人工智能成热潮，嵌入式如何分杯羹？

谷歌的AlphaGo已经将人工智能推到众人面前，不可否认，人工智能已经成为科技圈的下一个风口！李开复表示：“人工智能的到来，所带来的改变绝对不仅仅是一个科技的改变，它对所有的行业都会重新定义与颠覆。”

身处这样一个时代，我们该如何看待这场即将到来的风暴呢？人工智能的应用日益普及，其中哪些细分市场会是嵌入式相关企业重点关注的方向呢？

嵌入式系统开启人工智能的历史进程

北京航空航天大学教授 何立民

人工智能与嵌入式系统的关系，可用苏轼《题西林壁》的诗句来形容，即“横看成岭侧成峰，远近高低各不同。不识庐山真面目，只缘身在此山中”。长期以来，形形色色的人工智能就在我的周围，我们却视而不见。为什么会出现这种现象？则要从两个领域的人工智能说起。

所说的人工智能，就是以人工方式实现人类智力的替代。人类智力有“思维”与“行为”两种方式。“思维”是大脑的独立思考，“行为”是人类个体与客观世界的交互状态，除了思考还要有对外部世界的感知与控制。AlphaGo属于前者，它与李世石、柯洁对决，还要有代理人将它的思维能力转化成对决的下棋行为。实现人工智能的行为方式，则非嵌入式系统莫属。对此，人工智能领域人士，普遍将这两种人工智能定义成“强人工智能”与“弱人工智能”。 

AlphaGo之父哈萨比斯在剑桥大学演讲中则用“通用人工智能”与“狭义人工智能”来区分。总之，所有专家都认可具有行为能力的“弱人工智能”。

具有行为能力的“弱人工智能”就是智能化工具，即MCU基础上的嵌入式应用系统，已有40多年历史。无怪乎约翰•麦卡锡这位50年代提出人工智能概念的学者，感叹于我们日常生活中每天都在使用人工智能，抱怨于“一旦一样东西用人工智能实现了，人们就不再叫它人工智能了”。

可以骄傲地说，单片机、嵌入式系统开启了人工智能的历史进程，我们所做的一切都是人工智能的那些事儿。

人工智能要与产业深度结合

北京云知声信息技术有限公司 技术部和市场部

人工智能是基础的技术资源，它有着改变人们的思维与生活方式、变革社会的巨大潜力。从更大的格局看，万物智联时代正在到来，未来将从“以设备为中心”进步为“以用户为中心”、“以数据为中心”。通过人工智能技术，万物对人类的服务将变得“主动”，它们可以通过芯片感知人们的生活指标，并主动提供舒适的服务，例如天热了空调自动开启降温，灯光可随外界光线和用户需求自动调整亮度等。另外，语音交互等更自然的人机交互方式，或许会取代遥控器或触摸屏等，让生活更加便捷。业界普遍认为人工智能的三个发展阶段包括感知智能、认知智能和通用人工智能（AGI）。感知指语音、语言、图像、手势等；认知指理解、记忆、知识、推理、规划、决策、创造等；通用人工智能指类似人类的思维。其中，感知是人机交互中最重要的一环，为人工智能提供数据基础。这三个阶段需要循序渐进。目前阶段，人工智能的目标并不是让机器模拟人的全部行为，而是在某些特定领域超过人类专家的水平、有能力高效地解决专业问题，从而对人类提供实用的服务。

嵌入式是在小板子上跑的系统，非嵌入式是在机房服务器上跑的，另外还有云端跑的软件，PC上跑的也是非嵌入式的。嵌入式工程师的主要工作有信息采集（比如mic语音采集）、人机交互（例如分析结果的显示、语音播报等）、设备控制（比如空调控制），还有轻量级的人工智能算法，完全可以在嵌入式设备上实现，比如我们的公司的离线语音识别算法。随着人工智能算法的成熟及优化、嵌入式芯片运算能力的提升，很多原来在云端或者工作站上实现的功能，在嵌入式系统上也能实现。

云知声公司利用机器学习平台（包括深度学习、增强学习、贝叶斯学习），在语音技术、语言技术、知识计算、大数据分析等领域建立了领先的核心技术体系，这些技术共同构成了云知声完整的人工智能技术图谱。在应用层面，AI芯、AIUI、AI Service技术架构支撑起云知声核心技术的落地和实现，目前已经在家居、汽车、医疗和教育等领域有广泛应用，形成了完整的“云端芯”生态闭环。目前，云知声有前端信号处理团队（主要在嵌入式端）、人工智能算法团队（嵌入式端和云端）、语音识别和自然语言理解团队，还有芯片团队（提供嵌入式平台）。

由于产业需求的提升，人工智能目前的发展势头很足，但是应该注重人工智能与产业的深度结合，如果脱离产业，这一轮人工智能浪潮可能还会“冷下去”。因此，打造人工智能产业生态很重要。

工程师应该考虑如何添加AI

赛灵思战略市场开发总监 Andy Walsh

很显然，近期推动AI崛起的机器学习创新正成为计算机科学的基本组成部分。我们预计在越来越多的领域中应用编程将受益于机器学习技术，如云计算、嵌入式应用等。计算机编程与网络模型和训练数据组集之间的关系越来越密切，而与显性编程和规则化决策之间的关系反倒不怎么密切了。

我认为，视觉引导导向的系统将成为下阶段AI发展与部署的重大领域之一。举例来说，要确保自动驾驶汽车安全行驶，就必须提供相关智能，这是一项艰巨的挑战，不仅需要充分利用AI创新，同时还会造成极大的产业影响，并有望对整个社会带来巨大积极影响。

随着时间的推移，一些简单的建议在机器学习领域越来越重要，要想方设法让机器学习能够在设计中整合AI。要确定AI如何为高效视觉引导导向的系统带来增值，并明确针对多摄像头和多传感器专门设计的系统如何以实用高效的方式整合机器学习。机器学习并不能解决所有问题，但为了交付极富竞争力的新型嵌入式设计，系统工程师应考虑如何添加AI，从而推动产品发展演进。工程师借助赛灵思技术可实现这一目标，能提供可重配置处理和连接功能，从而提供最高能效的机器学习推断性能，而且为确保传感器融合实现最高灵活性以及最高性能的计算机视觉处理，且无需针对每个设计都创建定制芯片。

AI面临的一大挑战就是如何以高能效方式实现高性能AI。AI领域的一项重要创新就是为模型推理采用低降精度数据类型（训练后部署），这样所得的模型能将计算效率提升2-10倍，而精确度基本保持不变。赛灵思FPGA和MPSoC能提供最高效率的降精度AI推理，而且无需为不同的网络或应用创建定制芯片。