雷鋒網(公衆号：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、中科曙光等機關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産業備受矚目的國際學術盛宴，來自産學研各領域的專家、學者齊聚于此，圍繞以智能晶片和系統為基礎的智能計算機産業一同探索、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。
主論壇（上）
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，大家都隻顧着拍照了，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，進而更好地實作創新。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，不再僅僅采取此前自下而上提報、審定的方式，還增加了政府内部基于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于曆史原因，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于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向導向的研究，是以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，我國目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，坐得住闆凳，能夠獲得與諾獎級别的成果，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，去建構一些平台，實作體制、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，比如在晶片這些比較短闆的科研領域，可以思考能否從國家層面去部署和推進這些短闆科研領域的發展；第二是智能計算能否延展到更高的層次，實作從體制、算法、算法的全方位提高；第三是創新之要，還是在于人才，是以加強人才隊伍建設是當下非常重要的工作；第四是推動新産業的發展，目前确定的新産業包括新能源、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内容：「由于我現在不在前線做研究了，是以無法到大會的分論壇上做詳細的技術解讀，隻能在這裡從宏觀層面分享下自己對于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曆史階段，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，研究重點是并行邏輯推理。與日本第五代機走的定制化路線不同，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并行計算機的研制，還從事人工智能的基礎研究和應用研究，并培養了一批與智能資訊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。
随後，他從超算與智能從分開到彙合的發展過程出發，闡述了智能計算機與超級計算機的差別。從第一台計算機開始，超級計算機的發展便一直與模拟神經網絡處于「分道揚镳」的狀态，直到本世紀以來深度神經網絡取得突破以及大資料浪潮的到來，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作了曆史性的彙合。總而言之，二者的差別主要在于，傳統超級計算機屬于數值計算、确定性計算、數字計算、封閉計算以及基于算法的計算；而智能計算機則屬于符号計算、非确定性計算、模拟計算、開放計算以及基于資料的計算。而目前大量采用的智能計算實際上是基于 GPU 或 GPU-like 加速器的準智能計算，圖像和語音的資訊處理計算依舊還屬于數值計算的範疇。
而本次演講的重頭戲，則是李國傑院士分享了他對于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，智能機的核心特征便是人腦級能效，然而目前超算的能效增長遠遠低于速度增長，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，是以需要跨層協同，提高超級計算機的通用性。
第二，研究具有「低熵」特征的未來架構，通過全棧的系統設計應對不确定性挑戰，在問題不确定、環境不确定、負載強度不确定的情況下，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，必須對付動态和不确定的複雜負載，一方面，針對動态性負載，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；針對不确定性負載，DataFlow 執行模型可能是出路之一，也許能從網際網路異步協定中得到啟發。
第四，要重視模拟計算、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），在阻變存儲器實作神經網絡計算，在存儲中做深度學習；另一種方法則是采用 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式。他表示，建立統一的基準平價标準，有助于行業内的良性競争，而本次大會将釋出的 BenchCouncil 性能榜，則将用一把尺子衡量技術，将影響力從學術界延伸至産業界。
「圖靈獎得主、計算機體系結構宗師 David Patterson 與 John Hennessy 曾表示，下一個十年将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将迎來一個激動人心的時代，而中國學者應該做出不愧于時代的貢獻。」
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：一個嶄新的産業即将崛起。」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「嶄新的産業」，指的是人工智能和其他科學技術的交叉融合帶來的「機器人革命」。他認為，機器人作業系統将成為「機器人革命」的引擎，是機器人實作自主行為、群體協同和人機共融的「新腦」。然而，目前機器人時代的作業系統主要還面臨三大挑戰：
第一個多域異構資源管理。目前機器人都采用大量專用軟體，可滿足指定領域需求、适應特定環境、執行固定任務，然而因其具有資源多域異構特征，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，機器人采用的是「感覺—規劃—行動」的控制回路，适用于簡單的合作環境、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，行動的動态具有不确定性；
第三個是群體智能。目前機器人研究的着力點在于提高單體智能，使其實作更高的自主性，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，實作一對多、多對多的人機互了解和人機協同。
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、多态體系與分布架構、場景了解與人機操控」等科學問題的分析，并結合技術趨勢和應用需求，開發出了多态智能叢集機器人系統 micROS，楊學軍院士将該系統稱作機器人的「新腦」。
