峰會聚會探索邊緣計算，AI的視覺

2020-09-21

計算機視野在2020年一直在迅速變化。芯片技術的眾多進步和對健康和安全解決方案的緊迫市場需求均加速了，利用了包括生物識別技術的技術。由邊緣AI和視力聯盟可以這麼說，人們一直在收集許多大型行業有遠見的人，以繼續推進Edge AI的科學和市場。

2020年嵌入式視覺峰會虛擬會議始於加州大學伯克利分校教授戴維·帕特森（David Patterson）的主題演講，介紹了針對籌碼的領域特定體系結構的趨勢，以及這些架構如何有效地運行AI工作負載。帕特森（Patterson）是當今在芯片中使用的RISC（減少指令集計算）體系結構的共同發明者，也是Google的張量處理單元（TPU）芯片的貢獻者，用於在數據中心運行AI工作負載。

Edge AI和Vision Alliance的行業顧問兼創始人Jeff Bier寫道，由於生物識別技術等應用程序的五個關鍵要求，進步迅速而激烈。在文章在EE時，他指出，帶寬，潛伏期，經濟學，可靠性和隱私一直在推動AI使用邊緣計算。

帶寬和潛伏期是邊緣計算用例中的兩個共同要求，但在視覺系統中，例如面部識別。來自監視系統中多個視頻供稿的數據量可能不知所措用來將數據發送到中央雲進行處理的Internet連接。同樣，在其他情況下，系統需要太長時間才能響應感覺輸入，理由是經常使用的自動駕駛汽車需要立即響應行人的存在。比爾寫道，這輛車的計算機有幾百毫秒的行動。在這種情況下，沒有足夠的時間將圖像發送到中央雲進行處理。

帶寬和延遲需求都會影響在數據集上執行AI的經濟性。 Bier表示，邊緣計算可以減少發送到雲的數據量，從而導致更經濟的解決方案。

數據的本地化也是關鍵主題。為了可靠性和隱私，諸如生物識別技術之類的敏感個人數據的本地化可以在沒有互聯網連接的情況下處理信息（例如，在連通性的情況下，例如在風暴期間丟失）。另一個優點是：向雲發送更少的數據（或在某些新的芯片設計，沒有數據的情況下）會減少問題，因為個人數據陷入錯誤的手中。

儘管一些峰會會議已經舉行，但該活動將於9月22日至24日舉行，研究人員和行業領導者的更多演講。 LG電子，Algolux，Synopsys，Zebra Technologies，Inceive，Inc。和其他將在Edge AI實施中出現。同時，在虛擬活動期間，超過30家公司將展示Edge AI芯片和軟件解決方案，包括Ceva，Cadence，Hailo，Intel，Lattice，Nvidia，感知，高通和xilinx。例如，腦排宣布將展示新一代的Edge AI芯片，稱為Akida。該芯片被稱為片上的神經形態系統（NSOC），可在小的，超低的功率外形中提供先進的神經網絡功能。

市場研究公司OMDIA預測，全球AI Edge Chipset收入將從2019年的77億美元增長到2025年的519億美元。邊緣推理已成為關鍵工作量，許多公司都引入了芯片組解決方案以加速生物特徵和其他AI工作量。