嵌入式AI浪尖，純算法公司危機，提供完整方案是關鍵

回顧近幾年，人工智能不但正在走出實驗室，也正在從雲端走向設備端，賦予設備智能——2018年，這一趨勢成爲了產業鏈各方發力點，全部涉及讓人工智能落地的討論，都離不開邊緣計算和嵌入式人工智能技術上。

在近日於清華大學舉辦的嵌入式人工智能大會上，投資人、人工智能企業、科技巨頭坐在了一塊兒，在寒冬的氣氛下，對嵌入式人工智能的發展的討論卻很是火熱。

首先是「機」。會發生在汽車、工業、物流、家庭，「這些領域的人工智能必定是以硬件方式存在，因此必定會是嵌入式的，必定會在邊緣端發生計算，這是已經在發生的。」

而後是「危」：邊緣計算在性能、功耗、安全性、兼容性等方面任然面臨着巨大的挑戰，業內的公司已經在提高AI雲端計算上有了很大的進展，容許機器更好地解決問題，但嵌入式人工智能還須要考慮如何更加經濟地解決問題。

圖｜嵌入式人工智能面臨的挑戰

那麼，嵌入式人工智能的挑戰主要在哪？

挑戰在於終端處理平臺碎片化、計算能力有限、應用多樣化需求難以被知足、性能（準確率、速度）平衡的取捨、生態不成熟、功耗和成本較高這6各方面。

解決這些問題，須要對軟件、硬件進行深度結合的系統化設計。在軟件方面，核心就是下降算法模型的計算量，可經過裁減模型，壓縮網絡、與場景的深度融合和適度優化、共享深度學習模型中的超參數等方法實現。在硬件方面，關鍵在於AI運算加速引擎，在知足功耗、發熱等限制條件的前提下，實現AI運算加速引擎。當算法集成到設備時，第一件事是先看功耗、發熱、光速。

由此延伸出來的一個很重要的共識是，嵌入式人工智能將是很是長的產業過程，須要芯片、操做系統、算法、硬件、自動控制、材料等方向的技術和人才共同投入。

從用戶的角度，市場上各類各樣的客戶都有很是多的需求和痛點，這些需求和痛點背後，客戶們看中的不會是某個具體的技術有什麼突破點，而是尋求最完整的一個解決方案，涵蓋包括算法、硬件、雲等各個重要元素的有效組合。

從技術的角度來說，萬物互聯實際上須要技術很是多，鏈接方面除了3G、4G、5G的技術之外，還須要Wifi的技術、藍牙的技術；在算法方面，須要CPU、GPU、NPU，還有DSP。最後，安全現在也變成一個很重要的領域。鏈接、計算、安全，將構成萬物互聯的幾個重要支撐點。

在上述幾個方面具有豐富知識產權以及技術的公司，像上海速嵌，提供嵌入式AI完整解決方案，將繼續扮演重要角色。與之相反的是，留給純算法AI公司的生存空間可能會愈來愈小，業內人士對錶示，這些公司沒法提供全產業鏈的解決方案，盈利空間有限，其最好的結果多是被收購。

AI賦能行業的過程當中，客戶其實指望總體解決方案，涵蓋數據獲取、隱私問題、訓練、生產管理系統、私有云署、先後端等方面，而不僅僅是純算法。

「客戶衡量AI技術的預算不是根據AI做爲高大上的技術來作的，而是根據生產力提高（用戶體驗提高，銷售轉換率等），運行效率優化，及經營業績能承受的預算能力來反推的，這和目前昂貴的AI投入成本是個矛盾」。

而接下來的10年到20年走向萬物互聯的階段，除了總體解決方案的競爭、純算法公司的存亡值得關注之外，5G和AI相輔相成也將帶來新的機會。高通全球副總裁孫剛表示，預計2025年AI延伸出來的產業會產生5.1萬億美圓的商業場景，到2030年由5G延伸出來的產業爲12.3萬億，這兩個產業有很是大的前景。

5G的發展和AI是結合在一塊兒的，由於5G是通信的標準，而通信標準的發展會帶來更快的通信速度，同時也會產生更多的數據，數據則是AI的基礎，更多的數據就會使AI更有效。在這個基礎上，AI的技術會發展，發展過程當中對數據有更多的需求，會促進5G的發展，這兩個技術的發展是相輔相成的。