人工智能的發(fā)展充滿希望和挑戰(zhàn)，在其“不屈不撓”的前進中面臨一道坎：人工智能應(yīng)用程序的算法都是龐大而復(fù)雜的，需要在強大的云計算和數(shù)據(jù)中心進行處理，這便限制了在智能手機和其他 “邊緣”設(shè)備上的廣泛應(yīng)用。今年，隨著AI軟件、硬件和有關(guān)新能源技術(shù)的突飛猛進，這道坎估計也要跨過去了?；贏I的產(chǎn)品和服務(wù)將進一步擺脫對云計算服務(wù)的依賴，并迅速融入我們生活的每一個部分。未來幾年人工智能服務(wù)無處不在，這將撼動整個社會。

很多創(chuàng)業(yè)公司和他們的投資方都有很大的機會。2019年5月在硅谷召開發(fā)布會的Embedded Vision Alliance (嵌入式視覺聯(lián)盟)創(chuàng)始人Jeff Bier(杰夫·比爾)表示，過去三年，投資者向人工智能芯片初創(chuàng)企業(yè)投入了約15億美元，超過了對其他所有芯片初創(chuàng)企業(yè)的投資。市場研究機構(gòu)Yole Développement 預(yù)測，到2023年，人工智能處理器的復(fù)合年增長率將達到46%，屆時幾乎所有的智能手機都將使用AI處理器，而現(xiàn)在的使用率還不到20%。

不僅僅是初創(chuàng)企業(yè)有所動作，今年5月，英特爾公司(Intel Corp.)演示了即將推出的“冰湖芯片”(Ice Lake chips)，其中包括“增強深度學習”(Deep Learning Boost)軟件和圖形處理單元上的其他AI指令。Arm Ltd.也推出了一系列針對人工智能應(yīng)用的處理器，包括智能手機和其他高端設(shè)備的處理器。同期，英偉達公司(Nvidia Corp.)宣布了首個連接AI設(shè)備的人工智能平臺。

IHS Markit首席分析師Tom Hackett (湯姆?哈克特)在嵌入式視覺聯(lián)盟峰會上表示：“未來兩年，幾乎每家芯片廠商都將為人工智能提供某種競爭平臺。

這些芯片廠商正在向智能手機以外的數(shù)以百萬計的物聯(lián)網(wǎng)設(shè)備進軍，如機器人、無人機、汽車、相機和可穿戴設(shè)備等。例如，以色列的一家開發(fā)機器學習芯片的公司海洛公司(Hailo)，在今年1月進行了一輪2100萬美元的融資。5月中旬，該公司發(fā)布了一款專為深度學習設(shè)計的處理器。深度學習是機器學習的一個分支，最近該公司在語音和圖像識別方面取得了突破。

新的研究表明，神經(jīng)網(wǎng)絡(luò)相比之前在生成同樣結(jié)果的條件下，其規(guī)模可以縮小10倍，由此判斷，更緊湊、更強大的軟件可能會為處于邊緣的人工智能鋪平道路。一些公司已經(jīng)在設(shè)法壓縮人工智能所需軟件的規(guī)模。

例如，谷歌LLC于2017年底推出了面向移動設(shè)備的TensorFlow Lite機器學習庫，這使得智能相機能夠識別野生動物，或者在沒有互聯(lián)網(wǎng)連接的情況下進行醫(yī)學診斷。谷歌工程師Pete Warden在嵌入式視覺峰會上說，目前大約有20億部手機安裝了TensorFlow Lite。

今年3月，谷歌推出了一款語音識別器，為谷歌的虛擬鍵盤應(yīng)用程序Gboard提供語音輸入功能。自動語音識別算法只有80兆字節(jié)，因此可以在Arm Ltd.上運行。這意味著它可以離線工作，所以沒有網(wǎng)絡(luò)延遲。重要的是，人們對穿越云端的數(shù)據(jù)隱私越來越擔憂，監(jiān)管部門很有可能禁止將一些數(shù)據(jù)從設(shè)備上轉(zhuǎn)移至云端。

伯克利設(shè)計技術(shù)公司的聯(lián)合創(chuàng)始人和總裁比爾說：“未來幾乎所有的機器學習運算都將在設(shè)備上完成。”該公司為嵌入式數(shù)字信號處理技術(shù)提供分析和服務(wù)。據(jù)估計當今世界上已有2500億活躍的嵌入式設(shè)備，并且這個數(shù)字還在以每年20%的速度增長。

然而在這樣的設(shè)備上進行人工智能并非易事。這不僅僅是機器學習算法的大小，而是執(zhí)行這些算法所需要的能量，尤其是智能手機、攝像頭和各種傳感器這樣的物聯(lián)網(wǎng)設(shè)備，不能一直依賴墻上插座甚至電池供電。如果我們被迫更換或充電電池，這些設(shè)備將無法實現(xiàn)規(guī)?；?。

向云中發(fā)送數(shù)據(jù)和從云中接收數(shù)據(jù)所需的無線電也是能耗大戶，因此通過蜂窩網(wǎng)絡(luò)或其他連接進行通信對許多小型廉價設(shè)備來說都是一個致命的障礙。Yole Développement的技術(shù)和市場分析師Yohann Tschudi表示：“我們需要一個專門的架構(gòu)來做我們想做的事情?！?/p>

此外，還需要開發(fā)出一種實際功率必須小于1毫瓦的設(shè)備，這大約是智能手機用電量的千分之一。好消息是，越來越多的傳感器甚至微處理器有望做到這一點。

例如，美國能源部(U.S. Department of Energy)與建筑自動化公司SkyCentrics Inc.合作，幫助開發(fā)了用于建筑能源管理的低成本無線剝棒式傳感器。實驗表明新型傳感器可以利用環(huán)境光為自身供電。即使是核心計算的微處理器，也可能是低功耗的，如Ambiq Micro、Eta Compute、Syntiant Corp.、Applied Brain Research、Silicon Laboratories Inc.和GreenWaves Technologies初創(chuàng)企業(yè)的新型處理器，可以在微瓦或比毫瓦小一千倍的情況下進行計算。

以上表明，機器學習在智能手機、智能相機和工廠監(jiān)控傳感器等領(lǐng)域有著廣泛的新應(yīng)用。這些應(yīng)用程序包括:

使用加速計預(yù)測維修，以確定機器是否震動太多或發(fā)出有趣的噪音。街燈的感應(yīng)檢測，當有人在附近時，街燈才會打開。利用分散在農(nóng)田中的視覺傳感器或微型攝像機進行農(nóng)業(yè)害蟲識別。使用安裝在樹上的太陽能安卓手機檢測非法伐木。使用傳感器來測量心率、胰島素水平和身體活動。使用視頻進行語音分離。

未來傳感器可以相互通信，比如在智能家居中，煙霧報警器探測到潛在的火災(zāi)，而烤面包機反饋說，只是烤面包有燒焦的味道而已。

當然，這些并不意味著云就在機器學習中失去重要的地位。這些在設(shè)備上運行的機器學習模型，仍然需要在功能強大的計算機集群上進行大量數(shù)據(jù)的訓(xùn)練，像谷歌、亞馬遜公司(Amazon.com Inc.)和Arm等公司都從去年開始提供人工智能芯片，其中一些是通過它們的云計算服務(wù)提供的。