李國傑、楊學軍、黃鎧領銜共探智能發展未來，2019 世界智能計算機大會圓滿舉行

雷鋒網 AI 科技評論按：6 月 27 日至 29日，由國際測試委員會 （BenchCouncil） 主辦，國家超級計算深圳中心、中科曙光等單位共同承辦的第六屆世界智能計算機大會（BenchCouncil 2019）在深圳麒麟山莊舉行。世界智能計算機大會作為智能計算機產業備受矚目的國際學術盛宴，來自產學研各領域的專家、學者齊聚於此，圍繞以智能晶元和系統為基礎的智能計算機產業一同探索、展望智能發展未來。

大會主論壇自然是本次大會最受矚目的環節，共分兩天（上午）進行，雷鋒網 AI 科技評論為大家帶來全程報道。

本次大會主論壇的第一場演講由深圳市科技創新委員會主任梁永生帶來，他的演講主題是《深圳科技創新環境與政策》。進入正題前，梁永生先首先告知了大家一個「壞消息」：本次的演講全程無 PPT。對此，他的解釋是：「如果用 PPT，大家都只顧著拍照了，相比之下我更希望大家能聽我說話，會後記得我說過哪幾句重要的話即可。」

深圳市科技創新委員會主任梁永生

梁永生指出，創新有 4 駕馬車：人才、技術、資金和政策。針對這四個方面，深圳市科技創新委員會都一一進行了重新梳理，也正在思考如何推動深圳在這四個方面取得發展，從而更好地實現創新。例如，目前深圳市科技創新委員會就對科研課題評定方式進行了改革，不再僅僅採取此前自下而上提報、審定的方式，還增加了政府內部基於技術發展的自上而下的方式，讓科研工作者真正從現實發展需求出發，來開展重點科研項目。

在科技創新環境與政策上，委員會也深刻意識到由於歷史原因，深圳在高校資源和基礎研究方面的不足，對此，也專門提出了一個關於加快基礎技術研究的實施辦法：第一點是科學問題的提出。現在科研工作者一般是進行意嚮導向的研究，因此需要其從現實的需求中提出科研問題；第二點是科研環境。梁永生指出，我國當前的科研環境非常浮躁，希望各位科研工作者能夠耐得住寂寞，坐得住板凳，能夠獲得與諾獎級別的成果，讓浮躁的學術氛圍靜下來；第三點是針對人才的政策，深圳會更加追求國際化的規則，繼續加強在國際化人才的聘用、職升、保障措施等方面的建設，不斷完整梯隊的建設；第四點是提出高校應該發揮出各自的優勢，去構建一些平台，實現體制、演算法和算力全方位的提高；第五點是鼓勵協同開放創新。

演講最後，梁永生跟大家分享了他自己的幾點思考：第一是希望我國在科研發展上做好戰術上的應對，比如在晶元這些比較短板的科研領域，可以思考能否從國家層面去部署和推進這些短板科研領域的發展；第二是智能計算能否延展到更高的層次，實現從體制、演算法、演算法的全方位提高；第三是創新之要，還是在於人才，因此加強人才隊伍建設是當下非常重要的工作；第四是推動新產業的發展，目前確定的新產業包括新能源、AI 、第三代半導體等；第五是我們要加強下一代基礎教育的創新精神和創業能力的培養；第六是相關政府部門要加強政策規劃的引導，制定出能大力推動某一領域和方面發展的政策。

第二位出場的演講嘉賓是李國傑院士，他帶來的演講主題是《對智能超級計算的幾點認識》。

中國工程院院士、中科院計算所首席科學家李國傑

一開場，他就以一種非常謙虛的口吻概括了自己今天要演講的內容：「由於我現在不在前線做研究了，所以無法到大會的分論壇上做詳細的技術解讀，只能在這裡從宏觀層面分享下自己對於智能超級計算機的幾點認識。」

他首先回顧了智能計算比較重要的歷史階段，包括上世紀 90 年代初在日本第五代計算機項目帶動下掀起了一段時間的智能計算機熱，當時的熱點是面向智能語言和知識處理（專家系統）的計算機，研究重點是並行邏輯推理。與日本第五代機走的定製化路線不同，我國 1990 年成立的國家智能計算機研發中心（NCIC）走的則是不同的技術路線——通用化路線，在之後的時間裡不僅展開了曙光系列並行計算機的研製，還從事人工智慧的基礎研究和應用研究，並培養了一批與智能信息處理有關的研發人才，為如今的智能超算的發展打下了基礎。

