人工（gōng）智能的发（fā）展充满希望和（hé）挑战，在其“不（bú）屈不（bú）挠”的前进中面临（lín）一道坎：人工智能（néng）应用程序的算（suàn）法都是庞大（dà）而复杂的，需要在（zài）强大（dà）的云计算和数据中（zhōng）心进行处理，这（zhè）便限制（zhì）了在智能手机（jī）和其他 “边缘”设备上（shàng）的广泛应用。今年，随着AI软件（jiàn）、硬件和有关新能源技术的（de）突飞（fēi）猛进，这道坎（kǎn）估（gū）计也要跨过去（qù）了。基（jī）于AI的产品（pǐn）和服务将进（jìn）一步（bù）摆脱对（duì）云计算服务的（de）依赖，并迅速融入我们生活的每一个（gè）部分。未来几年人工智能服（fú）务无处不在，这将撼动整（zhěng）个社会。

很多创业公司和他们的投（tóu）资方都有很大（dà）的机（jī）会。2019年（nián）5月在硅（guī）谷召（zhào）开发布会的Embedded Vision Alliance (嵌入式视（shì）觉联盟)创始人Jeff Bier(杰夫·比尔)表示，过去三年，投资者向人工智能芯片初创企业投入（rù）了约15亿美元，超过（guò）了对其（qí）他（tā）所有芯片初创企业的投资。市场研究机构Yole Développement 预测，到2023年，人工智能处理器（qì）的复合年（nián）增长率将达（dá）到46%，届（jiè）时几乎（hū）所（suǒ）有的（de）智能手机都将使（shǐ）用AI处（chù）理器（qì），而现在的使用率还不到20%。

不（bú）仅仅是初创企业有所动作，今年5月，英特尔（ěr）公司（sī）(Intel Corp.)演示了即将推出的“冰湖芯片”(Ice Lake chips)，其中包括“增强深度学习”(Deep Learning Boost)软件和图形处理单（dān）元上的其他AI指令。Arm Ltd.也（yě）推出了一系列针对人工智能应（yīng）用的处理器（qì），包括智能（néng）手机和其他高端设备的处（chù）理器。同期，英伟达公司(Nvidia Corp.)宣布（bù）了首个连（lián）接AI设（shè）备的人（rén）工智能平台。

IHS Markit首席分析师Tom Hackett (汤姆?哈克特)在嵌入式视觉（jiào）联盟峰会上表示（shì）：“未来（lái）两年，几（jǐ）乎每（měi）家芯片厂商都将为人工（gōng）智能提供某种竞（jìng）争平台。

这些芯（xīn）片厂商正在向智（zhì）能手机以外（wài）的数以百（bǎi）万计的物（wù）联网设备进军，如机（jī）器（qì）人、无人机、汽车、相机（jī）和可穿戴设备等（děng）。例如（rú），以色列的一家开发机（jī）器学习芯片的公司海洛（luò）公司(Hailo)，在（zài）今年1月（yuè）进行（háng）了一轮2100万美元的融（róng）资。5月中旬，该（gāi）公（gōng）司发布了一款专为深度学习设计的处理器。深度学（xué）习是机器学习的一个分支，最近该公（gōng）司在（zài）语音和图像识别方（fāng）面（miàn）取（qǔ）得了突破。

新的（de）研究表明，神经（jīng）网络（luò）相比之前在生成同样结果的条件下，其规（guī）模可以缩小（xiǎo）10倍，由此判（pàn）断，更紧凑、更强大的软件可能会为处于边缘的人工智（zhì）能铺（pù）平道路。一（yī）些（xiē）公司已经在设法压缩人工智能所需软件的（de）规模。

例如，谷歌（gē）LLC于（yú）2017年底推（tuī）出了面向移动设（shè）备的TensorFlow Lite机（jī）器学习库（kù），这使得智能相机能够识（shí）别（bié）野生动物，或者在没有（yǒu）互联网连接的情况（kuàng）下进行医学诊断。谷歌工程师（shī）Pete Warden在（zài）嵌入式（shì）视觉峰（fēng）会上（shàng）说，目前大约（yuē）有20亿部（bù）手机安装了TensorFlow Lite。

今年（nián）3月，谷（gǔ）歌推出了（le）一（yī）款语（yǔ）音识别器，为谷歌的（de）虚拟键（jiàn）盘应用（yòng）程序Gboard提供（gòng）语音输入（rù）功能。自动语音（yīn）识别算法只有80兆字节，因此可以在Arm Ltd.上运（yùn）行。这意味着它（tā）可以离（lí）线工（gōng）作，所（suǒ）以没有网（wǎng）络（luò）延迟。重要的是，人们对穿越云端的数据（jù）隐私（sī）越来越担忧，监管部门（mén）很有可能禁止将一些数据从（cóng）设备上转移至（zhì）云端。

