为什么人工智能不依赖云：人工智能在未来会被边缘化复杂的需要在强大的云计算和数据中心进行处理，这限制了它们在智能手机和其他“边缘”设备上的广泛应用。今年，随着人工智能软硬件及相关新能源技术的快速发展，估计这道坎也将被跨过。基于人工智能的产品和服务将进一步摆脱对云计算服务的依赖，迅速融入我们生活的方方面面。未来几年人工智能服务的普及将撼动整个社会。终于应验了咨询公司德勤在2018年底所称的“普适智能”（pervasiveintelligence）。据市场研究公司GartnerInc.预测，到2022年80%的智能手机将具备人工智能能力，比2017年增长10%.根据ABIResearch的数据，到2023年，具有AI计算能力的AI设备销量将达到约12亿台，比2017年增加7900万台。许多初创公司及其投资者都面临着巨大的机遇。嵌入式视觉联盟（EmbeddedVisionAlliance）创始人杰夫·比尔（JeffBier）于2019年5月在硅谷召开新闻发布会时表示，过去三年，投资者在人工智能芯片启动方面投入了约15亿美元-UPS。这超过了对其他所有芯片初创公司的投资。市场研究公司YoleDéveloppement预测，到2023年，人工智能处理器的年复合增长率将达到46%，届时几乎所有智能手机都将采用AI处理器，而如今这一比例还不到20%。不仅仅是初创公司采取行动：5月，英特尔公司演示了即将推出的“IceLake芯片”，其中包括“深度学习加速”软件和图形处理单元上的其他AI指令。ArmLtd.还拥有一系列针对人工智能应用的处理器，包括智能手机和其他高端设备。同期，NvidiaCorp.宣布了第一个连接AI设备的人工智能平台。IHSMarkit首席分析师TomHackett在嵌入式视觉联盟峰会上表示：“在未来两年内，几乎每家芯片制造商都会为人工智能提供某种具有竞争力的平台。”除了智能手机，还有数百万物联网设备，例如机器人、无人机、汽车、相机和可穿戴设备。例如，开发机器学习芯片的以色列公司Hailo在1月份筹集了2100万美元的资金。5月中旬，该公司发布了专为深度学习设计的处理器。深度学习是机器学习的一个分支，该公司最近在语音和图像识别方面取得了突破。新的研究表明，更紧凑和更强大的软件可以为边缘人工智能铺平道路，表明神经网络可以比以前小10倍来产生相同的结果。一些公司已经在尝试减小人工智能所需软件的大小。例如，谷歌有限责任公司于2017年底推出了用于移动设备的TensorFlowLite机器学习库，使智能相机能够在没有互联网连接的情况下识别野生动物或进行医学诊断。谷歌工程师PeteWarden在嵌入式视觉峰会上表示，TensorFlowLite目前安装在大约20亿部手机上。3月，谷歌推出了一款语音识别器，可为谷歌虚拟键盘应用程序Gboard的语音输入提供支持。自动语音识别算法只有80兆字节，因此可以在ArmLtd上运行。这意味着它可以离线工作，因此没有网络延迟。重要的是，人们越来越担心通过云传输的数据的隐私性，监管机构可能会禁止将某些数据从设备传输到云。“在未来，几乎所有的机器学习计算都将在设备上完成，”为嵌入式数字信号处理技术提供分析和服务的公司BerkeleyDesignTechnologies的联合创始人兼总裁比尔说。据估计，当今世界有2500亿台活跃的嵌入式设备，而且这个数字还在以每年20%的速度增长。然而，在此类设备上执行人工智能并非易事。这不仅仅是机器学习算法的规模，还有执行它们所需的能量，尤其是因为智能手机、相机和各种传感器等物联网设备不能一直依赖墙上插座甚至电池。如果我们被迫更换电池或为电池充电，这些设备将无法扩展。向云端发送数据和从云端接收数据所需的无线电也非常耗能，因此通过蜂窝网络或其他连接进行通信是许多小型廉价设备的致命障碍。“我们需要一个专门的架构来做我们想做的事情，”YoleDéveloppement的技术和市场分析师YohannTschudi说。此外，还需要开发一种实际需要消耗不到1毫瓦的设备，这大致相当于智能手机。手机耗电量的千分之一。好消息是越来越多的传感器甚至微处理器有望做到这一点。例如，美国能源部与楼宇自动化公司SkyCentricsInc.合作，帮助开发用于楼宇能源管理的低成本无线剥离式传感器。实验表明，新型传感器可以利用环境光为自身供电。即使是计算核心的微处理器也可以是低功耗的，因为来自AmbiqMicro、EtaCompute、SyntiantCorp.、AppliedBrainResearch、SiliconLaboratoriesInc.和GreenWavesTechnologies等初创公司的新处理器可以在微瓦级运行。或者进行比毫瓦小一千倍的计算。以上表明机器学习在智能手机、智能相机、工厂监控传感器等领域有着广泛的新应用。这些应用包括：使用加速度计进行预测性维护以确定机器是否振动过大或发出有趣的噪音。路灯传感器检测，当附近有人时，路灯就会亮起。使用分散在农田中的视觉传感器或微型摄像机识别农业害虫。使用安装在树上的太阳能Android手机检测非法伐木。使用传感器测量心率、胰岛素水平和身体活动。使用视频进行语音分离。未来，传感器可以相互通信，例如在智能家居中，烟雾报警器检测到潜在的火灾，烤面包机报告它闻起来像烤焦的吐司。当然，这并不意味着云在机器学习中失去了重要性。这些设备上的机器学习模型仍然需要在强大的计算机集群上根据大量数据进行训练，谷歌、亚马逊和Arm等公司自去年以来一直在提供AI芯片，其中一些是通过他们的云计算服务。但现在很明显，随着人工智能软件、硬件和相关新能源技术的快速进步，人工智能的未来与其说是在云端，不如说是在边缘。原标题：不需要云：为什么AI的未来在边缘，作者：ROBERTHOF
