人工智能的发展（zhǎn）充满希望和挑战，在（zài）其“不（bú）屈不挠”的前进中面临一道坎：人工智能应用程序（xù）的算（suàn）法都是庞大而复杂的，需要在强大（dà）的云（yún）计算和数据中心（xīn）进行处理，这便限制了在（zài）智能（néng）手机和其他 “边缘”设备上的（de）广泛（fàn）应用。今年，随着AI软件、硬件和有关新能源技（jì）术的突飞猛进，这道坎估计也要跨（kuà）过去了。基于AI的产（chǎn）品和服务将进一（yī）步摆（bǎi）脱对云计算服务的依赖，并迅（xùn）速融（róng）入我们生活的每一个部分。未来几年人（rén）工智（zhì）能服务无处不在（zài），这将撼动（dòng）整个（gè）社会。

很（hěn）多创（chuàng）业公（gōng）司和他们（men）的（de）投资（zī）方都有（yǒu）很大的机会。2019年5月（yuè）在硅谷召开发布（bù）会（huì）的Embedded Vision Alliance (嵌入（rù）式视觉（jiào）联盟)创始人Jeff Bier(杰夫·比尔)表示，过去三（sān）年，投资者向人工智能芯片（piàn）初创企业（yè）投入了约15亿美元，超过了对（duì）其他所有（yǒu）芯片初创企业（yè）的投资。市场研究机构（gòu）Yole Développement 预测，到2023年，人工智能处（chù）理器的复合年增（zēng）长（zhǎng）率（lǜ）将达（dá）到（dào）46%，届时几乎（hū）所有的（de）智能手机都将使用AI处理器，而现在的使用率还不到20%。

不仅仅是初创企业有（yǒu）所（suǒ）动作，今年（nián）5月，英特尔公司(Intel Corp.)演示了即将推出的“冰湖芯（xīn）片（piàn）”(Ice Lake chips)，其中包括“增强深（shēn）度（dù）学习（xí）”(Deep Learning Boost)软件和图（tú）形处理单元上的其他AI指令。Arm Ltd.也推出了一系列针（zhēn）对人（rén）工智能（néng）应（yīng）用的处（chù）理器（qì），包括智能手机和其他高端设备的处理器。同期，英伟达公司(Nvidia Corp.)宣（xuān）布了（le）首个（gè）连接AI设（shè）备的（de）人工智能（néng）平台。

IHS Markit首席分析（xī）师Tom Hackett (汤姆?哈克特)在嵌入式视觉联（lián）盟峰（fēng）会（huì）上表示：“未（wèi）来两年，几乎每家芯片厂（chǎng）商都将为人工智能提供某种竞争平台。

这（zhè）些芯（xīn）片厂（chǎng）商正在向智（zhì）能手（shǒu）机以外（wài）的数以百万计的（de）物（wù）联网设备进军，如机（jī）器人、无人机（jī）、汽车、相（xiàng）机和可穿戴设备等。例如，以色列的一（yī）家开（kāi）发机（jī）器（qì）学习（xí）芯片的公司海洛公司(Hailo)，在今年1月进行了一轮2100万美元的融资（zī）。5月中旬，该公司发布了一款专为深度学习设计的（de）处理器。深度学习（xí）是机器学习的一（yī）个分支，最近（jìn）该公（gōng）司在语（yǔ）音和图像识别方（fāng）面取得了突破（pò）。

新的研究（jiū）表明，神经网（wǎng）络（luò）相（xiàng）比之前在生成同样结果的条件下，其规模可以缩小10倍，由此判断，更紧（jǐn）凑、更强大的软（ruǎn）件可能会为处于边缘的人工智能铺平（píng）道路。一（yī）些公司已经在设法压缩人工智（zhì）能所（suǒ）需软件的规（guī）模（mó）。

例如，谷歌LLC于（yú）2017年底推出了面向移动设备的TensorFlow Lite机器学习库，这（zhè）使得智能（néng）相机能够（gòu）识别野生动物，或者在没有互联网连接的情况（kuàng）下进行（háng）医学诊断。谷歌工程（chéng）师Pete Warden在（zài）嵌入式视觉峰（fēng）会上说（shuō），目（mù）前大约（yuē）有20亿部（bù）手机安装了TensorFlow Lite。

今年3月，谷歌推出了一款语音（yīn）识（shí）别器，为（wéi）谷（gǔ）歌的虚拟键盘应用（yòng）程序Gboard提供语音输入功能。自动语音识（shí）别算法只（zhī）有80兆字节（jiē），因此（cǐ）可以在Arm Ltd.上（shàng）运（yùn）行。这意味（wèi）着它可以（yǐ）离线工（gōng）作，所以没有（yǒu）网络延迟。重要的是，人（rén）们对穿（chuān）越云（yún）端的数据（jù）隐（yǐn）私越来越担忧，监管部门很有可能禁止（zhǐ）将一些数据从设备上转（zhuǎn）移（yí）至云端。

