嵌入式处理器与AI芯片的差异

随着AlphaGo的诞生，“深度学习”日益普及，人工智能开始从智能化工具向智能机器进军。原有的MCU已无法满足深度学习的高速海量数据运算要求，AI芯片便应运而生。如今嵌入式芯片领域正面临AI芯片的新一轮机遇。

有的人认为不存在AI芯片，可能认为AI芯片只是原有嵌入式处理器的功能扩展而已。殊不知随着嵌入式处理器的功能不断外延，已从量变产生了质变。自从人工智能进入机器的深度学习时代，原有MCU的硬件加速已无法满足高速海量数值计算要求，以及大数据的云间交互要求。这样一来，在嵌入式领域便出现了MCU与AI芯片两个有本质差异的芯片群。前者是满足工具智能化的智能控制芯片（以控制见长）；后者是满足智能机器深度学习的计算芯片（以计算见长）。

未来，在人工智领域会逐渐形成智能化工具与智能机器两大领域。目前，智能化工具领域业已成熟，智能机器领域依托AI芯片、神经网络、深度学习、云际交互逐渐向强人工智能领域进发。当前，AI芯片形式多样，属于初级发展阶段，尽管有些概念尚可商榷，但原有的各种嵌入式处理器的概念已无法沿袭，“AI芯片”可能会约定俗成。

自从人工智能进入机器的深度学习时代，原有MCU的硬件加速已无法满足高速海量数值计算要求，以及大数据的云间交互要求。随着嵌入式处理器的功能不断外延，已从量变产生了质变。

在嵌入式领域便出现了MCU与AI芯片两个有本质差异的芯片群。前者是满足工具智能化的智能控制芯片（以控制见长）；后者是满足智能机器深度学习的计算芯片（以计算见长）。未来，在人工智领域会逐渐形成智能化工具与智能机器两大领域。

业内专家何立民教授认为“AI芯片”值得关注！针对此问题，何教授有自己的看法：“AI芯片”的确存在，其概念不仅被广泛应用，也无法用其它的概念，如MCU、MPU等概念所替代。

目前，智能化工具领域业已成熟，智能机器领域依托AI芯片、神经网络、深度学习、云际交互逐渐向强人工智能领域进发。而AI芯片形式多样，属初级发展阶段，尽管有些概念尚可商榷，但原有的各种嵌入式处理器的概念已无法沿袭，“AI芯片”可能会约定式俗。

以人脸识别为例，用于门禁的实时人脸识别，也许可以用MCU+图形加速器方案。但要从众多人群中实时识别特定的人脸，就要引入深度学习，不断提高其识别能力；为了与众多人脸对比，还要与云端大数据交互，无论多么高明的MCU都无法承担如此重任。也许“深度学习”、“云端交互”是AI芯片的两大重要特征。

在IEEE协会首次在京举办研讨会上，王飞跃教授直言，我不认为现在有所谓的人工智能芯片。德国马格德堡大学教授安德烈·纽伦堡（Andreas Nuernberger）补充道：“我同意没有人工智能芯片这一说法。现在芯片的发展加速了深度学习的过程，之前在图像方面也有这种深度学习，你现在把它们称作为人工智能的芯片，但这是出于某种特定的目的而生产的产品。我觉得现在物联网可以让过程变得更加可靠，可以确保这些网络和硬件的反应速度更快、更加可靠、更有活力。我觉得这些是智能硬件的现实世界，但是他们的代价很高，因为你需要更加复杂的基础设施，更多的技术，这和之前是不同的。”

目前AI芯片领域竞争激烈，也许一时难以形式统一的结构体系，但逐步完善后，作为嵌入式领域中的又一新兵，在人工智能领域与MCU相互补充、各尽其职。既不可相互替代，又有不同的技术发展方向。MCU与AI处理器用在不同领域，两者都有巨大的发展潜力。