1999 年他创立了一家半导体公司叫 Legend Silicon (淩讯科技)，做数字电视方面的芯片他同时也是北邮，清华和复旦的教授2017 年和 OmniVision 的 Founding Member 董琪一起创立了一家公司 GTI，就是 Gyrfalcon Technology 这家公司专门做 AI 芯片這方面的工作。杨教授在学术上也有很大的成就他曾经在 1988
杨教授创立了 GTI 这家公司，其实我第一次知道 GTI 这个公司之后我看 Gyrfalcon 这个词还比较囿意思。不知道杨教授能不能解释一下这是什么意思？
是一个大鸟的意思中国东北有一种鸟叫海东青。Falcon 就是鹰的意思Gyr 就是一个大鸟嘚意思。
OK好像是说飞行速度最快的一种鸟。
对所以说中国的歼 11 战斗机叫猛禽，实际有人翻译成猛禽这种鸟就是原始的海东青。
感觉僦是其实我相当于是见证了咱们 GTI 整个的创史过程。最早开始也跟董琪跟其他几个 Founder 也聊过。感觉 GTI 过去一年发展得很快就像猛禽一样。鈈知道过去一年发生了什么事情杨老师能不能给我们解释一下？
那好神经网络大家都知道有过几次发展。那么我刚到 Berkeley 的时候是 1985 年那個时候赶上了上一轮 (发展浪潮)。上一轮的时候那个时候因为 PC 才刚开始，通讯还在 Analog (阶段)就是模拟电话，所以当时神经网络作为当时的下┅代的计算工具呢也有很多人在研究，它的主要特点就是平行处理
那么这是当时我在 Berkeley 读博士的时候做的一个叫做 Cellular Neural Networks。它里边呢我当时昰用 Analog 实现的，Analog 电路就是用电阻电容和运算放大器。当时也是主要是做的图像处理是做的我们的汉字识别。当时用 MOSIS就是学校支持的电蕗工艺做的，在电路里头做出来的
那后来呢，神经网络由于其他方面就是这个 PC 啊，通讯啊都在发展，神经网络当时也有遇到一些困難的地方实际上就是说怎么训练这个东西，怎么学习因为当时我们在整个读 PhD
(期间)，我也就是弄了几个特征我们当时叫滤波器。现在夶概如果要数的话那现在就是几百万个了我们那时候能设计出来几个就不错了，甚至那个时候尤其是做图像处理的那些处理器的算法仳如说像边缘识别，或者角识别好多都被用人名命名了，包括 Berkeley 的一个教授叫 Canny他 (设计的) 就是著名的边缘提取滤波器。现在呢 —— 这都是囚工做的 —— 现在就是机器学习
所以当这一波的人工智能再起来的时候，您是看到了什么机遇我知道您创立 GTI，应该是看到了一个很大嘚机遇当时创立这个公司的初衷是什么？
当时创立这个公司的初衷呢就是感觉到现在，PC/电脑都已经放到手机上了第二是通讯都已经莋到第五代通讯了，而且目标就是 IoTInternet of Things，物联网那么下面呢，大家又重新在考虑智能为什么叫 Internet of Things 呢？原来就叫 Internet相对来讲就应该叫 Internet of People，对不對那 People
只要连起来，大家就可以交流因为有这个语言文化，互相都懂那你说，Thing这个东西连在一起，那很难交流所以这个时候就需偠赋予这个物体一定的感觉的能力，和判断的能力这也就是所谓的人工智能要解决的问题。
对主要是为了解决 IoT 下面的连接 (问题)。IoT 已经發展了多少年了但主要就是为了连接。连接由于 5G
开发了以后现在正在实施。现在急需的就是连接就要产业化，就不是个科研项目了那么在这个时候呢，人工智能就起到了非常关键的作用这是第一。第二呢人工智能，或者叫神经网络前一段时间呢，虽然产业化沒有发展但是在研发方面还是有人在做。但是研发方面在做也受益于现在的计算机的能力那么就开发了这种深度学习的概念。
深度学習呢它的技术方面的定义是叫多层卷积神经网络的机器学习，所以大概有这么三个意思第一是卷积神经网络，第二是多层第三个是鼡机器学习，不用人不用编程。那么实际它本身的电路结构和算法很早以前就有了至于为什么能够现在 Popular 起来，一个是现在有这个需要再一个就是现在的算力，就是计算机仿真的能力很强这个我下面可能在谈到其他问题的时候会再展开讲。
OK那咱们创立这个公司一年，现在据说芯片已经出来了是吗大概做到什么样的性能呢这个芯片？
我们这个芯片呢当时瞄准的就是低成本，低功耗高性能。因为高性能是必须的因为这个要赋予智能，让它能够自己去学习的话就需要算力，所以必须得是高性能那么在高性能的情况下，怎么能夠降低成本降低功耗，这个是我们主要的一个工作集中在这个里边。那么得益于原来我做的这个 Analog 电路它就是个 Device。它从架构来讲和計算机是不一样的。所以从这里边呢我们就达到了我们预期的目标。
ASIC 呢当然只要是 Application Specific 就叫 ASIC，我们这就是一个我应该叫它卷积神经网络加速器它不是一个 SoC，那么我们也觉得这个是当前急需的那么一个因为现在市场还没有起来，如果将来市场起来了根据真正的应用，我們会做不同的电路但是现在呢，还是属于一个平台就是我们叫做卷积神经网络加速器。
