中科物栖CEO张磊:“芯片+OS”范式在万物互联时代的机遇与挑战|量子位·视点分享回顾

2022 年 6 月 11 日 量子位
视点 发自 凹非寺
量子位 | 公众号 QbitAI

万物互联时代如期而至,据艾瑞咨询测算,2025年将有超过150亿物端设备接入物联网。物联网(Internet of Things,IoT)正在、还将继续深入地影响我们的日常生活。

经过多年的发展,物联网行业触及到了瓶颈。过去,以供应链驱动的第一代功能型物联网时代行将结束,未来,以技术创新驱动的智慧型物联网时代即将开启。

目前物联网行业存在怎样的问题和挑战?互联网和移动互联网又有什么成功经验值得借鉴?基于这些思考,中科院计算所及产业化公司中科物栖已经在核心芯片、操作系统、开源生态等方面开展了创新工作。

围绕人机物互联网的发展、底层技术及“芯片+OS”范式等内容中科物栖创始人兼CEO张磊博士在「量子位·视点」直播中分享了他的从业经验和观点。

以下根据分享内容进行整理(未经本人审阅,如有不严谨之处,敬请理解):

中科院计算所与“海云计算”

中科物栖是中科院计算所孵化的企业。

中科院计算所是在中国计算机的事业的发展过程中有着就举足轻重的地位,它是中国计算机事业的摇篮,之前是服务于很多国家的大战略,像制造两弹一星使用的计算机都是当时计算所造出来的,计算所还研制成功了我国第一台通用数字电子计算机,并形成了我国高性能计算机的研发基地,我国首枚通用CPU芯片也诞生在这里。而后计算所进入了信息技术服务国民经济主战场。

中科院计算所诞生了很多的应该是这个行业里比较知名的企业,这些也都是我们的兄弟企业,像联想、曙光、龙芯,还有寒武纪等等都是计算所的孵化的企业。

那么中科物栖也是在整个计算所主线的业务上孵化的企业,这是工作大的来源或者背景。中科院于2012年启动信息技术先导专项,“海云计算”战略开始实施,这是中科院在下一代信息基础设施IT3.0研发方面的重大布局。

当时我们瞄准的是未来10年的信息基础设施以及相关挑战。当时我们判断,十年后,可能会有数百亿这样的智能终端设备,需要接入我们的互联网或者说整个信息空间里来。如果有这么大量的智能终端接到我们的信息空间,会对我们当时的所谓的云计算带来比较大的挑战。

所以当时中科院就说我们要做所谓的“海计算”。

什么叫“海计算”?它大概意思就是说我们不能把所有的数据都送到云上去,要在端上做一个预处理或者做一个过滤,就是好比我们地球上最广袤的是海洋,那么海洋的水蒸发到天上就变成了云,所以海计算跟云计算大概是这样一个对比。所以“海计算”和后来我们所谓的“边缘计算”这些概念是类似的,这是我们中科院在早在10年前对整个端侧的概念的主张。

“端”+“网”之变:传统物联网重“网”轻“端”遇行业瓶颈

我们做底层的计算,到底是做什么呢?技术底层的部分,包括芯片、系统、平台等,主要为了做一件事,那就是建造一个信息生态。信息生态包括两部分:端(“流量”)+网(“道路”)。

打个比方,比如说咱们这个城市其实就是一个生态,这个城市里面有很多人又修了很多的路,这个路其实就相当于咱们信息生态里的,因为它是用来做来做传输做通讯,做从一个地方运到另外一个地方的数据搬运,不同的地方就是;路修好了以后上面得跑车,这个车就是流量。一个生态它看起来是不是繁荣,首先都得有这个路,有了路以后,如果你没有流量的话,生态看起来是比较萧条的。所以既得有路又得有车,整个生态看起来才是比较繁荣的。

端、网、流量其实就构成了一个生态。按照信息生态发展阶段,我们先后经历了PC互联网、移动互联网两个阶段,未来将会进入人机物互联网。

PC互联网生态以我们的个人电脑为代表,在那个时代,所谓的网或者就是修的路用的是以太网,就是大家都知道拿个网线插到电脑后面去用那东西,那是他当时的通讯的技术;有了网以后能跑这些数据了,但是生态还需要有一个端,这个端最重要的在PC时代就是我们的个人电脑,有了端有了网以后,电脑上就产生了大量的流量,比如电脑上有大量的第三方的应用,像office、浏览器、播放器、游戏等等,这些应用其实就是跑在端和网上的流量。