伯克（kè）利设（shè）计技术公（gōng）司的联合创（chuàng）始（shǐ）人和总裁比尔（ěr）说：“未来几乎所有的（de）机器学习运算都将（jiāng）在设（shè）备上完成。”该公司为嵌（qiàn）入式数字（zì）信号处（chù）理技术（shù）提供分（fèn）析和服务。据估计当今世界上已有2500亿活跃的嵌（qiàn）入式设（shè）备，并且这个数字还在以每年20%的（de）速度增长。

然而在这样的设备上进行人（rén）工智能并非易事（shì）。这不仅仅是机器（qì）学习（xí）算（suàn）法（fǎ）的大小，而（ér）是执行（háng）这些算（suàn）法所需（xū）要的能（néng）量，尤其是（shì）智能手机、摄像头和各种传感器这（zhè）样的物联网设备，不能（néng）一直依赖（lài）墙上插座甚（shèn）至电池供电（diàn）。如果我们被迫更换（huàn）或充电电（diàn）池，这些设备将（jiāng）无法实现规模（mó）化。

向（xiàng）云中发（fā）送数据和（hé）从云中接收（shōu）数据所（suǒ）需的无线电也（yě）是能耗大户，因此通过蜂窝网（wǎng）络或其他连接进（jìn）行通信（xìn）对许多小型廉价设备（bèi）来说都是一个（gè）致命的障碍。Yole Développement的技（jì）术和市场分析（xī）师Yohann Tschudi表（biǎo）示：“我们需要一个专门（mén）的架（jià）构来做我们想做的事情。”

此外，还需（xū）要开发（fā）出一种实际功率必须小于1毫瓦的设备，这大约是（shì）智能手机用电量的千分之一。好消（xiāo）息是，越来越多的传（chuán）感（gǎn）器甚至（zhì）微处理器（qì）有望做到这（zhè）一点（diǎn）。

例（lì）如，美国能源部(U.S. Department of Energy)与（yǔ）建筑自动化（huà）公（gōng）司SkyCentrics Inc.合（hé）作（zuò），帮助开发了用于建筑能源管理的低成本无线剥棒式传感器。实验表明新型传感（gǎn）器可以利用环境光为自身供（gòng）电（diàn）。即（jí）使是核心计算的微处理（lǐ）器，也可能是低（dī）功耗的，如Ambiq Micro、Eta Compute、Syntiant Corp.、Applied Brain Research、Silicon Laboratories Inc.和GreenWaves Technologies初创企业的新（xīn）型处理（lǐ）器，可以在微瓦或比毫瓦小一千倍的情况下进行计算。

以（yǐ）上表明，机器学习在（zài）智能手机、智能相机和工厂监控传感器等领域有着广泛的新应用。这些应用（yòng）程序包括:

使用加速计预（yù）测维修，以确定机器（qì）是（shì）否震（zhèn）动太多或发（fā）出有趣的噪音。街灯的感应（yīng）检测，当（dāng）有（yǒu）人在（zài）附近时，街灯（dēng）才会打开。利用分散在（zài）农田（tián）中（zhōng）的（de）视觉传感（gǎn）器或微型摄像机（jī）进行农业害虫识（shí）别（bié）。使用安装在树上的太（tài）阳能（néng）安卓手机检测非法（fǎ）伐木。使用传感器来（lái）测量心（xīn）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（qì）可以相互（hù）通信，比如（rú）在智能（néng）家居中，烟雾报（bào）警器探测到潜在的（de）火（huǒ）灾，而烤面包（bāo）机反馈说，只是（shì）烤面包有烧焦的（de）味道而（ér）已。

当然（rán），这（zhè）些（xiē）并不（bú）意味（wèi）着云就在（zài）机器学习中（zhōng）失去重要的地（dì）位。这些在（zài）设备上运行的机器学习模型，仍（réng）然需要在功能强大（dà）的计算机集群（qún）上进行大量数（shù）据的训（xùn）练，像谷（gǔ）歌、亚马逊公（gōng）司(Amazon.com Inc.)和Arm等（děng）公（gōng）司都从去（qù）年（nián）开始提（tí）供人工智能芯（xīn）片（piàn），其（qí）中一些是通过（guò）它们的云计算服务提供的。