AI和5G都将经历发展的振荡期,芯片企业如何应对?

2018年,5G和AI成为行业内出现最高频的词汇,这两大技术的交汇,会怎样推动数字社会的发展,紫光展锐市场副总裁周晨在近日召开的紫光展锐媒体沙龙上表示,AI和5G作为基础技术,最终还是要靠更多的开发者,基于它开发更多的应用,为消费者带来体验上的提升,这才是新技术真正有价值的地方。

紫光展锐市场副总裁周晨

技术成熟度的振荡普及

通常一项新技术从概念讨论到实际落地,会经历一个振荡的过程。以AI芯片为例,第一波产品、应用落地的时候,体验上会受到各种限制,从而带来一定程度的降温,但它提供了一个方向上的指引;第二波浪潮上来,涌现更多的芯片厂商和应用开发者跟进,各种算法优化、体验提升,形成产品普及的振荡期。当这个过程逐渐往下走的时候,真正有价值的、跟老百姓生活息息相关的应用就沉淀下来了。 

任何新技术的推出,人们都需要始终关注人性化的一面。比如,手机从一开始没有密码,到普及密码,再到指纹识别,再进一步人脸识别,一步步走向更好的用户体验,AI新算法就为不断的体验提升带来了新方法。

AI在2017年迎来第一波爆发年,各种AI概念以及使用AI技术的产品活跃在世界各地。两年的锤炼,AI已经在很多个行业崭露头角,比如语音识别人脸识别、拍照软件、新闻推荐服务、在线客服、安防监测等等。周晨表示,预计2019年会成为AI从神话走向实质性沉淀的一年,加速渗透到经济和社会的各个领域,推动整个社会的智能化进程。截至目前,紫光展锐多款芯片通过AI算法实现实时智能场景检测识别,支持基于深度神经网络人脸识别技术,识别效果快速精准。

对于5G来说同样如此,5G从商用到普及是一个系统工程,首先需要的是网络的基本覆盖,大量的配套到位,才能真正去谈应用普及。目前,5G由于自身的技术和频谱因素,功耗仍然很高,成本也增加很多,这是整个行业面临的挑战,这些问题解决了,才能走到普及的那一步。

当然技术是一步步往前走的,这是时代的浪潮不可阻挡,就像是用惯了4G的高速率,用户就再也无法容忍3G的卡顿,当习惯了5G的万物互联,就再也无法容忍信息孤岛。

紫光展锐一直在积极推动5G和AI的商用落地,已率先完成5G原型机的开发,通过了系统供应商NSA测试,并已完成第三阶段5G新空口互操作研发测试(IoDT),计划于2019年实现5G芯片商用。

新技术普及的波状发展

从技术角度看,有一个成熟度的振荡期,从应用普及范围看,又是另一个维度的波状图。

韩国、日本和美国这些发达国家,引领着新一代技术的应用浪潮,但是在非洲、中东,包括南美一些区域,在新技术的采用上仍然有着很大的差距。

2018年,当韩国率先宣布商用5G时,非洲一些国家刚刚用上3G智能手机。从人口数量上看,非洲12亿,环太区域十几亿,包括俄罗斯、拉美,这些区域大概近50亿人口,在整个移动通信技术应用上,比发达国家慢了好几拍。根据GSMA题为“2017 affordability report”的报告,全球仍然有54%的人口未能连接互联网,这些人口多数分布在农村等不发达地区,比如非洲、巴西、印度等很多发展中国家地区。未来五年,全球每年仍有5亿部功能手机在出货。

移动通信发达国家的手机市场正在趋向饱和,而印度、东南亚、非洲等地区的手机市场仍然有着十分大的空缺,这里有着和发达国家完全不同的需求和习惯,有自己区域的特征,也培育了不同的终端品牌。

比如,国内的消费者们可能都没怎么听过的传音,在非洲市场上的占有率位居第一,他们深耕这一块领域,并不断适应需求。未来,这些市场也将经历从功能机到智能机、从3G到4G的技术升级、消费升级,新兴国家发展空间和速度一般也会超过发达国家。这些都是展锐已有的产粮区,未来会继续把它做好,这也是展锐一直所说的夯实中低端,才能更好的为中高端辅路。

近几年,紫光展锐在海外市场的精耕细作也收获了不菲的成绩:截至2018年底,紫光展锐已经成为印度市场最重要的芯片供应商之一,在印度每10台手机就有4台搭载展锐芯片。紫光展锐进入非洲市场已经有十年之久,平均每年约有一亿台手机采用展锐芯片进入非洲市场,大力推动了新兴市场的互联网连接。

半导体行业观察
半导体行业观察

最有深度的半导体新媒体,实时、专业、原创、深度,30万半导体精英关注!专注观察全球半导体最新资讯、技术前沿、发展趋势。

产业芯片5G紫光展锐
相关数据
人脸识别技术

广义的人脸识别实际包括构建人脸识别系统的一系列相关技术,包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等;而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。 人脸识别是一项热门的计算机技术研究领域,它属于生物特征识别技术,是对生物体(一般特指人)本身的生物特征来区分生物体个体。

语音识别技术

自动语音识别是一种将口头语音转换为实时可读文本的技术。自动语音识别也称为语音识别(Speech Recognition)或计算机语音识别(Computer Speech Recognition)。自动语音识别是一个多学科交叉的领域,它与声学、语音学、语言学、数字信号处理理论、信息论、计算机科学等众多学科紧密相连。由于语音信号的多样性和复杂性,目前的语音识别系统只能在一定的限制条件下获得满意的性能,或者说只能应用于某些特定的场合。自动语音识别在人工智能领域占据着极其重要的位置。

深度神经网络技术

深度神经网络(DNN)是深度学习的一种框架,它是一种具备至少一个隐层的神经网络。与浅层神经网络类似,深度神经网络也能够为复杂非线性系统提供建模,但多出的层次为模型提供了更高的抽象层次,因而提高了模型的能力。

推荐文章
暂无评论
暂无评论~