柔性电子技术才刚刚起步,而10%赚钱的企业基本是技术提供商

本报记者刘园园

AI落地场景在不断增多,但赚钱依旧艰难。

C114讯
2015年4G建设热潮依旧,但是与5G技术及相关规划的进程也相当迅速。为促进全球业界在5G目标、技术标准及产业发展等方面尽快达成共识,IMT-2020推进组于5月28-29日在京召开了第三次IMT-2020峰会,本次会议主题为“5G技术架构”。本次峰会上,大唐电信集团不仅向业界分享了5G系统框架和关键技术研究的最新进展,还展出了业界首个支持128数字通道大规模天线系统的5G综合验证平台,成为关注的焦点。

折叠屏手机已上市,柔性芯片也来了,马斯克刚刚发布的脑机接口系统,让可植入大脑的超细柔性电极火了一把。尽管如此,在以“硬质”为主导的电子世界里,柔性电子技术才刚刚起步。

亿欧报告显示,2018年全年,近90%的人工智能公司处于亏损状态,而10%赚钱的企业基本是技术提供商。从谈概念、讲技术,到拼场景、抢落地,建立在大数据基础之上的人工智能,仍面临数据本身带来的挑战。

作为IMT-2020推进组的核心成员,大唐已在大规模天线、新型多址接入、超密集组网、高频段通信、低时延高可靠、灵活频谱共享等5G重点关键技术上取得了突破性进展。大唐5G综合验证平台是面向5G关键技术的综合验证系统,可验证5G相关的通信技术和产品实现技术,如支持128和256通道的大规模天线技术、PDMA图样分割非正交多址接入技术、U/C分离技术、业务本地化、RAN虚拟化等。该平台拥有强大的硬件处理能力,支持大吞吐量数据转发和高带宽数据处理。为同时满足基站和终端的业务验证,该系统在设计之初便采用了控制和业务分离的模式,可轻松应对多种验证需求和验证服务。此外,为了提升综合验证系统的使用、控制、演示以及对外服务能力,大唐还对该系统的操作维护功能、测试功能进行了优化,引入集控制与分析为一体的CAT(Control
Analysis
Tools)工具和云端操作功能。通过搭建5G关键技术的硬件平台和验证环境,大唐将进一步推动5G的技术储备和标准研究工作,为技术走向产业做足了准备。

日前,第二届柔性电子国际学术大会在杭州举行。会议期间,中国科技新闻学会和光明网还联合举办了以柔性电子技术为主题的第二期“科学麻辣烫”科学沙龙活动。

“我们经常提及大数据,但事实上我们并不需要那么多的数据,AI未来的一个趋势是小数据崛起。”在市北·GMIS2019全球数据智能峰会上,斯坦福大学教授、Landing.ai创始人、CEO吴恩达表示。

在本次峰会上,大唐电信集团总工程师王映民博士做了题为《5G系统框架和关键技术(5G
Framework and Key
Technologies)》的主题演讲。他表示:“移动通信产业是一个快速发展和不断创新的产业,5G将为整个人类社会的信息化做出重要贡献。大唐一直倡导演进、融合与创新的5G发展路线,提出5G将包含4G演进和5G新空口,并融合WLAN和3G/4G等已有系统,共同满足社会信息化需求。在3G和4G时代,大唐一直是TDD技术的引领者,在5G时代,TDD技术与FDD技术会更加紧密地结合,TDD会发挥更加重要的作用。”

科技日报记者采访了解到,方兴未艾的柔性电子技术,要实现与现有电子系统“刚柔并济”,还需要突破不少挑战。

一个具体的案例是工厂手机屏幕划痕检测。目前不少是利用人眼来检测手机是否存在划痕,如果拥有100万个划痕手机,AI可以非常高效地识别手机划痕。但现实情况是没有任何工厂会有几百万不同划痕的手机,这个时候小样本学习(fewshotlearning),即利用较少的数据得出同样准确结论的人工智能,将有助于推动整个领域的发展。

图片 1

力学与封装是两大难题

小样本学习的迫切性更在于落地过程面临的数据孤岛、数据隐私保护导致的数据割裂问题,让AI技术很难充分发挥价值。

柔性屏幕、柔性芯片、柔性电极只是柔性电子技术的冰山一角。实际上,信息技术所涉及的传感、信息传输、信息处理、能源存储等多种环节都有望实现柔性化。

“和AI用于比赛需要上千万的图片训练不同,当AI深入行业我们看到的数据往往是小数据和细碎的数据,也就是没有联通起来的数据,再先进的AI技术也很难用上。”国际人工智能学会理事长、香港科技大学教授、微众银行首席人工智能官杨强说道。

据介绍,柔性电子概念最早可追溯至对有机电子学的研究,大约起步于上世纪60年代,当时科研人员试图用有机半导体替代硅等无机半导体,从而使有机电子器件具备柔性特点。

今年5月,国家互联网信息办公室发布了《数据安全管理办法》,提出在中国境内利用网络开展数据、存储、传输、处理、使用等活动,以及数据安全的保护和监督管理意见。

“现在柔性电子技术仍处于起步阶段,研发人员很多时候在尝试,试图突破传统思路,创造新的领域和产业。”清华大学柔性电子技术研究中心主任冯雪说。

杨强认为“中国版GDPR”即将到来,数据隐私在走向严格化、全面化,这使得企业在实际应用中可以使用的数据维度和范围并不大。数据隐私保护的趋严,为人工智能技术升级提供了契机。

