谷歌和苹果在AI芯片发力，人工智能促进边缘计算发展

　　边缘计算，是指将数据在终端即进行信息处理而不再放到云上面进行计算的方式，这样既达到了提升用户体验的目的，同时提高了数据的安全性，而当边缘计算和人工智能相互结合时，人工智能能够为人类提供更多的功能。

　　物联网的普及，加之当前的通讯技术的发展，怎样通过物与物的连接为人类提供服务已经成为当前的重要研究方向，想要实现这种连接，则要求相互连接的物需要具有更高的语境感知和计算能力。

　　随着现阶段智能手机普及，我们已经能够实现了人和人的不受时间干扰的连接。这个过程经历了电报，电话和短信过程，人们相互连接的设备愈来愈先进。在万物连接的今天，云计算已经不能再满足大家的需求，于是能够在终端进行数据处理的边缘计算开始被物联网重视起来。

　　AI 芯片使用人工智能算法对芯片做了特殊加速设计的芯片，包括深度学习算法和其他的机器学习算法。AI芯片的应用范围包括云计算服务器和边缘计算设备等。边缘设备借助于AI芯片，能够更快地运行并且消耗更少的功率。

　　针对边缘计算，Google两个月前发布了Edge TPU，这是一款运行在TensorFlow Lite计算框架上，为移动或物联网边缘设备运行机器学习应用程序的专用芯片。

　　苹果公司去年发布在iPhone X手机上的内置芯片A11 Bionic具备双核架构NeuralEngine(神经网络处理引擎)，它每秒处理神经网络计算需求的次数可达 6000 亿次。

　　近日，英特尔在北京举办了人工智能大会。英特尔在这场会议上针对人工智能发表了演讲。Jonathan Ballon强调了英特尔在边缘计算方面的布局。他表示，边缘上的AI，最大的机会就是视觉——机器视觉、视频监控、医疗影像等等。数据显示，到2025年，超过一半的人工智能软件收入将来自视觉。

　　视觉应用的剧增，生成了大量需要进行汇总和分析的数据。面对数据暴增，英特尔推出了OpenVINO工具包，在边缘侧实现高性能和可扩展性，专注于加速深度学习并将视觉数据转换为业务洞察。Jonathan Ballon表示，通过OpenVINO，英特尔的硬件在人工智能方面表现出色。

　　几周前英特尔还发布了视觉加速器设计，新的加速解决方案分为两种形式：一种是采用英特尔Movidius VPU阵列，另一种则基于高性能英特尔Arria 10 FPGA。这两种方案都为开发人员提供基于英特尔系列产品的更好的神经网络性能，帮助开发人员更经济、更高效地运用物联网设备的实时图像分析和智能化功能。

　　杨旭在其演讲中引用了一系列的数据，2018年有46%的企业CIO(首席信息官)制定了AI应用的执行计划，但其中只有4%得到了执行。国内人工智能行业2017年的市场规模为9亿美金，而估计到2022年这一数字将达到90亿美金，复合增长率超过58%。事实上，这一些列数字是对人工智能产业未来发展空间的肯定。

　　AI芯片的技术改进能够促进了边缘终端设备更好的发挥其功能，为边缘终端设备的数据采集和计算提供了更快的处理方式，扩宽了其使用场景，这也对AI芯片的市场和应用起到了促进作用。