到了移动计算时代也是一样。我们的这个路越修越宽,变成了3G、4G,承载流量是智能手机。智能手机上面也有大量的第三方的软件,比如大家都很熟悉的微信、美团、抖音等等,其实就是在消耗或者利用我们3G和4G的流量,让整个生态看起来非常繁荣。

那么下一个大的生态,就是人机物互联网——万物互联了,未来会有更多的智能终端要接入到我们这个平台里来。我们的网络技术提升了,带宽越修越宽,延迟越来越短,进入了5g时代,那么现在这个端是什么?以及未来它在上面能形成什么样的生态?这是一个未知数。

所以我们的做法就是希望给万物互联提供这样最基础的信息基础设施,然后让万物互联的生态变得非常繁荣。

所谓的IoT在过去10年这个概念已经提出了很久,但是它发展得并不好,就像我们今天的题目一样:物联网遇到了很多的问题。在我们看来,其中很重要的原因就是大家更重视连接而轻视了端,这就是只修路,但是上面没有流量的问题。

物联网IoT,Internet of Things,是由两部分组成,一部分是Internet,即连接部分,一部分是things,即物端。在过去的10年,我们发现IoT其实重点发展的是“I”的部分即连接部分,所以我们很多像NB-IoT像5G这些通讯技术得到长足发展,但是它的端侧相对还是比较弱,端侧的基础技术还停留在非常古老的嵌入式开发的水平,还没有完全进入到我们这种互联网的发展模式。所以,重连接而轻端,就会导致我们整个物联网的发展遇到了很多的我们觉得瓶颈或者是困局。

传统物联网行业发展困局

传统物联网行业发展遇到的三个难题,分别是规模化难题,创新难题,互联互通的难题。

什么是规模化难题?我们物联网这一难题叫做“昆虫纲”悖论。昆虫纲是世界上种类最多的一个纲,但是你会看每一个细分的昆虫的数量又非常少。类比到物联网意思就是,大家都说未来有数百亿的这种智能设备或智能终端,但是当你仔细看某一个终端或者看一个细分的端的时候,你会发现这个端的数量有限,远远低于PC或者手机数量。

硬件或者产品形态存在高度的碎片化。碎片化就表示种类多,生态很繁荣,但是对于我们信息产业,或者对于我们做这些基础设施的人来讲,是一个比较大的挑战,因为做信息基础设施它是要求规模化、标准化、可复制,如果每一个品类的数量不大,但是它的需求特别细分、特别垂直的话,我们没有办法提供一个非常通用的基础平台。如果不能提供这种平台的话,成本就一直降不下去,不利于整个行业的这种规模化的发展。

我们的PC时代和手机时代,是有通用范式“芯片+操作系统+整机”,这两个产业发展就会非常繁荣。但是在物联网行业现在还没有完全形成通用底层平台,所以就是呈现出一个特别碎片化的状态。所以整个行业都还不具有规模化的效果。从另一个角度大家也可以看出来,我们在PC和手机时代都有几个巨头,比如PC时代的微软、英特尔、惠普,手机时代的苹果,高通,谷歌,但是在IoT时代你似乎找不到一个巨头,不利于整个产业形成规模化。

第二个难题我们认为是创新难题。因为IoT或者万物互联,和PC互联网、移动互联网不一样的是它是与硬件有关的。一旦涉及到硬件,那么整个创新的流程就会非常的复杂。我们把这种创新叫做珠峰型创新,就是说想实现一个创新的想法,比如想做一个IoT的产品,那就像爬珠穆朗玛峰一样,得从山底一直爬到山顶。这个山底到山顶的过程是什么?比如说你要选芯片,你要给它适配驱动,做电路板,设计产品的这些结构外观等等,然后把上面的操作系统、驱动等全部调通,最后搭完了以后,才是你想真正想实现的创新的部分,而爬山顶的过程都是在做一些跟你的创新其实关系不大的事情。所以整个创新过程就会变得门槛特别高。

但是PC互联网、移动互联网时代的创新,效率却非常高,我们把它叫做冰山型创新。冰山型的创新意思就是说很多的那些麻烦的事儿全都是埋到海面之下,你可以很快的去到达你想创新的地方。比如说我们在PC互联网移动互联网想做一些这种软件型的创新,比如我想写一个愤怒的小鸟APP,可能我很短时间就能把原型拿出来,就可以让别人去试用一下。但这是在我们IoT这个行业绝对不可能做到的。

