作(zuo)者：彭昭（智次(ci)方(fang)創始人、云和資本聯合創始合伙人）
這是我(wo)的第365篇專(zhuan)欄文章。
在上篇文章中，我曾提到TinyML基金會進行了品牌重塑，已更名為邊緣智能（Edge AI）基金會。
近日，邊緣(yuan)智(zhi)能基金(jin)會發(fa)布了(le)(le)2025年度最新(xin)版本的《2025邊緣(yuan)AI技術報告》。該報告對(dui)邊緣(yuan)智(zhi)能以及微型機器學(xue)習TinyML的發(fa)展趨(qu)勢進行(xing)了(le)(le)全面掃描和(he)總結。
從報告內容來看，TinyML的成熟度可能超出了很多人的預期，已經在現實場景中產生了眾多應用案例。
報告的亮點如下：
邊緣AI的技術推動因素：報告深(shen)入探討了支持邊緣AI部署的軟硬件進步，重點關注了專用處理器(qi)和(he)超低功(gong)耗設備的創新(xin)，這些創新(xin)正(zheng)在克服資源受限環(huan)境中處理能力和(he)可擴展性的限制。
邊緣AI在行業轉型中的作用：報(bao)告揭(jie)示(shi)了邊緣(yuan)AI如何通(tong)過實(shi)現(xian)實(shi)時分析(xi)和決策能力，影響各個行業的運營模式(shi)。
未來技術與創新：報告的最(zui)后章(zhang)節展(zhan)望了可(ke)能影響邊緣AI未來發展(zhan)的新興(xing)技術，例如聯合(he)學習、量子神經網絡和(he)神經形態計算等。
因此，在今天這篇文章中，我們將(jiang)一(yi)起梳理《2025邊(bian)緣AI技術報(bao)告》的精華內容，全(quan)面了解TinyML以(yi)及邊(bian)緣AI的最新(xin)進展和(he)發展全(quan)貌。
實時、在地、高效：邊緣AI在六大行業的創新應用
隨著市場對低延遲、實時處理的需求日益增長，邊緣AI正在各個行業掀起一場風潮，尤其是在汽車、制造業、醫療、零售、物流和智慧農業領域(yu)。邊緣AI通過在(zai)數據(ju)源處進行實時分析和(he)決(jue)策，極(ji)大地提升了效率(lv)，優化了資源配置，改(gai)善了用戶(hu)體驗。
首先來看自動駕駛汽車領域。
隨著攝像頭分辨率達到千兆像素，激光雷達系統每秒可發射數百萬個激光脈沖，邊緣人工智能可加快反(fan)應時間，并(bing)增強安全(quan)性(xing)。例如(ru)，Waymo已擴展模擬訓(xun)練和評估，以處理罕(han)見的(de)駕駛(shi)情況。與此同時，理想汽車預計(ji)其端到(dao)端模型將(jiang)在今年(nian)年(nian)底前從(cong)超過500萬個(ge)駕駛(shi)數據片段中學習。
同樣，隨著(zhu)人(ren)工智(zhi)(zhi)能(neng)(neng)市(shi)場的快(kuai)速增長(chang)，實時(shi)邊緣(yuan)人(ren)工智(zhi)(zhi)能(neng)(neng)已成為提高(gao)效率和減少停機時(shi)間的關鍵。在(zai)繁忙的汽(qi)車生產(chan)車間：智(zhi)(zhi)能(neng)(neng)傳感器會立即標記溫度(du)峰值或機械(xie)應力，使團隊能(neng)(neng)夠在(zai)問題升級之前(qian)防止(zhi)中斷。從汽(qi)車行業汲(ji)取靈感，蔚(yu)來的NWM（NIO世界(jie)模(mo)型）展示了超快(kuai)速AI預測的強大功能(neng)(neng)。同樣，基(ji)于邊緣(yuan)AI的分析可(ke)以(yi)以(yi)驚人(ren)的精(jing)度(du)檢測生產(chan)線上的微缺陷。
通過結(jie)合速度、可靠性和設備智能，實時數據(ju)處理正在改(gai)變自動(dong)駕駛汽車的(de)標準實踐，為全(quan)面(mian)更(geng)具適應(ying)性、更(geng)高(gao)效的(de)未來鋪(pu)平了道(dao)路。
邊緣AI之所以對自動駕駛汽車如此重要，主要有三個原因：
邊緣系統減少了對云中繼(ji)的(de)依賴(lai)，實(shi)現了50ms以下的(de)防撞響應時(shi)間，這對于處理(li)行(xing)人突然橫穿(chuan)馬路(lu)，或(huo)高(gao)速(su)公路(lu)突發事(shi)件尤為關鍵(jian)。
