行業(yè)內(nèi)有關(guān)嵌入式人工智能的聲音越來越多，很大程度上是因為云計算已經(jīng)無法滿足低耗、高效的計算力需求。

萬物智聯(lián)時代正在加速到來，形形色色的人工智能出現(xiàn)在我們身邊，在智能家居、智能駕駛、智能手機和安防監(jiān)控等領(lǐng)域，以設(shè)備為中心的感知識別需求越來越強烈。可是，眾所周知，人工智能的計算大多發(fā)生在數(shù)據(jù)中心，即在“云”上運行。隨著海量數(shù)據(jù)爆發(fā)，以云計算為中心構(gòu)架的方式開始出現(xiàn)各種短板。

以物聯(lián)網(wǎng)為例，海量終端設(shè)備所抓取的巨大數(shù)據(jù)量如果全部上傳至云端進行智能處理，不僅對網(wǎng)絡(luò)傳輸技術(shù)和網(wǎng)絡(luò)環(huán)境要求甚高，數(shù)據(jù)安全隱患、個人隱私問題、計算功耗帶來的挑戰(zhàn)以及傳輸時間延遲等問題不斷出現(xiàn)。顯然，云計算已經(jīng)不再是各行業(yè)具體場景中尋求解決方案的最優(yōu)解。因此，不依賴云端計算的嵌入式人工智能技術(shù)正在掀起一場新的智能革命。

“嵌入式人工智能”其實是一種本地計算，又稱邊緣計算。邊緣計算和云計算類似，都是處理大數(shù)據(jù)的計算運行方式。但這次不同的是，數(shù)據(jù)這一次不必再被傳到遙遠的云端，而是在邊緣側(cè)、設(shè)備端，即使沒有網(wǎng)絡(luò)也可運行深度學習等相關(guān)算法解決問題。

不過，這并不意味著邊緣計算將代替云計算。在“云、管、端”三者的角色中，云計算側(cè)重于“云”，實現(xiàn)的是最終數(shù)據(jù)分析與應(yīng)用的場所，而邊緣計算顯然強調(diào)的是“邊緣”也就是“設(shè)備端”的重要性，滿足了實時性數(shù)據(jù)分析和智能化處理需求，也更加安全和高效。未來的機器學習、深度學習會在云端和終端協(xié)調(diào)發(fā)展，不一定所有人工智能都要在云里實現(xiàn)。

目前，嵌入式AI已經(jīng)漸漸進入市場，尤其在自動駕駛領(lǐng)域得到快速滲透與應(yīng)用。對此其實不難理解，駕駛場景復(fù)雜多變，不能時刻保證都處在一個穩(wěn)定可用的網(wǎng)絡(luò)環(huán)境。如果駕駛系統(tǒng)在云端計算，設(shè)備端采集完數(shù)據(jù)后上傳云端，計算完成后再將結(jié)果返回終端，勢必產(chǎn)生延時，在駕駛場景中，這種延時意味著極大危險。

另外，自動駕駛汽車每秒鐘可產(chǎn)生1G數(shù)據(jù)，未來，自動駕駛汽車每天在路上產(chǎn)生的數(shù)據(jù)約4TB，如果這些數(shù)據(jù)全部回傳云端處理絕非最佳選擇。因此，嵌入式人工智能的實時性優(yōu)勢以及脫機運行的能力可以在自動駕駛領(lǐng)域盡顯風采。

從市場來看，自動駕駛市場大規(guī)模爆發(fā)可能需7到10年，但輔助駕駛在未來3到5年內(nèi)將會出現(xiàn)爆發(fā)式增長。如果有解決方案能夠滿足在終端對數(shù)據(jù)進行有效處理，既能有效降低成本、提高效率，同時也能提高數(shù)據(jù)安全，因此嵌入式AI在智能駕駛領(lǐng)域前景巨大。

當然，智能駕駛只不過是嵌入式人工智能眾多應(yīng)用場景的其中之一。隨著產(chǎn)業(yè)需求的提升，人工智能如果脫離行業(yè)場景，這一輪人工智能浪潮可能很快就會遇冷。因此，人工智能與產(chǎn)業(yè)的深度結(jié)合，打造人工智能產(chǎn)業(yè)生態(tài)十分的重要。以嵌入式在智能手機上的成功應(yīng)用為例，未來嵌入式系統(tǒng)在智慧交通、智慧城市、智能家居、智能醫(yī)療等產(chǎn)業(yè)發(fā)展中都會是至關(guān)重要的角色。

地平線聯(lián)合創(chuàng)始人楊銘在接受鈦媒體采訪時表示，人工智能正在迅猛發(fā)展，幾乎每家企業(yè)都在探索AI進入各行業(yè)場景的切入點，如果要實現(xiàn)技術(shù)落地、商業(yè)轉(zhuǎn)化，除了需要強有效的硬件支持，必然也需要性能優(yōu)越的算法模型，才能做到真正的解決用戶具體實際場景中的痛點問題。

在人工智能時代，強大的算法不會拘泥于PC機或云計算，依賴嵌入式系統(tǒng)，能夠解決更多用戶場景需求。以地平線為例，2017年，地平線已經(jīng)在無人駕駛、智能家居和安防三大領(lǐng)域進行嵌入式人工智能落地應(yīng)用。 地平線提供的主要是以“芯片+算法”為核心的嵌入式人工智能解決方案。目前，其解決方案可以深度整合多種嵌入式計算平臺，包括ARM、CPU、GPU、FPGA以及地平線授權(quán)集成BPU核的SoC。

智能駕駛方面：今年1月，地平線首次公布第一代嵌入式人工智能處理器架構(gòu)IP——高斯架構(gòu)，以此技術(shù)為基礎(chǔ)研發(fā)的ADAS系統(tǒng)也已在汽車前裝方面落地。具體而言，該系統(tǒng)是地平線在英特爾FPGA平臺上實現(xiàn)的自主研發(fā)的低功耗深度神經(jīng)網(wǎng)絡(luò)處理器架構(gòu)IP，可在高速公路和市區(qū)道路場景下同時對車輛、車道線，行人及可行駛區(qū)域?qū)崟r檢測和識別。

隨著深度學習算法對硬件的計算性能、功耗、以及成本提出了更高的要求，除了開發(fā)低功耗平臺外，算法本身的優(yōu)化也很關(guān)鍵。從地平線推出自研處理器IP的初衷來看，其目的雖是實現(xiàn)了端到端的完整解決方案，直接在具體應(yīng)用場景下展現(xiàn)效果，但最終是以此來提升個芯片廠商對地平線BPU的認知和依賴，想必也是認為軟硬件結(jié)合才能最好的提升處理器性能。