那主要性能是手机上面吗在什么芯片/平台/终端上面？
手机只是一个应用提到手机，我就顺便把我们最近做的这个东西拿出来看看这个东西呢，是我们给电脑Laptop 做的。它是个 USB Dango我們这个芯片就在这里，它就是个加速器那么现在的 PC 呢，里边基本什么都有了就是说你没有 GPU，反正只要是 CPU做训练都没问题，但是它速喥慢所以加了这个以后你就加速了。加速了以后呢那就可以拿到。
举个例子比如说我们这个视频结束之后我们要做渲染，Video 处理那這个东西插到电脑上就可以加速我的渲染过程？
对！你比如说有些东西它是需要——时间要很快反应的那我们的这个可以做到识别，每秒可以跑 150 帧当然其他的也可以做，但就是很慢那你做的汽车，比如你反应时间可能就比较慢所以它为什么要加速呢，就是说不光要囿这个功能那它还要反应非常快。
那就是像安防这种识别对吧？摄像头上边的识别OK。
是那这个也是用我们的芯片做的一个 WiFi 的小盒孓。这个就跟手机一样跟手机配合。像现在华为和苹果都做了 SoC就是 Single Chip 的 Solution。但是这个东西呢由于 CNN/卷积神经网络的运算量是需要很大的，那么我们的就是专门做了这么一个配合现有的手机，我们就直接把这个手机升级为 AI 手机了就是这个东西可以直接把你现在的电脑升级為 AI
电脑，因为我们手机上已经有了照相机啊有 MPEG，就是这些 Video 的 Decoder 的啊或者其他的，运算的东西它都有唯一没有的，就是怎么做深度学习加速所以我们主要就是做这个，脏活累活
作为一个算子，就像里边有乘法但是它那里边就是 Convolution，所以我们在那个里边就有这个Convolution不光囿 Convolution，我们还有 Feedback就所谓现在的 RNN。但是现在呢我们重点主要是做 CNN，因为这个 Feedback 还有一些其他的问题所以现在 RNN 只用在一维的信号处理方面，還没有真正用到图像但是将来我认为是会去做这样的。
所以你们选择这个 Inference 的原因也是因为看到很多 IoT 在终端上面实现的大量机会。对吧是不是这个意思？
对我们先选择了 Inference 的话呢，大家都在——很 Popular就是说现在很流行的就是 Inference 和 Learning，或者说 Training实际上跟人一样，Learning 就是试错就昰千万次的 Inference，你猜一个数试一试，行就是行了所以实际上是一样的。真正的 Work 就是
Inference因为你要试验啊，就是实践认识是吧？就是反复詓做的一件事那么实践是最重要的，所以 Inference 就是实践认识是说，你这次错了下次怎么改。那现在有很多诀窍就是说或者是不同的学習的方法。但是不同的学习方法最后你还是要时间去检验
那么我们为什么做这个东西呢，当时主要考虑的现在我讲，指出来的一个现茬一个局限性但是这种局限性不是说故意的，人为的而是说随着时代的发展。神经网络或者叫机器学习，或者叫人工智能在 2014 年，2015 姩之前基本就是学校在做，而且是很少的人在做为什么是这样呢，就是说没有真正的应用嘛。还有就是说其他应用也很 Popular，大家都圍着这个 PC 和互联网在做这件事儿
那么这个东西呢，就变成了—— 神经网络本身按理说应该是一个物理器件是一个 Device。那么后来就主要做嘚人都是 Computer Science的就是计算机的人在做。计算机的人在做什们呢我们叫计算机仿真。计算机什么都能做对不对？那么就像你 CPUGPU 都能做，但昰 GPU 为什么比 CPU 做得好就是因为它有平行处理，它做得快但是说能不能做这件事儿，都能做你就拿个
ARM，最简单的也能做只是慢而已。
—— Computer Simulation 只是验证这个功能啊性能够不够。那么 Emulation 呢就是说我要证明实时这个问题，但是它的 Cost 是很大的因为它的成本高。那么最后才做成芯片这是必需的一个过程。
所以现在业界也在说神经网络有几种，有 CPU 、 GPU 、 什么 FPGA 、 还有 ASIC实际上最终就是 ASIC，其他都是一个过程
是的，OK所以咱们在做这个 Training。因为我知道现在我们做 Inference 的话，因为有一个核心技术问题就是比如说我们 Model，从 Training 到 Inference 中间有一个 Migration 的问题你们怎么看這个问题？
我们看这个问题就是说另外的一个刚才我再继续展开 —— 由于集中在 Research，集中在 University那么唯一可用的平台就是 CPU 或者 GPU。那相对来讲呢GPU 速度或者性能更好，而且 Nvidia 也支持这个他们做的这个平台叫 CUDA。那么大家就去集中用了这个平台但是这个平台有好处，就是说下面有┅些要调整的就是做
Research，因为你就为了写一篇文章或者为了证明一个概念，那你不计成本是吧？所以那个时候呢如果说你要考虑现茬这个成本的话，两年前我在说要做 Quantization说为什么做双精度，64 个 bit 啊5 个 bit，8 个 bit 都可以是吧？因为当时我们做 Analog你说电子电容的精度是多少，能做到 10% 就已经不错了10% 也就是 3 个 bit 了。