隨後，他從超算與智能從分開到匯合的發展過程出發，闡述了智能計算機與超級計算機的區別。從第一台計算機開始，超級計算機的發展便一直與模擬神經網路處於「分道揚鑣」的狀態，直到本世紀以來深度神經網路取得突破以及大數據浪潮的到來，使得超級計算和計算智能（深度學習）開始走向結合，而近幾年來，深度學習等智能應用更是推動智能與超算實現了歷史性的匯合。總而言之，二者的區別主要在於，傳統超級計算機屬於數值計算、確定性計算、數字計算、封閉計算以及基於演算法的計算；而智能計算機則屬於符號計算、非確定性計算、模擬計算、開放計算以及基於數據的計算。而目前大量採用的智能計算實際上是基於 GPU 或 GPU-like 加速器的准智能計算，圖像和語音的信息處理計算依舊還屬於數值計算的範疇。

而本次演講的重頭戲，則是李國傑院士分享了他對於智能超算未來研究方向的幾點認識:

• 第一，需要提高超級計算機的能效和通用性。他表示，智能機的核心特徵便是人腦級能效，然而目前超算的能效增長遠遠低於速度增長，這是該領域 70 年發展中首次出現的困境；此外，目前任何新器件都不可能解決低功耗問題，因此需要跨層協同，提高超級計算機的通用性。

• 第二，研究具有「低熵」特徵的未來架構，通過全棧的系統設計應對不確定性挑戰，在問題不確定、環境不確定、負載強度不確定的情況下，保障可預期的性能結果；同時，還要重視研究領域專用系統結構（DSA）以及可重塑處理器（異構計算）。

• 第三，必須對付動態和不確定的複雜負載，一方面，針對動態性負載，需要從各種各樣的應用中貴南出通用型強的指令系統、微體系結構、執行模型和 API 界面；針對不確定性負載，DataFlow 執行模型可能是出路之一，也許能從互聯網非同步協議中得到啟發。

• 第四，要重視模擬計算、計算存儲一體化、事件驅動計算等新技術，其中針對計算存儲一體化，他提出了兩種方法，一種是 Processing in memory（PIM），在阻變存儲器實現神經網路計算，在存儲中做深度學習；另一種方法則是採用 3D 堆疊（Memory Rich Processor），即在處理器周圍堆疊更多的存儲器件。

• 第五，要建立智能超算基準測試程序。他表示，建立統一的基準平價標準，有助於行業內的良性競爭，而本次大會將發布的 BenchCouncil 性能榜，則將用一把尺子衡量技術，將影響力從學術界延伸至產業界。

「圖靈獎得主、計算機體系結構宗師 David Patterson 與 John Hennessy 曾表示，下一個十年將出現一個全新計算機架構的 「寒武紀」 大爆發，學術界和工業界計算機架構師將迎來一個激動人心的時代，而中國學者應該做出不愧於時代的貢獻。」

李國傑院士之後演講的是本次出席大會的另一位院士——楊學軍院士，他的演講主題是《micROS:機器人的「新腦」》。

中國科學院院士、軍事科學院院長楊學軍

「我們站在時代的節點：一個嶄新的產業即將崛起。」楊學軍院士引用比爾蓋茨的一句話開始了他的演講，而他本次要分享的「嶄新的產業」，指的是人工智慧和其他科學技術的交叉融合帶來的「機器人革命」。他認為，機器人操作系統將成為「機器人革命」的引擎，是機器人實現自主行為、群體協同和人機共融的「新腦」。然而，目前機器人時代的操作系統主要還面臨三大挑戰：

• 第一個多域異構資源管理。目前機器人都採用大量專用軟體，可滿足指定領域需求、適應特定環境、執行固定任務，然而因其具有資源多域異構特徵，難以滿足跨域協同的需求；

• 第二個是複雜環境機器人的自主行為控制。目前，機器人採用的是「感知—規劃—行動」的控制迴路，適用於簡單的合作環境、執行特定具體特務，然而機器人所面臨的環境和任務是複雜多變的，行動的動態具有不確定性；

• 第三個是群體智能。目前機器人研究的著力點在於提高單體智能，使其實現更高的自主性，然而該領域的發展還需要在單體智能得到提升的基礎上，聚合多個單體智能形成群體智能，實現一對多、多對多的人機互理解和人機協同。

