边缘人工智能（边缘人工智能芯片）

大家好！今天让创意岭的小编来大家介绍下关于边缘人工智能的问题，以下是小编对此问题的归纳整理，让我们一起来看看吧。

ChatGPT国内免费在线使用，一键生成原创文章、方案、文案、工作计划、工作报告、论文、代码、作文、做题和对话答疑等等

只需要输入关键词，就能返回你想要的内容，越精准，写出的就越详细，有微信小程序端、在线网页版、PC客户端

官网：https://ai.de1919.com

本文目录:

• 1、AI驶入“高速路”：交通AI化的应用场景与实例

• 2、推进半导体技术发展的五大趋势

• 3、人工智能是什么？那些产品算是人工智能的产品？

• 4、什么是人工智能

一、AI驶入“高速路”：交通AI化的应用场景与实例

作者：崔雪薇

《中国交通信息化》记者 崔雪薇当前，新一代通用技术的产业革命正在兴起，为数字化、智能化生产和生活带来了颠覆性的改变。经历了新一波的发展浪潮，人工智能（AI）已无所不在地渗透到人们的生产生活中，当仁不让地成为新一代通用技术的代表。“新基建”风口下，围绕“AI+”打造的新应用、新业态、新模式不断涌现，人工智能充分发挥了“头雁”效应。

作为“新基建”大潮的重要抓手，智能交通领域备受瞩目，人工智能、5G、工业互联网等数字化技术为交通带来的发展理念、管理模式和服务体验迎来了全局“智变”。如今，各地高速公路的智慧建设如火如荼，随着全国高速公路正式迈进“一张网”运营时代，AI在高速路上的应用，驶入了高速发展阶段。本文结合第二十二届中国高速公路信息化大会上的经验分享，对人工智能在智慧高速上的融合应用进行了简单梳理。

随着撤站工作的圆满收官，全国高速公路实现了“一张网”运营。在此形势下，路段经营单位对运营管理产生了新的诉求：（1）希望在技术、服务、管控、协同等方面进一步突破，推进少人、无人化的“高效经济”收费场景实现；（2）既要实现路段的精细化管理，又要做到通行费应收尽收，确保自身权益；（3）路段海量、多元的路网设备、设施急需智能化、自动化技术的保障与支撑，确保边、端设施安全、稳定运行。为解决上述痛点问题，招商华软信息有限公司依托“AI+云”技术，构建智慧收费2.0版本，全面赋能路段的收费稽核、运营分析、运维管理、运行监测及基础收费业务。

AI+云，突破尝试

招商华软打造了统一的智慧收费云平台，将收费业务及相关运管业务迁移上云，高效实现各业务之间的多维协同管理。在该平台的赋能支撑下，还利用高智能的车道机器人为路段经营单位打造了无人收费站解决方案。

无人收费站是“AI+云”场景化应用的突破性尝试，是路段实现降本增效的实用举措，也是智慧收费发展的必经阶段。前端车道机器人的AI能力与云端智慧收费云的统筹能力相结合，极大提升了目前车道收费的服务价值。

无人收费，彰显智能

车道机器人是无人收费站的智能化前端AI设备，整机通过集成车道收费所需的多种硬件模块，辅以人机交互工程设计，借助边缘计算、智能语音、4G/5G等技术手段，实现收费站现场无人化自助收费和特情自动化处理。

无人收费站解决方案实现了前端设备智能化、现场支撑全面化、后台系统智慧化、运营投入经济化。相对于传统的无人收费模式，其具备以下突出能力：适用于多种车道应用场景的收费模式，如ETC收费、MTC收费、混合收费等，支持ETC卡、微信、支付宝、云闪付等多种非现金支付手段，未来将具备接受现金支付的能力；集成人工智能单元，支持与车主进行智能语音交互，在现场无人介入的情况下也能快速定位用户问题，为车主提供便捷有效的客户服务；同时，可大幅减少路段经营管理单位的人力成本支出。

示范应用，加速落地

目前，招商华软智慧收费云平台已经在招商公路广西桂林公司及周边路段落地应用，且运行效果良好，基本满足了日常收费、监控、稽查分析和运维工作的需要，极大提升了路段的运管工作效率。佛山一环西龙收费站北行出口收费广场已开通无人收费的机器人示范车道；哈大高速各条车道的车道机器人也已安装完成并投入使用。