就是说那个时候从我个人经验来讲知道这个东西都已经不在乎那个事儿了。但是你 CPUGPU 你用的是 Library，你鈈去想那个东西已经有了。你要说做一个 3 个 bit 的一个指令集没有，你倒麻烦所以你只能用浮点和定点。那这样的话所有现在训练出来嘚人第一，都是学校出来的第二，都用了 Nvidia
的平台第三呢，根本没有问题说我一定要给它优化那所以说才存在刚才你说的这个问题，因为我们的芯片的话呢要进一步优化。
一开始我们开发算法也好开发模型也好，用 CPU 或者 GPU 开发包括 Caffe 啊PyTorch 这些东西呢，主要是证明能不能的问题那么下面就要真正要用起来，产业化呢就是要证明省不省的问题。你用不用得起的问题所以我们这个东西是想人手一份儿，包括你可以(任何人) 都可以。就是说人工智能本身呢现在每个人都有自己的定义。有的人觉得这个东西很可怕将来就是超人。
这个囷我 30 年前描述计算机都是这样计算机就是被认为要毁灭人类的。但实际上我们觉得计算机 (让我们) 得到了很多好处是吧？当我在上学的時候30 年前的时候，那真就是做计算机的人用计算机用计算机的人做计算机，其他老百姓就是就像现在人工智能就是高发展嘛。但是現在不都是人手一份手机嘛都是这个。
我们现在讲叫民主化对吧人工智能民主化。就是您说的普及化实际上最终是 ASIC，对吧ASIC 本身是偠考虑经济效益，考虑成本对吧？所以这个是我学习到的东西那现在您做的这个 GTI 的这些工作，我也看到了说是借鉴了很多您以前的一些工作包括 CNN 啊，那具体的关联是什么您刚刚讲的电路本身啊，就是里边也用了一些您当初做的一些东西应该是 (存在) 这样的一些关联性吗？是哪些东西有
那这个就牵扯到刚才我说的电路，神经网络和计算机的区分是什么所以大家现在有个常用词叫异构。异构的意思僦是我和计算机不一样但是怎么个不一样法，是吧第一呢，我个人认为就是说神经网络呢，它因为是一个电路尤其是当时我们做嘚，它是记忆元器件记忆的和运算的是一体的。那么现在标准的计算机的架构就是处理器，存储器中间还有个
I/O，叫接口有这三个，是吧我们现在做的这个东西是都放在一起的。正是因为这样我们才降低了功耗。
因为现在呢你可以把里边的处理器，包括你的存儲器都用最新的，比如说是7 纳米，10 纳米的来实现但是你中间连接接口的那个Pad，就是我们叫芯片的管脚不变，对不对那个东西就昰大量的传输高速，功耗都在那儿所以这是一个。另外就是人也是啊人的智能实际上是记忆和处理在一起的。不是说你想干什么到哪儿去，充一下电然后再去存取 —— 它是一体的，这个也是不同但是作为 Computer
Simulation 来讲，原来架构就是这样你何苦去改呢。所以这也是说峩们认为将来的发展呢，实际上就是这种专用的结构
另外一个呢，由于有计算机的话大家现在也在比，说是看谁做得最好我看现在恏多 Startup
在做的芯片呢，都在比这些东西那么还是计算机的概念。计算机有几个特点第一呢，一定要有指令集就是说我这个东西是专用指令集，指令集简化没必要，因为这个东西不需要指令因为顾名思义，深度学习机器学习嘛，机器学习就是不用人来编程序不用囚来编程序，还要什么指令集呀对不对？实际上我们真正用数据来训练里边的参数训练完了以后呢，人工智能和人类智能相比有好处就是它可以
Copy，训练完了可以移植它不像人，对不对我们学完了以后，我们的下一辈还得重学
我觉得您讲的这个实际上就是逻辑上嘚，认识上的一些不同对吧？就是说思维上的一些变化您讲的这个指令集的变化，讲的非常好那么您是非常有经验的，而且时间很長了在半导体行业做这个研究啊，技术产品啊。您看到 AI
时代来了之后您觉得对整个半导体产业带来些什么样的变革。是不是感觉半導体行业又赢来了一个第二春啊感觉好像我们又重新有人关注半导体。尤其是中国开始有更多投资人开始投资芯片，这件事情意味着什么
很大的一个变化，但是我认为这个是时代的发展造成的刚才你提到这个第二春，对我来讲这就是一个——或者叫三十年河东，彡十年河西我当年在 Berkeley 读书的时候，Berkeley EE 和 Computer Science 一起的叫 EECS对不对？当时 CS 的人都是 Hardware 的我去年还是前年 —— 因为清华跟 Berkeley有一个 Joint Venture
在深圳，我回去结果发现 EE 根本没有人学了。你只要做出个A to D (Analog to Digital)剩下的就是 Digital 的事儿了。那么这一点呢将来也会对软件的人 —— 现在大家都在学软件，实际上机器学习将来就是会代替这些人
我想，刚才听您介绍您也是从硬件学习出发。为什么改行呢两个事儿。我是一直跟着走的第一件事兒就是 EDA (Electronic Design Automation)。最早我们来的时候还是画电路的那个时候就是 —— 后来画不动了，因为太多了所以才有 EDA，就是 Electronic Automatic 的 Design 嘛我中间两个公司也是在 (莋) 这个事儿。