邊緣AI使(shi)(shi)得自(zi)動(dong)駕(jia)駛(shi)汽車(che)或半自(zi)動(dong)駕(jia)駛(shi)汽車(che)即使(shi)(shi)在蜂(feng)窩盲(mang)區，也能保(bao)持安全(quan)功能（例如車(che)道保(bao)持、自(zi)適(shi)應巡航控制）。5G汽車(che)協(xie)會（5GAA）更(geng)新(xin)的蜂(feng)窩車(che)聯網（C-V2X）技(ji)術路(lu)線圖，強調(diao)了混(hun)合(he)V2X架構，該架構將邊緣處理與5G-V2X直接(jie)通信相結(jie)合(he)。邊緣AI硬件和(he)傳感器融(rong)合(he)算法(fa)，使(shi)(shi)自(zi)動(dong)駕(jia)駛(shi)汽車(che)能夠將決策延遲縮短30-40%，實(shi)現低至20-50毫秒的響(xiang)應時間(jian)。
集成來自攝像頭、激(ji)(ji)光雷(lei)達(da)和雷(lei)達(da)等邊緣設備的(de)數(shu)據(ju)(ju)可以(yi)提高感知可靠(kao)性，實(shi)現安全(quan)導航。例如，Innoviz的(de)2024年(nian)激(ji)(ji)光雷(lei)達(da)升(sheng)級版采(cai)用了(le)邊緣優化(hua)的(de)神經(jing)網絡，以(yi)每秒20幀的(de)速度處理點云數(shu)據(ju)(ju)，最大限度地減少了(le)障礙物檢測的(de)延遲。
接著來看制造業。
生產線每天可以生成大量數據，有研究顯示，智能工廠每周生成超過5PB的數據。邊緣AI系統可以在本地處理這些信息，提供即時洞察和自動響應。邊緣AI的影響體現在三個關鍵領域：預測性維護、質量控制系統和流程優化。
據報(bao)道，利用實時(shi)(shi)傳(chuan)感器(qi)數(shu)據分(fen)析的預測性(xing)維護系統可將維護成本降低30%，并將停(ting)機時(shi)(shi)間(jian)減少(shao)45%。通過(guo)持續監控設備性(xing)能，邊緣AI算法(fa)可以在細微異(yi)常和(he)潛在故障(zhang)發生之前(qian)檢測到它(ta)們，從(cong)而實現主動維護并最大限度地減少(shao)意(yi)外停(ting)機時(shi)(shi)間(jian)。
在質(zhi)量(liang)方面(mian)，邊(bian)緣AI通過實時(shi)檢(jian)查和(he)缺(que)陷檢(jian)測增強(qiang)了(le)質(zhi)量(liang)控(kong)(kong)制(zhi)。例如，一(yi)家大型食品飲料制(zhi)造(zao)商(shang)在邊(bian)緣部署了(le)視覺AI，用于質(zhi)量(liang)檢(jian)查和(he)閉環質(zhi)量(liang)控(kong)(kong)制(zhi)。該(gai)系(xi)統持續監(jian)控(kong)(kong)產品差異(yi)并建議調整(zheng)設備設置，將檢(jian)查周期縮短50-75%，并提高準確性。
第三，在醫療保健領域，本地化AI可通過直接在設備中處理醫療數據，加速診斷并改善患者治療效果。
例(li)如，邊緣(yuan)AI驅動的遠(yuan)程患者監測設(she)備（如便攜(xie)式心電圖和(he)血壓監測儀）可(ke)以實時分(fen)析心律(lv)和(he)生命體征(zheng)。這些設(she)備（例(li)如由AliveCor和(he)Biobeat開發的設(she)備）使臨床醫生無需等待基于云的分(fen)析即可(ke)檢測心律(lv)失(shi)常(chang)和(he)其他異常(chang)情(qing)況，從而縮短危急情(qing)況下的響應(ying)時間。
第四，邊緣AI正在通過實時行為分析優化店內運營并增強客戶體驗，從而改變零售業。