在实际的车道收费应用中，95%的收费业务均可以通过车道机器人的高智慧逻辑处理能力来完成。对于不到1%的需要现场处理的问题，可通过步兵式作业工具“综合服务回控终端”提供服务。

2019年11月13日，交通运输部办公厅发布《全国高速公路视频联网监测工作实施方案》和《全国高速公路视频联网技术要求》，提出加快推进“可视、可测、可控、可服务”的高速公路运行监测体系建设，深入研究人工智能等先进技术在视频联网监测领域的应用，在2021年6月实现智慧监测。视频监控为运营管理效率和公共服务能力提升发挥了积极的作用，随着海量视频数据的不断累积，如何实现实时检测、动态监视、智能控制、及时服务、准确预测的智慧监测成为当前技术领域面临的重要挑战。山西交通职业技术学院的张海亮博士依托山西高速的视频联网建设，分享了AI技术在高速公路视频云联网中的应用。

深度学习，大显身手

从架构来看，高速公路视频联网采用云、边、端三层架构。其中，边缘智能分析系统采用新一代视频交通事件智能监测系统，具备随时接入、实时分析、实时报警、准确率高等特点。随着数据的不断积累，系统运行时间越长，识别算法越智能，检测准确率越高。基于深度学习技术，系统可实现以下功能。

交通事件及交通流检测：采用基于深度学习技术的多目标检测、目标跟踪算法，通过接入高速视频云联网的视频数据，边缘智能分析系统能够实现道路拥堵、交通事故、车辆逆行、违规停车、行人闯入、抛洒物、变道、施工、烟火、团雾、占用应急车道等交通事件，以及交通流量、交通参数等交通态势的分析。车辆结构化分析：通过智能算法，提取车辆特征数据，实现车辆结构化分析，应用于车辆研判、违法处罚、逃费检测、收费稽查等业务。视频质量诊断：通过图像识别算法，进行视频画面质量诊断分析，巡检评估外场设备状态，及时发现设备问题，快速应对。

数据分析，高效管理

省级云平台通过“AI+大数据”技术，融合路段视频数据、边缘智能分析系统的海量感知数据，通过海量数据模型训练和深度学习，进行数据计算、数据分析、数据挖掘、综合研判，实现智能监管、交通态势分析、预测预警、应急处置等智慧监测应用。同时，通过数据门户向外部系统和应用提供数据目录、API、数据应用和可视化展示。

高速公路视频联网后的大数据分析不仅能够实现行业运行态势实时监测、预测预警，还能够为行业运营管理决策提供科学依据，也能够对职能和业务流程监管、分权分域管理、可视化业务展示提供数据支撑，提高运营管理效率。在逻辑架构上，基于AI的省级智能预警平台与省级视频云平台一同部署在省中心，基于前端信息采集终端设备、路段视频上云、视频大数据智能分析应用平台，实现云联网视频数据的融合应用。

试点山西，成效显著

近些年来，山西高速一直积极开展高速公路智能运行监测相关研究，特别是对高速公路视频联网智能分析系统和平台做了大量基础性工作。基于AI的智能平台在具体实际应用中取得了理想的效果。系统平台建设以最先进的高性能GPU集群为物理载体，首创分布式深度学习算法及多任务神经网络模型，极大地提升了系统的精准性和并行效率，使系统具备极高的先进性，体现在以下4个方面。

（1）见多识广，通过对海量训练样本的深度学习，以及随着系统部署、应用的增加，系统准确性越来越高。（2）平台先进，系统采用了基于数据流的大数据计算引擎Yita，使用神经网络分布式训练平台，提高了收敛速度，缩短了训练时长，提高了模型迭代效率。（3）算法超前，研究开发了多种算法，能够实现对交通事件、车辆信息的准确识别。（4）持续进化，在具体系统应用过程中，系统检测结果通过人工确认后，不断增加正负样本，可以持续学习，不断进化。

