作为大会的第一位报告嘉宾，中国科学院院士、美国科学院外籍院士蒲慕明带来了主题为《脑科学与类脑智能研究》的报告。

一是要摆脱深度学习网络（DNN）的诱惑；

二是要以高效、节能、半监督和无监督学习为目标，建立全新的人工智能模型和算法；

三是以脉冲神经网络（SNN）为基础，加入传递延迟，强调时序信息的重要性；

四是，从简单的（少数层）的网络为基础，每次加入一个自然神经网络的特性产生新的架构，然后用新的机器学习和算法来检测效果。

本次论坛的又一位院士——中国工程院院士、鹏城实验室主任高文接着蒲慕明院士对神经网络的相关介绍，重点分享了如何利用对神经网络的理解来改进包括城市大脑或智慧城市系统等现有云视觉系统方面存在的一些问题，他的报告主题是《数字视网膜与云视觉系统演进》。

两位重量级院士的精彩报告后，商汤科技创始人、香港中文大学教授汤晓鸥以一如既往幽默的演讲风格为大家带来了主题为《人工智能，创新应用》的报告。

百度首席技术官、深度学习技术及应用国家工程实验室主任王海峰博士带来主题为《自然语言处理前沿》的报告，分享了他研究近 30 年的心得与观点。

腾讯 AI Lab & Robotics X 主任，ACM、IEEE Fellow 张正友博士作为下午场的首位报告嘉宾，带来了主题为《机器人的智能演进》的报告。

同样是二次出席人工智能院士高峰论坛的报告嘉宾还有依图科技首席技术官，IEEE、IAPR Fellow 颜水成博士。他在主题为《Transform AI into Affordable Intelligence》演讲中，指出了让人工智能变为「Affordable Intelligence」所面临的挑战，并从芯片和模型的角度分享了一些工作进展。

第一个是算法，一方面是要保证算法「可以用」，即精度足够高，能够真正解锁一个场景；另一方则是算法要「足够用」，因为现在很多场景仅凭单模态的算法已经无法提供用户满意的解决方案。第二是算力，一方面是要让用户「买得起」，比如用于支撑计算的 AI 芯片，它的并发性能要足够高；另一方面是要让用户「用得起」，即这种算力要保证功耗足够低，不然即便用户买回家也可能因为数据中心的电费过高而无法使用。

第一个引擎是高效能的 AI 模型，这是算法的维度。要想获得一个高效能的 AI 模型有两种做法，一种是基于不同 Motivation 的模式，另一种是基于 NAS（神经网络架构搜索）的模式。针对这一点，主要是希望能够解决研究和应用中的「Affordable」问题。第二个引擎是高效能的 AI 芯片，这是算力的维度。针对这一点，芯片厂商首先要遵循算法和芯片原则，确保芯片在足够大的使用场景中达到很高的效能；其次要预测领域中最前沿的算法发展趋势，确保接下来几年时间这款芯片能「发挥所长」；最后要让用户的建设成本足够低并用得起。

旷视首席科学家、何梁何利基金奖获得者孙剑博士以《视觉计算的前沿进展》为题，重点从卷积神经网络和计算机视觉技术本身介绍了计算机视觉的研究历程与进展。

第一，火灾等特殊场景的数据非常难收集，并且很难通过数据增强的方式获得；第二，对于新的研究方法如自监督方法的需求；第三，遮挡问题，虽然现在对此也有一些工作进展，但是深度学习还无法完全解决这个问题；第四，深度学习和计算机视觉技术还无法很好连续追踪同时处于动态的多个物体；第五，视觉控制问题，比如说现在还无法通过视觉反馈来连续控制机器人或机械臂；第六，现实应用中要实现低成本、易部署以及安全面临的挑战还很大；第七，现有方法还无法实现高精度的预测问题。

中科院计算所研究员，ACM、IEEE、IAPR Fellow 陈熙霖本次也作为报告嘉宾，带来了主题为《迈向可理解的计算机视觉》的报告。他在报告中也从他的视角分享了计算机视觉领域存在的一些问题以及针对这些问题自己所做的一些探索工作，并对于计算机视觉的未来发展给出了自己的想法。

国际欧亚科学院院士、深圳市人工智能与机器人研究院副院长、IEEE Fellow 李世鹏在题为《万物互联，集智过人》的演讲中，重点回顾了 IoT（智能物联网）到 AIoT（人工智能物联网）再到 IIoT（智物联网）的发展历程。

华为海思首席芯片规划师、海思图灵产品管理部部长夏勤以《云大为美——高性能计算芯片的现在和未来》为题，分享了关于高性能计算芯片的现在与未来的思考，并以华为的昇腾芯片和鲲鹏芯片为例，探讨了高性能芯片设计方面的问题。

第一，现在人工智能的技术在落地应用场景时，在智能推理方面还存在很多问题，人工智能还很难像人一样对未知的场景或者目标进行智能推理。第二，可解释性问题。现在 AI 可以计算海量大数据并且能够实现一定的感知，但是得出的结果是否正确呢？或许未来我们可以通过加入人的经验来改善这个问题。