AI 一周热闻：地平线获 6 亿美元融资；小米最大规模组织架构调整

• 华为发布 5G 折叠屏手机，定价 17500 元

• 谷歌提出元奖励学习，提高稀疏和不确定奖励泛化能力

• 微软发布混合现实设备 HoloLens 2 与 AI 开发工具 Azure Kinect

• 杭州国芯获国投创合和创新工场 1.5 亿元融资

• 百度 Q4 营收 272 亿元，AI 功不可没

• 架构搜索方法 LEAF 提高演进网络性能，减小网络复杂性

• 商汤在 1.5 分钟内训练 ImageNet，推进 AI 工业化进程

地平线获 30 亿美元 B 轮融资，成全球估值最高 AI 芯片独角兽

今天，AI 芯片创业公司地平线宣布获得 6 亿美元 B 轮投资，创造 AI 芯片创业公司融资最高纪录。本轮融资由 SK 中国、SKHynix 以及数家中国一线汽车集团 (与旗下基金) 联合领投。至此，估值达 30 亿美金，成为全球估值最高的 AI 芯片独角兽，是国内唯一拿到英特尔和海力士两家芯片巨头投资的 AI 创业公司。

地平线创始人兼 CEO 余凯表示，地平线未来的目标是成为“边缘计算领域的英特尔”，而主战场，将是智能驾驶和 AIoT。

小米最大规模组织架构调整：崔宝秋任副总裁，人工智能与云平台部一分为三

2 月 26 日晚间消息，小米集团组织部下发正式文件，宣布了最新一轮组织架构调整：

• 任命崔宝秋为集团副总裁、集团技术委员会主席；

• 在核心管理岗位上共任命 14 名总经理、副总经理；

• 原人工智能与云平台部拆分为人工智能部、大数据部与云平台部三个部门，直接向 CEO 汇报。

• 新成立互联网五部，负责海外基础应用的本地化，浏览器，信息流业务以及海外互联网商业化

• 新成立互联网商业部，负责国内互联网业务商业化规划以及目标达成。

这也是继去年 9 月成立集团组织部、参谋部以来的第 4 次架构调整，也是小米规模最大的一次组织架构调整。

雷军在内部会议上指出，要继续强化技术立业，技术事关小米生死存亡，是小米持续发展最重要的动力和引擎。在本次调整中，小米的技术委员会升格，更具体系化、更有组织保障。其中，大数据委员会、隐私委员会等被赋予了更大的权力。

华为发布 5G 折叠屏手机，定价 17500 元

2 月 24 日，华为在西班牙巴塞罗那举办的 2019 世界移动通信大会（MWC）上，正式发布其首款 5G 折叠屏手机——HUAWEI Mate X，售价为 2299 欧元（约合人民币 17500 元）。

华为方面介绍称，HUAWEI Mate X 创新采用鹰翼式折叠设计，实现一体化的折叠形态，搭载业界首款 7nm 工艺的多模 5G 终端芯片 Balong 5000，单芯片支持实现 2G、3G、4G 和 5G 多种网络制式；下载速率先实现 5G 峰值下载速率，在 Sub-6GHz 频段实现 4.6Gbps（理论值）；全球率先同步支持 SA 和 NSA 组网方式，当运营商切换到 SA 组网时无需换机。

折叠屏手机已成为主流手机厂商产品的潮流， 在华为之前，三星已在美国抢发了折叠屏手机 Galaxy Fold，售价 13000 元。此外，小米、OPPO 也分别放出过折叠屏手机展示视频。

谷歌提出元奖励学习，提高稀疏和不确定奖励泛化能力

由于强化学习并不擅长向具有稀疏和未指定奖励的环境中拓展，智能体可能会收到“利用环境中的虚假模式”的正反馈，从而阻碍系统学习和训练。为此，谷歌提出了使用开发元奖励学习（MeRL）来解决未指定奖励的问题，通过优化辅助奖励函数向智能体提供更精确的反馈。

MeRL 与使用“新探索策略收集到成功轨迹”的记忆缓冲区相结合，从而通过稀疏奖励学习。

结果显示，谷歌所提出的方法在 WikiTableQuestions 和 WikiSQL 基准测试中实现了最先进的结果，分别将先前的工作性能提升了 1.2％和 2.4％。在没有任何人为监督的情况下，这项研究向奖励函数建模方向迈出了一小步。

微软发布混合现实设备 HoloLens 2 与 AI 开发工具 Azure Kinect

2 月 25 日，微软发布混合现实设备 HoloLens 2，售价 2.4 万人民币。与第一代 HoloLens 相比，HoloLens 2 采用了高通骁龙 850 芯片，并且还专门使用了 AI 相关处理器；新增眼球可以感知的全息细节数量，每度视力可达 47 像素，在 HoloLens 1 的视野基础上增加超过一倍；同时，二代产品强化了手部追踪，会主动计算用户手部大小，操作更精确，性能更强，不再必须学习特定的手势动作。此外，二代支持 AI 语音交互，在语音识别和语义理解方面专门进行优化，通过语音交互，就能实现文件发送、跟随等功能。