所以你会发现现在大家在万物互联上面去创新的这种热情就会降低,因为它的成本、周期、风险都会特别高,这个也是我们分析为什么万物互联还没有完全爆发的原因。

第三个我们觉得叫互联互通的难题。互联互通这个事其实大家说了很久了,大家其实是想把所有东西都连起来,但是实际上你会发现现在大家很难连。比如说我截了这个图(上图),这是比较老的一个图,是美国的一个众筹网站叫KickStarter,上面有很多创客,还有爱好者,他们做了很多硬件产品,但是哪怕这个东西全都放在KickStarter上,这些设备之间几乎没有任何连接,就是他们这些设备之间没有任何的关系,所以完全都是一个个孤立的设备。

据我了解,有些设备之间他们确实想做一些联动,但是他们要去连接的话就会非常麻烦,需要两个团队坐在一起说你有啥接口我有啥接口,,咱们俩要不要开放一下等等,这个过程特别复杂。

这个再对照我们的PC互联网和移动互联网,你会发现又是完全不一样的。在咱们的互联网和移动互联网上,整个网络是一个扁平的大网,扁平的意思就是说你想触达任何的内容或触达网上任何的人都非常的方便,无论是获取内容、获取视频,还是获取一个人的联系方式都非常方便。但是在物联网上面你想触达一个设备,或者你想触达别人的设备,这是几乎不可能的。所以你会发现物联网是处于一个非常割裂的状态,离我们想要实现的所谓的万物互联还差别非常远。

刚才我们总结了这样几个问题,是因为大家不重视物联网端只去发展连接的技术,就会导致整个物联网的生态看起来比较萧条,好像有很多网,但是上面没有用户,没有应用,没有流量,整个端上的技术体系还停留在非常传统和古老的嵌入式开发的水平,物联网在这种情况下就遇到了很大的发展瓶颈,总结来说大概有三个方面,一是上规模比较难,二是试错成本比较高,另一个就是应用创新也比较难。

“芯片+OS”如何破解物联网的发展困境——物端RISC-V AI芯片

怎么去破解物联网现在整个行业的发展困局呢?我们觉得也是要知往鉴今,就是想做现在这个事情就要看一看以前大家是怎么成功的。我们觉得如果要破解物联网的困局,需要把端侧(物端)计算机化。我们看一下PC和手机,这两个最成功的端侧计算机。首先,我们可以把未来的终端也做的像我们的电脑或手机一样,这就是我们所谓的就是把未来的大量的智能终端对它进行一个叫泛计算机化

所以泛计算机化,就是芯片加操作系统技术,让未来的这些智能设备都变得像我们的计算机一样

计算机,从技术角度来讲,我们觉得最主要有三个要素,第一个是芯片,第二个是操作系统,还有第三个是一个标准化。接下来,我将分别针对这三个要素进行展开。

在深入介绍之前,让我们一起回顾,功能手机发展到智能手机,在技术上是怎么样跨越的。现在物联网的时代,就跟我们当年的功能机时代,诺基亚和摩托罗拉手机的时代,非常像。功能机的芯片都是一种通讯类的芯片,你看现在所有IoT的设备,上面用的芯片基本上都是WiFi或者是蓝牙芯片,都是一种通讯类的芯片。操作系统方面,当年诺基亚手机的操作性就很差,因为完全是给手机定制,而不是开放的,是一种嵌入式的操作系统。功能机比如诺基亚手机上的软件,完全是厂家自己定制的,没有任何第三方能够给它扩展功能。但是到了智能手机时代就完全不一样了,智能手机首先加了应用处理器,就让手机从通讯设备,变成了计算设备;手机上还安装了智能操作系统,不管是iOS或者是安卓,都是非常开放的智能操作系统,它的好处就是让智能手机就不再像我们的功能机一样,可以让第三方给它去装应用,也就是说手机的功能它不再是由做手机的人来定了,而是由这些写软件的人来定义。

提炼出的这些特点,给我们怎么做万物互联有了很好的启示。所以我就刚才说有三个要素,第一个是要有芯片,比如说我们PC上有Intel的芯片,手机上是ARM的芯片,芯片的目的其实就是为了把端侧的设备变成一个计算设备,不再只是一个通讯设备,更要有算力有智能。这个就是我们泛在计算,也就是未来无处不在的计算存在的基础。

那么给这些智能终端做芯片,其实最主要解决的问题就是我们把它叫做“算力下沉”。算力下沉,意思就是说我们要用更低的功耗提供更高维度的处理能力。比如智能手机刚出来,它的处理能力还是不行的,但是随着发展,它现在处理能力其实跟我们的PC有的一拼,现在很多高清视频或者游戏你都不在电脑上玩了,你都可能到了手机上玩。所以它其实用更低的成本,然后做到了上一个维度的相似的能力。