AI驅動(dong)的(de)(de)智能貨架和(he)結算系統可(ke)在本地處(chu)理客(ke)戶(hu)互動(dong)，分析購買模式并(bing)調整庫存預(yu)測(ce)，而(er)無需依(yi)賴云同步。零(ling)售(shou)商正在部署AI驅動(dong)的(de)(de)視頻分析來檢測(ce)客(ke)流量異常(chang)、監控庫存水平并(bing)減少結賬時間，從而(er)提高(gao)效(xiao)率并(bing)降低運營成本。
在運營方面，基于人工智(zhi)能(neng)的(de)智(zhi)慧零售已(yi)經(jing)在2025年展現出應用前(qian)景。人工智(zhi)能(neng)驅動的(de)計算機視覺可以實(shi)現完全的(de)非接觸式交易，將(jiang)平均(jun)結賬(zhang)時間縮短(duan)30%。Amazon Fresh已(yi)經(jing)通(tong)過(guo)在貨架(jia)或手推車上安裝(zhuang)攝像(xiang)頭，在顧客離開時自動結賬(zhang)，并提供實(shi)時消(xiao)費(fei)預覽。
亞馬遜(xun)的Just Walk Out（JWO）系統是零(ling)售業邊緣AI的典范，它集成了傳感器(qi)陣列、設備分(fen)析和(he)高(gao)級機器(qi)學習(xi)模型。所(suo)有計(ji)算都(dou)在定制邊緣硬件上本地處理(li)，實現實時決策，并提高(gao)客戶便利性和(he)運營(ying)效率(lv)。
第五，邊緣AI與物聯網傳感器集成，通過直接在配送中心、倉庫和運輸樞紐處理物流數據，增強了物流的智能化。
智能(neng)傳感器無需將大量信息傳輸到集中式服(fu)務器，而(er)是現(xian)場分析溫度波動(dong)、運(yun)動(dong)異常和(he)庫(ku)存短缺，并(bing)在出現(xian)偏差時(shi)(shi)(shi)觸(chu)發即時(shi)(shi)(shi)警報。例如，P&O Ferry masters使用(yong)人工智能(neng)驅(qu)動(dong)的船舶裝載程序(xu)將貨運(yun)能(neng)力(li)優化了10%，從(cong)而(er)保(bao)持(chi)了整個供應鏈的實時(shi)(shi)(shi)可見(jian)性(xing)。此外(wai)，人工智能(neng)驅(qu)動(dong)的預測(ce)有助(zhu)于減少20%的物流費用(yong)。
最后，邊緣AI正在幫助智慧農業擴大精準種植，以滿足全球不斷增長的糧食需求。
預計到2050年，全球人口將達(da)到98億，農業必須(xu)智能(neng)地擴大規(gui)模，以滿足不斷增長的(de)糧食需求，同(tong)時最大限度(du)地減(jian)少對環(huan)境的(de)影響。邊緣(yuan)人工智能(neng)使農場能(neng)夠在(zai)不增加(jia)復雜性的(de)情況下擴大其技術覆蓋范圍，分(fen)析土壤條件，監(jian)測天氣模式，并實施自動化灌溉系(xi)統。
先(xian)進的(de)傳(chuan)感(gan)器和AI模型無需將數據發送到(dao)遠程(cheng)服(fu)務器，而是在檢測(ce)到(dao)土壤(rang)濕度或害(hai)蟲活動(dong)等(deng)因素時(shi)對其進行(xing)評(ping)估(gu)，從(cong)而迅速采取(qu)干預(yu)措(cuo)施。CrackSense等(deng)項目展示了(le)實時(shi)傳(chuan)感(gan)如何(he)確保柑橘、石(shi)榴和葡(pu)萄等(deng)作物(wu)的(de)果(guo)實質量，減少災(zai)害(hai)和浪費。
配備(bei)邊緣人(ren)工智(zhi)能(neng)(neng)的(de)智(zhi)能(neng)(neng)灌(guan)溉系統已顯示出成效(xiao)，可根(gen)據局部土(tu)壤水(shui)分(fen)分(fen)析動態調整水(shui)分(fen)配，減(jian)少(shao)25%的(de)用水(shui)量。同樣，人(ren)工智(zhi)能(neng)(neng)驅動的(de)害蟲檢測可減(jian)少(shao)30%的(de)農藥(yao)使用量，確保精(jing)準(zhun)農業，最大限(xian)度地減(jian)少(shao)浪費。
邊緣AI生態系統：三層架構下的協同創新
