人工智能@边缘AI能聪明到什么程度？( 五 )
至于软件方面 ， Levy称恩智浦提供了eIQML软件开发环境 ， 在恩智浦产品系列(从i.MX RT到i.MX 8应用处理器及更多)中实现开放原始码ML技术 。 “利用eIQ ， 客户可以根据需要在他们选择的运算单元上(包括CPU、GPU、DSP或NPU)执行ML 。 甚至还会见到一些异质实现 ， 比如在DSP上运作关键词检测的语音应用、在GPU或CPU上的人脸辨识、在NPU上的高性能视讯应用 ， 或它们的任意组合 。 “
Bergey说：“全世界的IoT设备已接近1兆台 ， 我们的基础设施和架构面临前所未有的挑战 ， 为迎接这一巨大机会 ， 我们所需的技术也在不断发展 。 Arm主要提供可配置、可扩展的解决方案 ， 以满足性能和功耗要求 ， 从而让AI无处不在 。 ”
Adesto也提供边缘AI赋能技术 ， 包括内建AI加速器的ASIC、在语音和影像辨识AI芯片中储存权重的NOR闪存 ， 以及将新、旧数据送至云端(如IBM Watson和Microsoft Azure)进行分析的智慧边缘服务器 。
本文插图
图8 Adesto使用RRAM技术开发内存内AI运算 ， 其中单个内存单元既是储存元素又是运算资源 。 (图片来源：Adesto)
Intrater补充 ， “我们也在利用RRAM技术开发内存内AI运算 ， 其中单个储存单元既是储存元素又是运算资源 。 在这种范式中 ， 深度神经网络矩阵变成NVM单元数组 ， 矩阵权值变成NVM单元的电导 。 将输入电压施加到RRAM单元 ， 然后对所产生的电流求和 ， 即可完成点积运算 。 由于不需要在运算资源和内存之间移动权重 ， 因此这一模型可以实现电源效率和可扩展性的完美组合 。 ”
一致的观点 在笔者看来 ， 边缘AI和终端AI之间有一个非常明显的区别 。 终端是实体世界与数字世界的交汇点 ， 而边缘的定义却很灵活 。 供货商的说法也各不相同 ， 有的认为数据中心以外的一切都是边缘(包括网关、网络边缘、汽车) ， 而有的则把终端定义为边缘的子集 。
【人工智能@边缘AI能聪明到什么程度？】如何定义并不重要 。 最终还是要看具体的应用 ， 以及可以在终端或边缘实现多少智慧 。 这需要在可用内存容量、性能需求、成本和能耗之间进行权衡 ， 以决定能够在边缘实现多少推理和分析 ， 需要多少神经网络加速器 ， 以及是作为SoC的一部分 ， 还是与CPU、GPU或DSP并列使用 。 当然 ， 在应对这些挑战时 ， 不要忘记使用创新的方法和技术 ， 比如内存内运算和AI 。
推荐阅读
![[联合国]49票赞成44票反对，特朗普获得对伊开战权，伊朗局势要危险了？](http://img88.010lm.com/img.php?https://image.uc.cn/s/wemedia/s/upload/2020/b283af92b2cb9caae082c2a106720076.jpg)
- 简明科学指南|微软用人工智能取代新闻工作者
- 新智元|人工智能领域很多引人注目的进展并不真实
- 千家网|人工智能在半导体市场的发展潜力及其意义
- 国防科技要闻|【每日动态】1000亿美元资助高科技产业/人工智能分析微观结构/下一代武器系统体系结构的评估标准
- 新智元|Science | 人工智能领域很多引人注目的进展并不真实
- 论文Science | 人工智能领域很多引人注目的进展并不真实
- 人工智能|云从科技集团股份有限公司具体经营项目申报新增机器人、人工智能等
- |倪光南：品牌产业数字化是人工智能发展的大趋势
- 科学出版社|陆培丽: 从统计世界走向人工智能
- 人工智能爱好者社区|等了整整12年！Linux QQ 终于更新了