楊學軍院士指出，應對這三大挑戰，就必須設計出新的基礎軟體，對此，其經過對「自主行為與群體智能、多態體系與分布架構、場景理解與人機操控」等科學問題的分析，並結合技術趨勢和應用需求，開發出了多態智能集群機器人系統 micROS，楊學軍院士將該系統稱作機器人的「新腦」。

對於開發出這樣的機器人系統，他強調了其中比較關鍵的幾個要素：一是面向行為的概念抽象，即機器人操作系統的核心概念，包括基於「角色」的控制抽象和基於「語義視圖」的數據抽象；二是多態分布的體系結構，即機器人群體如何組織管理，包括層次式結構、分散式結構和持續自主對抗學習架構。三是適應環境的群體智能，楊學軍院士將這一點稱作「人工智慧的下一個突破口」。

對於該「人工智慧的下一個突破口」，楊學軍院士更是給出了一種適應環境的持續自主學習系統的架構模型，其構建環境模型的思路是場景+語義，讓機器人能夠基於環境模型進行觀察、判斷、決定和行動，還能夠利用平行控制架構實現感知、學習、抽象和推理。同時，楊學軍院士指出，群體智能突破的途徑包括三個台階：結構性（自聚合機理）；適應性（自組織機理）；湧現性（自演化機理）。

隨後出場的是全球高性能計算專家——來自俄亥俄州立大學的 D. K. Panda 教授，他本次帶來的演講是《How to Design Convergent HPC, Big Data Analytics and Deep Learning Software Stacks for Exascale Systems?》。在本次演講中，他聚焦的是如何使用處理器和加速器為百億億次的計算機系統設計收斂的高性能計算、大數據分析以及深度學習軟體堆棧。

俄亥俄州立大學教授 D. K. Panda

他指出，隨著百億億次的計算機系統的到來，該領域的工程師越來越需要綜合考量高性能計算、大數據、深度學習以及雲計算幾大重要因素來設計能夠支持多核系統（如 Xeon, OpenPower, and ARM）、高性能網路以及 GPGPU 的運行環境，讓高性能計算、大數據分析和機器學習的應用可直接在現有的高性能基礎設置上運行。

對此，他為大家分享了其領導下俄亥俄州立大學計算實驗室開發出的三大解決方案，包括：

• 第一個是面向高性能計算的開源 MPI 系統——MVAPICH2，它能夠為使用 InfiniBand、Omni-Path、 Ethernet/iWARP 和 RoCE 等無線帶寬技術的高端計算系統和伺服器提供高性能、可適應性、容錯性，是一種具有 10GigE/iWARP 速度，RoCE 網路的技術。目前該系統已在 89 個國家的 3000 多個組織機構得到應用，下載量已超過 551,000 次。（該項目鏈接地址：http://mvapich.cse.ohio-state.edu）

• 第二個是面向高性能大數據分析的項目 HiBD。據悉，該項目包含的安裝包有 RDMA-based Apache Hadoop 3.x (RDMA-Hadoop-3.x)、RDMA-based Apache Spark (RDMA-Spark)、RDMA-based Apache Kafka (RDMA-Kafka)、RDMA-based Apache Hadoop 2.x (RDMA-Hadoop-2.x) 等等，目前該項目已在 35 個國家的超過 315 個組織機構得到應用，下載量已超過 30,350 次。（該項目鏈接地址：http://hibd.cse.ohio-state.edu）

• 第三個是面向機器學習領域的 HiDL 項目。D. K. Panda 教授指出，相對於高性能計算和大數據分析而言，機器學習使用的是完全不同的一套規則，因而該領域在 MPI 運行環境的設計上面臨著更大的挑戰，而 HiDL 項目能夠通過利用 MVAPICH2-GDR MPI 開發庫和 RDMA-Enabled Big Data 堆棧，使用 Caffe 和 TensorFlow 等工具來訓練大規模的深度神經網路。對於實現高性能的機器學習訓練而言，該項目意義重大。（該項目鏈接地址：http://www.cse.ohio-state.edu/~panda）

大會首日主論壇的最後一場演講由中國科學院計算技術研究所研究員、Bench Council（國際開放基準測試委員會）執行主席詹劍鋒帶來，他的演講題目為《BenchCouncil 人工智慧測試標準、實驗床和性能榜》。在本次演講中，他為大家介紹了本次大會的主辦方——Bench Council 成立的初衷、在做的事情以及未來的規劃。