當今的邊緣AI生(sheng)態系統正處于一個關鍵(jian)階段(duan)：項目(mu)的成(cheng)(cheng)功取決(jue)于硬(ying)件(jian)供應商(shang)、軟(ruan)件(jian)開發(fa)商(shang)、云(yun)提供商(shang)和行業利(li)益相關者(zhe)的共同(tong)協(xie)作。這種狀態可(ke)能將會持(chi)續較長的一段(duan)時(shi)間，因此企業之間的互相協(xie)同(tong)成(cheng)(cheng)為重點。
如果沒有(you)互操作性(xing)標(biao)準、可擴展(zhan)的部(bu)署模型(xing)和共(gong)享的研發工作，邊緣AI就有(you)可能出現碎片化，從(cong)而限制(zhi)其(qi)在(zai)制(zhi)造業(ye)、醫療保健和物(wu)流等(deng)關(guan)鍵領(ling)域的應用(yong)。
邊緣AI的生態系統普遍公認采用三層架構，將計算工作負載分配到邊緣設備、邊緣服務器和云平臺。這種結構(gou)允(yun)許(xu)AI模型在(zai)邊緣執行實(shi)時(shi)推理(li)，同時(shi)在(zai)需(xu)要(yao)時(shi)利用(yong)更高的(de)(de)計(ji)算能力。每一層(ceng)在(zai)處理(li)、匯總和優化數據以進(jin)行智(zhi)能決策方面(mian)發揮(hui)著獨(du)特的(de)(de)作用(yong)。
邊緣設備與終端設備是與現實世界數據交互的第一個點。這些設備包括部署在制造業、醫療保健、汽車和零售環境中的物聯網傳(chuan)感器(qi)、工業機器(qi)人、智能(neng)攝像(xiang)頭和(he)嵌入式計算系統。它們的主要功能(neng)是低延遲AI推(tui)理——無需依賴持續的云(yun)連接即可在(zai)現場處理數據(ju)。
邊緣服務器充當邊緣設備和云之間的計算中介。這些服(fu)務器(qi)通常部署(shu)在工(gong)(gong)廠、醫院(yuan)、零(ling)售店和自動駕(jia)駛汽車(che)網絡中，用于匯總來自多(duo)個來源的(de)(de)數(shu)據(ju)(ju)，并執(zhi)行(xing)(xing)更為復雜的(de)(de)AI工(gong)(gong)作負載。邊緣服(fu)務器(qi)的(de)(de)一(yi)個關鍵優勢是本(ben)地化AI推理(li)：無需將(jiang)數(shu)據(ju)(ju)卸(xie)載到遠程數(shu)據(ju)(ju)中心(xin)即(ji)可運行(xing)(xing)更重(zhong)的(de)(de)模型(xing)。這減少了與云依賴相(xiang)關的(de)(de)延遲、帶寬成本(ben)和安全風險(xian)。
這里需要區分邊緣計算和終端設備，盡管從整體上他們可以歸為一類，但由于功耗、尺寸和算力等約束條件截然不同，“邊緣”和“終端”具有顯著區別，不能使用同一個思路處理。邊緣(yuan)設備（例如嵌入式(shi)攝像頭或工(gong)業(ye)傳感(gan)器）專為低功耗AI推(tui)理(li)而設計，而功能更(geng)強大的邊緣(yuan)服務器則充當中介，在將數據(ju)轉(zhuan)發到云(yun)端之前，處(chu)理(li)復雜的AI工(gong)作負載。
云對于模型開發、大規模數據分析和存儲仍然至關重要。它是深度(du)學習(xi)模(mo)型在優化和部署到邊(bian)緣(yuan)之前進行(xing)訓(xun)練(lian)的(de)支柱。經(jing)過訓(xun)練(lian)后，AI模(mo)型將部署到邊(bian)緣(yuan)設(she)備和邊(bian)緣(yuan)服務器，在生產環境(jing)中執(zhi)行(xing)推理(li)任務。云還(huan)充(chong)當AI模(mo)型監控(kong)、分析和集中編排的(de)骨干，確保(bao)部署在數千甚至數百(bai)萬個邊(bian)緣(yuan)端點上保(bao)持高效(xiao)。
雖然三層架構涵蓋了邊緣AI的全貌，但是企業之間的跨界合作正在更加密切的進行。
半導體公司(si)正在與AI開發(fa)人員合(he)作以提高(gao)專用(yong)硬件上的(de)模型效率(lv)；云提供商正在集成邊(bian)緣原(yuan)生(sheng)計算(suan)解決方案(an)；研(yan)究機構正在與行業領導者合(he)作推(tui)進可擴展(zhan)架構。
