隨著因特網(wǎng)的發(fā)展，要通信的數(shù)據(jù)量爆炸性地增加，并且開(kāi)發(fā)用于處理大量數(shù)據(jù)的專(zhuān)用芯片的需求也在增加。

自深度學(xué)習(xí)技術(shù)問(wèn)世以來(lái)，人工智能已開(kāi)始用于圖像識(shí)別和語(yǔ)言識(shí)別等模式識(shí)別以及各種決策。AI由基于收集和積累的大數(shù)據(jù)的計(jì)算機(jī)學(xué)習(xí)和推斷組成，但是當(dāng)前的AI使用軟件處理大量數(shù)據(jù)，因此其處理能力已經(jīng)足夠。問(wèn)題在于它尚未達(dá)到標(biāo)準(zhǔn)。

與現(xiàn)有的CPU按輸入的順序處理信息不同，AI芯片具有像人腦一樣并行，同時(shí)處理大量信息和復(fù)雜操作的能力。它比現(xiàn)有芯片具有更快的算術(shù)處理速度，并且擅長(zhǎng)處理海量數(shù)據(jù)，因此適合處理大數(shù)據(jù)。

消除發(fā)送和接收數(shù)據(jù)時(shí)的時(shí)滯

當(dāng)今的AI專(zhuān)注于深度挖掘，它基于大數(shù)據(jù)得出答案，但是當(dāng)時(shí)最重要的問(wèn)題是在哪里處理數(shù)據(jù)。

以自動(dòng)駕駛為例，將從安裝在汽車(chē)上的傳感器收集的數(shù)據(jù)傳輸?shù)皆浦?，使用云中的AI進(jìn)行處理，然后將獲得的結(jié)果再次傳輸?shù)狡?chē)。但是，由于云距離汽車(chē)較遠(yuǎn)，因此發(fā)送和接收數(shù)據(jù)會(huì)存在時(shí)間滯后。

消除此類(lèi)缺點(diǎn)的一種方法是邊緣計(jì)算，它在站點(diǎn)端處理數(shù)據(jù)，最近這已成為熱門(mén)話(huà)題。使用現(xiàn)場(chǎng)邊緣計(jì)算機(jī)進(jìn)行AI處理可消除由于發(fā)送和接收而造成的時(shí)間損失，從而使處理接近實(shí)時(shí)。

消除缺點(diǎn)的另一種方法是在諸如智能手機(jī)之類(lèi)的移動(dòng)設(shè)備上進(jìn)行處理。通過(guò)使用智能手機(jī)中安裝的各種應(yīng)用程序執(zhí)行AI處理，可以改善功能。
責(zé)任編輯:tzh