智能技术趋势
深度学习更趋向于透明、可解释和因果性。
Perception Level: Speech Recognition, Face Recognition and Object Recognition.
Cognitive Level: Natrue Language, Machine Translation, Video Semantics and Knowledge Understanding.
Challenges: Privacy Security, Data Protection & Soverelgnty, Ethics and Governance and Jobs.
传统计算和通讯范式的三个原理：香农原理、冯诺依曼架构和摩尔定律。
新计算体系和通讯架构：
- 新sensors：camera, Lidar, ultrasound, radar, microphone array, optical…
- 新dataflow model, 新计算和算法：high bandwidth hierarchical memory, Massive data parallelism, Differential and gradient optimization, Linear algebra accelerator and Boolean function.
- 新架构和芯片：CPU/GPU/FPGA/ASIC
- 新架构：5G和边缘智能
5G云平台，智能物联网，与边缘计算
5G的主要提升：
- Space (base stations): imporved from single data stream to hundreds of MIMO antennas
- Time (connection latency): reduced from 170ms to 10ms or even 1ms possible
- Frequency (digital control) increases from MHz in 3G to GHz in 4G and even THz in 5G
- Overall, data rate increases from 2 Mbps to 100 Mbps to 20 Gbps or even 100 Gbps possible from 3G to 5g
5G要提供一下virtual network，左边连接的是IoT，右边连接的是应用。这样使得IoT和应用不必一对一连接。
接着黄恺教授介绍了CHUK-SZ的云平台，最底层是IoT sensors，往上是edge servers，再往上通过管理平台连接云，分别有存储池、大数据池和AI计算池。
中间详细介绍了其中的特点和资源等。
边缘AI计算和通信的一些场景：
- 自动驾驶汽车：低延时、高移动性；
- ICU患者监测：延时敏感；
- 监测摄像头：匿名数据；
- 智能家居：异构设备和数据感知。
多样性计算
多业务场景和数据暴增，推动算力供给越来越多样化。
- 多种业务场景，差异化业务需求，需要多样算力选择。例如云游戏，游戏运行需要CPU，图像渲染需要GPU；气象预报场景：云图分析需要CPU，数值计算需要GPU。
- 非结构化数据高速增长，驱动多样性计算发展。
高并发、低时延业务需求，推动应用加速走向分布式。
三个协同创新：
- 计算、存储与网络的协同创新。
- 通用计算与AI计算的协同创新。
- 软件与硬件的协同创新。
云边协同：
| Edge Devices | Edge Computing | Cloud & Data Center | |
|---|---|---|---|
| AI | 执行操作 | 推理与异常数据收集 | 大规模学习产生算法 |
| 大数据 | 执行操作 | 网关预处理与加载 | 大数据整体分析 |
| AI | 执行操作 | IOT个体分析与数据过滤 | IOT整体分析 |
5G边缘计算应用场景：智能制造、智能港口、智能安防、智能交通、智能医疗、智能教育、云游戏、云视频。
目前大家还是更关注边缘智能：即如何在边缘端执行一些智能AI计算，场景也很多。联邦学习也是一个关注热点。