人工智能概念：

　　AI，英语的字面翻译是人工智能。什么是人工智能？计算机科学家为我们定义了它：我希望计算机对类似人的意识，例如理论，方法，技术和应用系统，可用于模拟，扩展和扩展智能，技术和应用系统的智能。一门新技术科学。人工智能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。

　　实现传统人工智能

　　我们通常使用的人工智能（例如手机上的语音识别）是通过网络实现的。手机将语音转换为声音文件或声音bytellow，然后将声音的数量发送到云（背景服务器），从后台从服务器执行声音识别操作的背景，并将文本返回到手机。人 - 机器对话函数的实现也是相同的。语音播放。另一个示例是面部识别功能。保留了手机摄像头，以将面部作为图片上传到服务器。服务器是通过复杂的人工神经网络计算的，以通过网络将计算结果传递给手机。

　　在此阶段，自动驾驶技术基本上取决于后端服务器。车辆传感器将数据上传到云服务器，服务器将指令发送到车辆以告诉车辆的行为。

　　人工智能过程中人工智能的缺点实现了传统人工智能方法

　　这种使用背景服务器的方法意识到人工智能功能很容易实现终端（手机）。它只需要调用后端服务器的接口即可获得非常复杂的功能。它不需要终端的太多计算能力。但是，此方法必须连接它很大的缺点，并且背景中的大多数服务器都需要付费才能实现计算函数。该模型的许多场景无法实现人工智能，例如没有网络，偏远地区的工厂中。对于产品开发人员而言，购买人工智能服务也是巨大的支出。它也可能面临由背景服务器升级引起的接口更改，这使得端子无法访问后端服务器，并且产品完全无效。

　　对于具有自动驾驶时间较高时间要求的应用程序，如果您使用上述与服务器交互的方法，则无法满足自动驾驶的时间要求。因为当前网络服务器和终端的延迟高于50ms级别。在120公里/小时的情况下，50ms为1.7米，交互式返回汽车经过3-5米。这样的延迟无法满足紧急情况的需求。即使5G流行并延迟到10ms，也有许多实用文件无法以这种交互方式解决。发生。这些问题不能在传统的服务器交互中实现。

　　嵌入人工智能的建议

　　由于上述问题，提出了嵌入式人工智能的概念。嵌入式AI是在嵌入式设备上实现人工智能的能力。这与我们通常使用的人工智能是一个很大的不同。通常，手机或嵌入式设备是人工智能，与网络后面的服务器连接以实现人工智能。嵌入式人工智能是通过嵌入式设备本身实现的，而无需连接到Internet。这样做的优点是，完全不依赖云的服务器，单独进行战斗以实现人工智能的大多数功能。

　　这种实现很容易考虑，但是实施中仍然存在许多问题。目前，嵌入式人工智能面临三个主要挑战，即计算功率，功耗和散热。这些也是经典嵌入式设备面临的问题。这些问题实际上是矛盾的。功耗可能很强，散热需求明显，反之亦然。

　　嵌入式人工智能的发展：

　　鉴于当前嵌入式人工智能的局限性，目前的芯片制造商在这方面正在努力工作，而新的人工智能芯片正在不断开发和启动。嵌入式人工智能芯片的核心是半导体和算法。嵌入式人工智能硬件主要需要更快的指导周期和低功耗，包括GPU，DSP，ASIC，FPGA和Neuron芯片，并且必须与深度学习算法结合使用。

　　现在，巨人正在部署自己的嵌入式解决方案。最著名的是Google。 TensorFlow是Google启动的深度学习框架。它已被主要公司使用，但只能在PC上的服务器上运行。同时，Google还启动了可以在嵌入式设备中运行的TensorFlow-Lite。 Tensorflow Lite是用于移动和嵌入式设备的移动设备和嵌入式设备的轻量级解决方案。它允许您在低删除的移动设备上运行机器学习模型，因此您可以使用它来对其进行分类，返回或获取所需的任何内容，而无需与服务器进行交互。

　　半导体半导体最近证明了在中国最受欢迎的CHIP STM32上运行的人工智能神经网络。同时，在STM32Cubemx工具中引入了STM32Cube.ai工具包的引入，并将AI引入了位于节点边缘的智能设备中，以用于电源，并将其引入了嵌入式设备的边缘，并且在物联网，智能建筑，工业和医疗应用中焦点是真的吗。

　　庄严的声明：本文的工作是原始的。

　　报告/反馈