在硬件和云協作(zuo)方面，英特爾(er)通過其邊(bian)緣AI合作(zuo)伙(huo)伴支持包推動邊(bian)緣AI的(de)采用(yong)，該計劃為(wei)企業提供工具(ju)、框架和技術(shu)資源，以加速邊(bian)緣AI的(de)部署。
另一項值得(de)注意(yi)的(de)合作(zuo)涉(she)及高通和Meta，他們致(zhi)力(li)于將Meta的(de)Llama大型(xing)語言模型(xing)直接集成到高通的(de)邊(bian)緣處(chu)理器上(shang)。這種(zhong)合作(zuo)關系減(jian)少了對基于云的(de)LLM的(de)依賴，使(shi)設備能夠在(zai)現場執行生成AI工作(zuo)負載。
MemryX和Variscite也(ye)宣(xuan)布建立了合作伙伴(ban)關系，旨在提高邊緣AI效率。通過將MemryX的(de)AI加速器與Variscite的(de)系統模塊（SoM）解(jie)決方案(an)相結合，簡化(hua)了邊緣設(she)備(bei)上的(de)AI部署，尤其針對(dui)工業自動(dong)化(hua)和醫(yi)療保(bao)健的(de)應用。
Google與Synaptics合作開發了邊緣人工智能系統。Google的(de)Kelvin MLIR兼容機器學習(xi)核心將集成到(dao)Synaptics Astra AI-Native IoT計(ji)算平臺中。兩家公(gong)司將共同努力，為可穿戴設備(bei)、家電、娛樂和監(jian)控(kong)等應用定義(yi)IoT Edge情(qing)境感(gan)知(zhi)計(ji)算多(duo)模式處(chu)理的(de)最佳實現(xian)。
政產學研合作在推進邊緣AI研究和部署方面發揮著至關重要的作用，一些國家推出了邊緣AI的試點項目和協作平臺。
在(zai)英國(guo)，國(guo)家邊緣人工(gong)智能中心是一個協作平臺，聯合學術界(jie)、工(gong)業(ye)界(jie)和公共部門(men)推進邊緣人工(gong)智能技(ji)術。該(gai)中心由紐(niu)卡斯爾大(da)學牽頭，匯集了來(lai)自英國(guo)各地(di)機構的多學科團隊，其使命是提高醫療保(bao)健(jian)和自動駕駛電動汽車等時(shi)間關鍵型應用的數據質量和決策(ce)準確(que)性。
同樣，美國國家科(ke)學(xue)基金(jin)會的NAIRR試點項目是一項旨(zhi)在實(shi)現(xian)AI普及的大型計(ji)劃(hua)。英特(te)爾、英偉(wei)達(da)、微軟(ruan)、Meta、OpenAI和IBM等行(xing)業(ye)參與者為開(kai)發安全節能的AI應用程(cheng)序的研究人員貢獻了計(ji)算能力和AI工(gong)具(ju)。
從聯邦學習到神經形態計算：邊緣AI的5大前沿趨勢
技術的發(fa)展日新(xin)月異，邊(bian)緣AI的5個新(xin)興(xing)趨勢正在重塑人(ren)工智能系(xi)統，包括聯邦學習、邊(bian)緣原生AI模型、量(liang)子增強智能和(he)邊(bian)緣生成AI。這些趨勢彼此結(jie)合，讓自動駕駛汽車(che)可以相互訓(xun)練，無需依賴集中式(shi)數據集；醫院(yuan)可以部署基于患者數據實時演進的AI模型，確保高(gao)度個性(xing)化(hua)的治療(liao)；工業機器人(ren)將(jiang)以預測(ce)智能運行(xing)，在故障發(fa)生之前檢測(ce)并(bing)修復。
神經形態計(ji)算、多智(zhi)(zhi)能體強化學(xue)習和后量子密碼學(xue)等領域的新興創新也在重(zhong)新定義邊緣AI的各(ge)種可能性(xing)，使(shi)人(ren)工智(zhi)(zhi)能系統(tong)變(bian)得更快、更安全、效率更高(gao)。
聯邦學習：邊緣的去中心化智能
