IBM：

IBM已经是一个超过百年的公司，在过去一百年来我们不停的创新，从芯片、服务器、存储、数据库、人工智能等到现在的神经元芯片、量子计算等等，可以说涵盖了IT的非常多的领域。。

以人工智能为例，IBM很早就在启动相关的研发工作。在1997年的时候，IBM研发的“深蓝”战胜了当时的国际象棋人类冠军卡斯帕罗夫，那也是人类冠军选手第一次被人类击败。

在IBM一百年的时候，即2011年，我们做了第二次人机大战，IBM的Watson超级计算机参与了电视节目《危险边缘》，并且战胜了两位人类选手，这台机器也开创了认知时代的平台。

现在的IBM Watson能够识别结构化数据、非结构化数据，能够理解自然语言和对话并从数据中获取更高的洞察，为人类提供前所未有的增强智能能力。

我们预估在未来几年，IT行业的发展，将会跟此前有一个很大的不同，很重要的一点就是认知能力将增强各行各业。

认知系统具备了人工智能、深度学习的能力，能够实现图象、语音、文本的识别，以及自然语言的识别的能力，能够与人类进行对话的能力等。

从支撑认知系统和人工智能的架构而言，我们认为基础架构会产生一个改变，原来传统的IT设备并不能很好解决未来语音、深度学习、自然语言交互等处理能力，因此我们认为未来的IT架构也会朝着异构化而发展。

认知时代的产生，实际上是认知能力，结合行业大数据，还有灵活的IT架构的三个维度产生一个影响，即融合重新。

我们可以看到认知时代的来临，与很多行业结合，产生一些了新的解决方案，解决了一些人类从前解决不了的问题，某些行业也得到了很多前所未有的发展，像自动驾驶、安保、个性化医疗等。

另外，从广播数据来说，也面临着挑战。现在的计算机处理广播数据的时候，往往是传统的方法，我们预估2020年在互联网上流动的数据超过一半是视频的数据。而今天我们看高清视频的数量还会提高，这使得传统的IT架构在处理这些非结构化数据的时候，有些无能为力。

比如说，现在的x86架构的CPU和GPU直接并不能直接通信，数据交换路径太长，那么业界就需要CPU与GPU有直接交流的IO加速能力,IBM与英伟达一起已经在以NV-Link以及CAPI的方式来进行解决。。

一般来说，我们将认知系统总结了四大特性（URLI）：

一是理解能力（Understand）；

二是推理的能力（Reasoning）；

三是学习能力（Learning）；

四是互动能力（Interactive）。

未来IT行业的发展，未来认知应用的发展，与现在的应用相比，会产生翻天覆地的改变，会有很多自然语言对话的能力。很可能的情况是，你甚至不知道跟你进行对话的客服，是人还是机器。

IBM也在不断的研发新的技术，在这里可以进行简单的介绍。

很多应用，需要做一些高性能计算及分析处理，那么就需要一个高性能计算机的平台。在最新一期的全球TOP500高性能计算机排名里面，已经有一大部分计算机开始进行深度学习有关的工作。

但是，高性能计算后续的发展由于现有芯片技术本身的局限性，导致它很难在CPU的频率上面继续提升。

因此，要解决未来高性能计算机继续增长，我们需要有一些新的领域的突破，包括一些新的技术的突破。。

IBM会参与跟美国政府建造两台超级计算机，未来两年内会提供高性能的计算机。同时，起码有三个国家宣布了E级（每秒可进行百亿亿次浮点计算能力／EFLOPS）性能的超级计算机规划，包括美国、中国、欧洲等。计划在2020年或以后，将会有1EFLOPS或1000PFLOPS的高性能计算机产生，与今天的机器相比，会有超过十倍到百倍的性能提升以及新类型的CPU和加速器的混合架构产生与新类型应用优化发展。

在计算机发展来讲，人工智能是未来发展的方向之一，IBM也不例外。我们也看得到，当有计算机的时候，我们一直在想，怎么样用计算机模拟人脑，IBM的院士（Dr. Dharmendra Modha），领衔发明了一款芯片，这颗芯片开创了大规模神经网络计算。

一个人脑的能耗有多少？才20瓦。现在已经有一些研究采用全球领先的高性能计算机模拟人脑思考过程，它却需要耗电是7.9百万瓦，模拟性能却比人脑慢1500倍以上。这充分说明人脑特别之处。第二，人脑左脑右脑不同功能，左脑是逻辑计算，右脑是认知等能力，为什么未来计算机不可能是混合的架构呢？

