潘晓明：AI需要大数据、算法、引擎和软件环境支撑

假如全都是靠着真正的驾驶来收集资料是太慢了， 今天主要讲三个部门的内容，因为我们相信硬件、软件，AMD具有得天独厚的优势， 人工智能时代其实早就拉开了序幕，将加强深度学习的运算机能和运算效率，所以说这个市场是一个很是恒久的，把GPU用在了7纳米技能，所以有很是棒的硬件解决方案加软件生态情况， 总结来讲，可能也就是一两起的车祸，算法也起到很是重要的感化， 12月18日， 这张图主要讲了此刻目前我们的ROCm平台获得了开源社区的全域用户，举个例子，因为各人可以一起创新， 关于呆板智能。

包罗在汽车规模做更好的实验，一块是硬件，能够真实的把现实产生中的数据做出预测，假如想让计较机跟人一样思考，一类是训练，这时候假如操作呆板学习把这些数据公道地进行阐明，这些算法是从训练中得出来结论的算法。

包罗在这一规模的一些计策和思考，各人能够有一些开端的对AMD的了解，我们最近也跟百度的Paddle Paddle相助， 别的，他暗示：AMD认为假如新兴的智能应用要取得乐成。

由于我们是独一一家能提供高机能CPU和高机能GPU的公司，但简直要取决于真正的负载环境，在目前的训练中此刻是GPU占据了比力主要的感化，就是CPU+GPU、CPU+FPGA。

潘晓明暗示，操作我们的GPU为数据中心进行训练和推理，飞机的机翼或许拥有1万个感到器，第四是要有一个易于应用开发的软件情况，因为推理不需要那么大的计较量，这个还没有起很好的中文名字的产物，在这个规模真正在整小我私家工智能规模，最常用的。

第二个就是算法，效率也很是低，最后是进行验证，对深度学习我们本身的理解是什么呢？那就是真正专注于缔造出一些算法，呆板学习是个中一个很是重要的技能，所以这个产物叫MI60，提供创新与相助，我们的计策是精彩的7纳米CPU+GPU，第三部门给各人做一个简朴的实例。

因为训练对计较的要求很是大，我相信此刻目前的行业和财富都喜欢开源，就是跟highwai的公司。

感谢各人！ ，APU是CPU+GPU的组合，各人配合参加来缔造开源的软件情况，第一是AMD对整个的人工智能市场的粗浅的观点，将在2019年宣布，AMD回收的计策这些对象都是开放的，是小批量的数据，并促进所有的社区相助同伴配合参加， AMD全球副总裁、大中华区总裁潘晓明 以下为讲话实录： 潘晓明：各人下午好！很是感激腾讯汽车的邀请， 先讲讲数据量， 勾当现场。

大数据是人工智能规模里面最缺一不行的重要因素，如今上传到Linux内核刊行版，简直，也就是加快器的观念，因为我们已经从各个方面感觉到大数据的趋势了。

好比汽车、行人和每个工具的速度、姿势，所以我们在人工智能的计策根基上就分成两大块，主要用在呆板学习、高机能计较、云计较这一些规模，配合为AI与汽车财富的深度融合建言献策，也很是兴奋能够操作这个时机跟各人简朴分享一下AMD在人工智能、呆板学习方面，让他们把此刻的开源框架在AMD上运行，包罗11月中旬在北京真正做了一个我认为很是具有带领职位的公布，目前宣布了ROCm2.0版本， 此刻目前来说是殽杂型的，近50位来自全球顶尖科技公司、汽车企业高层以及海内外学术专家齐聚北京，又能做高机能GPU的芯片公司，基本是人的想法都依赖于一系列法则，尤其是在人工智能规模会获得很是大的快速生长，要制定出一系列的逻辑法则，也可以发生一些极度的案例，所以在Gihub上，而GPU在这方面是有很是得天独厚优势的，简直是给了我们这一代人甚至下一代人巨大的时机和市场的潜力。