中國科學院計算技術研究所研究員、Bench Council 執行主席詹劍鋒

他表示，當代智能計算機的本質實際上是基於神經網路加速器和通用計算部件建立起來的計算機系統，雖然目前神經網路理論體系日益完善，算力和專業領域數據在不斷提高和日益豐富，深度學習在特定領域的應用甚至超過了人類，然而在通用計算機體系結構方面，存在巨大的挑戰，因而，在特定領域做軟硬體協同設計日益成為國際學術界的共識。與此同時，測試標準也對計算機產業起著至關重要的作用，然而在一些相關的非營利性組織如 TPC 和 SPEC 中，卻鮮有中國人的位置，在這樣的大背景下，Bench Council 應運而生。

作為一家致力於促進人工智慧等新技術的平價、驗證、研討、孵化和推廣的非營利國際研究機構，Bench Council 在全球範圍內倡導以 Benchmark（測試標準）為主的標準制定，並發布了實驗床、性能榜，並舉辦 BenchCouncil 國際人工智慧系統競賽，來促進新技術（基礎和主幹的技術創新）的驗證和推廣，引領產業健康發展。與此同時，詹劍鋒還強調，在測試標準的制定上，還應注重國際標準和國內標準的融合。

其中，據介紹，Bench Council 的測試標準包括數據中心 AI、 IoT AI、Edge AI、HPC AI、醫學人工智慧測試標註以及綜合的 BenchCouncil BigDataBench 項目。而實驗床採用了聯邦學習、實驗性操作系統 RainForest、基於圖系統的機器學習系統等核心技術，目前已在醫學大數據、高能物理數據、商業 AI 、極端天氣分析等場景中得到了廣泛應用。

主論壇（下）

大會第二天，現任香港中文大學（深圳）的校長講座教授的黃鎧教授帶來《Fusion of Smart Clouds with Machine Learning, Artificial Intelligence and Internet of Things》的演講，拉開了第二場主論壇的序幕。

香港中文大學（深圳）的校長講座教授黃鎧

演講一開始，黃鎧教授便迫不及待地開始為深圳招攬人才：「深圳是中國的科技、創新之城，我去年離開南加州大學時，第一個考慮的城市便是深圳，現在在這裡感覺非常好，希望各位也能夠加入深圳。」隨後他重點從其領導的兩個項目入手，圍繞如何融合智能雲、機器學習、人工智慧以及各類網路技術展開了演講。

• 第一個項目是將社交媒體（Social）、移動設備（Mobile）、分析（Analytics）、雲（Cloud）和物聯網（IoT）融為一體的基礎研究項目——SMACT，來打造融各項關鍵技術一提的智能雲。他指出，智能雲實際上就是一個虛擬的大數據中心，其中雲計算實際上包括雲端、霧端和邊緣計算三個層次：雲端為大量數據的中心，霧端為諸多個節點，邊緣端則由不計其數的設備組成。而這三個層次間的關係應該是相互支撐的。

同時，他提到未來的人們每個人至少將擁有 100 台設備，如何將這些設備有效地連接起來，則將成為未來需要面臨的重要問題。針對連接方式，黃鎧教授對比了 4 G、5G 和大規模 IoT 網路在能效、用戶體驗以及連接密度等方面各自的優勢，其中 5G 的整體表現最好，而大規模 IoT 網路在單位面積中能夠連接的設備數量是最多的，因此 5G 是我們未來一個非常重要的攻克點，而大規模 IoT 網路技術同樣也需要重視。

• 第二個項目則是由香港中文大學（深圳）領導成立的面向社會的人工智慧和機器人研究機構（AIRS）正在開展的一個面向工業自動化和智能製造的智能雲平台。據悉，該項目主要是為了響應大灣區的智能產業發展規劃，致力於為其打造一個智能產業雲與工業數據中心，利用機器學習、 AI 和 IoT 技術來實現產業創新。

最後，黃鎧教授總結了目前出現重大突破的 AI 技術和熱門的應用場景，其中取得突破性進展的 AI 技術包括遷移學習、AI 晶元和設備、場景理解、音頻數據分析、強化學習、Alpha Zero、谷歌的 AutoML 以及聯邦學習等；熱門應用場景有醫療健康雲、數據隱私保護、衛星數據處理、智能製造、智慧農業、自動駕駛、智慧城市等等。而這些技術和應用場景對於各項關鍵技術的融合都提出了更高的需求。

