行業內有關嵌入式人工智能的聲音越來越多，很大程度上是因為云計算已經無法滿足低耗、高效的計算力需求。

萬物智聯時代正在加速到來，形形色色的人工智能出現在我們身邊，在智能家居、智能駕駛、智能手機和安防監控等領域，以設備為中心的感知識別需求越來越強烈。可是，眾所周知，人工智能的計算大多發生在數據中心，即在“云”上運行。隨著海量數據爆發，以云計算為中心構架的方式開始出現各種短板。

以物聯網為例，海量終端設備所抓取的巨大數據量如果全部上傳至云端進行智能處理，不僅對網絡傳輸技術和網絡環境要求甚高，數據安全隱患、個人隱私問題、計算功耗帶來的挑戰以及傳輸時間延遲等問題不斷出現。顯然，云計算已經不再是各行業具體場景中尋求解決方案的最優解。因此，不依賴云端計算的嵌入式人工智能技術正在掀起一場新的智能革命。

“嵌入式人工智能”其實是一種本地計算，又稱邊緣計算。邊緣計算和云計算類似，都是處理大數據的計算運行方式。但這次不同的是，數據這一次不必再被傳到遙遠的云端，而是在邊緣側、設備端，即使沒有網絡也可運行深度學習等相關算法解決問題。

不過，這并不意味著邊緣計算將代替云計算。在“云、管、端”三者的角色中，云計算側重于“云”，實現的是最終數據分析與應用的場所，而邊緣計算顯然強調的是“邊緣”也就是“設備端”的重要性，滿足了實時性數據分析和智能化處理需求，也更加安全和高效。未來的機器學習、深度學習會在云端和終端協調發展，不一定所有人工智能都要在云里實現。

目前，嵌入式AI已經漸漸進入市場，尤其在自動駕駛領域得到快速滲透與應用。對此其實不難理解，駕駛場景復雜多變，不能時刻保證都處在一個穩定可用的網絡環境。如果駕駛系統在云端計算，設備端采集完數據后上傳云端，計算完成后再將結果返回終端，勢必產生延時，在駕駛場景中，這種延時意味著極大危險。

另外，自動駕駛汽車每秒鐘可產生1G數據，未來，自動駕駛汽車每天在路上產生的數據約4TB，如果這些數據全部回傳云端處理絕非最佳選擇。因此，嵌入式人工智能的實時性優勢以及脫機運行的能力可以在自動駕駛領域盡顯風采。

從市場來看，自動駕駛市場大規模爆發可能需7到10年，但輔助駕駛在未來3到5年內將會出現爆發式增長。如果有解決方案能夠滿足在終端對數據進行有效處理，既能有效降低成本、提高效率，同時也能提高數據安全，因此嵌入式AI在智能駕駛領域前景巨大。

當然，智能駕駛只不過是嵌入式人工智能眾多應用場景的其中之一。隨著產業需求的提升，人工智能如果脫離行業場景，這一輪人工智能浪潮可能很快就會遇冷。因此，人工智能與產業的深度結合，打造人工智能產業生態十分的重要。以嵌入式在智能手機上的成功應用為例，未來嵌入式系統在智慧交通、智慧城市、智能家居、智能醫療等產業發展中都會是至關重要的角色。

地平線聯合創始人楊銘在接受鈦媒體采訪時表示，人工智能正在迅猛發展，幾乎每家企業都在探索AI進入各行業場景的切入點，如果要實現技術落地、商業轉化，除了需要強有效的硬件支持，必然也需要性能優越的算法模型，才能做到真正的解決用戶具體實際場景中的痛點問題。

在人工智能時代，強大的算法不會拘泥于PC機或云計算，依賴嵌入式系統，能夠解決更多用戶場景需求。以地平線為例，2017年，地平線已經在無人駕駛、智能家居和安防三大領域進行嵌入式人工智能落地應用。 地平線提供的主要是以“芯片+算法”為核心的嵌入式人工智能解決方案。目前，其解決方案可以深度整合多種嵌入式計算平臺，包括ARM、CPU、GPU、FPGA以及地平線授權集成BPU核的SoC。

智能駕駛方面：今年1月，地平線首次公布第一代嵌入式人工智能處理器架構IP——高斯架構，以此技術為基礎研發的ADAS系統也已在汽車前裝方面落地。具體而言，該系統是地平線在英特爾FPGA平臺上實現的自主研發的低功耗深度神經網絡處理器架構IP，可在高速公路和市區道路場景下同時對車輛、車道線，行人及可行駛區域實時檢測和識別。

隨著深度學習算法對硬件的計算性能、功耗、以及成本提出了更高的要求，除了開發低功耗平臺外，算法本身的優化也很關鍵。從地平線推出自研處理器IP的初衷來看，其目的雖是實現了端到端的完整解決方案，直接在具體應用場景下展現效果，但最終是以此來提升個芯片廠商對地平線BPU的認知和依賴，想必也是認為軟硬件結合才能最好的提升處理器性能。