萬物智聯的5G時代即將到來，從今年5月開始，網易科技重磅打造“5G+訪談”，邀請行業內大咖共話5G，探討“5G+”時代的機遇和挑戰。網易科技將通過專業視角持續為大家帶來5G最前沿的報道。

“AI和5G是兩場技術變革的歷史性機遇”。

宋繼強認為AI不是加5G而是乘，他們創新性的提出AIx5G的概念，在詳解概念之前，他為我們回顧了AI計算的發展史。

“計算在過去50年不斷的演進，一直到現在，摩爾定律仍然在發揮作用，從2012年開始，ImageNet讓我們看到有些算法超越人的能力，這是證明潛力的過程;2016年通過AlphaGo，我們開始嘗試實用化，探索AI能不能用在我們的某些實際場合里，以可控的成本，可控的時間代價，可控的功耗做事。而現在，我們到了AI技術結合很多產業去做規模化和實現商用的時代。”

但在宋繼強看來，目前4G其實并不能完美的支持大量的設備都去用人工智能，而5GxAI會給我們帶來顛覆性的改變。如果5G可以給我們帶來高帶寬、低延遲、又可控經濟成本，那整個端到云將充滿想象。

具體而言，5G帶來的好處首先在邊緣計算，我們可以把計算和存儲的能力往前推，推到接入網;其次是利用云端只監控智能設備的運行情況，如果有足夠的資源和能力，我可以預先模擬、規劃，做超實時預測。“在真實世界有一套系統運行，在虛擬世界里有一套，或者多套系統運行，這也是一個嶄新計算范式。”

5G為人工智能帶來的益處顯而易見，那AI又給5G帶來什么好處呢?

宋繼強告訴網易智能，世界上將有500億智能設備在2020年會接入互聯網，包括智慧城市、自動駕駛、智能音箱等等人類在生活中的智能場景，這會產生大量的數據，但這個時候的模型優化，靠的更多的將是AI算法。

與此同時，宋繼強談到，隨著計算加速需求的變化，終端、邊緣還有云，它們對計算加速的性能、功耗、實時性、成本、芯片的尺寸大小都有不同的要求，傳統異構計算并不能滿足現在計算的要求，這個時候我們就需要超異構計算。

“超異構計算有傳統計算的好處，又要避免原來的劣勢，一是跟板級設計一樣，有多功能多架構的芯片，處理不同的運算負載，并完成加速;二是能非常好封裝在一個芯片里，不是在板級，在封裝層設計先進的技術，把帶寬放大，但是功耗降低，體積降小，這是封裝集成技術。三是給更復雜的超異構的模式，對于軟件開發人員，它們的工作應該更加簡單。”

宋繼強還談及英特爾超異構計算愿景，希望提供多樣化的標量、矢量、矩陣和空間架構組合，以制程技術進行設計，由內存層級結構提供支持，通過封裝集成到系統中，使用光速互連進行超大規模部署，提供統一的軟件開發接口以及安全功能。

以下為對話宋繼強部分精選內容：

問：我們應該怎樣更好的理解AI乘5G，而不是之前的加法？

宋繼強：

假如我們可以在10毫秒之內調用到網絡上計算或存儲資源的話，實際本地可以有更大的計算能力、更強的存儲，或者是處理某些特定應用，我們就可以做更多的事情。

舉一個具體的例子：大家都熟悉交通路口，交通路口上有一圈攝像頭，攝像頭加了網絡，各自把自己的數據往“云”上送，做一些監控功能，這實際上就是簡單的“+”，什么是“×”?假如我利用在交通路口的邊緣計算能力，比如每個方向兩個，一圈有八個，這八個攝像頭的數據，原來只看自己一個方向，但我同時有了這八個數據，就可以通過AI算法、視頻融合、三維重新建模的方法，把整個十字路口做一個虛擬化的建模，而且是實時的。

好處在于這樣的系統，可以給各個方向來的車一個提示，哪兒有車會來，假使他現在的視線被一個大巴或者什么擋住，他也可以知道什么地方有潛在的碰撞危險。

問：您談到Alx5G是歷史性的交匯，從整個產業的角度，您覺得“產、官、學、研”應該各自發揮什么作用，讓技術發展更進一步？

宋繼強：

底層技術突破是一個產生變革的基礎可能性。官方可以引導底下這些分散的力量去解決大問題，所以他們可以去定義一些關鍵的場景，比如：有數據的、算力的，可以往這一塊去做。我們國家已經有這樣的動作，比如定義出AI落地的領域——自動駕駛、智能制造、智能語音，這有不同的企業牽頭去做。

不過，企業牽頭做的時候，怎樣形成好的激勵和引導機制，如何讓企業和學術界融合，還是存在挑戰的。

問：之前講5G+，您提出5G

宋繼強：

場景太多了，比如智慧的農業、林業，還有低成本的智慧教育、醫療，如果有5G這種很便宜的基站，你可以很容易的把網絡能力延伸到更大的層面，然后去把原來只是受限于網絡覆蓋面而不能觸及的這些業務觸及起來。

醫療、教育、農業、林業，這些都是5G可以非常好去激發的，但原來已經可以靠智能手機做的比較好的那些當然不會太感覺到，因為那些只是加快了網速而已。

問：您覺得影響人工智能普及的主要挑戰是什么？

宋繼強：

現在的挑戰我覺得還是把現在已經比較可用，而且又便宜的技術，看看能夠怎么用在一些場景里面，讓實際的商業客戶可以看到收益，這個是比較重要。

或者你能不能直接催生一個商業模式，就像“無人零售”是不是可以通過直接降成本，直接提高支付效率和門店運營的效率;或者工業場所是不是就可以用技術做快速分揀的業務，甚至可以讓機器人布成流水線直接做事，就是要把它放在實際場景看，是不是能夠減員增效，創造新的商業模式。

第二個，學術界是給你看到了AI的一些好處，同時也指出了AI的一些缺點。比如：容易出現攻擊，給錯誤的數據就會出現錯誤的缺點。這些是產業要密切關注的，你只看到它的好處而沒有去多了解它的負面，然后就著急的想應用在一些Critical的場景，可能會產生一些負面效應，導致民眾、消費者對AI的信心下降，這是一個比較危險的地方。所以其實就是什么呢?一是，要從經濟的角度來看，怎么把AI技術放進去。第二，管控好它的風險，這個風險必須讓企業界真的知道。作為一個產品，你就不能講只有95%的可靠性。

問：您對哪個行業的普及相對比較樂觀？

宋繼強：

第一，可能是在智慧工廠里面，比如原來人檢測，人累了就會出錯，但現在機器檢測快速提高效率、成本也降低了。第二，在醫療領域，對于某些疾病，通過機器識別去看片，效果可能比人看得好，因為它匯聚了完整的知識。第三，在智慧零售領域;第四，還有金融領域。