伯克利（lì）设计技（jì）术公（gōng）司的联合创始人和（hé）总（zǒng）裁（cái）比尔说：“未（wèi）来几乎所有的机器学习（xí）运（yùn）算都将（jiāng）在设备上完成（chéng）。”该（gāi）公（gōng）司为（wéi）嵌入式数字信号处理技（jì）术（shù）提供分析和（hé）服务。据估计当今世界上已有2500亿活跃的嵌（qiàn）入式设备，并且这个数字还在以（yǐ）每年20%的速度增（zēng）长（zhǎng）。

然而在这样的设备上进行（háng）人工智能并非易（yì）事（shì）。这不（bú）仅（jǐn）仅（jǐn）是机器学习算法的大（dà）小，而是（shì）执（zhí）行这些算（suàn）法（fǎ）所需（xū）要的能（néng）量，尤其（qí）是智能（néng）手机（jī）、摄像头和各（gè）种传感器这样的（de）物联网设备，不能一直依赖墙（qiáng）上插座（zuò）甚至电池供电。如果我们被（bèi）迫（pò）更换或充电（diàn）电池（chí），这（zhè）些（xiē）设备将（jiāng）无法实现规（guī）模化（huà）。

向云中发送数据和从云中（zhōng）接收数据所需的无线电也是能（néng）耗大（dà）户，因（yīn）此通过蜂窝网络或其他连（lián）接进（jìn）行通（tōng）信对（duì）许（xǔ）多小型（xíng）廉（lián）价设备来说都是一个致命的障碍。Yole Développement的技术（shù）和市（shì）场分析师Yohann Tschudi表示（shì）：“我们需要一（yī）个专门的（de）架构来做（zuò）我们想做的事情。”

此外，还（hái）需（xū）要开发出一种（zhǒng）实（shí）际功（gōng）率必须小于1毫瓦的设（shè）备，这（zhè）大约是智能手机用电量的千分之一。好（hǎo）消（xiāo）息是，越来越（yuè）多的（de）传感器（qì）甚至微处理器有望（wàng）做到（dào）这一点。

例（lì）如，美（měi）国能源部(U.S. Department of Energy)与建筑自动化公司SkyCentrics Inc.合作（zuò），帮助开发了用于建筑能源管理（lǐ）的低成本无线剥棒式传感器。实验表明新型传感（gǎn）器可以利用环境光为自身（shēn）供（gòng）电。即使是核心计算的微处理（lǐ）器，也可能是低（dī）功耗的，如Ambiq Micro、Eta Compute、Syntiant Corp.、Applied Brain Research、Silicon Laboratories Inc.和GreenWaves Technologies初（chū）创（chuàng）企业的新（xīn）型处理器（qì），可以在微瓦或比毫瓦小一（yī）千倍（bèi）的情况下进行计算。

以上表（biǎo）明（míng），机（jī）器学习在智能手机、智能相机和工厂监控传感器等（děng）领域有着广泛（fàn）的新（xīn）应（yīng）用。这些应用程序包括:

使用加（jiā）速计（jì）预测维修，以确（què）定机器是否震动太多或发（fā）出（chū）有趣的噪音。街灯的感应检测，当（dāng）有（yǒu）人（rén）在（zài）附（fù）近时（shí），街灯才（cái）会打开。利用分（fèn）散在农田中的视觉传（chuán）感器或微型摄像（xiàng）机（jī）进（jìn）行农业害虫识别。使（shǐ）用安装（zhuāng）在树上的太阳（yáng）能（néng）安卓手机检测非法伐（fá）木。使用传感器来测量心率、胰岛（dǎo）素水平和身（shēn）体（tǐ）活动。使（shǐ）用视（shì）频进行语音分离（lí）。

未（wèi）来传感（gǎn）器可以相互通信，比如在（zài）智能家居中（zhōng），烟（yān）雾报警器探（tàn）测到潜在的火（huǒ）灾，而烤面包机反（fǎn）馈说，只是烤面包有烧焦的味道而已。

当然（rán），这些并不意（yì）味着云（yún）就在机（jī）器学习中（zhōng）失去重（chóng）要的地位。这（zhè）些在设备上运行的机器学习模型，仍然需（xū）要（yào）在功能强大的计算机集群上进行大量数据的训练，像谷歌、亚马（mǎ）逊公司(Amazon.com Inc.)和（hé）Arm等公司都从去年（nián）开始（shǐ）提供人工智能芯片，其中一些（xiē）是（shì）通过（guò）它们的云计（jì）算服务（wù）提供的。