那么我们觉得这个趋势一定还会往下延伸,就是我们要在更多的这种智能设备上把这个算力给它下沉,就是用更低的成本、更低的功耗能够达到类似我们像手机的这样一个处理能力,这个就叫下沉。

同时还要解决一个问题就是通用。芯片不能搞得太专用,如果涉及一些特别专用的芯片,它的量或者它的使用场景就会非常低,所以这个我们在做面向这些大量的智能终端设备的时候,芯片要解决的核心问题就是我们怎么用芯片设计或者体系结构的技术,能够让芯片同时提供通用性,同时又能够达到很好的性能和效率,提高性价比和性效比。所以在这里面我们做了很多的研究性的和探索性的工作。

这里我简单的给大家介绍一下,因为这里面设计的东西就相对比较技术和学术了,所以我就简单的过一过。以前我们设计PC和PC时代的CPU的时候,电脑上面用的芯片和手机上用的芯片,采用的方法我们叫提取共性,就是你给我一堆这些机器上要跑什么要应用,我给你抽象出来一些芯片上能够承载的这样一些模型。比如说我们叫ILP指令级并行,就是说我可以把这些workload给它拆成很多可以并行执行的指令,比如说叫局部性,可能它存储上访问过一块数据以后,过一段时间可能很快又会再访问它,有这种局部性的话,那么我在体系结构上可能会对应一些比如说像流水线支持指令级并行,cache这样的结构支持访存局部性,所以基本上是按照这样一个逻辑来做的,所以诞生了我们很多体系结构的一些技术,比如流水线超标了,cache分支预测等等都是类似的做法。

但这个做法也会带来一些问题:我们的结构越来越臃肿。因为你的通用处理就像一把瑞士军刀,你每加一个feature就好像在这个刀上加了一个东西,可能是加了一个拧螺丝的部件,加了一个夹东西的部件等等,东西塞的越来越多,里面上的东西就会越来越多,所以导致我们现在的处理器变得非常的复杂,带来的问题就是它的功耗就会特别高。

所以我们现在按照这种设计方法,CPU的效率或者说性能的升级和发展就遇到了很大的瓶颈。

针对于这个问题,那么这个技术界就进行了演进,我又不要提供这么大的一个通用的这样一个瑞士军刀,太复杂,不实用,因为我每次可能就是用一个特定的工具。所以就有两种演进路径:一种就是我们会做多核技术,我不提供一个那么大的工具箱,我就把它做得非常小,但是我提供多个这样的小工具箱,所以这就是所谓的用一个大象还是用一堆蚂蚁来解决芯片的可扩展性的问题。但是到了后来大概是在15年前后,多核和重核的可扩展性也出现了一些问题,因为它虽然多了,但是上面的通讯结构、就是上面的片上的互联,它的可扩展性也遇到了很大的麻烦。

所以另外一条路线我们叫定制化,定制化路线就开始大行其道,所以大家现在听到非常多热的这个词,比如DPU、GPU等等,其实都算是这种定制化的,它相当于是针对某一个特定的领域去定专用的体系结构、专用的芯片,它可以保证在某一些特定的应用场景下面具有非常高的,比通用处理器高10倍甚至100倍的效能。

我们做法其实就是把两者做结合,就是我们自己把它叫做以加速器为中心的这样一个体系结构,或者叫many accelerator,就是很多加速器。大概意思就是说以前你不是CPU,是一个瑞士军刀,太大太复杂,特别不便携,现在我把这些东西全部拆起来拆下来,拆成一个的小的工具箱,每个工具箱可能针对一个特定的任务去做一些这种加速的这样一个任务。

那么在我的芯片里面打开以后会看到有非常多的这样的小的工具箱,所以在执行任何一个任务的时候,你可能就拿出一个小的工具,然后就把它做掉了,然后这样的话就可以保证我用一个非常低的功耗,然后就可以在一些更多的这种应用场景里去实现。

那么它的通用性其实就是靠工具箱里的工具的多样性来满足,我要能做到尽量的你给我任何一个应用,我都能在这里面找到一个适合的小工具来解决这个问题,所以通过这个方式去满足它的通用性的问题。所以我们才走了这种以定制的方式,让未来更多的智能设备能够有非常高的能力、性能,但是同时它的功耗又不会急剧的上升,这是第一个。

第二就在芯片里面,我们采用了RISC-V的这套指令系统,那么我们做RISC-V其实也相对是比较早的,应该是国内最早的做RISC-V的团队之一了。因为我们之前在中科院在计算所,我们会做很多的CPU,包括体系结构的研究。我们一般都会使用开源的指令系统或者开源的CPU来进行研究。