「無論是智能雲，還是機器學習、大數據分析、IoT 等等，我們都還有太多的工作要做，因此各位科研工作者都要一步步地向前邁進。」

緊接著，中科曙光大數據首席科學家宋懷明、寒武紀公司副總裁錢誠、雲天勵飛聯合創始人兼首席科學家王孝宇分別從工業界的視角，分別分享了自己對於智能計算、智能晶元以及 AI 演算法方面的看法。

宋懷明在其主題為《智能計算，驅動產業升級》的演講中指出，包括量子計算、邊緣計算和智能計算等在內的先進計算日益成為全球競爭的焦點，其未來的三個創新發展方向包括優化升級、多元融合以及顛覆創新。

中科曙光大數據首席科學家宋懷明

而智能計算作為先進計算的重要組成部分，是以智能驅動、以實現智能化應用為目標、以智能計算機為基礎，通過深度學習、雲計算、大數據等技術的相互融合支撐的一種計算方式，為傳統的計算帶來的新機遇和新的發展空間。因此，推動智能計算與傳統計算的融合發展，以智能計算帶動傳統計算的發展，是推動整個計算領域共同發展的有效途徑。他以中科曙光在發展智能計算的「三大引擎」——強勁計算力、全棧智能計算場景以及計算普惠化為例，分享了智能計算在未來發展方面的思路。

寒武紀公司副總裁錢誠從 AI 的發展浪潮出發，分享了智能計算和智能晶元在其中所發揮的重要作用，他的演講主題為《智能晶元和智能計算》。他首先回顧了深度學習崛起和 AI 發展的三次浪潮：神經網路基礎理論的提出引發第一次 AI 浪潮；演算法應用升級帶來第二次 AI 浪潮；而第三次浪潮的到來則是由於深度學習理論框架得到驗證。而在整個發展過程中，人工智慧發展的核心驅動力便是算力，同時，隨著大數據的爆髮式增長以及演算法的不斷提出，算力、大數據、演算法共同推動了人工智慧如今的快速增長以及應用落地。

寒武紀公司副總裁錢誠

針對人工智慧領域的計算問題，業內的主流思路就是用專用的架構來解決特定領域的問題，例如當下專用的智能晶元在廣泛應用場景下都得到了應用，但是這些智能晶元如何同時兼顧通用和好用？對此，錢誠提出的思路包括：分析和抽取應用負載特徵，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以及支持主流編程框架。

最後他指出，未來人工智慧、大數據和雲計算將不斷走向融合和一體化，實現端雲融合、端雲一體，同時，智能終端的應用未來也將帶動下游產業的重新洗牌和升級。

雲天勵飛聯合創始人兼首席科學家王孝宇則圍繞如何實現 AI 的規模化應用，進行了主題為《AI 演算法平民化》的演講。他指出，目前 AI 在規模化應用方面所面臨的主要障礙：一是人才極度短缺所帶來的挑戰；二是升級成本高，導致傳統企業無法負擔；三是開發周期長，無法快速迭代和提高演算法。

雲天勵飛聯合創始人兼首席科學家王孝宇

而雲天勵飛針對這些問題開發出的一站式 AI 研發和應用系統——AIOS，涵蓋計算集群管理、數據管理、數據標註、演算法訓練和演算法部署幾大功能，利用完整的閉環演算法優化以及對海量數據實現深度學習，可支持多用戶協作，資源任務共享，讓不具備深厚知識儲備的人也能在該平台上開發演算法和系統，實現 AI 平民化。

除了業界，本次計算機大會還邀請了其他各個領域的專家、學者，從更完整的視角來詮釋計算機技術在金融、醫療、政法等各個領域的應用。

俄克拉荷馬州立大學教授、西南交通大學大金融大數據研究院院長李維萍教授，帶來了主題為《Innovation of Finance and Data Science》的演講。他表示，實際上，金融領域在數據處理方面對於計算機技術的應用，要比其他領域都更早，但是由於該領域完全以實際結果為導向的性質，其所面臨的挑戰也非常明顯。

另外，機器學習作為當前一個熱門的研究領域，能否也成為金融領域一項非常有效的工具，又是否比金融領域已經成熟的方法要好呢？李維萍教授指出，根據金融場景、數據類型以及結構等變化，機器學習與傳統金融方法在其中的表現情況都會有所不同。因此，如何讓機器學習能夠真正在金融領域發揮其作用，成為該領域的一個重要的研究方向。

