人工智能帶來了諸多產業變革，顛覆了人們的生活方式，成為了當下的熱點話題之一。人工智能可以看做是由智能算法和智能系統兩部分組成：前者提供模型，力求讓人工智能的識別更加精準；後者提供算力，讓人工智能的訓練和識別變得更加快速。

舉例來講，當我們把手機的攝像頭對準一朵花，算法負責識別它是百合或者玫瑰；而系統則會盡量加速這個識別過程。毫無疑問，在很多應用場景，尤其是自動駕駛和刷臉支付等對實時性要求較高的場景中，識別的“快”和識別的“準”，都是同等重要的。

此外，為探索更優的算法模型，科學家們需要在大量數據上反覆實驗，該過程極為耗時。支撐更加的快速和高效的算法研究過程（模型訓練），也是智能系統的主要作用之一。仍舊以圖像識別為例，ImageNet數據集包含了 1400萬張圖片，若是在普通的機器和集群上，訓練一次需耗時數日，將嚴重影響了人工智能領域的創新熱情。

曾贏得人機大戰勝利的著名圍棋機器人AlphaGo，背後亦離不開巨大的算力支撐，需要在上千臺機器組成的集群上，經歷數十天的訓練過程。谷歌人工智能業務的負責人 Jeff Dean曾提到：“事實證明，我們真正需要的是超過現在100萬倍的計算能力”。當前看來，人工智能算法的發展對整個計算系統提出了嚴峻的挑戰，提高智能系統的性能與效率顯得尤為重要。

事實上，科學家們一直都在探索更加先進的軟件和硬件技術（包括計算、存儲和通信等多個方面），設計專用的加速芯片，開發更加強大的系統平臺，為支撐人工智能巨大的算力需求。2019未來科學大獎周高峰論壇《智能系統》專場中的三位嘉賓，便是智能系統領域的集大成者。

陳海波

上海交通大學陳海波教授，是國內系統領域的佼佼者，在系統領域的很多方向上都做出了引領性的貢獻。近五其系統領域頂會的論文發表數量，位居全球並列第一，是國內高校首個入選系統領域名人堂的學者，尤其是他在2011年發表於系統領域頂會SOSP的文章，實現了中國乃至亞洲的突破。陳海波老師不僅在學術界碩果累累，在工業界同樣是成績斐然。陳海波老師同時擔任華為操作系統首席科學家，華為操作系統內核實驗室的主任，華為四名學術領軍人之一。

韓松

同時精通人工智能的算法（深度學習）和系統（計算機體系結構）兩個細分領域的學者並不多，現就職MIT助理教授的韓松老師正是其中“優秀”的之一。韓松老師專攻人工智能算法，同時也設計專用的芯片來加速人工智能算法的運算效率，引領了人工智能在模型壓縮和專用芯片等方向的研究。專用芯片的優勢在於可以在控制成本的前提下，最大化運行速度。其在斯坦福攻讀博士期間聯合創辦了人工智能芯片知名企業，“深鑑科技”，是國際上最早發佈人工智能芯片的企業之一，後以3億美元被賽靈思收購。

張崢

張崢老師，現任上海紐約大學的教授，同時也是亞馬遜雲服務（AWS）中國人工智能研究院的首任院長。分佈式集群系統，是當下人工智能算法的主要算力支撐，亦即當前絕大多數的人工智能系統都是構建在分佈式集群上的。而張崢老師，正是分佈式計算和人工智能的交叉領域的專家，對如何在分佈式集群上加速人工智能算法的訓練和推理過程經驗豐富。同時，張崢老師也是著名的開源深度學習框架MXNet 的發起人之一。他的工作使得科學家們可以很方便的把多臺計算機組織在一起，提升研究和部署算法模型的速度。

綜上，智能系統，研究的是人工智能的平臺技術，貫穿並支撐著人工智能算法的訓練、推理等實施階段，需同時協調性能（速度快）、成本（造價低）和功耗（耗電少）等多方面指標，進而為研究和部署更加精確的算法模型，提供巨大的算力支撐。如何能夠利用分佈式集群系統和專用芯片提升算力，既是智能系統一直以來面臨的挑戰，也是當前學術界和工業界關注的焦點。