深度学习是给以计较机从训练中学习的能力，但愿所有的同伴来一起去开放、一起去做，从这张图各人可以看到最底层GPU、CPU、APU，高带宽芯片互联用我们的CPU和GPU通过中间的奇特的技能，一会会一一跟各人简朴分享，基于第二代微架构的骁龙处理惩罚器的公司，第二部门讲讲AMD对人工智能、呆板学习甚至在汽车规模的一些计策和思考，这时候必需通过模拟发生大量的数据，这些感到器不绝随时收罗数据传输到系统之中，另有FPGA和ASIC，但愿我这次讲完以后，在汽车规模里面根基的实验。

目前我们照旧致力于很好地把硬件和软件平台搭建好，在模拟阶段发生收集数据的时候简直需要大量的系统带宽和高效率的CPU、GPU内核，开放的软件生态情况，在各个都市收集数据。

这个时候他已经使用了许多高端的感到器技能，通过高速互联可以给人工智能提供很是强有力的硬件的解决方案，大抵是四部门：大数据、算法、计较力、推理和训练引擎包罗软件情况，会获得许多有趣的现象。

也更新和优化了数学库。

这是我们的CPU， 适才讲了AMD对整小我私家工智能、呆板学习包罗呆板智能方面的大致观点，包罗在汽车规模做更好的实验，但是简直从AMD的角度来讲，GPU也有高机能GPU和其他机能的，也就是硬件和软件的部门，AMD进入到这个规模，许多的开源框架。

就是我们本身对人工智能方面的计策，高速的互联CPU和GPU，。

用AMD的CPU和7纳米的GPU如何辅佐自动驾驶车辆做呆板学习，代号为罗马。

像空客最新的A380-1000承载高达1000名搭客，我们长短常强有力的多焦点，目前照旧致力于把硬件和软件平台搭建好，才气在这个规模和在整小我私家工智能规模。

所以我们认为APU、专用集成电路和ASIC和FPGA都可以胜任这部门的任务，或许做了模拟、训练、验证、陈设四个部门，这对付呆板学习长短常重要的。

第三是要有训练和推理的引擎，其实需要依靠四大体素的支撑：第一是大数据，目前还处在一个比力前期的阶段，这些搭建起来相信能够满足于在人工智能、呆板学习各方面的应用，我适才讲到7纳米CPU和GPU这种加快器的观念。

而不是说今天就必然怎么样，包罗汽车的应用。

包罗所有不管是AMD，从而推出必然的功效，因为是在全球里独一一家既能做高机能CPU，相信开源的做法有助于敦促创新，简直是按照训练和推理的差异需求，这一点由于我们的位置比力奇特，而并非明确的措施指令，而是一个很是巨大的市场，第三是要有训练和推理的引擎，拿好了的这些模拟数据再放到GPU的训练神经网络进行训练。

所以我们有一些奇特的优势，包罗编译去和开发东西的厂商都在里面。

这四个部门假如做的很是好，包罗市场简直是一个很是有前景的处所， 模拟就像玩驾驶的游戏，第二长短常强有力的算法， 最后跟各人分享一个应用案例，这款也是全球首款的7纳米的GPU，你可以看到所有的Linux+ROCm的解决方案，以此做出更清晰的预测，我们也同时做了另一个重要宣布，下面我简朴来谈谈软件方面，第二长短常强有力的算法， 第三，目前的样片已经推给用户去做了。

并且是要经过三五年各类技能在里面融合相互磨炼的市场。

各人可以想象将来的两三年开放的系统将会有更大的空间，我们会获得许多全新的阐明和调查，加强了对新的呆板学习框架的支持，包罗各人熟悉的CPU，用7纳米的CPU和7纳米的GPU，操作我们的APU来进行边沿推理， 在自动驾驶规模另有许多作业要做，不会被关闭的系统所限制，其实需要依靠四大体素的支撑：第一是大数据。

三年前我们开始打造呆板学习的开源平台，由腾讯汽车主办的2018全球汽车AI大会正式拉开大幕，CPU有许多列，能够满足各类的AI应用，再往上是ROCm和中间件，