7月3日，2020 年 AI開發者萬人大會（AI ProCon 2020）隆重舉行，作爲CSDN策劃並主辦的系列技術「開發者大會」之一，本次大會通過線上直播的方式，吸引到了10000+開發者/學習者、100+一線大廠AI技術領袖及核心業務線負責人蔘與，共話AI技術風雲。
爲了讓開發者一站式學習和了解當下AI的前沿技術、AI在產業中的發展、AI技術成長之路，以及企業技術實踐經驗，本次大會設置了6大主題論壇，20大精彩主題，AI技術、生態、行業、應用、職業規劃、投融資等話題全覆蓋。
同時，還開展了AI系列大師課、百萬人學AI評選、雲展廳、開發者與AI大調查、創業者訓練營等一系列線上活動。
大會首日，主會場和7個分會場同時進行，包括：AI學習與進階實踐、AI創業與投資、計算機視覺技術與實踐、語音語義技術實踐與應用、大數據+AI中臺、智慧教育、AI行業新趨勢。來自中國科學院、阿里巴巴、華爲、騰訊、清華大學、小米、TensorFlow、滴滴、微軟等一線大廠的技術專家，帶來了多場精彩分享。
下面我們就來一起回顧下大會首日，技術大咖們都帶來了哪些精彩乾貨吧！
主會場：人工智能過去與未來
中國科學院院士 張鈸：《人工智能的發展現狀與人才培養》
作爲主會的第一位演講嘉賓，中國科學院院士張鈸發表了主題爲《人工智能的發展現狀與人才培養》的演講。演講中，他對人工智能經歷的兩種發展範式，即符號主義和連接主義，以及將知識、數據、算法、算力相結合的「第三代人工智能」，進行了全面的探討。
他認爲，以符號主義爲代表的「第一代人工智能」，是基於知識與經驗的符號推理模型，它適用於強調推理、決策、規劃等場景，例如下棋等。它的優勢在於可以較好地模仿人類的理性智能，且具備可解釋性，以及與人類一致的顯式推理；它克服了基於數據驅動機器學方法的缺陷，如需要大量數據等。但侷限性也十分明顯，總結起來就是：不能「隨機應變」。只能解決完全信息和結構化環境下的確定性問題等。
第二代人工智能，是以深度學習爲代表的，它極大地推動了AI的應用落地。並且通過將數據、算力與算法相結合，使AI技術能夠解決一些實際的問題。但它的侷限性也十分明顯，即不能「舉一反三」。推測數據一旦超出了訓練數據的範圍，就無法正確判斷。此外，雖然深度學習推進了一些行業應用場景的落地，如交通、醫療、安保、智慧城市、金融等，但由於技術本身的侷限性，仍然離大規模應用有一定的距離。
因此，張鈸院士提出了「第三代人工智能」的構想，在前兩代知識/數據+算法+算力的基礎上，將知識驅動和數據驅動相結合，旨在構建安全、可信、可靠和可擴展的人工智能技術，並推動人工智能的創新應用落地。
最後，談及未來人工智能行業對人才的需求，張鈸院士認爲人才培養應重視以下4個方向：
- 敢於闖無人區；
- 具備提出（發現）問題與解決問題的能力；
- 理論與實際，技術與創業結合；
- 資本、市場與技術的結合。
阿里巴巴副總裁、達摩院語言實驗室首席科學家、ACM傑出科學家 司羅：《爲商業搭建語言橋樑》
自然語言處理是人工智能從計算智能到感知智能、認知智能、創造智能演進的必要技術。它是將語言學、心理學、計算機科學、數學、統計學融於一體的學科。作爲自然語言處理方面的技術專家，司羅首先談到了自然語言處理的發展趨勢，他認爲未來自然語言處理會向着以下三個方向發展：
1. 深度語言模型突破式發展，引領重要自然語言技術取得進展；
2. 公有云NLP技術服務從通用功能走向定製化；
3. 自然語言技術逐步與行業/場景相結合，產生出更大的價值。
阿里巴巴在自然語言處理方面有很多探索，從數據到基礎算法，到細分技術均有涉及，其自然語言技術平臺架構，如下所示：
司羅以文本抽取功能爲例，介紹了NLP自學習平臺在實際場景中的應用。通過文本抽取，合同、簡歷中的重要信息可以被快速抽取出來，節省審覈人員的時間。同時文本分類還可對文本信息中涉黃、暴力、敏感、辱罵等言辭進行區分。
此外，在電商翻譯業務場景中，通過阿里翻譯技術平臺，可以實現跨境電商平臺從頁面到引流到檢索，直至交易完成全過程的翻譯。甚至當用戶用俄文檢索商品名稱時，對應以英文標註的商品也會被檢索到。
