50 億年前，發(fā)生了一件了不起的事情：新的生物種類驚人地突然增加。古生物學家稱其為寒武紀大爆發(fā)，今天地球上的許多動物都將其譜系追溯到這一事件。

第三方機構晨星報告顯示，2021年，人工智能芯片市場總價值將達200億美元。TechNavio預測，到2021年，全球人工智能芯片年均復合增長率將超過54%。秉持各自的技術路徑，芯片領域的巨頭們紛紛入局這場硝煙尚未完全燃起的戰(zhàn)爭?？梢灶A見，AI芯片的戰(zhàn)場又將是一片狼煙混戰(zhàn)。

在AI芯片這場混戰(zhàn)中，深度學習成為焦點領域。從芯片處理結構看，整個環(huán)節(jié)分為訓練(Training)算法和利用算法推理(Inference)結論兩個部分。訓練是人工智能的基礎，構建應用的關鍵。

在這一環(huán)節(jié)，Intel利用Xeon Phi處理器與NVIDIA的GPU直面競爭，并通過多項收購擴大產品布局。圍繞兩家巨頭的競爭，Google和AMD雖有心殺入戰(zhàn)局，但仍在邊緣，而更小的創(chuàng)業(yè)者則仍處于探索階段。推理層則表現出了群雄大亂斗的場景，一些沒有芯片研發(fā)背景的公司也紛紛加入戰(zhàn)局，去爭搶市場盤子高達200億美元的未來。

作為深度學習的重要載體，神經網絡芯片正受到全球科技巨頭的高度關注。比如英特爾正在研發(fā)的自我學習神經元芯片Loihi引起業(yè)界關注。Loihi可以模擬出人類大腦的功能，集成超過13萬個神經元和1.3億個突觸，用以復制神經的方式進行運算和思考，不需要以傳統(tǒng)的方式進行訓練，就能實現自我進化和決策。與通常用于訓練人工智能系統(tǒng)的芯片相比，Loihi芯片的能效提升了1000倍。

正如最近的嵌入式視覺峰會明確指出的那樣，今天的嵌入式視覺和人工智能處理器中也發(fā)生了類似的事情。上個月在加利福尼亞州圣克拉拉舉行的現場活動側重于為將人工智能和視覺融入其產品的產品創(chuàng)造者的實用知識。

這些產品需要 AI 處理器來平衡高性能、低功耗和成本敏感性的沖突需求。峰會上展出的數量驚人的嵌入式 AI 芯片突顯了業(yè)界對這一需求的反應。雖然針對計算機視覺和機器學習 (ML) 的處理器數量是壓倒性的，但有一些自然分組使該領域更容易理解。以下是我們看到的一些主題。

首先，一些處理器供應商正在考慮如何最好地服務于同時將 ML 應用于來自不同傳感器類型的數據(例如音頻和視頻)的應用程序。例如，來自 Synaptics 的 Katana 低功耗處理器融合了來自各種傳感器的輸入，包括視覺、聲音和環(huán)境。Xperi 關于未來智能玩具的演講也談到了這一點。

其次，部分處理器供應商專注于將功率和成本降至最低。這很有趣，因為它支持新的應用程序。例如，Cadence 在峰會上發(fā)表了關于其 Tensilica 處理器產品組合的新增功能，這些產品支持始終在線的 AI 應用程序。Arm 展示了基于其 Cortex-M 系列處理器的低功耗視覺和機器學習用例。高通還涵蓋了在其 Snapdragon 系列上創(chuàng)建低功耗計算機視覺應用程序的工具。

第三，盡管許多處理器供應商主要或完全專注于 ML，但也有少數供應商正在解決通常與深度神經網絡結合使用的其他類型的算法，例如經典計算機視覺和圖像處理。一個例子是 quadric，其新的 q16 處理器據稱在廣泛的算法中表現出色，包括 ML 和傳統(tǒng)的計算機視覺。

最后，一個全新的物種似乎脫穎而出：神經形態(tài)處理器。神經形態(tài)計算是指模仿大腦處理信息方式的方法。例如，生物視覺系統(tǒng)處理視場中的事件，而經典的計算機視覺方法通常以與視覺信息源無關的固定幀速率捕獲和處理場景中的所有像素。

峰會的主題演講“基于事件的神經形態(tài)感知和計算：傳感和人工智能的未來”概述了神經形態(tài)方法的優(yōu)勢。它由匹茲堡大學教授兼 CMU 機器人研究所兼職教授 Ryad Benosman 提供。Opteran 展示了其神經形態(tài)處理方法，以極大地改善視覺和自主性，其設計靈感來自昆蟲大腦。

無論您的應用程序是什么，以及您的要求是什么，總有一款最適合您的嵌入式 AI 或視覺處理器。今年的峰會突出了其中的許多?；仡?10 年，屆時我們將看到 2032 年的 AI 處理器中有多少可以追溯到現代寒武紀大爆發(fā)。