福建省高速公路信息 科技 有限公司的黄来荣高级工程师在会上分享了福建省基于人工智能和物联网的省级联网收费运行监测系统方案。省界收费站取消后，ETC费显系统进行了优化，福建省联网收费系统整体运行平稳。联网收费对运行监测依赖度高，主要体现为在线计费、状态名单同步、全网最小费额下发、门架计费模块升级等，存在点多面广、监测内容多、设备种类复杂、运行监测要求高等难点。因此，需要有一套系统的工具对车道、门架、后端系统进行快速问题诊断，提高系统运维效率和准确性。福建省高速公路将原有的收费运维管理系统、ETC车道运行监测系统和ETC门架运行监测系统进行融合，已成功上线福建省高速公路联网收费运行监测系统，保障了联网收费各层级系统的正常运转。

目标明确，功能完备

省级联网收费运行监测系统建设主要围绕以下4个目标：提升ETC客户服务水平；保障单位和多省交易，实现“分段计费，出口统一收费”；促进厂商提升产品质量和售后服务水平；提高日常机电维护水平。

建设内容有：车道系统运行监测，包括车道设备监测、车道工控机监测、车道数据监测、车道交易监测；门架系统运行监测，包括ETC门架设备监测、门架主机监测、门架数据监测、车道交易监测；后端系统运行监测，包括后端设备监测、后端主机监测、后端应用监测、后端数据监测；系统告警，包括分级分类告警、严重告警置顶提示、告警推送；运行监测工具，包括系统升级类检查工具、参数下发类检查工具、故障诊断类检查工具。

智能分析，科学预警

系统使用NumPy、Pandas和基于机器学习的scikits-learn等组件，可通过决策树回归算法分析故障原因；通过k-means聚类算法寻找离群点，分析并预测门架或车道 健康 状态；通过朴素贝叶斯算法预测设备故障，需提前进行设备养护，从而进行如下智能分析。

1、厂商主题分析按设备厂商进行分类，统计交易成功率、捕获率、异常量等数据，促进设备厂商提供高品质产品、提升售后服务水平。2、用户主题分析（1）同行介质状态：提示OBU低电、锁死、损坏或即将超出有效期待等。（2）充值提醒：当储值卡低于用户常规形成一定比例时进行充值提醒。（3）新状态名单提醒：当用户被列入状态名单时进行提醒。（4）形成规律结合用户服务：根据用户的形成规律，提供路况信息、沿途服务（如服务区）信息等。（5）连续异常提醒：当某一OBU在车道和门架上异常交易达到某一阈值时进行用户提醒，召回检查。3、故障预测预警（1）车道系统故障预测：通行效率下降、异常交易比例提高可能预示着车道系统故障；车道车牌识别率下降可能预示着牌识故障或需要进行维护调优。（2）门架系统故障预警：门架异常交易比例提高、捕获率降低通常预示着门架系统出现故障；某一车道的RSU或牌识捕获率下降通常预示着该设备故障或需要进行及时维护。（3）设备与环境关联预警：通过聚类分析或关联因素分析，识别设备与环境的规律关系，如跳电与雷雨天气的关系、车牌识别率与天气的关系等。

隧道存在空间封闭、事故多发、处置困难、防控薄弱等痛点，亟待在现有技术基础上开发新的隧道风险防控技术与装置。在“新基建”的东风下，一套支持动态巡航、兼顾高精度与实时性的智能交通巡检系统平台应运而生。重庆交通大学的马庆禄副教授在会上对该平台进行了介绍，该平台能够实现渗水检测、裂缝检测、隧道内环境检测；实现交通事故巡检，交通运行状态、重要交通基础设施以及交通量、车速等交通参数的实时检测及分析处理。检测精度均大于80%。

融合创新，提质升级

作为该平台的前端设备，隧道云智能巡检机器人融合了人工智能、5G、虚拟现实、工业物联网技术，依托高端 科技 手段，提质升级隧道智慧管养水平，积极响应国家的“新基建”政策。