俄克拉荷馬州立大學教授、西南交通大學大金融大數據研究院院長李維萍

最後，他以其開發的一款交易系統的構建流程為例，展示了機器學習等計算機技術在金融交易領域的一般應用方式，具體流程包括：首先對股票的歷史數據（價格、成交量、行情信息等）進行訓練，從而構建交易模型，即基於機器學習和深度學習，構建股票價格預測學習，並通過相關的演算法預測股票的價格變動趨勢；之後根據訓練得到的股票收益篩選出好的參數和股票獲得模型訓練結果，同時根據測試得到的股票收益篩選出好的參數和股票獲得模型測試結果，產生交易信息；最後，產生的實時交易信息還會返回到交易模型，讓模型進行再學習，不斷得到改進、優化。

國家衛生健康委能力建設和繼續教育中心大數據辦公室主任馬兆毅，結合國家衛生健康委能力建設和繼續教育中心在籌建權威標準化的醫學圖像大資料庫的經歷，帶來《醫學圖像資料庫建設的探索與實踐》的演講。她表示，本次籌建工作花費了將近三年的時間，其中的標準也經過了專家們的 20 多次會議討論和探索才最終得以制定。

國家衛生健康委能力建設和繼續教育中心大數據辦公室主任馬兆毅

據悉，資料庫的建立旨在實現醫學教育模式及內容創新，精準配合分級診療，具有數據貫穿臨床思維的全過程、標註數據有效服務計算機深度學習及人工智慧應用、數據內容持續更新等特點。資料庫建設遵循「邊建庫、邊應用」的思路不斷進行實踐，取得了非常顯著的效果。同時，馬兆毅指出，制定細化到學科病種的數據標準，建立權威的醫學圖像大資料庫，是我國大數據、人工智慧良好發展的基石，資料庫還將在醫學教育、科學研究、臨床應用、產業發展等方面發揮應有作用。

中國科學院計算技術研究所計算機應用研究中心主任趙曉芳教授更從計算機技術落地應用的案例——瀋陽紀檢大數據平台出發，帶來了主題為《紀檢大數據與權力管理信息化建設思考》的演講。

據介紹，紀檢大數據平台體系是中國科學院計算技術研究所計算機應用研究中心與瀋陽合作的項目，自去年 3 月份啟動以來，目前已在展開 2.0 版本的建設方案，綜合運用互聯網+、大數據、雲計算和區塊鏈等核心技術，重點建設了 5 大平台（包含 46 個子系統）和 1 套標準規範體系，形成「5+1+N」的監督能力。

中國科學院計算技術研究所計算機應用研究中心主任趙曉芳教授

同時，基於這一實踐和應用結果中存在的問題，趙曉芳教授還提出了自己的思考，例如普通信息化下的系統產生的數據反映出了各種各樣的問題，我們在已有的信息系統建設中忽略了什麼？權利的監察如何前移，以最大程度地保護幹部，降低社會損失？以及擴展開來的權利管理是否能構成信息信用管理的統一模式？

針對這些思考，趙曉芳教授提出了三點可以開展的工作，包括：第一，重新梳理智慧城市建設的頂層架構，把治理體系能力建設下沉到基礎層，豐富和完善基礎庫建設；第二，建立以權利樹和權利故障模型為核心支撐的確立確認服務模式，從事後監察轉到事中確認，採用兩線（紅線、黃線）三模式（3A：斷言、預警和調整）的服務和研究，便側重監察到側重研究，構建新的信息化社會下的權利秩序；第三，從幹部體系擴展到社會體系，進而構建信息社會的信用秩序。

最後，信諾資本合伙人陳未翔從大數據人才出發，帶來了主題為《第四次產業革命的大腦大數據創新人才》的演講。她指出，當前我們迎來了第四次產業革命——智能革命，而智能的核心實際上是決策的數據化和自動化，未來 80% 的價值將由 20% 的頂級人才產生，如此一來，創新型數據科學人才便成為這一革命中的稀缺資源。

信諾資本合伙人陳未翔

然而現在數據科學人才的培養模式存在諸多問題，包括：一是採用線性培養模式，注重技術而非綜合能力；二是和現實工作脫節，其進入公司後上手慢；三是缺乏商業訓練，不能理解數據驅動的商業決策。對此，陳未翔認為應採用環形的創新人才培養模式，培養數據科學家的綜合能力，尤其要注重商業戰略、可執行的洞見能力。

主論壇以外，本次世界智能計算機大會還舉辦了涵蓋各個領域的多個分論壇，包括「智能超算」、「智能晶元」、「開源晶元」、「智慧醫療」、「智慧金融」等多個主題分論壇。歡迎大家關注雷鋒網 AI 科技評論的後續報道。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！