聯(lian)(lian)邦學習（FL）正在從隱私保護發(fa)展成(cheng)為(wei)去中心化智能(neng)的(de)基石。未來5年，聯(lian)(lian)邦框架有(you)望積極增強模型適(shi)應性、自主性和跨(kua)行業(ye)協作。市場預(yu)測到2030年，聯(lian)(lian)邦學習有(you)望實現近3億美元的(de)市場價(jia)值，預(yu)計(ji)復合年增長率(lv)為(wei)12.7%。
聯(lian)邦(bang)學(xue)(xue)習演進的(de)(de)另一個主要驅動力是與(yu)6G等下一代網絡(luo)的(de)(de)集成。隨著(zhu)邊緣部(bu)(bu)署(shu)規模(mo)的(de)(de)擴大，超低延遲網絡(luo)將(jiang)使(shi)AI模(mo)型(xing)能夠更(geng)有效(xiao)地在(zai)分布式(shi)設備之間(jian)同(tong)步(bu)，從而減(jian)少優化(hua)和部(bu)(bu)署(shu)更(geng)新所需的(de)(de)時間(jian)。量(liang)子(zi)聯(lian)邦(bang)學(xue)(xue)習（QFL）的(de)(de)出現也正在(zai)被探(tan)索(suo)，以減(jian)少設備之間(jian)的(de)(de)通信(xin)負擔，使(shi)大規模(mo)物聯(lian)網網絡(luo)的(de)(de)通信(xin)過程(cheng)更(geng)加高效(xiao)。
邊緣量子計算和量子神經網絡
量(liang)(liang)子計算將重新定義邊緣AI的(de)功能(neng)(neng)。雖(sui)然當今的(de)邊緣AI依賴于優化(hua)的(de)深度(du)學(xue)習(xi)模(mo)型和低功耗硬件加(jia)速器，但量(liang)(liang)子計算引入了一種完全不(bu)同的(de)方法：利用量(liang)(liang)子態來處理指數(shu)(shu)級(ji)增(zeng)大的(de)數(shu)(shu)據集(ji)，并以傳統方法無法達到的(de)速度(du)優化(hua)決策(ce)。隨著(zhu)量(liang)(liang)子處理單元（QPU）超(chao)越基于云的(de)基礎設施(shi)，混(hun)合(he)量(liang)(liang)子-經典AI將在邊緣出現，增(zeng)強金融、醫療(liao)保健、能(neng)(neng)源和工業(ye)自動化(hua)等行業(ye)的(de)實時(shi)決策(ce)能(neng)(neng)力。
量(liang)子(zi)神經網絡(luo)（QNN）是一種(zhong)新型AI模型，它(ta)利用量(liang)子(zi)特性來檢(jian)測數據(ju)中的模式和關系，而(er)“傳統AI”則難(nan)以做到(dao)這一點。與(yu)需(xu)要增加功率和內存(cun)來提高性能的現有神經網絡(luo)不(bu)同，QNN可(ke)以以更緊湊、更高效的方式處理信息。
到目前(qian)為(wei)止，量(liang)子計(ji)算由于其硬件要求（包括極端冷卻）而(er)僅(jin)限(xian)于基于云的(de)數據(ju)中心。然而(er)，移動QPU的(de)最新進展(zhan)很可(ke)能(neng)使在室溫下運行(xing)量(liang)子算法成為(wei)可(ke)能(neng)。在未(wei)來(lai)幾年，量(liang)子計(ji)算將(jiang)不僅(jin)限(xian)于云端，還可(ke)以嵌入到邊緣的(de)自主系統(tong)、工業(ye)機(ji)器人(ren)和物聯(lian)網設備中。
自主人形機器人的邊緣人工智能
人形機器人的下一階段(duan)將由具身智(zhi)能(neng)定義，其(qi)中人工(gong)智(zhi)能(neng)模型(xing)變得更具適應性、響應性，并能(neng)夠自我改進。
在(zai)零售環境中(zhong)，人形機(ji)器人可(ke)以通過回(hui)答口頭(tou)詢問、分析(xi)面部表情(qing)和瀏覽商店布局來協助(zhu)(zhu)消費者。同時，在(zai)醫院和養(yang)老院中(zhong)，人工智(zhi)能機(ji)器人可(ke)以監測患者、協助(zhu)(zhu)行(xing)動(dong)并(bing)檢測可(ke)能預示(shi)醫療緊急情(qing)況的細微行(xing)為變化，所有這(zhe)些都通過設備端處理來確保數據隱私和安全。