通過這些應用，自然語言處理可以打通場景——數據/知識——NLP應用技術——更豐富的場景全閉環。
清華大學計算機系教授 唐傑：《人工智能的下一個十年》
唐傑教授同樣先回顧了AI的發展歷程，並認爲我們正處在從感知到認知的過程中。要實現張鈸院士提出的「第三代人工智能」，算法是核心，計算和數據是基礎。
在算法方面，我們目前主要是通過算法實現人工智能，而未來工程學方法和模擬法，可以提升算法的性能。主要原理包括模仿人類或其他生物所用的方法，例如遺傳算法或神經網絡。
在計算能力方面，我們目前主要是通過GPU來並行計算神經網絡，而未來隨着量子計算和速度更快的芯片的誕生，計算能力將指數倍提升。
在知識方面，現在的知識數據來自於互聯網，往往較爲碎片化，而未來則可以實現全世界常識的知識圖譜。
在人工智能的長遠發展方面，唐傑教授認爲未來十年的目標是實現認知與推理，這一步需要基於海量數據、知識庫來實現；而未來30年，則有望看到計算機具有自我意識，基於認知推和記憶，讓機器與人更爲接近。
華爲雲EI創新孵化Lab主任 塗丹丹：《華爲雲EI智能化升級新引擎》
本分享中，塗丹丹首先對AI作爲一種新的通用技術，對各個行業的改變給予了肯定。無論是公共、教育、健康、媒體，還是製藥、物流、金融、保險都在AI技術的影響範圍內。如果將通用目的技術（GPT）的發展劃分爲4個階段：技術與應用局部探索、技術發展與社會環境互相碰撞、技術發展與社會環境互相促進、穩定發展，那麼我們正處於第二階段。在這一階段中，興奮、衝動、焦慮、困惑並行，如何抓住這波浪潮，成爲了企業決勝的關鍵。
爲了助力企業AI技術落地，華爲雲EI融合行業智慧打造行業智能化升級引擎。從基礎平臺服務（ModelArts、MindSpore、Ascend、Kunpeng），到通用API（語音識別、語音合成、圖像識別、自然語言處理等）、高級API（任務型對話機器人、圖像搜索、視頻內容審覈等）、預集成解決方案全覆蓋。
以ModelArts爲例，作爲一站式的AI開發平臺，ModelArts爲應用開發者、數據科學家、AI開發者提供數據處理、模型訓練、模型管理、部署、AI市場全服務，即使沒有開發基礎也能夠快速上手。例如在模型訓練中，用戶只要上傳並標註數據，系統即可自動完成模型訓練。用戶還可以在AI市場上對模型進行交易，實現知識變現。
此外，Modelarts平臺還推出彈性訓練特性，典型網絡訓練時間從2小時縮短到10分鐘，訓練速度大幅提升。同時，AI開發者實戰營活動，可以幫助更多的開發者快速掌握AI開發技能。
在行業應用方面，塗丹丹提到AI助力行業升級的三種場景包括：
- 效率提升（海量重複場景）；
- 專業傳承（專家經驗場景）；
- 突破極限（多域協同場景）。
圍繞這三種場景，華爲EI也有很多實際的探索，包括EIHealth醫療行業企業級AI研發平臺、智能工業、智慧園區等。
TensorFlow中國研發負責人 李雙峯：《TensorFlow的最新進展》
TensorFlow是AI開發中常用的框架之一，本演講中李雙峯向我們介紹了TensorFlow的一些最新進展，以及TensorFlow 2的一些新亮點。目前，TensorFlow的下載量已經超過100,000,000，提交次數89,000+，代碼改動請求14,600+，貢獻者2600+。TensorFlow的生態發展也是沿着研究—生產力—全場景部署的路線推進。
TensorFlow 2的目標是「讓機器學習更簡單」，在易用性上做了很多的嘗試，它的架構如下所示：
TensorFlow 2的架構分爲「訓練」和「部署」兩個部分，訓練部分包括了數據設計、模型設計、訓練及分析等功能；部署則主要涵蓋服務器、移動操作系統、雲端等主要部署平臺。
爲了提升易用性，TensorFlow 2採用了tf.keras高階API，只需要十行代碼就可以構建一個CNN網絡。此外TensorFlow 2還支持多平臺部署，包括服務器、移動和嵌入式設備、瀏覽器及Node.js。
