嵌入式人工智能技术的开发和应用

（文章来源：电子产品世界）
       人工智能算法如何有效地运行在嵌入式智能终端（即边缘计算）是近年研究的热点，本文从嵌入式人工智能技术研究的意义以及所面临的问题入手，并从硬件平台、算法设计以及算法部署三个方面展开，阐述嵌入式人工智能技术开发的思路，最后通过一个应用实例说明此开发过程。

随着“AIoT（人工智能物联网）=AI（人工智能）+IoT（物联网）”的发展，若把算法都部署在云平台上进行，会给网络通信带来不小的压力，并且会面临数据传输的延迟性以及安全性等问题，因此并不是所有的智能终端都需要利用云平台来运行，因此如何在智能终端上直接运行算法的边缘计算应运而生。

边缘计算相对于云平台有如下优势：（1）实时性高，不需要传输数据从而减少反应延迟；（2）可靠性高，即使网络断开也能正常工作；（3）安全性高，避免隐私数据被上传；（4）部署灵活，可在各种终端灵活部署；（5）更加节能，嵌入式系统低功耗特性以及减少了传输过程的能耗等；（6）网络流量低，有效抑制了网络拥塞；（7）类人化，人就是作为独立的智能体生存在社会网络中。

当然边缘计算不是为了代替云计算，而是作为云计算的一个补充。

据IDC预测，到2020年将有超过500亿的终端与设备联网，而有50%的物联网网络将面临网络带宽的限制，40%的数据需要在网络边缘分析、处理与储存。边缘计算市场规模将超万亿，成为与云计算平分秋色的新兴市场 [1] 。因此吸引越来越多的公司加入到边缘计算开发当中。

边缘计算就是在嵌入式平台上能有效地运行各种智能算法，从而使终端具有类似人一样的智能。智能算法大致可以归为三类：（1）认知环境，其中包括物体识别、目标检测、语义分割和特征提取功能，涉及了模式识别、机器学习和深度学习等技术；（2）显示场景，其中包括复原算法、三维点云展示和场景生成，涉及了最优化、虚拟现实、深度学习GAN网络等技术；（3）控制机构，其中包括智能控制，涉及了强化学习、神经网络控制等技术。但是边缘计算环境下嵌入式平台的运算能力弱，因此如何能有效的运行各种智能算法是一个很挑战的问题。

随着人们对人工智能越来越深入的研究，边缘计算也有了一系列发展的机会：（1）目前通用的计算机体系硬件体系结构并不符合人脑的结构构成，所以计算效能还有很大的提升潜力，因此这为边缘计算平台提供了弯道超车的可能性；（2）当前的智能算法还有很大改进的空间，例如通过深度学习训练出的特征往往优于人们传统认识的特征（例如边缘和角点特征等），因此这为边缘计算在算法改进上提供了很大空间；（3）边缘计算平台即嵌入式系统往往是实现某种特定的应用，因此可以根据需求对算法进行各种简化，并且可提出合适的部署方案。

结合边缘计算所面临的挑战和机会，本文从硬件架构、算法设计和算法部署三个方面展开边缘计算的开发和应用。