很早以前我们用的是叫OpenRISC这样的体系结构,大概在2014、2015年的时候,RISC-V出现以后,我们觉得RISC-V可能更有号召力,更可能形成生态效应,所以当时我们又转去做RISC-V,基于它去做我们上面的CPU。我们觉得RISC-V存在于未来万物互联时代发展的可能性最主要的原因有:首先,这是免费的,这对于创业型的公司或者初创型的团队比较有好处。因为如果想做芯片上的创新,但是你发现你上来就得花几百万美元去买一个ARM的license的话,这个创新的门槛就被拉得非常高,但是RISC-V本身免费,你可以自由的去更改,从成本角度来讲,创新的门槛就被拉得非常低,这是第一个方面。

另外一个还有很重要的一方面,因为这个万物互联它最主要的问题是特别碎,需求特别多,这个解决方法其实就是需要开放,以开放应对多样性。因为比如说在PC时代对吧?主流就是X86,主要有英特尔和AMD两家做X86的,它就满足PC上或者笔记本电脑上的需求。

那么到了手机时代,提供芯片的巨头厂商可能更多一点,比如说高通三星去做ARM的芯片。但是到了万物互联时代有这么多样的需求,如果这个指令级还是只能被某几个公司来做的话,那么不管是从竞争性,还是它的需求满足性来讲,都会受到巨大的阻碍。

所以我们觉得一个开放的指令系统,对应碎片化生态的需求,我们觉得是更匹配的。这是我们在芯片里面采用了RISC-V这样一个指令系统的原因。

我们从2018年到2020年一共做了大概三代这样的“物端处理器”,这里面我们使用RISC-V做CPU,然后在里面用这种多加速器的结构去实现端侧高算力的需求,基本上就是这样一个演进的过程,这就是我们芯片这方面的主要工作。

总结起来说就是把算力能够下沉,把它做得更开放,然后有追求最极致的性价比和性效比,这就是芯片方面的工作。

“芯片+OS”如何破解物联网的发展困境——人机物空间操作系统

另外就是操作系统,如果给物端设备提供基础设施的话,除了芯片还是不够的。PC上面除了英特尔芯片,还需要有Windows;手机上除了ARM芯片,还需要有安卓或者iOS系统。所以对于端侧设备,它也需要一个操作系统扮演了很重要的承上启下的作用。

中科物栖技术赋能(Powered by Jeejio)的智能产品,和以前的智能产品最主要的不同是什么呢?其实就是手机中功能机跟智能机的区别:功能机上所有的软件都是手机厂商定的,但是智能机上的软件都是第三方来开发的,这就是它们最本质的不一样。

我们给智能终端提供的操作系统的核心理念,其实也是希望把我们的各种各样的智能终端的设备,体验也好,能力也好,变得像我们的手机一样:把它从一个封闭的功能设备,变成一个向第三方开放的这样一个智能设备。要达到的效果是,哪怕一个智能插座,第三方也能给它写APP。

那么然后咱们再说一说这个技术上有什么不一样。允许第三方写软件,那是不是在物端装个安卓系统就ok了,但实际上还不没那么简单。

个人电脑或者智能手机与我们未来大量的IoT设备不一样的地方在于,物端设备很多情况下没有很好的或者没有很强的交互设备。没有很强的交互设备意思是,比如说你要刚才比如说给大家看的水杯或者是一个玩具,或者是比如说安装在天花板上的一个摄像头,你如果想给它去装应用的话,它既没有键盘鼠标也没有触摸屏,怎么跟它交互呢?第二个方面就是很多设备可能根本就不在你跟前,它是远程。比如说,它放在你的家里或者放在甚至外太空,怎么去交互呢?

所以这里面核心的问题其实就是我们做的事情:原来的操作系统的内核跟它的交互是紧耦合在一起的,我们要把操作系统的人机交互跟它的内核解耦开

解耦开,其实就是我们把操作系统的内核变成像一个web服务器一样的东西。你在远程跟操作系统交互,就像访问一个边缘的web服务器;你在远程比如说点了一下或者是双击了一个图标,这个时候它其实通过一个web的方式给了我们操作系统内核发了一条指令,操作系统收到请求以后,就开始启动它的内核的那些代码,然后把它的逻辑给它启动起来。

所以我们做的这样一个系统本质上来讲其实是一种空间分布型的智能操作系统。windows和安卓可以理解为是一个本地的一体化的智能操作系统,而我们面向智能终端的设备,是一个空间分布型的这样一个智能操作系统。