隧道云智能巡检机器人采用边缘人工智能技术，与传统的基于云的计算方式相比，该技术在计算和信息生成源的物理接近性方面带来了低延迟、能量高效、隐私保护、带宽占用减少、及时性和环境敏感性高等优势，使隧道巡检机器人感知更敏捷，风险识别与应急决策更智能。5G具有大带宽、低延时的传输能力，平台建立基于边缘设备的区域性高速容量5G传输网络，集成红外热像仪、激光/毫米波雷达、高清全景摄像机等各种尖端技术， 探索 5G网络在公路隧道中的应用示范。

智能巡检，安全高效

云智能巡检机器人助力“新基建”与“交通强国”加速推进，实现路桥隧全天候、无人值守下的智能巡检，可最大限度提高隧道安全性。相比传统人工巡检，其具有以下优势：

（1）通过云智能机器人将照明、通风、消防等机电系统网联于一体，实现自适应联控；（2）利用机器人配载激光雷达、热像仪等传感器，对裂缝、渗漏等灾害动态感知；（3）机器人可以第一时间抵达现场，实时远程交通监控、应急救援与疏散指挥。

2020年一场突如其来的疫情对“新基建”提出了非常迫切的要求。疫情的远程化、无接触、智能化应对刺激了新的市场需求，倒逼传统产业加快数字化转型的步伐，智能交通的建设也因此成为城市发展实打实的刚需。作为“新基建”的主要内容，以人工智能为代表的“云大物移智”等新技术的深度融合碰撞，形成了新一代信息基础设施的核心能力。交通AI化是大势所趋，除本文所述内容，AI在城市公共交通、自动驾驶等领域同样发挥了不容小觑的作用。在智慧高速领域，AI在云、管、边、端全面赋能，给收费、稽核、监控等应用场景带来了全新升级，驶入高速，上桥入隧，无所不在。 科技 的迭代速度令人瞠目，5G浪潮迅猛来袭，流量的爆发将带动数据处理分析能力的发展，人工智能也将迎来新的机遇和挑战。随着新一代信息技术的飞速发展，条条大路都将被赋予强大的颠覆性力量，通向无边无界的智能未来。

（原文刊载于2021年第3期《中国交通信息化》）

二、推进半导体技术发展的五大趋势

过去几十年，全球半导体行业增长主要受台式机、笔记本电脑和无线通信产品等尖端电子设备的需求，以及基于云计算兴起的推动。这些增长将继续为高性能计算市场领域开发新应用程序。

首先，5G将让数据量呈指数级增长。我们需要越来越多的服务器来处理和存储这些数据。2020年Yole报告，这些服务器核心的高端CPU和GPU的复合年增长率有望达到29%。它们将支持大量的数据中心应用，比如超级计算和高性能计算服务。在云 游戏 和人工智能等新兴应用的推动下，GPU预计将实现更快增长。例如，2020年3月，互联网流量增长了近50%，法兰克福的商业互联网数据交换创下了数据吞吐量超过每秒9.1兆兆位的新世界纪录。

第二个主要驱动因素是移动SoC——智能手机芯片。这个细分市场增长虽然没有那么快, 但这些SoC在尺寸受限的芯片领域对更多功能的需求，将推动进一步技术创新。

除了逻辑、内存和3D互联的传统维度扩展之外，这些新兴应用程序将需要利用跨领域的创新。这需要在器件、块和SoC级别进行新模块、新材料和架构的改变，以实现在系统级别的效益。我们将这些创新归纳为半导体技术的五大发展趋势。

趋势一:摩尔定律还有用，将为半导体技术续命8到10年…

在接下来的8到10年里，CMOS晶体管的密度缩放将大致遵循摩尔定律。这将主要通过EUV模式和引入新器件架构来实现逻辑标准单元缩放。

在7nm技术节点上引入了极紫外(EUV)光刻，可在单个曝光步骤中对一些最关键的芯片结构进行了设计。在5nm技术节点之外(即关键线后端(BEOL)金属节距低于28-30nm时)，多模式EUV光刻将不可避免地增加了晶圆成本。最终，我们希望高数值孔径(High-NA) EUV光刻技术能够用于行业1nm节点的最关键层上。这种技术将推动这些层中的一些多图案化回到单图案化，从而提供成本、产量和周期时间的优势。