對于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，即機器人作業系統的核心概念，包括基于「角色」的控制抽象和基于「語義視圖」的資料抽象；二是多态分布的體系結構，即機器人群體如何組織管理，包括層次式結構、分布式結構和持續自主對抗學習架構。三是适應環境的群體智能，楊學軍院士将這一點稱作「人工智能的下一個突破口」。
對于該「人工智能的下一個突破口」，楊學軍院士更是給出了一種适應環境的持續自主學習系統的架構模型，其建構環境模型的思路是場景+語義，讓機器人能夠基于環境模型進行觀察、判斷、決定和行動，還能夠利用平行控制架構實作感覺、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）；适應性（自組織機理）；湧現性（自演化機理）。
随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、大資料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，随着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、大資料、深度學習以及雲計算幾大重要因素來設計能夠支援多核系統（如 Xeon, OpenPower, and ARM）、高性能網絡以及 GPGPU 的運作環境，讓高性能計算、大資料分析和機器學習的應用可直接在現有的高性能基礎設定上運作。
對此，他為大家分享了其上司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、可适應性、容錯性，是一種具有 10GigE/iWARP 速度，RoCE 網絡的技術。目前該系統已在 89 個國家的 3000 多個組織機構得到應用，下載下傳量已超過 551,000 次。（該項目連結位址：http://mvapich.cse.ohio-state.edu）
第二個是面向高性能大資料分析的項目 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，下載下傳量已超過 30,350 次。（該項目連結位址：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，相對于高性能計算和大資料分析而言，機器學習使用的是完全不同的一套規則，因而該領域在 MPI 運作環境的設計上面臨着更大的挑戰，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絡。對于實作高性能的機器學習訓練而言，該項目意義重大。（該項目連結位址：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 人工智能測試标準、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于神經網絡加速器和通用計算部件建立起來的計算機系統，雖然目前神經網絡理論體系日益完善，算力和專業領域資料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，測試标準也對計算機産業起着至關重要的作用，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。
作為一家緻力于促進人工智能等新技術的平價、驗證、研讨、孵化和推廣的非營利國際研究機構，Bench Council 在全球範圍内倡導以 Benchmark（測試标準）為主的标準制定，并釋出了實驗床、性能榜，并舉辦 BenchCouncil 國際人工智能系統競賽，來促進新技術（基礎和主幹的技術創新）的驗證和推廣，引領産業健康發展。與此同時，詹劍鋒還強調，在測試标準的制定上，還應注重國際标準和國内标準的融合。
其中，據介紹，Bench Council 的測試标準包括資料中心 AI、 IoT AI、Edge AI、HPC AI、醫學人工智能測試标注以及綜合的 BenchCouncil BigDataBench 項目。而實驗床采用了聯邦學習、實驗性作業系統 RainForest、基于圖系統的機器學習系統等核心技術，目前已在醫學大資料、高能實體資料、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铠教授帶來《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）的校長講座教授黃铠
演講一開始，黃铠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。」随後他重點從其上司的兩個項目入手，圍繞如何融合智能雲、機器學習、人工智能以及各類網絡技術展開了演講。
第一個項目是将社交媒體（Social）、移動裝置（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拟的大資料中心，其中雲計算實際上包括雲端、霧端和邊緣計算三個層次：雲端為大量資料的中心，霧端為諸多個節點，邊緣端則由不計其數的裝置組成。而這三個層次間的關系應該是互相支撐的。
同時，他提到未來的人們每個人至少将擁有 100 台裝置，如何将這些裝置有效地連接配接起來，則将成為未來需要面臨的重要問題。針對連接配接方式，黃铠教授對比了 4 G、5G 和大規模 IoT 網絡在能效、使用者體驗以及連接配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 網絡在機關面積中能夠連接配接的裝置數量是最多的，是以 5G 是我們未來一個非常重要的攻克點，而大規模 IoT 網絡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）上司成立的面向社會的人工智能和機器人研究機構（AIRS）正在開展的一個面向工業自動化和智能制造的智能雲平台。據悉，該項目主要是為了響應大灣區的智能産業發展規劃，緻力于為其打造一個智能産業雲與工業資料中心，利用機器學習、 AI 和 IoT 技術來實作産業創新。
最後，黃铠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 晶片和裝置、場景了解、音頻資料分析、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、資料隐私保護、衛星資料處理、智能制造、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于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、大資料分析、IoT 等等，我們都還有太多的工作要做，是以各位科研工作者都要一步步地向前邁進。」
緊接着，中科曙光大資料首席科學家宋懷明、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别從工業界的視角，分别分享了自己對于智能計算、智能晶片以及 AI 算法方面的看法。
宋懷明在其主題為《智能計算，驅動産業更新》的演講中指出，包括量子計算、邊緣計算和智能計算等在内的先進計算日益成為全球競争的焦點，其未來的三個創新發展方向包括優化更新、多元融合以及颠覆創新。
中科曙光大資料首席科學家宋懷明