总结来说,这个操作系统的目标其实就是希望软件能定义一切,把软件跟硬件给它解耦开,不要让做硬件的人去做软件,让专业做硬件的,让那些做互联网的人能够在这些硬件设备上去实现他们各种各样的这种想法和应用,这是操作系统部分。

“芯片+OS”如何破解物联网的发展困境——物端超微计算机

然后第三部分我们叫物端计算机或者叫标准化部分。刚才我们说物联网遇到一个很大的问题,就是碎片化问题的麻烦,就意味着没办法规模化。所以要想形成这种规模化,就必须首先标准化,物栖的超微物端计算机就是这样一个核心的产品。

它的概念其实不复杂,就是从我们这些做计算机系统的角度来讲,就是整个系统它大概就分成笼统的来讲可以分成4个部分:一个是计算/处理部分,比如说我们的CPU、 GPU、NPU,这就是处理部分;第二是它的存储部分,内存flash,因为所有的机器都是冯·诺依曼结构的,所以都得有存储 ;第三都得有通讯/连接,要么是WiFi,要么是4G或者5G;第四部分就是它的I/O,就是input/output输入输出,就是就各种各样,屏幕、摄像头、传感器、键盘和鼠标等。

你会发现碎片化其实碎片在他们的I/O部分,就是不同的设备,它的输入输出是不一样的,它跟物理世界打交道的接口不一样。所有计算机都得有计算、通讯、存储这三个部分,加起来可以认为是这些智能终端设备、这些万物的大脑,就所有的人、所有的设备都得有这些东西,只是大家的配置算力或者是带宽不一样,这个东西有的设备智能高一点,有的设备智能低一点。

我们做法就是把共性的部分标准化,中科物栖的物端超微计算机,把CPU、WIFI/蓝牙、内存/闪存集成到一个大概有SD卡大小的一个卡片的小机器上。那些不确定的I/O部分是怎么处理的呢?它背后有很多的PIN脚,可以插拔到一个卡片卡槽里头,然后带卡槽的扩展板就可以去控制各种各样的I/O。

我们会给这些各种各样的设备提供不同版本的超微计算机,有的可能大概是10-20元人民币的这样一个算力很小、内存很小、连接方式也比较简单的机器,有的可能给他提供一个10美金的能跑到安卓系统,大概一个GB内存, 8个GB闪存这样的情况,但是他们的外形都是长得一样的。这样你可以把这个东西理解成是一个标准的计算机单元。

所以任何设备哪怕它是一个插座或者一个摄像头或者任何一个设备,只要给我留一个标准的卡槽,那么我们把这个小机器插进去,就等于把一个智能终端的大脑塞到了一个智能设备里,然后去控制它的I/O和控制它的传感器,然后就要实现这些设备的智能化和联网化。

超微计算机能做到这么小,最主要还是依赖于芯片技术,所以我们自己做芯片,就能比较容易掌握芯片的小型化。在我们的芯片里面,我们用了一些比较先进的封装技术,然后把我们的芯片跟一些像内存的裸片,还有一些WiFi的裸片等等去做统一的封装。

不管是中科院计算所,还是我们中科物栖的团队,大家都是搞计算机的,一直在做计算机。我们其实就是希望把计算机做小,因为我们觉得尺寸变小了以后,量变会带来质变。

从我读书学计算机那天起,就看到过好多计算机。以前是在一个大房子里的计算机,整一个房间这么大,后来是桌面这么大小的计算机,然后到了现在大家都在用的、能放到口袋里头、手掌大小的计算机,我们是希望把计算机这种形态能够做到指甲盖这么大,然后它能够移植到各种各样的智能终端里,让我们身边的各种各样的设备都变得像我们的电脑一样,这就是超微计算机的这样一个技术的理念。

软件民主化带来智能物联网生态的繁荣

超微计算机另外还承载着一个就是我们觉得叫“大众创新”的平台的抓手。你会发现PC时代也好,智能手机时代也好,其实都是一个让别人给你干活的成功案例,需要让大众来去创新,你才能真正的找到那种“杀手级”的应用,那些“杀手级”的应用大部分都不是那些做平台的或者一般人想出来的。