对这个东西顾名思义，就有点类似机器学习就是用机器代替人来设计。这是第一波那这个呢，就已经说是很 Junior 的就是佷初级的 Design Work 已经没了。剩下的就是 Architecture就涉及整个应用，所以就是 ASIC 的定义和应用然后剩下的都是 Synopsys 、 Cadence Tools
自动生成了。至于加法器乘法器怎么来的谁都不知道怎么回事，机器知道就行了就描述的就行，描述功能这还好，但还有一部分人在设计这个 Architecture设计架构。10年 —— 刚才我说嘚是 20 年前 —— 10 年前由于所有的应用都是有 Limited Requirement。
你比如说我当时做数字电视Intel 当时也在做数字电视，我们在 Santa Clara 还立个电视台但是那个时候它嘚算力不够，那个时候可能是 65 纳米或者 130 纳米。我跟他说现在你必须得用专用集成电路做。十年后你可能 (就不需要了)所以呢，当时比洳说 MPEG Decoder 比如说 Demodulator，比如说手机 —— Qualcomm 一开始都是做电路的10
所以这也是为什么有的人说，现在你就算是做芯片也就是个集成。就是现在需要 System-on-ChipSoC，实际上就是几个Core或者几个 Interface 放在一起集成起来，剩下的功能都是软件设计所以说 Hardward Design 的人一点都没有了，基本连学校都不 Train 了都没有人詓学习了。所以 (针对)
刚才你说的这就是为什么我说是三十年河东，三十年河西下面三十年呢，实际上又给 Hardware 的人 (新的机会)就是我们还偠着重去做 Hardware。
为什么呢因为这个我刚才也提到了，它不是一个计算机它是一个 Device。它不一定去竞争就像苹果手机似的。苹果今年出了掱机我就换个新的，去年的虽然打电话还可以用但是大家就都换，是吧我现在恨不得都变成，干脆叫 Lease就是钱都转到那儿了，算起來就是一个 35 块钱就基本就这个。为什么呢就是计算机 —— 因为它是通用的东西，通用的东西 (大家都)
老比谁最好因为可比。那以后的囚工智能的应用呢很广泛的，有的东西不需要一年一换比如说你们家的 Garage Door Opener，那个东西你老换它干什么呢没必要换。包括智能锁啊好哆这些东西。
就是有很多 Sensor对吧？
对所以它不需要换。就像你说安防或者小区放个安防，不可能说明年出了新的我再换那不可能。洇为它的功能是不变的所以你就用那个东西就行。所以将来会有很多的不是说做一个计算机就行了。所以这是为什么现在做 Hardware 的就是 Intel 、 Nvidiav 、 还有 ARM就这么这几家嘛，其他都是集成所以这个也是说，对于不光是学 Hardware 的人将来可能好多学
对。就像您之前说的确实我认识一些囚，他们做比如说 AI Infrastructure 的人最后的这个 Performance 提升，很多时候就需要看硬件架构是什么硬件底层实现怎么回事儿，这个时候可能优化性能可能更哆都是 Software 、 Hardware 、 Code Design
这些OK。那您也是长期在中国和美国的半导体行业工作您怎么看中国的半导体行业。因为现在您知道最近一年这也是个热点話题我们确实有差距，对吧您怎么看，问题在什么地方我们应该做些什么事情，可能会把行业的差距缩小
大的方面刚才我已经说叻，本身硬件由于 EDA 这个 Tool由于每个 Applicaiton 是有一定限度的，后来都被 General Processor 给替代了所以这个需求就很少，这是第一第二呢，我感觉到前面这 30 年過去的这 30
年，实际上中国还是处于一个学习和跟踪阶段尤其做企业的人呢，我听了好几个比较有名的老板说不要吃第一个螃蟹那不要吃第一个螃蟹你怎么创新呢？但是为什么这是适合当时中国国情的，因为你没有那个财力也没有那个需求，你犯不上去做这些事儿那么比较稳的就是先把现在这个基本的事情做好。但是现在不一样了现在中国能做的也都做了，跟别人都已经差不多一样了你要想抄別人的呢，或者说学习别人的还没出来呢，那就干脆自己去做这个事儿
对。创新这方面您认为是一个突破点对吧现在应该是个时机叻。可以做更多的创新新的领域。您之前创立了 Legend Silicon现在又做这家新的公司，GTI我不知道您从前面的经验，学习到哪些方面觉得是可以把 GTI 莋得更好这一点，您是怎么样的一个 Thinking Process
上次做那件事儿呢，有几点第一呢，就是数字电视进入了产业化阶段因为数字电视一开始也昰科研项目，最早是在日本搞出来的那么没有标准化是不可能产业化的。现在AI也就是这个问题 ——
没有标准化大家都想标新立异，每個人想说我明天能不能再研究出来一个不同的就是为了不同而去做事儿。那这个就不是产业化了产业化是说尽量相同。而且也不一定說我做完这个事儿就永远不再做了，已经全解决完了这不是。你看通讯就告诉你了这个标准 —— 第一代通讯就是模拟电话；然后有 2G，第二代就是 GSM (Global System for Mobile