不难想象,作为一个新兴领域,目前柔性电子技术的研发过程仍充满重重挑战。

以保险行业利用AI进行个性化定价为例,背后需要业务数据和用户互联网行为数据融合,理想的状态是可以拿到非常丰富的用户画像,与用户的ID高度匹配,但实际情况迫于隐私、安全、法规等原因,企业可以应用的数据是非常有限的。

清华大学材料学院副院长沈洋认为,整体而言,目前柔性电子技术主要面临两个挑战。“第一个挑战是力学问题,柔性电子元器件在反复折叠、弯曲时会不断承受交变应力,时间久了容易开裂、出问题,目前主要通过结构设计克服这个问题。”沈洋说,第二个挑战是电子封装问题,就是把在柔性基板上集成的部件严丝合缝地封装在一起,并实现预期功能。

再例如在小微企业贷款应用方面,AI需要引入票据数据、资产数据、舆情数据等,但由于数据的割裂,实际应用中只能使用一些政府的数据,例如央行的征信报告,但这些报告只能覆盖不到10%的人群。这一问题在医疗领域更为明显,不同医院的医疗影像数据很难汇聚到一起,形成大数据来训练一个医疗模型。

南洋理工大学材料科学与工程学院教授陈晓东以柔性传感器举例说,一方面,现阶段还缺乏可靠的制备工艺实现大规模生产。另一方面,科学家仍在探索如何让柔性传感器与人体形成可靠的黏附界面层,并具备生物兼容性。此外,动态耐受性也是柔性传感器面临的重要考验,因为它常常需要在用户身体处于动态的情况下采集数据。

针对数据割裂带来的人工智能落地难问题,杨强提出了联邦学习。所谓联邦学习,是多个数据方之间组成一个联盟,共同参与到全局建模的建设中,各方之间在保护数据隐私和模型参数基础上,仅共享模型加密后的参数,让共享模型达到更优的效果。

二维材料或是未来选择之一

据杨强介绍,联邦学习分为横向联邦和纵向联邦,横向联邦是指企业各方数据维度相同、ID维度不同,更多存在于消费者应用中;纵向联邦是指企业各方数据的ID维度相同、数据维度不同,更多存在于B端应用。

在柔性电子器件的材料选择上,科研人员也在不断摸索。

杨强认为联邦学习最大的优势是保证数据不出户,通过生态在不同行业选取合作伙伴,用群体智能不断提升模型效果。因此联邦学习一定是多方共同协作组成一个联盟,生态的建设十分重要。

沈洋介绍,美国西北大学教授约翰·罗杰斯是柔性电子领域的先驱之一,罗杰斯的研究证实,像硅这样原本又硬又脆的材料,在变得非常薄或尺度非常小之后,会具有一定柔性。

面对AI落地难、盈利难问题,吴恩达则认为,在期待AI为企业带来红利之前,企业需要避免几个陷阱。首先AI技术会影响很多企业做业务的核心,所以选择项目是非常重要的,从小的项目开始,可以建立好的基础,同时帮团队获得动能。

这当然是个好消息。因为硅在目前半导体材料中占主导地位,把硅基片柔性化,可以说是实现柔性电子系统的“捷径”。

其次团队建设不能仅依靠明星工程师,而是要建立一个完善的、跨学科、跨职能的团队。同时不要期待AI立刻产生作用,而是要多次尝试,对AI发展的回报曲线进行合理预算。不要使用传统的流程评估人工智能项目,应该为AI项目团队设立合适的KPI和目标。

“一代材料一代器件,材料是我们做电子器件最重要的基础之一。目前我们正在探索将硅基电子元器件柔性化的同时,又保证其高频、高速的导电特性。”冯雪说。

“有关AI的应用越来越多了,但企业的AI转型并不是开发一个APP这么简单,不要指望AI解决所有的问题,也不要指望AI项目一次性就成功。”吴恩达表示。

不过,受摩尔定律制约,硅基半导体的性能几乎发挥到淋漓尽致,逐渐接近天花板。对于柔性电子领域而言,探索新的适用于不同应用场景的柔性材料,也变得迫切起来。

陈晓东介绍,目前国际上对柔性电子材料的选择主要有两种思路。一种思路是从传统的无机材料转向有机材料,比如将高分子材料、有机半导体用于柔性电子材料。另一种思路是将有机材料和无机材料相结合,使用所谓的混合材料来研发柔性电子技术。

自石墨烯被制备出来后,由单层原子构成的锡烯、二硫化钼和黑磷等二维材料受到半导体行业关注。沈洋在接受科技日报记者采访时表示,二维材料的相关研究也将有益于柔性电子技术发展。

“很多二维材料已经表现出比传统硅材料更加优越的性能,比如更高的电荷迁移率,更小的功耗等等。”沈洋认为,研究基于二维材料的柔性电子元器件,可能是未来的发展方向之一。

相关文章

发表评论

电子邮件地址不会被公开。 必填项已用*标注