比如说我们在PC时代,PC机刚发明的时候其实也没啥用处,大家都不知道上面干啥,但是直到有一天有一个爱好者,他觉得计算机好像不错,我还能写点应用,我给他写点啥,所以他就写了一个应用viscalc,也就是我们最早的Excel,现在用的电子表格的前身。电子表格这个东西出来以后,大家发现PC机还能做这个,所以一下子把PC机的销量就带得非常高。后来整个PC上面诞生了大量的第三方软件;到了手机时代更是不得了,手机时代因为有了应用市场,让应用的分发和获取变得非常的简单。以前使用PC的时候,还得买个软盘或者光盘,一直点“下一步”来安装,但是现在在手机上获取软件的路径特别短,所以它达到了一个叫软件的民主化,一个高中生都能在一个手机上去写APP,APP的门槛特别低。在苹果或者是安卓的应用市场里面有上千万的这样的小应用,虽然这些应用大部分我们可以说都是僵尸应用,没有什么用,但是因为有了这么大一个基数,它才诞生了很多“杀手级”的应用,比如说像早期的愤怒的小鸟,早期的切西瓜等等,这些东西全都是这些创新者做出来的。

我们觉得到了人机物互联网时代也是一样的,只要把门槛把创新的门槛降得足够低,大家都能够很容易实现他们的想法。只有这个基数大了,未来才能产生出不一样的或者是“杀手级”的设备或者是应用。我们的理念一直就是,没有什么特别取巧的经验,都是不断地试错,大家都不知道这个东西是不是对的,是不是能成,只有快速的试错。就像大家常说的叫Fail Early Learn Early,快速地知道这个事情行不行,然后就可以快速地迭代,所以怎么能够把试错的成本和门槛降低,这个也是我们不管是做超微计算机,还是上面的操作系统,它要达到的这样一个效果:把硬件创新变得像软件创新一样简单,把做硬件变得像做个软件一样简单,然后让IoT的从业者能够快速的去试验他们的想法。

只有这样,我觉得未来才能真正在万物互联时代产生一些“杀手级”的应用场景,而不是现在所有的大家看到觉得这些设备,不是不好玩,而是没有粘性。因为这些东西都是那些人拍脑袋想出来的,你有想法你实现不了,所以它还没有形成这样一个很好的生态平台。

总结一下我们中科院计算所和中科物栖大概就是做这些事情,有芯片有操作系统,然后放在一个很小的机器上,然后让各种各样的智能设备都能实现这种泛计算机化。

愿景:“人机物”三元深度融合

有了泛计算机化之后,我们也在思考这个问题就是说,假如说有那么一天,你身边的一个插座、一个台灯都变成了像电脑一样,那我们可以实现什么,或者是最终达到一个什么样的愿景或者效果,我们的想象空间在哪里?

我们觉得最终还是要实现万物互联。我们有另外一个非常疯狂的想法,就是假如说你的插座、台灯或者身边的摄像头,任何东西都能装应用了,你会装一个什么APP?当时我们在想,这个APP一定得是共性的,没有共性的话,就谈不上一个“都能装”。所以我们可能把微信装到插座上,微信也好,QQ也好,其实很好地解决了社交网络的问题。这种即时通讯的方式,它其实让人跟人之间的连接变得非常的方便,大家拉一个群,然后群里的人都互相认识了,所以人跟人之间的关系连接变得非常简单。但是你会发现刚才我说的那个问题,在万物互联时代就是现在这个情况下,设备跟设备之间没有任何连接,当前的物联网完全是一个弱连接状态,就是可能你有一个插座或者它有一个摄像头,就仅此而已,大家没有任何的关系。

所以我们中科物栖想做的或者中科院想要探究的是“人-机-物”深度融合。人与物深度融合是什么意思?就是我们是希望这些设备泛计算机以后,它可以跟人和跟互联网变成同一维度的东西。所以在“人-机-物”这样一个万物互联的网里面,人、设备或者叫物理空间的这些东西和互联网就变成一个扁平的、统一的大网。任意的人、设备跟设备,还有设备跟互联网服务都可以自由地联通,所以就是形成一个真正的这样一个“人-机-物”互联网。那么这个互联网其实就是把我们最后一块、没有拽入互联网的物理空间的东西,拽入到我们的互联网里来,然后跟人、跟互联网打通,就形成我们所谓的叫“人-机-物”深度融合的万物互联网。

通过这种方式,我们可以把人、设备以及跟互联网的服务去做非常紧密的耦合,所以这就是我们最终想实现的就是所谓的“万物互联”,我们把它叫做“人-机-物”三元深度融合,这也就是我们希望达到这样愿景。

因为其中还涉及到很多的技术细节,如果大家想进一步了解我们的话,可以到网上下载我们在计算所里写的文章,包括科研成果。另外也欢迎大家关注我们“中科物栖”的微信公众号,里面有很多有意思的事会随时与大家分享。

