不久之前，人工智能和計算機視覺還像是科幻小說里的東西，而現(xiàn)在，它們突然無處不在，從Alexa和Siri到能夠識別你正在做的食物并幫助你完美烹飪的廚房電器。

但情況又在發(fā)生變化。智能和視覺處理越來越多地發(fā)生在邊緣。也就是說，計算是在本地進行的，而不是在云中進行。從手機到家用電器，從汽車到工業(yè)機器人，從相機到建筑物的服務(wù)器柜，這些系統(tǒng)都在發(fā)生變化，其共同的主題是處理過程比以往任何時候都更接近傳感器。為什么會這樣，這種趨勢意味著什么？

在Edge AI和Vision Alliance上，我們觀察到五個因素將AI推向了邊緣，我們把它縮寫成BLERP。代表帶寬、延遲、經(jīng)濟、可靠性和隱私。

帶寬：如果你有一個裝有數(shù)百個攝像頭的商業(yè)空間，你根本沒有辦法將這些信息發(fā)送到云上進行處理——它將淹沒你所有的互聯(lián)網(wǎng)連接。你只需要在本地處理它就好了。

延遲：延遲是指系統(tǒng)接收到感官輸入并對其作出反應(yīng)之間的時間。試想一輛自動駕駛汽車：如果前方的人行橫道上突然出現(xiàn)了一個行人，汽車大腦可能只有幾百毫秒的時間來做決定——沒有足夠的時間來發(fā)送圖像到云端并等待響應(yīng)。

經(jīng)濟：云計算和通信一直在變得越來越好，越來越便宜，但它們?nèi)匀恍枰ㄥX——可能是很多錢，尤其是在視頻數(shù)據(jù)方面。邊緣計算減少了必須發(fā)送到云端的數(shù)據(jù)量，也減少了必須完成的工作量，降低了成本。

可靠性：想象一個擁有面部識別的家庭安全系統(tǒng)——你希望它能讓你的家人即使在互聯(lián)網(wǎng)癱瘓的情況下也能進入房子。本地處理使這成為可能，并使系統(tǒng)具有更強的容錯能力。

隱私：邊緣的音頻和視覺傳感器的激增引發(fā)了嚴重的隱私擔(dān)憂，而將這些信息發(fā)送到云上則大大增加了這些擔(dān)憂。本地處理和消費的信息越多，濫用的機會就越少。所以說“在邊緣發(fā)生的事就在邊緣發(fā)生好了?！?/p>

如果這些是推動人工智能走向邊緣的因素，那么讓這種轉(zhuǎn)變成功的是更快、更高效的處理器。計算機視覺和深度學(xué)習(xí)似乎是神奇的，使我們能夠從數(shù)百萬像素或音頻樣本中提取意義。但這種魔力是有代價的：實時進行人工智能處理需要每秒進行數(shù)十億甚至上萬億次操作。因此，邊緣 AI的一個基本要求就是能夠以價格、功耗和尺寸與邊緣或嵌入式設(shè)備兼容的方式提供這種性能的處理器。

幸運的是，深度學(xué)習(xí)算法是重復(fù)的并且相當(dāng)簡單-只是計算量和數(shù)據(jù)量巨大。由于這種重復(fù)的、可預(yù)測的特性，就有可能創(chuàng)造出針對這些算法進行優(yōu)化的處理器。與通用處理器相比，它們可以輕松地在這些任務(wù)上提供10倍、100倍甚至更高的性能和效率。這一事實，再加上人們普遍認為將很快出現(xiàn)數(shù)十億臺支持人工智能的邊緣設(shè)備，在過去幾年里引發(fā)了高性能人工智能處理器架構(gòu)的“寒武紀式大爆發(fā)”。

了解這些最新進展的一個好方法是看看今年即將召開的嵌入式視覺峰會（Embedded Vision Summit）。David Patterson （RISC的共同發(fā)明人和谷歌的TPU架構(gòu)的貢獻者）的主題是：“計算機架構(gòu)的新黃金時代：處理器創(chuàng)新使無處不在的人工智能成為可能。”

在這次演講中，包括CEVA、Cadence、Hailo、Intel、Lattice、Nvidia、perceptive、Qualcomm和Xilinx在內(nèi)的初創(chuàng)企業(yè)和知名企業(yè)領(lǐng)導(dǎo)人將展示他們最新的邊緣 AI處理器以及能夠?qū)⑸疃?a href="http://www.www27dydycom.cn/tags/神經(jīng)網(wǎng)絡(luò)/" target="_blank">神經(jīng)網(wǎng)絡(luò)有效映射到這些處理器上的工具和技術(shù)。此外，系統(tǒng)設(shè)計專家將分享在從自動駕駛無人機（Skydio）到農(nóng)用設(shè)備（John Deere）再到地板清潔機器人（Trifo）等多種應(yīng)用中實現(xiàn)邊緣 AI的見解。

從Arrow到Xperi，虛擬展會上的參展商將為您提供一個機會，讓您看到邊緣 AI最新的處理器、開發(fā)工具和軟件。

我們正進入一個人工智能和計算機視覺的黃金時代…
責(zé)任編輯：tzh