（以下“环宇翔博士”简称“环博”）

环博介绍了物联网（Internet of Things，IoT）和人工智能（Artificial Intelligence，AI）的发展历程，并且提出人工智能（AI）与物联网（IoT）在边缘节点的深度融合将是未来发展的趋势。AI与IoT在过去的五、六年中经历了飞速的发展，创造出了海量的数据和各种智能化的应用，逐步融合成为新的智能物联网（Artificial Intelligence & Internet of Things，AIoT）。在AIoT时代，随处可在的IoT设备将提供数据支持，AI技术则提供数据解析的手段，两者的相互融合必然会使“万物互联”进入到“万物智联”，实现机器对物理世界的智能化感知。AIoT时代下，超高能效的专用AI运算推理，能促使IoT的传统云端集中处理模式转化成边缘端或终端处理，将以前无法在低功耗设备上实现的应用变成可能。

环博通过丰富的案例介绍了智联网的四大处理特征：处理边缘化、感知智能化、延时和功耗及隐私安全，相较传统IoT，这些特征在AIoT时代将更为突出且值得被关注。AIoT的关键使能因素之一即为智能化的处理，而IoT的设备往往面临成本、功耗、性能等诸多限制，因此，AIoT时代的主要处理范式即是：在限定资源下，根据具体的应用需求实现领域专用的智能处理。在这方面，专用处理芯片相较CPU、GPU，在能效和成本上更具优势，是AIoT智能处理的良好载体。

环博同时也分享了AIoT时代的多种处理范式，诸如定制优化硬件架构、硬件利用效率、存算紧耦合、多层次扩展、CPU+AI异构集成、完善的开发生态等解决方案。环博谈到，AI算法中主流的深度学习算法是高度并行化的，良好的AI专用处理芯片，需根据算法的数据流、存储器访问、并行计算的特征，进行数据映射、存储架构、计算阵列结构等多方面的架构和电路定制优化。同时，AIoT时代计算性能的“可扩展性”也是值得探讨的问题。由于深度学习算法的高度并行性，若根据算法的特性将硬件设计模块化，借助芯片间的高速互连技术和先进封装技术，将可能实现按资源约束来定制裁剪所需芯片。考虑到芯片研发周期非常长、测试开销巨大、芯片设计在生产后不易修改，具备良好可扩展性、存算紧耦合的处理架构，对于AIoT时代的专用处理设计意义重大。但这种模块化的设计，仍需权衡好基础模块的配置粒度。过于粗粒度的配置，将可能导致扩展效率低下；而过于细粒度的配置，则可能造成扩展的开销过大。

对于AIoT未来发展的趋势，环博认为主要集中在三个方面：1）模型轻量化。AI算法模型决定了硬件优化的方向和空间，轻量级的AI模型将更适合在AIoT场景下部署，如模型压缩、数据量化、自动化神经网络模型搜索等技术正持续不断地推动AI模型进一步往轻量级发展。2）算法与硬件协同开发。算法与硬件的设计联系将更为紧密，算法的开发可能会结合硬件的资源约束，而硬件的设计也会充分考虑算法的运算特征，但这需权衡好专用性和可编程性。3）深度结合落地场景。再好的算法模型和专用芯片，离开了应用场景，都是空中楼阁，AIoT将会提供广泛的应用场景，如医疗、安防、家居、自动驾驶等领域，深度结合具体的应用场景实现技术的落地才是王道。

环博最后总结，AIoT商用落地核心是数据，基础在于算法与专用硬件，但成功的关键还是是场景与行业的经验。AIoT的发展不能脱离现实，而是需要融合各个行业的专家用户共同探讨如何将技术真正应用于现实场景中。

主题演讲结束后，现场嘉宾就项目商业落地方案与环博开启了头脑风暴。如，加入图像识别功能后的冰箱便可以感知冰箱内食材的新鲜度、保质期、缺货程度等来预设处理方案，同时能够根据使用者的习性和喜好做健康管理等场景的讨论。除此之外，大家还对很多细分的应用场景进行了深入挖掘与探讨，用技术让未来的生产生活更加智能便利。