刚才大家看到的很多的智能产品,是中科物栖与消费类品牌合作的产品。“畅伴”是中科物栖技术赋能的一个新锐的消费品牌,它有很多的智能产品,有的是使用我们的芯片、操作系统,有的是使用我们的软件等等。大家如果有兴趣,也可以到天猫或者京东搜索这个品牌,尝试一下最新的技术大概是怎么样的玩法,也希望大家通过这些产品能够给我们多提一些建议,希望能收到大家更多的反馈。

中科物栖希望做到的是,在互联网、移动互联网之后,建立“人-机-物”互联网,把这些大量的智能设备计算机化、智能化,然后跟我们的互联网以及社交网能够形成深度融合。这就是中科物栖的技术理念。

关于「量子位·视点」

量子位发起的CEO/CTO系列分享活动,不定期邀请AI创业公司CEO或CTO,分享企业最新战略、最新技术、最新产品,与广大AI从业者、爱好者探讨人工智能的技术理论与产业实践。欢迎大家多多关注 ~

需要观看直播回放的小伙伴,请戳以下链接或“阅读原文”吧~
https://www.bilibili.com/video/BV1n3411V7EK

「人工智能」、「智能汽车」微信社群邀你加入!

欢迎关注人工智能、智能汽车的小伙伴们加入我们,与AI从业者交流、切磋,不错过最新行业发展&技术进展。

ps.加好友请务必备注您的姓名-公司-职位哦~


点这里👇关注我,记得标星哦~

一键三连「分享」、「点赞」和「在看」

科技前沿进展日日相见~


登录查看更多
0

相关内容

半导体是一类材料的总称,集成电路是用半导体材料制成的电路的大型集合,芯片是由不同种类型的集成电路或者单一类型集成电路形成的产品。
重磅!《2022智慧城市白皮书》发布
专知会员服务
121+阅读 · 2022年5月26日
【AI+康养】《2021中国智慧老龄 创新案例集》,78页pdf
专知会员服务
31+阅读 · 2022年4月6日
产业元宇宙白皮书(2021-2022)
专知会员服务
113+阅读 · 2022年2月18日
CMU陈天奇:新一代深度学习编译技术变革和展望
专知会员服务
32+阅读 · 2021年12月20日
专知会员服务
65+阅读 · 2021年8月28日
区块链+数字经济发展白皮书,45页pdf
专知会员服务
129+阅读 · 2021年4月25日
电信行业人工智能应用白皮书(2021),50页pdf
专知会员服务
77+阅读 · 2021年3月19日
专知会员服务
69+阅读 · 2021年3月12日
余晓晖:工业互联网与数字化转型的进展
THU数据派
0+阅读 · 2022年6月6日
中国电信总经理李正茂:算力时代三定律
THU数据派
0+阅读 · 2022年3月4日
郑纬民:AI 和 HPC 融合的高性能计算机体系结构
THU数据派
5+阅读 · 2021年11月22日
国家自然科学基金
0+阅读 · 2017年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
20+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年7月28日
Arxiv
56+阅读 · 2021年5月3日
Few-shot Learning: A Survey
Arxiv
362+阅读 · 2019年4月10日
Knowledge Representation Learning: A Quantitative Review
Arxiv
136+阅读 · 2018年10月8日
VIP会员
相关VIP内容
重磅!《2022智慧城市白皮书》发布
专知会员服务
121+阅读 · 2022年5月26日
【AI+康养】《2021中国智慧老龄 创新案例集》,78页pdf
专知会员服务
31+阅读 · 2022年4月6日
产业元宇宙白皮书(2021-2022)
专知会员服务
113+阅读 · 2022年2月18日
CMU陈天奇:新一代深度学习编译技术变革和展望
专知会员服务
32+阅读 · 2021年12月20日
专知会员服务
65+阅读 · 2021年8月28日
区块链+数字经济发展白皮书,45页pdf
专知会员服务
129+阅读 · 2021年4月25日
电信行业人工智能应用白皮书(2021),50页pdf
专知会员服务
77+阅读 · 2021年3月19日
专知会员服务
69+阅读 · 2021年3月12日
相关基金
国家自然科学基金
0+阅读 · 2017年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
20+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
相关论文
Arxiv
0+阅读 · 2022年7月28日
Arxiv
56+阅读 · 2021年5月3日
Few-shot Learning: A Survey
Arxiv
362+阅读 · 2019年4月10日
Knowledge Representation Learning: A Quantitative Review
Arxiv
136+阅读 · 2018年10月8日
Top
微信扫码咨询专知VIP会员