大咖來了：《開源重新定義AI應用開發者新時代！》
本次大會還將由CSDN重磅打造的高端對話欄目「大咖來了」搬上了直播「舞臺」，CSDN 創始人&董事長、極客幫創投創始合夥人蔣濤；小米集團副總裁、集團技術委員會主席崔寶秋；地平線創始人& CEO餘凱；百度深度學習技術平臺部高級總監馬豔軍，共同探討開源技術如何賦能百萬AI應用開發者以及未來AI應用落地方向與趨勢。
蔣濤分享的《中國AI應用開發者報告》顯示，在CSDN 3100萬的註冊開發者中，689萬開發者有閱讀、撰寫與研究AI技術的行爲。其中，精準聚焦AI學習及應用的開發者人數達到了182萬，AI發展進入高熱期。
此外，崔寶秋分享了深度學習平臺小米 Cloud-ML，和移動端深度學習框架MACE、移動端神經網絡框架基準測試項目Mobile AI Bench等AI開源優秀案例。餘凱分享了地平線最新“天工開物”AI開發者平臺，利用地平線新一代AI開發板可完成有趣的AI 可編程智能小車、AI 體感遊戲機等開發應用案例。馬豔軍分享開源的百度深度學習框架飛槳PaddlePaddle，含開源146個算法和全流程開發套件等內容。
除主會之外，今天的議程中7大分論壇也同步舉行，下面我們就來一起看一下分論壇上，各位專家的精彩分享吧~
AI學習與實踐進階
華爲雲ModelArts開發總監 周明耀：
各種角色如何轉型搞AI：
中國電信股份有限公司北京研究院資深產品專家 高飛：
1.無行業，不智能；
2.行業價值是AI實現的本質意義；
3.只有不停的思考算法與業務的關係，才能真正明白算法的意義。
微軟亞洲研究院高級研究開發工程師 宋馳：
使用AutoML不僅能找到好模型，還能幫助初學者快速積累AI經驗。同時，AutoML也能用於經典的系統調優等問題。
滴滴出行專家工程師 趙永科：
調參工作就是這麼樸實無華且枯燥。
AI創業與投資
南京清湛人工智能研究院創投基金創始合夥人 柯羅馬：
隨着算力的強化，算法的進化，並與大數據的融合，弱AI進入到了場景應用爆發的後時代。在這個智能感知的後AI時代，製造業、醫療和自動駕駛等場景的AI應用是非常值得期待的投資機會。
德風科技董事長兼CEO 王清傑：
讓設備更智能，數據更可靠，讓數據賦能企業。
計算機視覺技術與實踐
便利蜂副總裁，人工智能研究院院長兼首席科學家 華剛：
計算機視覺是物理世界信息數字化的關鍵技術，能夠完美地驅動實體經濟的數字化決策，並最終提高其運營效率。
雲從科技資深算法專家 劉玉明：
實驗室的新算法成果提供了一些解決問題的新思路，但要想在實際業務中發揮作用，還需要結合技術的適用條件、業務需要的準確率指標、對效率的要求等做出相應的取捨或適配。所以工程師們不僅需要廣泛涉獵算法技術，還需要具備在業務中落地的能力。
華爲海思技術專家 杜鵬：
當今深度神經網絡正在飛速發展，對芯片算力的需求也與日俱增，華爲昇騰系列AI處理器芯片可以對整型數或浮點數提供強大高效的乘加計算力。昇騰AI處理器芯片大致可以劃分爲主控處理器、AI計算引擎、多層級片上緩存、視頻圖像處理模塊等。由於昇騰AI處理器對深度神經網絡進行了特殊優化，使之能以極高的效率完成目前主流深度神經網絡計算。
思謀科技聯合創始人、技術負責人 劉樞：
新一代AI技術，正引領智能製造由數字化、網絡化向智能化發展。標準高、要求嚴的工業場景紛繁複雜，面對這些“無人區”和“深水區”，我們技術人員既需要“低頭走路”，讓前沿的創新技術實現落地；也需要“擡頭看天”，把別人眼中的不可能變爲可能。
曠視美業雲算法研究負責人 孫宇超：
作爲一家領先的人工智能產品和解決方案公司，曠視把AI的技術優勢通過FaceStyle提供給追求高質量營銷轉化的美業公司和美妝品牌。用更真實的試妝體驗，幫助用戶更好地進行購買決策，用AI發現自己的美。
語音語義技術實踐與應用
VIPKID AI平臺部NLP算法專家 李理：