人工智能驅動的AR/VR：下一個進化方向
增強現(xian)實(shi)（AR）和虛(xu)擬現(xian)實(shi)（VR）已不再局限于游戲和娛樂，邊(bian)緣(yuan)AI是這一發展的關鍵推動因素。下(xia)一代AR/VR設備(bei)將在本地處(chu)理(li)信息(xi)，從而(er)實(shi)現(xian)實(shi)時響(xiang)應并提(ti)高能源效率。
AI驅動的空間計算將允許(xu)AR眼(yan)鏡和(he)VR耳機(ji)根(gen)據上下文動態調整疊加、深度感(gan)知和(he)環境交互。
在(zai)(zai)工(gong)業環境中，這意味(wei)著AR驅(qu)動(dong)的(de)(de)(de)工(gong)作空間將為工(gong)程師(shi)提(ti)供免提(ti)、AI生成的(de)(de)(de)指令，這些指令可實(shi)時適(shi)應現實(shi)世界(jie)的(de)(de)(de)情況。在(zai)(zai)醫(yi)療保健領域，AR輔助手術將集成AI能(neng)力，以(yi)提(ti)高精度，根據外科醫(yi)生的(de)(de)(de)動(dong)作在(zai)(zai)幾毫(hao)秒(miao)內更新，而不會出現云引起的(de)(de)(de)延遲。
神經形態計算：低功耗人工智能的未來
通過(guo)引入(ru)大腦啟發式架(jia)構，神經形態計(ji)算(suan)有望在(zai)邊(bian)緣(yuan)AI領域(yu)變得(de)越來越流行，這些架(jia)構在(zai)能源(yuan)效率(lv)和處理能力方(fang)面具(ju)有顯著優勢。與(yu)將內(nei)存和處理單元(yuan)分(fen)開的傳統(tong)計(ji)算(suan)系(xi)(xi)統(tong)不同(tong)，神經形態系(xi)(xi)統(tong)集成了這些功能，模仿了人腦的并行和事件驅動特(te)性。這種設計(ji)使它(ta)們能夠以最小的能耗(hao)處理復雜的實(shi)時數(shu)據處理任務，使其(qi)成為邊(bian)緣(yuan)應用的理想選擇。
例如，2022年《自然》雜志的一項研究中推出的NeuRRAM芯片模擬計算(suan)架構的能效，是最先進的“內存計算(suan)”芯片的兩倍，可以在沒有云連接(jie)的情況下在邊緣設(she)備上執行(xing)復雜的認知(zhi)任(ren)務。這一飛躍反(fan)映了從(cong)臺式(shi)電腦到(dao)智能手機的轉變，解鎖了曾經被(bei)認為不可能的便攜式(shi)應(ying)用程序。
研(yan)究和早期(qi)商業部(bu)署表明(ming)，神(shen)經(jing)形態芯片可以重(zhong)新定義(yi)智能在邊緣的部(bu)署方(fang)式(shi)。
寫在最后
邊緣AI正(zheng)在重塑各行各業，從(cong)自動駕(jia)駛汽車到智能(neng)制造，從(cong)醫療保健到零(ling)售物流(liu)，再到智慧(hui)農(nong)業。通(tong)過(guo)將人(ren)工(gong)智能(neng)的力量帶到數據源頭，邊緣AI實現(xian)了前所未有的實時洞察、自主決策(ce)和資(zi)源優化。
它的崛起標(biao)志著人工智(zhi)能從集中式云模型向分布式智(zhi)能的根(gen)本性轉變。
隨著邊(bian)緣(yuan)AI生態(tai)系統的(de)不斷(duan)成(cheng)熟，創新的(de)步伐正在(zai)加(jia)快。從聯邦學習到(dao)神經形態(tai)計算，從量(liang)子增強智能(neng)到(dao)人工智能(neng)驅(qu)動(dong)的(de)增強現實，前沿技術正在(zai)重新定義邊(bian)緣(yuan)AI的(de)可能(neng)性。展望(wang)未來，邊(bian)緣(yuan)AI有望(wang)成(cheng)為(wei)推(tui)動(dong)行業(ye)變革和社(she)會進步的(de)關鍵力量(liang)。
最后，附上報告(gao)的(de)下載鏈(lian)接//www.ceva-ip.cn/，歡迎感(gan)興趣的(de)朋友獲取。