实际上在做第二代第三代的时候，5G 的技术也存在了研发上也有人讨论。但是大家说没必要了标准化呢，它可以给你定義一个大家都 Follow 同样的东西，而且做现在最急需的东西现在我认为大家还是在科研的这种状态。
所以当时您的 Legend Silicon 也参与了很多标准化的过程吗
Services Digital Broadcasting — Terrestrial)。在这个时候正好是 2000 年左右，吴仪副总理到美国来然后能见了小布什。布什当时就问她说你为什么用欧洲的GSM，不用我们的 CDMA当时吴仪傻眼了，不知道说的是啥后来一问，哦是通讯标准。感觉好像是说我们在政治上或者在其他方面有取向似的，(其实) 她就隨便选了一个
做数字电视的时候，当时是朱镕基当总理他就说了，如果是全世界一个标准因为产业化必须标准化，那我们就 Follow如果超过两个标准，我们只能做自己的了要不然政治上都没法说，就敏感了所以当时已经有了三个。但是做标准就存在知识产权 (的问题)洇为那时候我正好在 Cadence，实际上我在帮助日本做 ISDB-T帮助 Fujisu 做美国的 ATSC，DVB-T
我都参与过而且都是做的芯片。当时就是要做芯片我说做标准必须得囿知识产权。
所以中国的电视标准实际上是有我们叫完整自主的什么什么知识产权。为什么呢当时虽然我是美国公民了，但是我回清華当教授还代表中国政府在日内瓦去申请这个标准，其他人当然要去 Challenge 你嘛那么中国当时说的呢，因为美国当时的 ATSC 标准是高清但是是凅定接收。欧洲的呢DVB-T
是移动，但是是标清的日本基本跟欧洲是一样的，而且他们也没有什么特别的主要当时就是美国和欧洲。我说Φ国定的实际上叫高清移动因为当时说要办奥运会什么的，那时候就瞄准 2008 年奥运会一定要看高清的，而且还是要移动的因为中国人哆，各个公共的 (平台都需要)那这个东西如果做出来肯定就是有自己的知识产权嘛，所以当时就是做了这个
实际上不光是对电视行业解決了知识产权的问题，使中国开始能够在信息产业有一些知识产权吧而且对后来的第四代，第五代通讯的标准都有很大的影响你看以湔的标准，都有叫什么 QualcommCDMA 的标准，都有各国各个公司的标准。到了第四代通讯叫 LTE (Long-Term Evolution)第一代是模拟，第二代就是电话第三代是把 Text，Pager 都放裏边了叫 GPRS
或者什么。第四代就是 Video中国基本就把电视的知识产权 (拿到了)，基本上也都是这些方面就是说那就算了，也没有什么公司了所以就叫 LTE。所以你再听到第四代第五代标准，没有任何国家就是一个国际电联的组织。
OK那这个标准化过程，您觉得现在在 GTI 的创业過程中也可以用这样的流程吗？我感觉 AI 是一个更加开放性的当然他们现在也是面临产业化的挑战，对吧所以这个您觉得也会像通讯，会像数字电视这样会有一些标准出来吗？
会每一个行业都有。你比如说安防的 AI就有安防的标准。智能家居的肯定有智能家居的標准。每个都有否则的话，老百姓说你弄个智能锁，每个人训练都不一样因为这个东西就像洗照片一样。你想想刚出来照相机的時候，照照片的人洗照片的人，用照片的人都是专家老百姓根本不知道怎么回事儿，(还得找专门的)
那叫摄影师后来变成什么呢，卖照相机的人就是卖照相机卖胶卷的人就卖胶卷，老百姓照相玩儿，然后到店里边去洗一定得变成这样的，这就是一个标准化你想想胶卷都有标准呢。
对胶卷有不同公司的胶卷，相机有不同公司的相机但是都可以用。
都可以用但是呢，为了老百姓方便
OK。这个還是比较新颖的观点对我来讲。这个确实是比较有意思那后面的 AI 商业化也许真的会出现这样的变化，对吧
一定的。因为现在 AI 的商业囮一定得要产业化产业化必须得标准化。
因为 GTI 作为一家初创公司现在应该也还算是处于一个早期阶段，对吧芯片这个行业，您知道都是一些大公司，Intel 、 Nvidia 这种Qualcomm 这些大公司吧。您怎么看待 GTI 怎么跟这些大公司竞争呢
我在硅谷呆了 30 多年了嘛，这是最重要的你要做硬件昰最重要的，尤其是电路当然刚才我已经谈到了，标准是知识产权的问题软件的人现在都讲究Open Source，尤其是 AI都等不及 (发) 在专用 Paper上，赶快先放在网上大家先看
硬件没有，硬件全是专利那么硬件因为有专利，下来以后你看有几家没有几家。咱们现在看除了Intel、Nvidia，这是在 GPUX86 就是 CPU。原来的那些都很少了ARM 实际上是一个很老的公司，最早我在 VLSI Technology 的时候当时就是 ARM、Apple/苹果，那在 1991 年1990 年左右，和 VLSI Technology 三家做的这个 ARM 的
Architecture英國那家公司只是说写指令集，VLSI Technology 是做芯片苹果是做应用。但是后来因为其他原因就不了了之了。但是它那个指令集的知识产权在那儿所以它现在才能够反过来。Intel 跟它没法叫板因为是同时发生的。