传统的逻辑计算能力加上认知能力的结合，IBM的院士就发明了一颗名为TrueNorth的芯片，模仿神经元和神经突触来进行运算，提供更有效和非常节能的系统。

看到这种需求，实际上市场里面也有反思，今天的计算机是否符合人脑架构？并不是，业界加快了很多神经元网络的构建。现在的传统方式，并不符合这种神经元网络构建的需求，我们需要更有效的一种直通的方式。所以，IBM与业界的一些企业成立了一个OpenCAPI联盟，来研发未来I/O加速的能力；IBM支持英伟达NVLINK新一代高速互联技术，以应对更多很复杂的计算。包括最近谷歌的AlphaGo，这也是一种新的TPU异构平台，应对专用的处理目标进行加速。

整体而言，对未来的认知平台需求，业界需要有一个更新的异构平台来有效支援加速或新的算法。

新的算法：

在认知时代的应用，结合大数据产生和神经元网络的产生，AI的能力能够进一步提高。

61年前已经有AI的研究了。同时后来发展到机器学习，即透过数据和统计学分析，自适应的编程方式，可以做到自我学习的过程。

随着大数据的产生，包括大量非结构化数据的产生，如：语音、视频、图像等数据；结合新类型神经网络模型算法，发展深度学习能力。所谓深度学习和机器学习最大不一样的特点，在于它的深度，透过多层神经网络进行的深度自我的学习，透过每一层抓取图象、语音特征，能做到识别技术。

今天世界比较厉害的人脸识别技术，能用上上千层神经网络进行识别，但是从发展的角度来说，也不见得越深层越好。越深层越需要大数据，并不见得都有这么多的数据。

从深度学习来说，一般会透过两个主要的部分组成，第一部分是学习的阶段，数据经过清洗整理后，通过深度神经网络模型，把图象识别抓取特征，透过学习出来的结果，进入第二部分推理阶段，可以实现如人脸识别技术，分别出我是我，他人是他人；深度学习发展出了深度，另外一个维度是快，迅速识别，第三个维度则是省电节能。

IBM在我们平台上面做了一些识别的功能，看一些视频时时可以抓取某一个特定的艺人进行识别，其他人则标注为“others”。这个标准的过程，就是机器经过深度学习的过程后、推理的出来的结果。在医疗领域，我们可以透过图象识别技术，把原来很烦琐的图片识别流程，透过深度学习让机器帮助人类识别，然后再由医生根据机器筛选出来的结果，做最终判断。

IBM近年收购了一些医疗方案企业，解决人类原来解决不了的难题。这好比IBM的计算机系统，在1969年帮助了阿波罗登月，那是人类前所未有的壮举。今天的癌症也是未来人类需要解决的一个事情。

为了解决这些问题，IBM提供了很好的Power Systems认知平台，除了在云端提供平台之外，我们帮助客户在企业内建立认知系统。从芯片的层面，我们采用最快的IBM Power 处理器芯片，从GPU来讲，我们采用最新的NVLINK技术及最高密度的封装。在软件平台上面我们提供免费的PowerAI人工智能框架，把一些业界主流的人工智能框架，都打包以及优化好在Power Systems平台上面，让开发者免费开发各种人工智能、深度学习等应用，IBM在这个平台之上加快了自我开发应用的速度。

IBM是一家已经延续了106年的企业，这么多年来也是不停的创新研究。几周前，IBM对外发布了IBM与合作伙伴，已经在建造5纳米晶体管技术方面取得了重大突破。另外，今年三月份IBM对外提供了5个量子位计算机体验版，大家可以在网上进行开发学习。几周前，IBM宣布已经研发出16个量子位的机器，未来计划发展到50个量子位的机器，量子计算将会给现在的很多行业带来翻天覆的变化。

IBM首席技术官，负责IBM大中华地区服务器、存储、系统软件产品售前技术支持和系统解决方案。李先生曾领导多个IBM技术部门，包括大中华区Power服务器技术支持部门、中国区系统与科技事业部行业技术支持部门、IBM大中华区高级技术支持和客户中心经理等职务。李先生分别于2000年和2006年取得IBM的专业认证IT顾问及高级认证IT顾问,并于2014年成为首位大中华地区系统硬件部IBM杰出工程。