以AI技术为导向的嵌入式应用现在发展如何

（文章来源：OFweek）

随着许多嵌入式系开始变得智能且自主，El－Ouazzane预计以AI为导向的嵌入式系统即将爆发。但是，不久的将来即将出现什么样的AI装置？McGregor预测，我认为在2025年以前，每个人所接触的每一款新系统／平台都将具有某种程度的AI元素，它可能内建于装置本身，或存在于网络、云端，或是分散在其间。 

他补充说：它可能就像是用户接口或应用一样简单，或者是像虚拟助理或自主控制般复杂的某种装。 目前已经有许多应用已经导入了AI，包括虚拟助理、搜索引擎、财务建模、与文章写作 等等。 他说：而在装置上，AI将因各种不同的原因而持续成长，特别是数据的安全、实时互动／处理以及带宽限制等。 然而，在装置上进行训练才是真正的挑战，最终可能需要新的处理模型。 

英特尔想掌握一切。当然，Movidus现在是英特尔的子公司，但其目标并不仅限于有更多嵌入式系统在边缘执行神经网络。 El－Ouazzane将其产品发布架构在英特尔端对端AI产品组合的更大脉络之下。他指出，英特尔拥有广泛的AI产品组合，并为其提供一整套完整的开发工具和资源。

无论是在英特尔Nervana云端上训练AI神经网络、优化新兴的工作负载（如AI、、VR和AR），以及使用英特尔Xeon Scalable处理器实现自动驾驶，或是以Movidius视觉处理器技术将AI导入边缘，英特尔宣称该公司已为下一代AI驱动的产品和服务提供了全面的AI产品组合、工具、训练和部署选择。然而，Movidus是否真的能在即将变得无所不在的AI嵌入式系统中成为其关键参考架构，目前还不而知。

Tirias Research的McGregor尽管认同Neural Compute Stick是一款可在新设计中快速评估AI模型训练效能的有利工具，但他仍指出，设计人员仍然必须在最后的系统设计时间执行类测试，特别是如果他们并未使用Moviduis的芯片和／或Caffe架构。 The Linley Group的Gwennap还认为，Movidius无法达到其目标——实现在边缘运算神经网络的嵌入式系统设计。

Gwennap指出，值得注意的是，新的AI时代并不会有参考架构。 诸如TensorFlow和Caffe等架构将会把软件（神经网络）和硬件分开来。 他补充说：映像到Myriad VPU的网络可以轻易地映像到Snapdragon或其他处理器上。 因此，AI处理器将在性能和效率的基础上进行竞争，而不是锁定于指令集。 

同样地，他也不认同同样的工具适用于训练和推理的论点。 Gwennap说：一旦网络开始接受训练，就可以轻松地部署在支持主流架构的任何平台上。 而且，主流的架构都是开放源码，以避免单一家厂商锁定。El－Ouazzane看好AI处理器抽取底层硬件的能力，它让设计者可将推论与练训分离开来。 但他重申先前的观点，从长远来看，能够使用相同的工具进行神经网络的训练和部署，才有助于系统设计人员。

他以Movidius的开发蓝图为例表示，未来三年，深度学习的效能预计将会增加50倍。 为了在不增加功耗的情况下实现这一目标，我们可以在训练方面设计许多架构技巧。El－Ouazzane补充说：当你在斟酌这些技巧时，让学习和推理方面置于同一平台是至关重要的。 

（责任编辑：fqj）