Imec对随机缺陷的研究对EUV光刻技术的发展具有重要意义。随机打印故障是指随机的、非重复的、孤立的缺陷，如微桥、局部断线、触点丢失或合并。改善随机缺陷可使用低剂量照射，从而提高吞吐量和成本。

为了加速高NA EUV的引入，我们正在安装Attolab，它可以在高NA EUV工具面世之前测试一些关键的高NA EUV材料(如掩膜吸收层和电阻)。目前Attolab已经成功地完成了第一阶段安装，预计在未来几个月将出现高NA EUV曝光。

除了EUV光刻技术的进步之外，如果没有前沿线端(FEOL)设备架构的创新，摩尔定律就无法延续。如今，FinFET是主流晶体管架构，最先进的节点在6T标准单元中有2个鳍。然而，将鳍片长度缩小到5T标准单元会导致鳍片数量减少，标准单元中每个设备只有一个鳍片，导致设备的单位面积性能急剧下降。这里，垂直堆叠纳米薄片晶体管被认为是下一代设备，可以更有效地利用设备占用空间。另一个关键的除垢助推器是埋地动力轨(BPR)。埋在芯片的FEOL而不是BEOL，这些BPR将释放互连资源路由。

将纳米片缩放到2nm一代将受到n-to-p空间约束的限制。Imec设想将Forksheet作为下一代设备。通过用电介质墙定义n- p空间，轨道高度可以进一步缩放。与传统的HVH设计相反，另一个有助于提高路由效率的标准单元架构发展是针对金属线路的垂直-水平-垂直(VHV)设计。最终通过互补场效应晶体管(CFET)将标准cell缩小到4T，之后充分利用cell层面上的第三维度，互补场效应晶体管通过将n-场效应晶体管与p-场效应晶体管折叠。

趋势2: 在固定功率下，逻辑性能的提高会慢下来

有了上述的创新，我们期望晶体管密度能遵循摩尔所规划的路径。但是在固定电源下，节点到节点的性能改进——被称Dennard缩放比例定律，Dennard缩放比例定律（Dennard scaling）表明，随着晶体管变得越来越小，它们的功率密度保持不变，因此功率的使用与面积成比例；电压和电流的规模与长度成比例。

世界各地的研究人员都在寻找方法来弥补这种减速，并进一步提高芯片性能。上述埋地电力轨道预计将提供一个性能提高在系统水平由于改进的电力分配。此外，imec还着眼于在纳米片和叉片装置中加入应力，以及提高中线的接触电阻(MOL)。

二维材料如二硫化钨(WS2)在通道中有望提高性能，因为它们比Si或SiGe具有更强的栅长伸缩能力。其中基于2d的设备架构包括多个堆叠的薄片非常有前景，每个薄片被一个栅极堆叠包围并从侧面接触。模拟表明，这些器件在1nm节点或更大节点上比纳米片的性能更好。为了进一步改善这些器件的驱动电流，我们着重改善通道生长质量，在这些新材料中加入掺杂剂和提高接触电阻。我们试图通过将物理特性(如生长质量)与电气特性相关联来加快这些设备的学习周期。

除了FEOL, 走线拥挤和BEOL RC延迟，这些已经成为性能改善的重要瓶颈。为了提高通径电阻，我们正在研究使用Ru或Mo的混合金属化。我们预计半镶嵌(semi-damascene)金属化模块可同时改善紧密距金属层的电阻和电容。半镶嵌(semi-damascene) 可通过直接模式和使用气隙作为介电在线路之间(控制电容增加)

允许我们增加宽高比的金属线(以降低电阻)。同时，我们筛选了各种替代导体，如二元合金，它作为‘good old’ Cu的替代品，以进一步降低线路电阻。

趋势3:3D技术使更多的异构集成成为可能

在工业领域，通过利用2.5D或3D连接的异构集成来构建系统。这些有助于解决内存问题，可在受形状因素限制的系统中添加功能，或提高大型芯片系统的产量。随着逻辑PPAC(性能-区域-成本)的放缓，SoC 的智能功能分区可以提供另一个缩放旋钮。一个典型的例子是高带宽内存栈(HBM)，它由堆叠的DRAM芯片组成，这些芯片通过短的interposer链路直接连接到处理器芯片，例如GPU或CPU。最典型的案例是Intel Lakefield CPU上的模对模堆叠， AMD 7nm Epyc CPU。在未来，我们希望看到更多这样的异构SOC，它是提高芯片性能的最佳桥梁。

