有缺陷的人工智能和并不陌生的边缘计算

人类智力是知识基础上的能力表现，有“行为智力”(如洗衣做饭、耕田织布、琴棋书画、读书做工)与“思考智力”(如深思熟虑、静心思考、深入分析、绞尽脑汁)。行为智力与思考智力的“统一”、行为智力的“进化”是人类智力两大重要特征。

有缺陷的人工智能

目前，人工智能的行为智力仿真大多是嵌入式系统领域的智能化工具、设备、工业机器人;思考智力仿真则是计算机智力仿真软件，如深蓝计算机的国际象棋大师、沃森计算机的智力竞赛、AlphaGo的围棋大师等专家系统。现阶段，这些人工智能，相对于统一、进化的人类智能，都是初级阶段、有缺陷的人工智能。如AlphaGo的围棋大师只有思考智力，没有行为智力;用于洗衣做饭的洗衣机、微波炉没有实时进化能力。

物联网、大数据、云计算时代，“机器学习”、“边缘计算”、“AI芯片”三个前沿技术为弥补初级阶段人工智能缺陷带来希望。“机器学习”将使智能终端、智能化工具、智能家居具有实时的智力进化能力;“边缘计算”使Alpha-Go、专家系统、计算机智力仿真平台延伸到嵌入式系统前端而具有行为能力;嵌入式系统前端的边缘计算最终要走AI芯片的道路。因此，这三个前沿技术成为人工智能从低端(有缺陷)走向高端(完美)的重要技术基础。

并不陌生的边缘计算

边缘计算是云计算的一部分。从集中计算到分布式计算，将计算任务分散是物联网系统中云计算的必然趋势。在物联网系统中，嵌入式系统承担了物理对象的智能化任务，分配到嵌入式系统前端的那些计算就是边缘计算。嵌入式系统对边缘计算并不陌生。因为嵌入式系统一路走来，就是从集中计算到分布式计算的演化过程。

早期的嵌入式智能系统是一个MCU的集中计算系统。智能系统中的所有计算都集中在MCU 中，如传感器前端的A/D转换、信号调理、量纲变换等，伺服机构的D/A转换、电平转换、控制算法等计算任务都集中在MCU 中。当智能传感器、智能伺服机构出现后，这些与智能传感器、智能伺服机构相关的计算任务，便转移到嵌入式智能系统的前端或后端中。分配到智能传感器、智能伺服机构上的这些计算，也可称为嵌入式系统的边缘计算。计算转移带来的好处包括负担均匀、实时性更好、MCU 可从事更多的新任务。

物联网系统中的边缘计算

与嵌入式智能系统相比，物联网大系统中的分布式计算要复杂得多，以一个缉拿凶犯的物联网公安系统为例:这个大系统由公安部、城市公安系统、街道视频系统组成，缉拿凶犯的计算资源有数据库、凶犯特征、人脸/体态识别、任务决策调度、追踪算法、筛查验证算法等。

如果采取分布式计算，公安部在下达凶犯缉拿任务时，将相应的数据库、凶犯特征、追踪/筛查/验证算法发送到城市公安系统及街道视频采集系统中。将原来集中计算的筛查、验证计算分配到城市公安系统、街道视频系统中，如图1所示，不仅提高了系统的实时性，也有利用于计算资源的合理优化。在这种分布式计算中，处于最前端的计算称为边缘计算，有人将处于中间的城市公安系统计算称为雾计算。无论是边缘计算、雾计算，还是公安部系统的中心计算，都是基于大数据的服务计算，即云计算。

图1 物联网智能系统的边缘计算与雾计算

边缘计算的AI芯片出路

边缘计算是物联网系统中嵌入式智能系统前端的计算。除了智能系统中智能传感器、智能伺服系统分散部分的边缘计算任务外，大部分边缘计算任务集中在嵌入式智能系统的MCU 中。然而，传统的MCU 以智能控制见长，无法承担起繁重的边缘计算任务，必须将MCU 改造成能满足边缘计算的新型MCU，这就是AI芯片。

因为AI芯片处于物联网系统的前端，在满足边缘计算要求的同时，还要保持对物理对象的智能控制。因此，嵌入式领域原有的半导体企业在AI芯片的市场竞争中，具有先发优势。与Intel、微软、谷歌等AI芯片的转型新手相比，ARM+MCU半导厂家的生态体系无疑会占优。相对于强大的Intel、微软、谷歌，以及ARM的MCU生态体系，我国未来独立自主的AI芯片发展会面临严酷的考验，恐怕在一个很长的时期内会纳入到ARM的AI芯片生态体系之中。