以AI技術為導向的嵌入式應用現(xiàn)在發(fā)展如何

（文章來源：OFweek）

隨著許多嵌入式系開始變得智能且自主，El－Ouazzane預計以AI為導向的嵌入式系統(tǒng)即將爆發(fā)。但是，不久的將來即將出現(xiàn)什么樣的AI裝置？McGregor預測，我認為在2025年以前，每個人所接觸的每一款新系統(tǒng)／平臺都將具有某種程度的AI元素，它可能內(nèi)建于裝置本身，或存在于網(wǎng)絡、云端，或是分散在其間。?

他補充說：它可能就像是用戶接口或應用一樣簡單，或者是像虛擬助理或自主控制般復雜的某種裝。 目前已經(jīng)有許多應用已經(jīng)導入了AI，包括虛擬助理、搜索引擎、財務建模、與文章寫作 等等。 他說：而在裝置上，AI將因各種不同的原因而持續(xù)成長，特別是數(shù)據(jù)的安全、實時互動／處理以及帶寬限制等。 然而，在裝置上進行訓練才是真正的挑戰(zhàn)，最終可能需要新的處理模型。?

英特爾想掌握一切。當然，Movidus現(xiàn)在是英特爾的子公司，但其目標并不僅限于有更多嵌入式系統(tǒng)在邊緣執(zhí)行神經(jīng)網(wǎng)絡。 El－Ouazzane將其產(chǎn)品發(fā)布架構在英特爾端對端AI產(chǎn)品組合的更大脈絡之下。他指出，英特爾擁有廣泛的AI產(chǎn)品組合，并為其提供一整套完整的開發(fā)工具和資源。

無論是在英特爾Nervana云端上訓練AI神經(jīng)網(wǎng)絡、優(yōu)化新興的工作負載（如AI、、VR和AR），以及使用英特爾Xeon Scalable處理器實現(xiàn)自動駕駛，或是以Movidius視覺處理器技術將AI導入邊緣，英特爾宣稱該公司已為下一代AI驅動的產(chǎn)品和服務提供了全面的AI產(chǎn)品組合、工具、訓練和部署選擇。然而，Movidus是否真的能在即將變得無所不在的AI嵌入式系統(tǒng)中成為其關鍵參考架構，目前還不而知。

Tirias Research的McGregor盡管認同Neural Compute Stick是一款可在新設計中快速評估AI模型訓練效能的有利工具，但他仍指出，設計人員仍然必須在最后的系統(tǒng)設計時間執(zhí)行類測試，特別是如果他們并未使用Moviduis的芯片和／或Caffe架構。?The Linley Group的Gwennap還認為，Movidius無法達到其目標——實現(xiàn)在邊緣運算神經(jīng)網(wǎng)絡的嵌入式系統(tǒng)設計。

Gwennap指出，值得注意的是，新的AI時代并不會有參考架構。 諸如TensorFlow和Caffe等架構將會把軟件（神經(jīng)網(wǎng)絡）和硬件分開來。 他補充說：映像到Myriad VPU的網(wǎng)絡可以輕易地映像到Snapdragon或其他處理器上。 因此，AI處理器將在性能和效率的基礎上進行競爭，而不是鎖定于指令集。?

同樣地，他也不認同同樣的工具適用于訓練和推理的論點。 Gwennap說：一旦網(wǎng)絡開始接受訓練，就可以輕松地部署在支持主流架構的任何平臺上。 而且，主流的架構都是開放源碼，以避免單一家廠商鎖定。El－Ouazzane看好AI處理器抽取底層硬件的能力，它讓設計者可將推論與練訓分離開來。 但他重申先前的觀點，從長遠來看，能夠使用相同的工具進行神經(jīng)網(wǎng)絡的訓練和部署，才有助于系統(tǒng)設計人員。

他以Movidius的開發(fā)藍圖為例表示，未來三年，深度學習的效能預計將會增加50倍。 為了在不增加功耗的情況下實現(xiàn)這一目標，我們可以在訓練方面設計許多架構技巧。El－Ouazzane補充說：當你在斟酌這些技巧時，讓學習和推理方面置于同一平臺是至關重要的。?

（責任編輯：fqj）