BERT等預訓練模型不停刷新許多NLP任務的排行榜，最近的GPT3更是用1750億參數刷新了我們的世界觀。這些模型可以幫助我們更好的解決實際問題，但是這種暴力美學的方式能真正實現人類一樣的語言理解能力嗎？或許我們可以從孩子的語言學習過程中獲得一點啓發。
騰訊雲高級工程師 紀友升：
AI很火，在大家討論各種深度學習算法的同時，我們也希望將騰訊多年積累的AI能力通過騰訊雲開放給廣大開發者與企業客戶，助力行業智能化升級，讓AI真正落地應用在日常生活中！
京東智聯雲自然語言處理架構師 陳蒙：
傳統客服向智能客服升級轉型是大勢所趨，“新基建”是最佳契機智能客服的下一個大市場：智能營銷最高效的產品形態是人機融合，而不是完全取代具備複雜對話能力的語音外呼機器人大有可爲。
滴滴AI Labs研究員 韓堃：
在滴滴，NLP和語音技術有重要的應用：通過智能客服系統來輔助人工客服，通過語音識別和自然語言理解技術來研發駕駛員語音助手，讓日本、澳洲等地的滴滴司機通過語音“免接觸”接單。
字節跳動火山引擎語音合成技術負責人 殷翔：
讓AI表達類似真人的情感，是所有從事人工智能行業研究的同學的夢想。而音樂是寄予人類情感最爲豐富的載體之一，希望有一天AI虛擬歌手能夠讓用戶感動、融入和瘋狂。
大數據+AI中臺
360金融首席科學家 張家興：
數據產生AI，AI幫助數據創造價值，把數據和AI融合在一起的中臺纔是有價值的中臺。數據AI融合中臺，以平臺爲基礎，打通各業務數據，協調各種團隊提供AI能力，賦能業務。平臺、數據、團隊這是中臺的特徵，缺一不可。
易觀CTO 郭煒：
AI分析時最費力的不是算法調整，而是數據探索和數據準備，以及從海量數據當中不通過ETL批量作業而是實時完成數據探索，讓算法人員也由過去“天天跑腳本”做數據探索，變成自建內部數據中臺，建立實時自定義查詢引擎，按照自己業務口徑查詢自己所要的分析數據。
ThoughtWorks數據智能總經理 史凱：
2025年以後，企業數智化轉型將從持續交付業務流程到持續交付智能場景，企業將進入持續智能時代。
深度賦智創始人、CEO 吳承霖：
雲計算將讓算力無處不在，自監督將讓標註減少百倍。在此之上，全自動機器學習結合AI中臺，將讓AI大規模普及。
Qunar數據中心數據架構團隊負責人 張傑：
實時數倉模型如何設計？我們結合了離線數倉的建模經驗，首先按業務進行縱向劃分主題域，然後進行橫向劃分數據層做統一的ETL，這樣設計的模型，計算邏輯可複用且便於維護。
智慧教育
網易有道技術總監、詞典及智能硬件業務線負責人 林會傑：
在教育領域，教與學是核心環節，老師和學生是關鍵角色。“AI+教育”並不是用AI來取代老師，而是用技術手段和工具輔助老師和學生提高教與學的效率。
好未來AI解決方案負責人 劉子韜：
多模態機器學習在教育中的4大挑戰：小數據、異構多模態、數據噪音、評價標準不統一。
騰訊雲與智慧產業事業羣高級研究員 劉萌：
基於課程知識圖譜，建立學生和班級用戶畫像，根據知識點掌握情況推薦個性化學習內容，踐行“因材施教”，有效提高學習效率。
科大訊飛研究院研究主管 李鑫：
智慧教育的三大核心場景：精準教學、個性學習、智慧教考。
AI行業新趨勢
來也科技CTO 胡一川：
RPA實現流程自動化，AI實現認知自動化，RPA+AI纔是智能軟件機器人的終極解決方案。
浪潮邊緣計算服務器高級產品經理 張磊：
擁抱5G，就必須走出傳統的數據中心，大跨步邁向邊緣計算。邊緣計算很可能會是中國服務器行業，乃至整個IT產業下一個在5G時代的機會和風口。
《人工智能爲金融投資帶來了什麼》作者 袁峻峯：
數字化時代市場需要算法，多智能體強化學習與博弈論 、帕累托最優結合是可行的研究方向之一；但如果市場中的新座次取決於誰擁有最強的機器、最多的數據、最厲害的算法，那亦是違背市場機制了。
明天，大咖雲集、乾貨滿滿的萬人AI大會還有呢！13大論壇、60個燒腦議題等來戰！
想不想聽大咖與你暢聊AI行業趨勢？想不想和頂尖專家一起探討AI技術熱點？
現在加入羣聊還來得及，趕緊掃碼入羣，鎖定直播和大會PPT吧！
點擊【閱讀原文】，查看大會官網。