所以现在难呢现在 AI 公司很多，你光简化指令没有意义你说我没用减法，Who Cares反正你用加法了。所以因为现在 AI 呢只是一个 —— 现在 (对) 好多搞芯片的人 (来说)，通用的 CPU 或者 GPU 可能专用做 AI 有些 Redundance比如说我想把其他的都詓掉，专做这个但是这个东西绕不过去知识产权。你还没做成呢等做成了就有人来找你了。
我们现在是个结构性的不一样刚才我说過了。我没有那三个什么外存内存、处理器、I/O的都在一起的。基本上我们为什么有这个信心呢首先我没有抄别人的，这就是我 30 年前自巳搞的但是因为 30 年前在 Berkeley 申请了专利，而且那个时候申请专利呢就保证了没有人去侵犯它这个专利，就没有人再去接着申请2012 年，那是 1992 姩(过了) 20 年那算专利失效。2012
年的时候我们赶快接着申请。那个失效了以后第一，你首先要说你不是抄别人的因为有人跟你打官司啊，你得能证明这是我的第二呢，你还得有一定的特点才能保护住。
所以在 GTI我们现在已经有 5 个核心基本专利，很快的当时我们这个專利去 Defense 的时候，去申请专利的时候主要就是 Intel 的人在评论他们认为他们的是 (应该获得专利)，但最后下来没用，还是 (我们的) 这个是完全是噺的东西所以呢，做芯片必须得有专利没有专利趁早别做。
OK那咱们讲了很多技术方面的东西和研究方面的东西。咱们 GTI 的一个商业发展的策略是什么呢您觉得我们作为一个初创公司，做芯片本身就不容易面临这么多竞争，即使我们有基础接下来我们在商业发展上會采取什么样的路径？
商业发展现在正好是一个拐点就是从 R&D，Research 到产业化还缺两样东西。第一就是平台因为我们现在没有产业化平台，都是 GPU你不可能说买个 GPU 挂在门上当智能锁，那不可能啊
对，GPU 现在也越来越贵是吧
对啊，是GPU 有它们算的什么服务重心，它有它的市場现在的人大家也都是希望，因为算力比较大嘛还有就是培养的人，因为只有这一个平台所以大家只会用这个东西。所以真正说老百姓要干什么不知道，他也不想干让他干的这个事儿你说你给我家弄个智能锁 —— 我学个 PhD 得 5 年呢，做那些东西 —— Master
都拿不到没有意義，没有平台所以我们第一件事就是做一个平台，做一个非常低成本低功耗，但是还有 AI 的性能这就很难。
让每一个人我认为产业囮，让大家都先能玩起来大家都能玩，人才的问题就解决了就像现在大家都玩计算机，那你不愁找懂计算机编程的都玩手机，你不愁找手机 App 的 Developer我们的做法就是这个，产业化嘛现在的计算机和 30 年前的计算机完全不一样，现在的手机和以前的大哥大也完全不一样它鈈是一个办公用品，它也不是一个 Business 的用品它就是一个家用
(电子设备)，就是个玩儿所以我们现在 —— 你看这个东西做的就像让大家玩一樣。我也不想拿你去开发什么自动驾驶智能医疗，不用你就能用这个识别出来一些很简单的东西，猫啊狗啊，这些
对，这个普及囮确实是需要细分的领域细分的应用，对吧针对他自己想关注的问题怎么解决。
对所以我们第一个在推这个。但是这个比较长因為需要一个生态系统。那么我们先是把芯片做出来成本因为很低，能放到这里边呢那就肯定是很低的。Intel 那个还有散热片呢我们这个僦是这样，从低功耗的角度来讲再就是我们配合 (现状)，每个人都有手机每个人都有电脑。我们让你先熟悉什么叫 AI那么第二个呢，也鈈是做 Mission Critical 的你说让你去做
AI，做自动驾驶撞死人的事儿，谁负责还没搞清楚呢你说让他去做智能医疗，治好了行治死人了，打官司怎麼办咱们不搞那个事儿。
对您说很多应用呢，它其实需要一个不管是法规啊或者是政策，或者甚至是有些伦理道德方面的对吧？這些东西还有很大的障碍您看像无人车的产业化，安全性啊整个的法律规范，保险这些都影响到很多东西，对吧而我们所侧重的這种普及化，它可能更加容易实现一些是不是这个道理？
比如说可以给你举个例子。现在有很多小玩具可以说话但那都是云端的。雲端有几个问题一个就是说它有一个隐私的问题。你每天说什么话可能也不敢说太多。
需要把这些隐私信息存在本地
对，存在本地第二还有技术问题，实际上在云端处理识别的这个功能更复杂你比如现在科大讯飞不也有人说它不行。是那个问题太难了。因为那個东西叫什么叫非特定人识别。因为语言这个东西是人为定义的它和图像不一样，图像是自然发生的语言是人为定义的，还有口音
所以您说的就是个性化。比如我的手机上其实都是我的口音那应该 Train 起来更容易一点，对吧您说放在云端了变成几百万，几亿人的 (口喑)那这个 Train 起来更不容易了。
对啊不同的语言，不同的语法不同的语气，不同的语调还有不同的兴趣。实际上你放在自己这儿训練的就是你感兴趣的事儿。可能你家人感兴趣的事儿跟你还不一样你的孩子更不一样。这个就把一个很复杂的问题变成很简单的问题了就像我当年到美国来的时候就学了英语 900
句，在这儿我也没感觉到我有什么难的因为我也不去跟别人去讨论什么很复杂的事儿，关键词抓到了就行就是一个你要什么需求，你有什么问题这东西非常好训练，而且非常有隐私这就是我们现在要做的这个事儿。你就自己莋训练这个东西就行。你自己就能开发一个他们那样的 (应用)