在imec，我们通过利用我们在不同领域(如逻辑、内存、3D…)所进行的创新，在SoC级别带来了一些好处。为了将技术与系统级别性能联系起来，我们建立了一个名为S-EAT的框架(用于实现高级技术的系统基准测试)。这个框架可评估特定技术对系统级性能的影响。例如:我们能从缓存层次结构较低级别的片上内存的3D分区中获益吗?如果SRAM被磁存储器(MRAM)取代，在系统级会发生什么?

为了能够在缓存层次结构的这些更深层次上进行分区，我们需要一种高密度的晶片到晶片的堆叠技术。我们已经开发了700nm间距的晶圆-晶圆混合键合，相信在不久的将来，键合技术的进步将使500nm间距的键合成为可能。

通过3D集成技术实现异质集成。我们已经开发了一种基于sn的微突起互连方法，互连间距降低到7µm。这种高密度连接充分利用了透硅通孔技术的潜力，使>16x更高的三维互联密度在模具之间或模具与硅插接器之间成为可能。这样就大大降低了对HBM I/O接口的SoC区域需求(从6 mm2降至1 mm2)，并可能将HBM内存栈的互连长度缩短至多1 mm。使用混合铜键合也可以将模具直接与硅结合。我们正在开发3µm间距的模具到晶圆的混合键合，它具有高公差和放置精度。

由于SoC变得越来越异质化，一个芯片上的不同功能(逻辑、内存、I/O接口、模拟…)不需要来自单一的CMOS技术。对不同的子系统采用不同的工艺技术来优化设计成本和产量可能更有利。这种演变也可以满足更多芯片的多样化和定制化需求。

趋势4:NAND和DRAM被推到极限;非易失性存储器正在兴起

内存芯片市场预测显示，2020年内存将与2019年持平——这一变化可能部分与COVID-19减缓有关。2021年后，这个市场有望再次开始增长。新兴非易失性存储器市场预计将以>50%的复合年增长率增长，主要受嵌入式磁随机存取存储器(MRAM)和独立相变存储器(PCM)的需求推动。

NAND存储将继续递增，在未来几年内可能不会出现颠覆性架构变化。当今最先进的NAND产品具有128层存储能力。由于晶片之间的结合，可能会产生更多的层，从而使3D扩展继续下去。Imec通过开发像钌这样的低电阻字线金属，研究备用存储介质堆，提高通道电流，并确定控制压力的方法来实现这一路线图。我们还专注于用更先进的FinFET器件取代NAND外围的平面逻辑晶体管。我们正在 探索 3D FeFET与新型纤锌矿材料，作为3D NAND替代高端存储应用。作为传统3D NAND的替代品，我们正在评估新型存储器的可行性。

对于DRAM，单元缩放速度减慢，EUV光刻可能需要改进图案。三星最近宣布EUV DRAM产品将用于10nm (1a)级。除了 探索 EUV光刻用于关键DRAM结构的模式，imec还为真正的3D DRAM解决方案提供了构建模块。

在嵌入式内存领域，我通过大量的努力来理解并最终拆除所谓的内存墙，CPU从DRAM或基于SRAM的缓存中访问数据的速度有多快?如何确保多个CPU核心访问共享缓存时的缓存一致性?限制速度的瓶颈是什么? 我们正在研究各种各样的磁随机存取存储器(MRAM)，包括自旋转移转矩(STT)-MRAM，自旋轨道转矩(SOT)-MRAM和电压控制磁各向异性(VCMA)-MRAM)，以潜在地取代一些传统的基于SRAM的L1、L2和L3缓存(图4)。每一种MRAM存储器都有其自身的优点和挑战，并可能通过提高速度、功耗和/或内存密度来帮助我们克服内存瓶颈。为了进一步提高密度，我们还在积极研究可与磁隧道结相结合的选择器，这些是MRAM的核心。

