（圖：Movidius開發的Myriad 2視覺處理芯片）
下面是文章全文：
在人工智能（AI）中有一個分支叫深度學習，它帶給我們許多驚奇，比如自動駕駛汽車，手機即時語言翻譯。現在，深度學習試圖為一切物件植入智能。
為什么會這樣？因為硅芯片制造商開始將深度學習軟件嵌入到自己的芯片中，尤其是嵌入到移動應用中；這些企業既包括大公司英特爾、高通，還包括許多小企業。很快，植入AI技術的芯片可能就會進入市場，更智能的手機、無人機、機器人、攝像頭、可穿戴設備將會涌入我們的視野。
加州視覺處理器生產商Movidius的機器深度學習副總裁科馬克·布里克（Cormac Brick）認為：“這類設備的功能將會讓消費者感到震驚。”
無處不AI
上周，在加州圣克拉拉（Santa Clara）舉行的“Embedded Vision Summit”會議上，幾家芯片公司展示了自己的設計，Movidius正是其中之一；1月時，Movidius還與谷歌達成合作關系，谷歌向Movidius預定了芯片，這些芯片會用在還沒有發布的移動設備中。Movidius芯片定于4月28日正式推出，公司宣稱它是第一塊USB深度學習模組。Movidius芯片的功耗只有1瓦特，它可以為無人機、攝像頭、機器人提供神經網絡功能。
高通已經發布面向驍龍神經網絡處理引擎（Snapdragon Neural Processing Engine）的軟件開發者工具包，它可以讓智能手機、無人機、其它設備更智能，能夠追蹤目標、識別聲音。英特爾、ARM、CEVA、益華計算機(Cadence Design Systems)也試圖在芯片中加入深度學習功能。谷歌是深度學習的領先者，它已經推出了開源Tensor Flow深度學習軟件，支持低能耗8位處理器，這種處理器對移動應用至關重要。
大體來講，深度學習可以模仿人類大腦的神經元活動，允許計算機在海量數據中發現各種模式。谷歌Brain項目負責人、高級研究員杰夫·鄧恩（Jeff Dean）稱：“我們有大量的數據需要計算機理解，而不是讓人來理解。”深度學習可以分析數據，更重要的是它可以從所有數據中學習，正是因為這點，語音、目標識別技術和自然語言處理技術最近才取得了很大的進步。
降低能耗減少延遲時間
在谷歌、IBM、微軟的云計算服務中，深度學習和AI技術的地位越來越高，移動設備的獨特需求推動AI下潛到芯片中去。尤其值得一提的是，深度學習開始大量應用于各種計算機視覺項目，它們依賴于對數據的本地實時處理。事實證明，在許多視覺應用中，深度學習比過去幾十年開發的其它計算機視覺技術更先進。正因如此，無數企業才會成群結隊向新算法挺進。
“我們處在攻城略地的階段。”嵌入式芯片顧問公司伯克萊設計技術（Berkeley Design Technology）創始人兼總裁、嵌入式視覺聯盟(Embedded Vision Alliance)創始人杰夫·拜爾（Jeff Bier）稱，“芯片制造商正在對硅芯片進行優化，使它們可以在低能耗下運行算法。”
布里克解釋說，之所以要將深度學習算法嵌入到芯片之中有一個關鍵的原因：移動設備需要降低能耗。在設備和云之間傳輸數據需要消耗大量的電能，它還需要配備能耗更高、成本更高的并行處理芯片，比如Nvidia的圖形芯片。高通物聯網、移動計算工程高級副總裁拉杰·塔魯利（Raj Talluri）表示：“要讓視覺無處不在，在移動和嵌入式設備植入智能相當關鍵。”
對于一些應用來說（比如無人駕駛汽車的防撞、剎車功能），有一個問題很讓人頭痛：連接到云端會導致延遲，在處理器和內存之間移動數據也需要時間。塔魯利稱：“延遲成了有用還是無用的分界線。”另外，出于對安全和隱私的擔憂，設備需要在本地處理更多數據，而不是存儲到云端。
當深度學習變得更普及時（在云計算和芯片中普及），它可以幫助更多的企業開發新應用，尤其是那些讓計算機像人一樣運行的應用。例如，無人機可以直線飛行，不需要GPS就知道哪個位置最適合停靠，智能攝像頭可以理解場景中的人正在做什么事，機器人可以知道哪里弄亂了，它可以自動整理。