而智能計算作為先進計算的重要組成部分，是以智能驅動、以實作智能化應用為目标、以智能計算機為基礎，通過深度學習、雲計算、大資料等技術的互相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。是以，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片在其中所發揮的重要作用，他的演講主題為《智能晶片和智能計算》。他首先回顧了深度學習崛起和 AI 發展的三次浪潮：神經網絡基礎理論的提出引發第一次 AI 浪潮；算法應用更新帶來第二次 AI 浪潮；而第三次浪潮的到來則是由于深度學習理論架構得到驗證。而在整個發展過程中，人工智能發展的核心驅動力便是算力，同時，随着大資料的爆發式增長以及算法的不斷提出，算力、大資料、算法共同推動了人工智能如今的快速增長以及應用落地。
寒武紀公司副總裁錢誠
針對人工智能領域的計算問題，業内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片在廣泛應用場景下都得到了應用，但是這些智能晶片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征，設計靈活的指令集，設計可擴充性強、高效的架構，提供靈活的運算器方案以及支援主流程式設計架構。
最後他指出，未來人工智能、大資料和雲計算将不斷走向融合和一體化，實作端雲融合、端雲一體，同時，智能終端的應用未來也将帶動下遊産業的重新洗牌和更新。
雲天勵飛聯合創始人兼首席科學家王孝宇則圍繞如何實作 AI 的規模化應用，進行了主題為《AI 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；二是更新成本高，導緻傳統企業無法負擔；三是開發周期長，無法快速疊代和提高算法。
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，涵蓋計算叢集管理、資料管理、資料标注、算法訓練和算法部署幾大功能，利用完整的閉環算法優化以及對海量資料實作深度學習，可支援多使用者協作，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算法和系統，實作 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，從更完整的視角來诠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資料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，金融領域在資料處理方面對于計算機技術的應用，要比其他領域都更早，但是由于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，機器學習作為目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、資料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。是以，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資料研究院院長李維萍
最後，他以其開發的一款交易系統的建構流程為例，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：首先對股票的曆史資料（價格、成交量、行情資訊等）進行訓練，進而建構交易模型，即基于機器學習和深度學習，建構股票價格預測學習，并通過相關的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，産生交易資訊；最後，産生的實時交易資訊還會傳回到交易模型，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資料辦公室主任馬兆毅，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标準化的醫學圖像大資料庫的經曆，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将近三年的時間，其中的标準也經過了專家們的 20 多次會議讨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資料辦公室主任馬兆毅
據悉，資料庫的建立旨在實作醫學教育模式及内容創新，精準配合分級診療，具有資料貫穿臨床思維的全過程、标注資料有效服務計算機深度學習及人工智能應用、資料内容持續更新等特點。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資料标準，建立權威的醫學圖像大資料庫，是我國大資料、人工智能良好發展的基石，資料庫還将在醫學教育、科學研究、臨床應用、産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——沈陽紀檢大資料平台出發，帶來了主題為《紀檢大資料與權力管理資訊化建設思考》的演講。
據介紹，紀檢大資料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沈陽合作的項目，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，綜合運用網際網路+、大資料、雲計算和區塊鍊等核心技術，重點建設了 5 大平台（包含 46 個子系統）和 1 套标準規範體系，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，基于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，例如普通資訊化下的系統産生的資料反映出了各種各樣的問題，我們在已有的資訊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？以及擴充開來的權利管理是否能構成資訊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确立确認服務模式，從事後監察轉到事中确認，采用兩線（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，建構新的資訊化社會下的權利秩序；第三，從幹部體系擴充到社會體系，進而建構資訊社會的信用秩序。
最後，信諾資本合夥人陳未翔從大資料人才出發，帶來了主題為《第四次産業革命的大腦大資料創新人才》的演講。她指出，目前我們迎來了第四次産業革命——智能革命，而智能的核心實際上是決策的資料化和自動化，未來 80% 的價值将由 20% 的頂級人才産生，如此一來，創新型資料科學人才便成為這一革命中的稀缺資源。
信諾資本合夥人陳未翔
然而現在資料科學人才的培養模式存在諸多問題，包括：一是采用線性培養模式，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，不能了解資料驅動的商業決策。對此，陳未翔認為應采用環形的創新人才培養模式，培養資料科學家的綜合能力，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」、「智能晶片」、「開源晶片」、「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。