当天，微软还发布了一款 AI 开发工具 Azure Kinect，配备为计算机视觉和语音模型设计的 AI 传感器，售价 399 美元，中国和美国是首发国家。Azure Kinect 结合了 100 万像素（1024 x 1024 像素）深度传感器，配备 1200 万像素高深度相机和空间 7 麦克风阵列，所有这些都在一个 5 英寸长，1.5 英寸厚，总功耗不到 950mw 的小设备中。传感器本身可以单独使用，也可以与其他 Azure Kinect 传感器配对使用。

杭州国芯获国投创合和创新工场 1.5 亿元融资

2 月 25 日，杭州国芯科技宣布完成 1.5 亿元 B 轮融资，国投创合国家新兴产业创业投资引导基金领投，创新工场跟投。

国芯成立于 2001 年，是各种智能设备的芯片供应商，其自研神经网络处理器 gxNPU，针对性打造多核异构的 AI+IoT 芯片，并于 2017 年发布业内首颗物联网 AI 芯片 GX8010，及其衍生型号 GX8008。

百度 Q4 营收 272 亿元，AI 功不可没

2 月 22 日，百度公布了 2018 年第四季度及全年未经审计的财务报告。数据显示，本季度百度营收 272 亿元人民币（约合 39.6 亿美元），四季度调整后，每 ADS 盈利 1.92 美元。其中，本季度净利润 21 亿元（约合 3.03 亿美元）。2018 年，百度年度总营收为 1,023 亿人民币（约合 148.8 亿美元）。

Q4 财报中，百度反复提及人工智能。百度表示，本季度，百度 Apollo 在全球实现自动驾驶商业化创收上成果颇丰，在推动全行业实现技术攻坚中优势明显。

目前来看，百度 AI 的成绩主要表现在技术进步、用户获取和占领市场方面，在人工智能商业化爆发前夜，这是人工智能选手们的主要谋略和布局方式。

架构搜索方法 LEAF 提高演进网络性能，减小网络复杂性

Cognizant Technology Solutions 的研究人员利用 NEAT 和 HyperNEAT 方法的发明者 Risto Miikkulainen 撰写的一篇论文，开发了自己的架构搜索方法——LEAF（学习进化 AI 框架）。

该技术使用一种称为 CoDeepNEAT（NEAT 的扩展）的算法来演化架构和超参数。作者写道：“多目标 CoDeepNEAT 可用于最大化性能并同时最小化演化网络的复杂性。”它还有一些中间件软件，可在 Amazon AWS，Microsoft Azure 或 Google Cloud 工作。

结果：作者在两个任务上测试了此方法：对维基百科关于“毒性”的评论进行分类，并学习分析胸部 X 射线以进行多任务图像分类。对于维基百科，他们发现 LEAF 发现的架构数量超过 Kaggle 最高分数的方法，但代价是“9000 小时的 CPU 时间”。在胸部 X 射线分类任务下，LEAF 的表现可与现有一些技术匹敌。

重要性：LEAF 这样的系统显示了计算支出与训练模型的最终表现之间的关系，并表明一些人工智能开发人员可以考虑少放些精力和资源在研究上，而应该对计算和研究时间多些投入，让机器代替人力做网络设计和微调任务。

阅读更多：深度学习演进神经自动化。

商汤在 1.5 分钟内训练 ImageNet，推进 AI 工业化进程

我们如何衡量人工智能基础设施的进展？其中一种方法是在广泛采用的 baseline 测试中完成训练各种类型模型的时间减少。现在，中国计算机视觉公司商汤和南洋理工大学的研究人员在已有工作基础之上，展示了如何使用各种分布式系统软件技术来减少训练 ImageNet 网络所需的时间。

他们可以通过改变网络设置来减少训练此类网络所需的时间，并通过在其 NVIDIA V100 卡上启用定制的“Tensor Core”来实现最佳性能。

数字：

1.5 分钟：在 512 个 GPU 上使用“AlexNet”完成 ImageNet 的 95-epoch 训练所需的时间，超过了当前最先进的系统。

7.3 分钟：使用 50 层残余网络训练 95-epoch ImageNet 训练所需时间，这个成绩略低于最先进的技术。

细微但值得注意的细节：此方法假设为一个同构计算集群，因此所有计算机上的底层 GPU 和网络带宽相同。

重要性：这样的度量标准让我们了解了人工智能基础设施的成熟程度，并强调了此类投入可减少实验时间，并对市场竞争结构产生影响。

阅读更多：优化 GPU 群集上的分布式 DNN 训练的网络性能：1.5分钟内完成ImageNet / AlexNet训练。

作者 Jack Clark 有话对 AI 前线读者说：我们对中国的无人机研究非常感兴趣，如果你想要在我们的周报里看到更多有趣的内容，请发送邮件至：jack@jack-clark.net。

参考链接：

https://jack-clark.net/2019/02/25/import-ai-135-evolving-neural-networks-with-leaf-training-imagenet-in-1-5-minutes-and-the-era-of-bio-synthetic-headlines/