在人工智能的热潮里，嵌入式该如何发展

人工智能(Artificial Intelligence)，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。 人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。

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?嵌入式工程师又该如何把握住人工智能所带来的重大机遇呢?带着这些问题，小编咨询了好多人!

业界声音

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。

网友杂谈

李 申

嵌入式系统的主频、功耗一般比较低，计算能力相对较弱。人工智能算法的复杂度较高，很多情况下需要服务器、GPU的介入才能实现算法的实时性。然而，嵌入式产品也具备对人工智能算法的需求，如人脸识别、语音识别等。嵌入式系统可以作为复杂人工智能产品的数据采集终端，或者人机交互终端，依靠云端完成人工智能系统的复杂计算任务。但是，网络接入的流量限制和带宽限制会影响用户体验的流畅性和实时性，“离线”人工智能计算引擎的开发显得非常有必要。值得一提的是，FPGA具备功耗低、并行度高、计算能力强、功能定制灵活的特点，有可能成为未来“离线”人工智能产品的主要计算部件。

当FPGA作为算法加速部件出现时，产品的设计可以考虑采取CPU+FPGA的架构，CPU与ARM可通过双口RAM、DDR、总线等方式进行通信，也可以在FPGA内部构造软核，用来移植部分对实时性要求不高的代码。

目前，主流的FPGA厂商已经开始将CPU硬核(如ARM)与FPGA集成到一个IC内部，与软核相比，这些硬核具备更强的计算能力，与片内FPGA之间的交互更加方便。同时，片内FPGA为系统的可定制化及复杂算法的硬件加速提供了保证，这种结构为“离线”人工智能嵌入式产品的设计拓宽了思路。

尚志启

信息技术飞速发展的今天，为人类带来了极大的便利，即时通信以及各类移动终端的出现，也相应地产生了一些数据，所以要进行数据的收集以及处理。为了更完美地处理数据，诞生了更强的算法和效率更高的CPU，并且有了人工智能，这些都是对硬件的考验。

2016、2017年，AlphaGo分别与李世石、柯洁对弈，从谷歌2015年公布的数据来看，阿尔法狗使用了1202块CPU以及176块GPU，人工智能的推进对硬件是一个极大的挑战。

移动支付和自动驾驶为生活提供了极大的便捷，与硬件贴切的就是嵌入式，嵌入式可能在生活中很少有人提到，但我们现在所使用与智能有关的都离不开嵌入式，如智能手表、微波炉等。

在人工智能时代，强大的算法也不会拘泥于PC机实现，需要落地的话，就要依赖嵌入式承载。嵌入式在智能手机上的应用已经足以证明，未来出现的机器人一定会使用嵌入式的技术，所以说对于嵌入式系统的需求已经非常迫切，期待能够出现颠覆智能手机的嵌入式便携移动终端。

编辑观点

嵌入式工程师在人工智能时代当然是可以大有所为的，举个冰箱自己买鸡蛋的例子，这个过程是这样的：首先冰箱感应到缺少鸡蛋，然后给超市发订单，再将订单信息发给主人，最后主人支付订单，完成后超市就可以发货了。这一系列的过程都是在嵌入式基础上完成的。智慧交通、智慧城市、智能家居、智能医疗、智能手机等行业都离不开嵌入式系统，在这个智能生态圈内，不管智能硬件怎么改变，也都是在嵌入式行业之内的。