11月15日

未來科學大獎高峰論壇研討會5：智能系統

主題演講1 - AIOT演進與操作系統：一個實踐者的視角

陳海波：上海交通大學教授，未來論壇青年科學家創新聯盟成員

摘要:

5G帶來的大連接、低時延、高吞吐等特徵以及人工智能技術的普適化為構築萬物互聯的智能世界帶來了新的機遇，也標誌著計算模式從傳統的IoT (Internet of Things)走向AIoT （AI與IoT融合）。作為對下管理物理資源、對上提供應用執行環境並被譽為”信息產業之魂“的操作系統，在新的AIoT時代將面臨什麼樣的機遇與技術挑戰，我們應該如何抓住機遇面對這些挑戰構築新的操作系統及其關鍵技術呢？針對這些問題，該報告將總結回顧操作系統的發展歷史，分析AIoT時代的操作系統面臨的新的挑戰以及相應的研究方向，最後將展望在當前硬件與應用處於變革下的操作系統的發展方向。

主題演講2 - Hardware-aware AutoML and Neural Architecture Search for Efficient Deep Learning

韓松：麻省理工學院(MIT)電子工程和計算機科學系助理教授

Abstract:

Efficient deep learning computing requires algorithm and hardware co-design to enable specialization: we usually need to change the algorithm to reduce memory footprint and improve energy efficiency. However, the extra degree of freedom creates a much larger design space. Human engineers can hardly exhaust the design space by heuristics, and there’s a shortage of machine learning engineers. We propose AutoML techniques to architect efficient neural networks. We investigate automatically designing small and fast models (ProxylessNAS), auto channel pruning (AMC), and auto mixed-precision quantization (HAQ). We demonstrate such learning-based, automated design achieves superior performance and efficiency than rule-based human design. Moreover, we shorten the design cycle by 200× than previous work, so that we can afford to design specialized neural network models for different hardware platforms. Finally, we accelerate computation-intensive AI applications including TSM for efficient video recognition and PVCNN for efficient 3D point cloud recognition.

主題演講3 - 深圖在人工智能中的探索和研究

張崢，AWS上海人工智能研究院首任院長, 上海紐約大學計算機科學教授(學術休假)

張崢於2014年加入上海紐約大學，為紐約大學全球網絡計算機終身教授，紐約大學庫朗數學研究所、計算機系、數據學院兼職教授，於2018年10月學術休假，作為AWS上海AI研究院首任院長加入AWS。張崢於1987年提前一年從復旦大學本科畢業，1992年從美國德州達拉斯分校取得碩士學位，於1996年於美國伊利諾大學香檳大學（UIUC）取得博士學位。1996-2001年就職惠普中央研究院研究員，2001-201年任職微軟亞洲研究院，是系統研究方向創始人、首席研究員，曾任副院長。張崢是《知識分子》專家委員會成員。他是深度學習和人工智能、高性能大容量計算和存儲系統的兩棲專家，在國際會議獲多次最佳論文, 谷歌學術引用八千多次，H-index47，在微軟和惠普獲卓越貢獻獎。他是開源深度學習平臺MXNet的共同創始人和顧問，與2018年開始領導並創立深度圖計算DGL的開源項目。

文／解壁偉，2018年博士畢業於中國科學院計算技術研究所，後留所任助理研究員。研究方向包括算法性能優化，高性能計算和體系結構設計等。

歡迎參加2019未來科學大獎周

與我們一起見證榮耀時刻！

瞭解未來科學大獎周更多解讀及嘉賓信息

請持續關注未來論壇

8場專題研討會+15場主旨演講

39位科學大咖精彩分享

百位頂尖科學家、商界領袖、藝術家共聚一堂

獲獎人學術報告會+高峰論壇+

科學峰會+頒獎典禮+跨界展覽

生物技術／精準醫療／未來計算／智能系統／枚舉幾何和超弦理論／天體物理／量子材料／新分子製造

當今大中華地區最具影響力的科學盛宴

未來科學大獎頒獎典禮報名系統上線！