（图：Movidius开发的Myriad 2视觉处理芯片）
深度学习是AI技术的一个分支，许多大企业都在研究，比如谷歌、Facebook。在普通人看来，AI似乎只是大企业的玩物，实际上不是的，它不单会在云端普及，还会进入到芯片。福布斯专栏作家罗伯特·霍夫（Robert Hof）认为，具备AI功能的芯片会让手机、无人机、 机器人、摄像头更加聪明。
下面是文章全文：
在人工智能（AI）中有一个分支叫深度学习，它带给我们许多惊奇，比如自动驾驶汽车，手机即时语言翻译。现在，深度学习试图为一切物件植入智能。
为什么会这样？因为硅芯片制造商开始将深度学习软件嵌入到自己的芯片中，尤其是嵌入到移动
应用中；这些企业既包括大公司英特尔、高通，还包括许多小企业。很快，植入AI技术的芯片可能就会进入市场，更智能的手机、无人机、机器人、摄像头、可穿戴设备将会涌入我们的视野。
加州视觉处理器生产商Movidius的机器深度学习副总裁科马克·布里克（Cormac Brick）认为：“这类设备的功能将会让消费者感到震惊。”
无处不AI
上周，在加州圣克拉拉（Santa Clara）举行的“Embedded Vision Summit”会议上，几家芯片公司展示了自己的设计，Movidius正是其中之一；1月时，Movidius还与谷歌达成合作关系，谷歌向Movidius预定了芯片，这些芯片会用在还没有发布的移动设备中。Movidius芯片定于4月28日正式推出，公司宣称它是第一块USB深度学习模组。Movidius芯片的功耗只有1瓦特，它可以为无人机、摄像头、机器人提供神经网络功能。
高通已经发布面向骁龙神经网络处理引擎（Snapdragon Neural Processing Engine）的软件开发者工具包，它可以让智能手机、无人机、其它设备更智能，能够追踪目标、识别声音。英特尔、ARM、CEVA、益华计算机(Cadence Design Systems)也试图在芯片中加入深度学习功能。谷歌是深度学习的领先者，它已经推出了开源Tensor Flow深度学习软件，支持低能耗8位处理器，这种处理器对移动应用至关重要。
大体来讲，深度学习可以模仿人类大脑的神经元活动，允许计算机在海量数据中发现各种模式。谷歌Brain项目负责人、高级研究员杰夫·邓恩（Jeff Dean）称：“我们有大量的数据需要计算机理解，而不是让人来理解。”深度学习可以分析数据，更重要的是它可以从所有数据中学习，正是因为这点，语音、目标识别技术和自然语言处理技术最近才取得了很大的进步。
（图1：谷歌Brain项目负责人杰夫?邓恩）
降低能耗减少延迟时间
在谷歌、IBM、微软的云计算服务中，深度学习和AI技术的地位越来越高，移动设备的独特需求推动AI下潜到芯片中去。尤其值得一提的是，深度学习开始大量应用于各种计算机视觉项目，它们依赖于对数据的本地实时处理。事实证明，在许多视觉应用中，深度学习比过去几十年开发的其它计算机视觉技术更先进。正因如此，无数企业才会成群结队向新算法挺进。
“我们处在攻城略地的阶段。”嵌入式芯片顾问公司伯克莱设计技术（Berkeley Design Technology）创始人兼总裁、嵌入式视觉联盟(Embedded Vision Alliance)创始人杰夫·拜尔（Jeff Bier）称，“芯片制造商正在对硅芯片进行优化，使它们可以在低能耗下运行算法。”
布里克解释说，之所以要将深度学习算法嵌入到芯片之中有一个关键的原因：移动设备需要降低能耗。在设备和云之间传输数据需要消耗大量的电能，它还需要配备能耗更高、成本更高的并行处理芯片，比如Nvidia的图形芯片。高通物联网、移动计算工程高级副总裁拉杰·塔鲁利（Raj Talluri）表示：“要让视觉无处不在，在移动和嵌入式设备植入智能相当关键。”
对于一些应用来说（比如无人驾驶汽车的防撞、刹车功能），有一个问题很让人头痛：连接到云端会导致延迟，在处理器和内存之间移动数据也需要时间。塔鲁利称：“延迟成了有用还是无用的分界线。”另外，出于对安全和隐私的担忧，设备需要在本地处理更多数据，而不是存储到云端。
当深度学习变得更普及时（在云计算和芯片中普及），它可以帮助更多的企业开发新应用，尤其是那些让计算机像人一样运行的应用。例如，无人机可以直线飞行，不需要GPS就知道哪个位置最适合停靠，智能摄像头可以理解场景中的人正在做什么事，机器人可以知道哪里弄乱了，它可以自动整理。
