這是一場由互聯(lián)網(wǎng)邊緣發(fā)跡的革命。Google、Amazon、BAT等重量級科技巨頭玩家，此前早已盯準(zhǔn)了云端的超級賽道。隨著AI和分布式計(jì)算的發(fā)展，另一場革命風(fēng)暴在邊緣開始醞釀。
在傳統(tǒng)的云架構(gòu)下，AI大多依靠云端聯(lián)網(wǎng)和數(shù)據(jù)中心實(shí)現(xiàn)數(shù)據(jù)的存儲(chǔ)和計(jì)算。然而，傳統(tǒng)以云為中心的構(gòu)架方式并非在任何情況下都是最理想的解決方案，比如對信息安全的擔(dān)憂以及功耗對產(chǎn)品設(shè)計(jì)帶來的挑戰(zhàn)等。
隨著技術(shù)的發(fā)展，一個(gè)巨大的機(jī)會(huì)正在遠(yuǎn)離傳統(tǒng)數(shù)據(jù)中心的互聯(lián)網(wǎng)邊緣產(chǎn)生——嵌入式AI正受到越來越廣泛的重視，未來其發(fā)展將使距離用戶“最后一公里”的設(shè)備端具有更高智能。
云端具備連結(jié)多方大數(shù)據(jù)和超強(qiáng)計(jì)算力的優(yōu)勢，在AI發(fā)展中占據(jù)著不可替代的作用，但如果這些網(wǎng)絡(luò)節(jié)點(diǎn)所抓取的數(shù)據(jù)都上傳云端進(jìn)行智能處理或深度學(xué)習(xí)，將對網(wǎng)絡(luò)帶寬將提出巨大挑戰(zhàn)。
此外，另一挑戰(zhàn)就是功耗，設(shè)備端大量采用電池供電，比如智能移動(dòng)設(shè)備、新能源汽車等都對設(shè)備功耗提出了越來越高的要求。
遠(yuǎn)離BAT遠(yuǎn)離云
“嵌入式AI”星火燎原
傳統(tǒng)云計(jì)算的優(yōu)勢在于，服務(wù)器存儲(chǔ)的數(shù)據(jù)量大、計(jì)算準(zhǔn)確性高、計(jì)算能力強(qiáng)，通常用于單次、不連續(xù)的計(jì)算任務(wù)請求。
比如Face++提供API接口的人臉識別云服務(wù)、科大訊飛語音識別云服務(wù)、圖普科技圖像內(nèi)容審查云服務(wù)等，這些都需要把計(jì)算任務(wù)通過網(wǎng)絡(luò)上傳云端，云端計(jì)算完成后再把結(jié)果傳回本地。
雖然云計(jì)算計(jì)算能力強(qiáng)大，但是也有弊端，很多計(jì)算場景是需要在本地進(jìn)行的。
所謂“嵌入式AI”，實(shí)則是一種本地計(jì)算，又稱邊緣計(jì)算。其和云計(jì)算類似，都是處理大數(shù)據(jù)的計(jì)算運(yùn)行方式。
但與云端智能不同的是，嵌入式AI無需將數(shù)據(jù)上傳到BAT或第三方數(shù)據(jù)中心，在邊緣側(cè)、本地設(shè)備端終端即可進(jìn)行實(shí)時(shí)環(huán)境感知、深度學(xué)習(xí)、人機(jī)交互、決策控制等相關(guān)算法解決問題。
在AI領(lǐng)域，很多應(yīng)用場景都需要在本地終端進(jìn)行計(jì)算，比如機(jī)器人、無人機(jī)、汽車以及手機(jī)等。
目前很多AI產(chǎn)品在性能、精度、功耗、成本等方面都或多或少存在體驗(yàn)不高的難題，這些問題也都制約著AI的進(jìn)一步發(fā)展。可喜的是，嵌入式AI的出現(xiàn)為這些體驗(yàn)痛點(diǎn)提供了最佳解決方案。
不過，這并不意味著嵌入式AI將代替云計(jì)算。在云、管、端三者的角色中，云計(jì)算側(cè)重于云，實(shí)現(xiàn)的是最終數(shù)據(jù)分析與應(yīng)用的場所，而嵌入式AI則強(qiáng)化了設(shè)備端的重要性，滿足了實(shí)時(shí)性數(shù)據(jù)分析和智能化處理需求，也更加安全和高效。
