人工智能是什么時候再次流行起來的?這可以追溯到2016年3月，當時，谷歌的神經網絡驅動的人工智能 (AI)機器人 AlphaGo在圍棋比賽中擊敗了韓國冠軍李世石，在此之前，沒有任何機器可以用來破解圍棋的棋局。

當前，人工智能基本處于“炒作”的狀態，連大眾媒體都在宣傳智能機器帶來的希望和恐懼。這讓人聯想到人們都熟悉的另一種被炒作的事物：物聯網 (IoT) 。在Google Trends上搜索詞條IoT和人工智能，當繪制這兩個詞條的流行度曲線時，如圖1所示，會發現二者的模式非常相似。

圖1. Google Trends，IoT(紅色)和人工智能(藍色)曲線

雖然有一些物聯網初創企業出現后消失了，但物聯網仍然存在，并且正在逐步發展，最終必將開花結果。而物聯網和人工智能之間的碰撞正與此類似。

有思考能力的物體

絕大多數人工智能應用最初主要集中在Facebook、谷歌、亞馬遜等提供的互聯網服務，這些服務的算法運行在配備多核CPU和GPU的服務器上，運行頻率達GHz，內存達兆兆字節。緊接著，人工智能進入高性能的消費設備，出現在智能手機、自動駕駛汽車、游戲機、電視和智能音響中。雖然技術上處于“邊緣”狀態，并且通常被歸類為“物聯網”，但這些設備在物聯網設備中是特殊的，因為它們仍然需要消耗大量的功耗、性能和內存，并且需要通過高帶寬鏈路連接到互聯網。

雖然物聯網將幾十億的設備連接在一起，但絕大多數設備的功能都很有限。而人工智能的引入，為這些位于網絡邊緣的設備帶來革命性的影響，但前提是需要在資源、連接能力、成本和功率之間達到適當的平衡。

有人可能會質疑：在這么小的設備上實現邊緣的人工智能有什么用?

為了說明白這一點，我們將這些設備與動物大腦所能達到的智能水平進行比較。

維基百科簡要介紹了幾種動物的平均神經元，包括一些動物的突觸(神經元連接)數量，借此可以推斷其余動物的突觸/神經元。如果想用深度神經網絡模擬動物大腦的處理能力，如表1所示，粗略的模擬情況是每個神經元(輸出)需要一個字節，每個突觸(重量)需要一個字節。

表1. 模擬動物大腦所需的存儲量總結

(數據來源：維基百科，“動物神經元列表”)

小螞蟻的強大能力

微控制器 (MCU) 的存儲器范圍為1兆字節到4兆字節，因此，MCU中的人工智能水平與水母或蝸牛的大腦類似。

蝸牛和水母可以自己覓食、活動、繁殖，并在感受到威脅時躲藏起來。它們管理與環境的復雜交互過程、識別模式并控制身體動作。這種智能水平對于簡單的設備已經足夠，如恒溫器、真空吸塵器和門鈴。這個例子的理念是讓設備根據對環境的感知做出簡單的決策。

擁有蝸牛大腦的設備可以控制一些簡單的行為模式，可以識別篡改企圖的門鎖，或者根據衣服顏色定義程序的洗衣機就屬于這種級別的智能水平。

動物(即使是那些智力較低的動物)在互動方面也比計算機的性能更高。動物通過視覺、嗅覺和觸覺進行本能地交流和互動。如果設備擁有蝸牛的大腦，肯定會帶來敏感、更直觀、更自然的用戶界面。

具有千兆字節外部存儲的微處理器可以達到螞蟻或蜜蜂的智力水平。昆蟲智力的典型用例是群體效應。這意味著大量的簡單機器人具有足夠的智能來展示群體行為，可以執行復雜的任務，就像蟻群那樣。世界上有10 quintillion (100,000,000,000億)只昆蟲，而人只有76億 ， 由此可見一大群昆蟲大腦所具備的能力是多么強大。

這一應用的范圍非常廣泛，包括農業、城市、環境、安防、救援和國防。哈佛大學的研究人員演示了1024個機器人組成的群體，這是迄今為止最大的一個機器人群。就像螞蟻或蜜蜂一樣，1024個機器人群可以完成可觀的工作任務，如運輸大型物體或自主建造真人大小的結構。

實現終端智能化

在智能手機、安全攝像頭和汽車等功能豐富的嵌入式設備中，機器視覺一直推動著人工智能的應用。由于有具體的用例、巨大的潛在市場和高效的算法，CNN(卷積神經網絡)機器視覺可實現硬件加速。現在，幾乎所有能夠進行圖像采集和處理的設備都集成了CNN AI加速器。

在網絡端點處的小型IoT設備中實現人工智能并不容易，有很多應用都沒有經過驗證。對硬件加速進行適當的定義也很難，因此，許多硬件公司采取的方法是通過通用控制器上的工具和軟件實現人工智能，并監控演變過程。

針對這一點，瑞薩電子最早發布了嵌入式AI解決方案 (e-AI)，該解決方案使用戶能夠將經過訓練的網絡從Tensorflow或Caffe轉換為其MCU可用的代碼。瑞薩電子提供的工具包括一個e-AI轉換器，它可以轉換神經網絡成為MCU工具可用的C代碼，并提供一個預測轉換網絡性能功效的e-AI檢查器。瑞薩電子已經確定了幾個用例，例如預測性維護，目的是推動用戶和社區的發明和創新。因此，瑞薩電子提供了瑞薩電子社區 “gadget Renesas” 開發板的教程，而且瑞薩電子美國公司一直在推動使用RZ/A1H嵌入式MPU設計GR-PEACH開發板的e-AI設計競賽。

嵌入式AI正在不斷增加

嵌入式AI正處于典型的“商業模型定義”階段，即解決方案已被發明并被早期采用者使用，但還沒有被主流大眾所接受。從事這項研究的初創公司和創新公司必將竭盡全力跨越這條鴻溝。隨著發展的日新月異，可以肯定，在找到有實際商業價值的用例和增長點以取得成功之前，必須有許多支點為這個目標提供支撐。