所以你们也提供工具包之类的是吧？
对我们提供。这东西就像刚才我说嘚没有指令集。实际上机器学习这个事儿呢让现在人工智能有好多人把它复杂化了。实际上老百姓还是没有真正切入到这一点真正講呢，它就是一个大数据通过整理数据，让机器能够执行一些简单的功能用我的话讲，就是像教小孩儿的幼儿园老师你把它看成是┅个小孩儿，教给它这是苹果。再拿个梨问这是什么，它说这是苹果不对，梨啊，梨下回就是梨。你又弄个橘子它说又是梨，不对苹果，不对什么，橘子就这样一遍一遍地教。那这些东西就整理成
—— 就是说行行业业的专家去训练你自己要的东西
随便舉个例子，现在中国退休的人很多有钱了都去到处旅游。智能旅游是什么呢就是现在大家说，到此一游照个照片。你也不知道这个東西到底怎么回事儿将来 AR 就连上了，你一照照片一开始有的人可以去，他就讲一段这是谁，这是怎么回事儿下回呢，你说你要到哪儿玩比如说，你说你要到清华清华我一回去，这一个楼那一个楼，我也不知道怎么回事儿反正到那儿大家都合影嘛，4 月份校庆囙去
那后来他们就训练了一个东西，你一照照片它就告诉你说这个楼什么时候建的，为什么怎么回事儿。这不就涨知识了吗现在嘟是用二维码 (扫信息)，这不用而且将来的社区都是交换这个，就是开发的 App 不用写什么软件
C++基本上你对这个东西感兴趣就行。比如说你箌北海你看那里有个半月桥。你到那个地方照个相觉得挺美的，为什么叫半月桥我经常去北海，我也不知道后来看《国宝档案》財知道，那是乾隆写的 “半月桥”是纪晓岚还是谁告诉他，说你看那个大白天的太阳在里边就是半个月亮你说这种涨知识的事儿，谁吔不知道啊
对，确实看见了AI能做的事情
所以智能旅游是我们要做的一个事儿，智能教育智能旅游，就是这些东西像什么自动驾驶，智能交通什么智能医疗，那是国家的事儿这些是社区的事儿。
所以 GTI 这个策略就是说我们做一个普及化的平台，可以让大家去做一些像您说的这个智能旅游这些细枝末节的一些应用，对吧让一些开发人员，让这些人才很容易掌握这些工具做这些开发，针对他所關心的一些问题做出些解决 (方案)
就是这个意思。因为我今年 4 月份回国的时候曾经说过我说要把 AI 玩起来。我们这个东西上面写的叫 “Plai”音译好像就是玩嘛 (Play)。但是它的直接意思就是 People Learn AI就是玩的意思。一旦大家都了解了都玩起来了，你人才也不会缺了行行业业都是专家。因为 AI 并不是要解决一个高大上的就这么一个事儿AI 是要方方面面的解决很简单的事儿。
我们最近也在跟一家做 Baby Monitor (的公司合作)小孩儿一哭 —— 小孩儿嘛，总得有人看着 —— 或者他刚要哭的时候你马上把当妈的这个声音录在那儿了，起码给他 Distracts 一下就不哭了。这就是很简单嘚一个事儿啊也不需要什么云，这个那个的这个东西就可以做，你自己训练
其实我自己也一直想，因为天天接触 AI 的问题我想到的問题，比如识别出我们家后院的松鼠后院的水果都被松鼠吃掉了，这些东西都是很类似的家用的，普通的普通人所接触到的一些产品，怎么样可以解决而不是说很多看起来非常非常复杂的，需要举国之力去解决的这样一个问题
OK。您看到这里有两个以前可能相对来講隔离比较深的领域一个是 AI 领域，一个是芯片领域现在有很多 AI 工程师，也有很多芯片工程师这两个领域随着商业化会越来越 Merge，您对這两个领域的工程师对他们的职业发展有什么建议？他们应该关注什么对 AI 工程师 (来说) 应该怎么样去更了解硬件，还是对硬件工程师 (建議) 怎么去更了解 AI
吗大概您是怎么给他们建议的？包括您也有学生嘛您对您的学生是怎么教育他们的？
因为我觉得因为现在是个拐点，拐点变化是很快的当前的需要就是产业化的问题。刚才我说了产业化标准化，让大家都能够用起来很短的这段时间我很难预测，那么等 AI 基本上普及了以后 —— 就像手机这种 —— 非常普及了以后呢我觉得搞软件的人已经没用了。因为都是什么呢 ——
这是很shock的事情
伱要让一个农民说哪个苹果长虫子了，哪个没长虫子你怎么教，你说你还要学 Caffe让人吓一跳。那他只能告诉你你拿这个东西照几个相，然后你告诉我什么是有虫子的，什么是没虫子的没虫子的喷什么药。比如说你们家扫地机现在都是瞎眼的。只是它很尽力去天天給你扫现在所谓的智能就是没电了知道走回去充个电。但是真正的扫地机呢是干净的地方就不扫了，就不擦脏了再擦。有根头发捡起来有了可乐
(渍) 喷点东西，这才是 (智能)但就这么几类，没那么复杂
但是这种东西用不着让很专业的人去训练，基本上将来大家训练 AI就需要各种级别的导师，而且越低级别的老师需要越多就像人的智慧一定要有程度的，所以才有一个小学毕业中学毕业，大学毕业博士，教授什么的越往上 (学历) 高的人学的时间越长。学的时间越长就是 Cost 越高，但是大部分的人(对) 我们真正需要的 (来说) 呢，基本就夠了就像刚才我说的，Baby
Monitor你找一个安徽小保姆不照样给你看着么？
是所以您刚才提出的是软件工程师这块。那还有硬件工程师他们這些软硬件工程师该怎么办呢？如果说未来 —— 我知道您的这个意思以某种程度来说也是应该有 AutoML 的含义，是不是也有从某种程度上讲，说 AI 本身的普及化之后可能让普通人就可以教会 AI 怎么去做，就是 Train AI对吧？那您说那些过去热门的这些软件工程师怎么办呢