未來的機(jī)器學(xué)習(xí)、深度學(xué)習(xí)會(huì)在云端和終端協(xié)調(diào)發(fā)展，不一定所有AI都要在云里實(shí)現(xiàn)。
比如自動(dòng)駕駛領(lǐng)域，輔助駕駛系統(tǒng)如果在云端計(jì)算，設(shè)備端采集到數(shù)據(jù)后上傳，計(jì)算完成后再返回終端，這樣會(huì)不可避免地帶來一定延時(shí)，而在駕駛場景中，這種延時(shí)意味著危險(xiǎn)系數(shù)的提高。
嵌入式AI面臨的三座大山：
計(jì)算力差、功耗高、成本問題
曾有科學(xué)家預(yù)言，人類只要有五臺(tái)超級計(jì)算機(jī)就可以滿足全人類的計(jì)算需求。一些公司也曾經(jīng)推出過網(wǎng)絡(luò)計(jì)算機(jī)，但因?yàn)榫W(wǎng)絡(luò)傳輸能力和任務(wù)響應(yīng)時(shí)間等問題，個(gè)人計(jì)算機(jī)和本地服務(wù)器在很長時(shí)間內(nèi)還是占據(jù)了主流。
隨著網(wǎng)絡(luò)帶寬的提升和技術(shù)的升級，云計(jì)算以更出色的成本優(yōu)勢又逐漸回到了人們的視野。
算力有限也是制約嵌入式AI發(fā)展的一大桎梏。眾所周知，AI涉及到的計(jì)算都異常復(fù)雜，對于計(jì)算力的要求特別高。
如果將AI的算法放置于本地，意味著原來CPU架構(gòu)可能要上升，也有可能會(huì)想要加一些單獨(dú)處理的單元。
如果不加單獨(dú)處理的單元，運(yùn)算能力則根本無法跟上需求。如果加了又會(huì)面臨成本的提升，如果利用原來的CPU或GPU，它的精度可能又達(dá)不到，這就會(huì)面臨很多問題。
此外，還有一個(gè)就是功耗問題。在終端上的AI，必須要實(shí)現(xiàn)低功耗。但功耗太低，則無法實(shí)現(xiàn)智能。既要實(shí)現(xiàn)高性能，又要滿足計(jì)算能力很高的要求，魚和熊掌兼得確實(shí)非常困難。功耗一旦控制的不好，最后的產(chǎn)品體驗(yàn)也一定很差。
如果未來芯片在終端側(cè)無法滿足實(shí)時(shí)本地處理的需求，勢必會(huì)出現(xiàn)一類全新的AI專用芯片，這也是為何最近芯片廠商尤為活躍的原因。
基于此，未來AI技術(shù)的發(fā)展將是兩種趨勢：通用和垂直。
在通用和垂直AI領(lǐng)域，巨頭和創(chuàng)業(yè)企業(yè)都有各自的優(yōu)勢和機(jī)會(huì)。在智能化通用技術(shù)領(lǐng)域，由于AI所需的軟件算法解決方案超出了傳統(tǒng)芯片公司的邊界，Intel、NVIDIA這樣更具人才、資源和科研資源的巨頭企業(yè)具備更強(qiáng)優(yōu)勢。
但在深度學(xué)習(xí)這類對專業(yè)要求更高的領(lǐng)域，像地平線、寒武紀(jì)這樣的創(chuàng)業(yè)企業(yè)更有機(jī)會(huì)。
對于AI應(yīng)用來說，“端+云”的趨勢已經(jīng)非常明確，一些計(jì)算壓力可以由終端設(shè)備分擔(dān)，提供非常快的即時(shí)響應(yīng)能力。當(dāng)更多數(shù)據(jù)匯聚到云端，使得到云端AI具備大規(guī)模數(shù)據(jù)挖掘的能力，“云+端”則是更優(yōu)的AI組合方案，兩者不可偏廢。
如今，嵌入式AI解決方案僅僅邁出了一小步，還有很多地方需要探索和完善，這需要打通包括算法、芯片、數(shù)據(jù)、應(yīng)用、終端等在內(nèi)的產(chǎn)業(yè)鏈上下游各個(gè)環(huán)節(jié)，通過多方參與協(xié)同努力，才有可能看到AI真正走入尋常百姓家的一天。
聯(lián)系客服