趋势5:边缘人工智能芯片行业崛起

边缘 AI预计在未来五年内将实现100%的增长。与基于云的人工智能不同，推理功能是嵌入在位于网络边缘的物联网端点(如手机和智能扬声器)上的。物联网设备与一个相对靠近边缘服务器进行无线通信。该服务器决定将哪些数据发送到云服务器(通常是时间敏感性较低的任务所需的数据，如重新培训)，以及在边缘服务器上处理哪些数据。

与基于云的AI(数据需要从端点到云服务器来回移动)相比，边缘 AI更容易解决隐私问题。它还提供了响应速度和减少云服务器工作负载的优点。想象一下，一辆需要基于人工智能做出决定的自动 汽车 。由于需要非常迅速地做出决策，系统不能等待数据传输到服务器并返回。考虑到通常由电池供电的物联网设备施加的功率限制，这些物联网设备中的推理引擎也需要非常节能。

今天，商业上可用的边缘 AI芯片，加上快速GPU或ASIC，可达到1-100 Tops/W运算效率。对于物联网的实现，将需要更高的效率。Imec的目标是证明推理效率在10.000个Tops /W。

通过研究模拟内存计算架构，我们正在开发一种不同的方法。这种方法打破了传统的冯·诺伊曼计算模式，基于从内存发送数据到CPU(或GPU)进行计算。使用模拟内存计算，节省了来回移动数据的大量能量。2019年，我们演示了基于SRAM的模拟内存计算单元(内置22nm FD-SOI技术)，实现了1000Tops/W的效率。为了进一步提高到10.000Tops/W，我们正在研究非易失性存储器，如SOT-MRAM, FeFET和基于IGZO（铟镓锌氧化物）的存储器。

三、人工智能是什么？那些产品算是人工智能的产品？

人工智能，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。

人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该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等。

人工智能的产品有：

机器视觉，指纹识别，人脸识别，视网膜识别，虹膜识别，掌纹识别，专家系统，自动规划，智能搜索，定理证明，博弈，自动程序设计，智能控制，机器人学，语言和图像理解，遗传编程等。

扩展资料

人工智能的科学介绍：

1、学科范畴：

人工智能是一门边缘学科，属于自然科学和社会科学的交叉。

2、涉及学科：

哲学和认知科学，数学，神经生理学，心理学，计算机科学，信息论，控制论，不定性论。

3、研究范畴：

自然语言处理，知识表现，智能搜索，推理，规划，机器学习，知识获取，组合调度问题，感知问题，模式识别，逻辑程序设计软计算，不精确和不确定的管理，人工生命，神经网络，复杂系统，遗传算法。

参考资料来源：百度百科——人工智能

四、什么是人工智能

工智能（Artificial Intelligence）是研究、开发用于模拟、延伸和扩展人智能的理论、方法、技术及应用系统的一门新技术科学。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等。

人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新技术科学。

人工智能是计算机科学的一个分支，它企图了解智能的实质，可以产出一种新的可以和人类智能相似的方式做出反应的智能机器，该领域的研究主要有机器人、语言识别、图像识别、自然语言处理和专家系统等。

自从人工智能诞生以来，理论和技术越来越成熟，应用领域在不断的扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能可以把人的意识、思维的信息过程的模拟。虽然人工智能不是人的智能，但可以像人那样思考、最终可能超过人的智能。

优点：

1、在生产方面，效率更高且成本低廉的机器及人工智能实体代替了人的各种能力，人类的劳动力将大大被解放。

2、人类环境问题将会得到一定的改善，较少的资源可以满足更大的需求。

3、人工智能可以提高人类认识世界、适应世界的能力。

缺点：

1、人工智能代替了人类做各种各样的事情，人类失业率会明显的增高，人类就会处于无依靠可生存的状态。

以上就是关于边缘人工智能相关问题的回答。希望能帮到你，如有更多相关问题，您也可以联系我们的客服进行咨询，客服也会为您讲解更多精彩的知识和内容。

推荐阅读：

边缘人工智能（边缘人工智能芯片）

边缘计算芯片（边缘计算芯片有哪些）

生成式AI边缘计算（ai边缘计算盒）

在百度上看小说怎么去广告（在百度上看小说怎么去广告推广）

景观设计手绘平面图（景观设计效果图）