50 亿年前，发生了一件了不起的事情：新的生物种类惊人地突然增加。古生物学家称其为寒武纪大爆发，今天地球上的许多动物都将其谱系追溯到这一事件。

第三方机构晨星报告显示，2021年，人工智能芯片市场总价值将达200亿美元。TechNavio预测，到2021年，全球人工智能芯片年均复合增长率将超过54%。秉持各自的技术路径，芯片领域的巨头们纷纷入局这场硝烟尚未完全燃起的战争。可以预见，AI芯片的战场又将是一片狼烟混战。

在AI芯片这场混战中，深度学习成为焦点领域。从芯片处理结构看，整个环节分为训练(Training)算法和利用算法推理(Inference)结论两个部分。训练是人工智能的基础，构建应用的关键。

在这一环节，Intel利用Xeon Phi处理器与NVIDIA的GPU直面竞争，并通过多项收购扩大产品布局。围绕两家巨头的竞争，Google和AMD虽有心杀入战局，但仍在边缘，而更小的创业者则仍处于探索阶段。推理层则表现出了群雄大乱斗的场景，一些没有芯片研发背景的公司也纷纷加入战局，去争抢市场盘子高达200亿美元的未来。

作为深度学习的重要载体，神经网络芯片正受到全球科技巨头的高度关注。比如英特尔正在研发的自我学习神经元芯片Loihi引起业界关注。Loihi可以模拟出人类大脑的功能，集成超过13万个神经元和1.3亿个突触，用以复制神经的方式进行运算和思考，不需要以传统的方式进行训练，就能实现自我进化和决策。与通常用于训练人工智能系统的芯片相比，Loihi芯片的能效提升了1000倍。

正如最近的嵌入式视觉峰会明确指出的那样，今天的嵌入式视觉和人工智能处理器中也发生了类似的事情。上个月在加利福尼亚州圣克拉拉举行的现场活动侧重于为将人工智能和视觉融入其产品的产品创造者的实用知识。

这些产品需要 AI 处理器来平衡高性能、低功耗和成本敏感性的冲突需求。峰会上展出的数量惊人的嵌入式 AI 芯片突显了业界对这一需求的反应。虽然针对计算机视觉和机器学习 (ML) 的处理器数量是压倒性的，但有一些自然分组使该领域更容易理解。以下是我们看到的一些主题。

首先，一些处理器供应商正在考虑如何最好地服务于同时将 ML 应用于来自不同传感器类型的数据(例如音频和视频)的应用程序。例如，来自 Synaptics 的 Katana 低功耗处理器融合了来自各种传感器的输入，包括视觉、声音和环境。Xperi 关于未来智能玩具的演讲也谈到了这一点。

其次，部分处理器供应商专注于将功率和成本降至最低。这很有趣，因为它支持新的应用程序。例如，Cadence 在峰会上发表了关于其 Tensilica 处理器产品组合的新增功能，这些产品支持始终在线的 AI 应用程序。Arm 展示了基于其 Cortex-M 系列处理器的低功耗视觉和机器学习用例。高通还涵盖了在其 Snapdragon 系列上创建低功耗计算机视觉应用程序的工具。

第三，尽管许多处理器供应商主要或完全专注于 ML，但也有少数供应商正在解决通常与深度神经网络结合使用的其他类型的算法，例如经典计算机视觉和图像处理。一个例子是 quadric，其新的 q16 处理器据称在广泛的算法中表现出色，包括 ML 和传统的计算机视觉。

最后，一个全新的物种似乎脱颖而出：神经形态处理器。神经形态计算是指模仿大脑处理信息方式的方法。例如，生物视觉系统处理视场中的事件，而经典的计算机视觉方法通常以与视觉信息源无关的固定帧速率捕获和处理场景中的所有像素。

峰会的主题演讲“基于事件的神经形态感知和计算：传感和人工智能的未来”概述了神经形态方法的优势。它由匹兹堡大学教授兼 CMU 机器人研究所兼职教授 Ryad Benosman 提供。Opteran 展示了其神经形态处理方法，以极大地改善视觉和自主性，其设计灵感来自昆虫大脑。

无论您的应用程序是什么，以及您的要求是什么，总有一款最适合您的嵌入式 AI 或视觉处理器。今年的峰会突出了其中的许多。回顾 10 年，届时我们将看到 2032 年的AI处理器中有多少可以追溯到现代寒武纪大爆发。