嵌入式革的是云计算的命从而解决了用户场景

行业内有关嵌入式人工智能的声音越来越多，很大程度上是因为云计算已经无法满足低耗、高效的计算力需求。

万物智联时代正在加速到来，形形色色的人工智能出现在我们身边，在智能家居、智能驾驶、智能手机和安防监控等领域，以设备为中心的感知识别需求越来越强烈。可是，众所周知，人工智能的计算大多发生在数据中心，即在“云”上运行。随着海量数据爆发，以云计算为中心构架的方式开始出现各种短板。

以物联网为例，海量终端设备所抓取的巨大数据量如果全部上传至云端进行智能处理，不仅对网络传输技术和网络环境要求甚高，数据安全隐患、个人隐私问题、计算功耗带来的挑战以及传输时间延迟等问题不断出现。显然，云计算已经不再是各行业具体场景中寻求解决方案的最优解。因此，不依赖云端计算的嵌入式人工智能技术正在掀起一场新的智能革命。

“嵌入式人工智能”其实是一种本地计算，又称边缘计算。边缘计算和云计算类似，都是处理大数据的计算运行方式。但这次不同的是，数据这一次不必再被传到遥远的云端，而是在边缘侧、设备端，即使没有网络也可运行深度学习等相关算法解决问题。

不过，这并不意味着边缘计算将代替云计算。在“云、管、端”三者的角色中，云计算侧重于“云”，实现的是最终数据分析与应用的场所，而边缘计算显然强调的是“边缘”也就是“设备端”的重要性，满足了实时性数据分析和智能化处理需求，也更加安全和高效。未来的机器学习、深度学习会在云端和终端协调发展，不一定所有人工智能都要在云里实现。

目前，嵌入式AI已经渐渐进入市场，尤其在自动驾驶领域得到快速渗透与应用。对此其实不难理解，驾驶场景复杂多变，不能时刻保证都处在一个稳定可用的网络环境。如果驾驶系统在云端计算，设备端采集完数据后上传云端，计算完成后再将结果返回终端，势必产生延时，在驾驶场景中，这种延时意味着极大危险。

另外，自动驾驶汽车每秒钟可产生1G数据，未来，自动驾驶汽车每天在路上产生的数据约4TB，如果这些数据全部回传云端处理绝非最佳选择。因此，嵌入式人工智能的实时性优势以及脱机运行的能力可以在自动驾驶领域尽显风采。

从市场来看，自动驾驶市场大规模爆发可能需7到10年，但辅助驾驶在未来3到5年内将会出现爆发式增长。如果有解决方案能够满足在终端对数据进行有效处理，既能有效降低成本、提高效率，同时也能提高数据安全，因此嵌入式AI在智能驾驶领域前景巨大。

当然，智能驾驶只不过是嵌入式人工智能众多应用场景的其中之一。随着产业需求的提升，人工智能如果脱离行业场景，这一轮人工智能浪潮可能很快就会遇冷。因此，人工智能与产业的深度结合，打造人工智能产业生态十分的重要。以嵌入式在智能手机上的成功应用为例，未来嵌入式系统在智慧交通、智慧城市、智能家居、智能医疗等产业发展中都会是至关重要的角色。

地平线联合创始人杨铭在接受钛媒体采访时表示，人工智能正在迅猛发展，几乎每家企业都在探索AI进入各行业场景的切入点，如果要实现技术落地、商业转化，除了需要强有效的硬件支持，必然也需要性能优越的算法模型，才能做到真正的解决用户具体实际场景中的痛点问题。

在人工智能时代，强大的算法不会拘泥于PC机或云计算，依赖嵌入式系统，能够解决更多用户场景需求。以地平线为例，2017年，地平线已经在无人驾驶、智能家居和安防三大领域进行嵌入式人工智能落地应用。 地平线提供的主要是以“芯片+算法”为核心的嵌入式人工智能解决方案。目前，其解决方案可以深度整合多种嵌入式计算平台，包括ARM、CPU、GPU、FPGA以及地平线授权集成BPU核的SoC。

智能驾驶方面：今年1月，地平线首次公布第一代嵌入式人工智能处理器架构IP——高斯架构，以此技术为基础研发的ADAS系统也已在汽车前装方面落地。具体而言，该系统是地平线在英特尔FPGA平台上实现的自主研发的低功耗深度神经网络处理器架构IP，可在高速公路和市区道路场景下同时对车辆、车道线，行人及可行驶区域实时检测和识别。

随着深度学习算法对硬件的计算性能、功耗、以及成本提出了更高的要求，除了开发低功耗平台外，算法本身的优化也很关键。从地平线推出自研处理器IP的初衷来看，其目的虽是实现了端到端的完整解决方案，直接在具体应用场景下展现效果，但最终是以此来提升个芯片厂商对地平线BPU的认知和依赖，想必也是认为软硬件结合才能最好的提升处理器性能。