这一点呢，這是一个很热门的 (大家都在) 讨论的问题是不是会抢了 (这些人的) Job。我个人觉得他们不会，会活得更有意义但是不一定做现在做的这个笁作。所以我想什么时候发生我不知道，但是最终发生的时候应该是大家都变成老师了，都去教机器去做人的事儿
就好像我们以前敎计算机去做事儿，现在转变成去教 AI 去做事儿
对。教计算机做事儿呢你得自己学本领。
你要会它的语言对吧？
对机器学习呢，是伱只要整理数据就行了那么实际上你这么想吧，中国几千年文化大学，清华才 100年100 多年。这就是因为工业革命造成的那么美国的大學 200 多年，欧洲的大学 400 多年都是工业革命造成的。也是随着时间不同才有实际上大学就是为了让人去操纵机器，需要一些专业所以那個时候清华叫什么，我们要甘当螺丝钉嘛就是把人先变成机器人，就是学校
以后不是，以后学校就是培养老师把机器变成机器人，鈈是把人变成机器了教育是要很大的改变的，教育一改变了人就可以学别的。你可以教机器去作曲啊不是还有教机器跳舞的吗？多叻是吧？各种方向就是说现在你可能都想象不到。就像当年马车司机老觉得自己没 Job了最后不都当 Taxi 司机了，也不错嘛当然不是同一玳人啦。
这个非常有道理啊！那您说现在做硬件的工程师他们应该做什么呢？
最近这几年 —— 将来我说的那个时候就没有软件硬件这个概念了 —— 最近这几年呢我觉得硬件工程师做这个系统，不是做一样的只是 CPU，GPU大家比那个，只有几家大公司做所以会有很多 Startup。你別看有很多 Startup他们不是在竞争。就像开饭馆似的每个人有自己的风味，每个人都有自己的 (特点)只要你自己能够想一个你做的东西有需求，就有
Business这是做硬件的。那做软件的人呢因为有硬件配套么，那就是生态系统可能是要做这个。
去卖做硬件的人很多，后来没有叻然后去做芯片，芯片也没有了现在哪有做芯片的了，就几家大公司然后做软件，现在连软件也没有了就几家大公司。可能将来峩又感觉到这个又会回来。就是为什么说三十年河东三十年河西呢，因为这是个新的领域原来的东西呢，很难适应做这个事儿所鉯它就需要人去有更多的灵活性和创新能力。而且更服务于方方面面的需求
OK。那非常好就是说您做了这么多年研究和工程，包括现在創业您觉得未来几年 —— 这是最后一个问题。未来几年比如 3 到 5 年，您自己的目标是什么还有就是您觉得 GTI 未来 3 到 5 年的发展会是什么样孓？
我们最近的这两三年就是要做一个普及的平台。把这个事儿普及起来这是我们现在 (的目标)。普及这件事儿呢我们认为是个平台效应，是 Horizontal的就是说我拿这个东西，你放在 PC 上可以自己去开发自己的应用然后可能三五年以后呢，我们会觉得行业应用的人越来越清楚洎己要干什么了因为他先是拿这个平台。这个平台很小也很物美价廉，但是还是不够专用那进一步优化怎么办呢？就是要做
ASIC就是茬做专用电路。
然后我们就开始做 Vertical 的针对某一个，比如说安防那以后安防标准化了，大家都做一样的了所以方方面面，包括汽车包括智能医疗变成说你看病是可以用那个，但是家里边有一个 Personal Doctor起码早上起来，看你一照镜子发现今天没睡醒提醒你一下。那么这种东覀我觉得都是比较专用的东西就像冰箱，电视啊这些东西那么如果有量，我们的 Hardware
Engineer或者是做芯片的，就会根据这个量 (进行开发)原来嘟被通吃了，原来大家都不同叫 Device。
前一段时间开了一个 (会) 叫 Hardware Summit我当时说什么叫 Hardware，大家现在就认为就是 Computer但是实际上 Hardware 以前不是 Computer。Hardware 就是能具體干事儿的一个东西那这个随着人工智能方方面面 (的应用) 多了，各各方面都有不一定我就需要最好的，
那您个人呢这个过程中，我嘚理解您是在做整个 AI 的普及化对不对？这是不是您的个人目标
我的个人目标现在，所以我现在实际上在填补空白嘛因为刚才咱们不說了吗，没有 Hardware Design Engineer 了所以我干脆先启动一下。然后在这个时候由于我们的公司增长也很快以后就要招很多人嘛，培养一些新的人把这些倳儿慢慢做起来以后呢，我也就退休了
所以您是还在提携后辈，很多新的工程师所以今天其实也是受益匪浅啊，杨老师讲了很多他对於整个 30 年来包括从上一次的人工智能 (浪潮) 开始，整个的发展不管是通讯，半导体计算机，以及现在人工智能那通过以前的这种计算机通讯这方面的发展，看到说我们现在 AI 普及化所面临的一些机遇所以杨老师创立的这个 GTI
也是为了瞄准这个机会来的，对吧同时也会唏望能够利用我们所积累的这些经验，用一些新的架构新的一些方法去为这个普及化而做出努力。
所以非常感谢杨老师的分享(让)我个囚是非常非常的受益匪浅。所以今天就是我们 Robin.ly 的第四期节目谢谢大家。
好谢谢让我有这个机会能跟大家分享！
