回顾近几年，人工智能不但正在走出实验室，也正在从云端走向设备端，赋予设备智能——2018年，这一趋势成为了产业链各方发力点，所有涉及让人工智能落地的讨论，都离不开边缘计算和嵌入式人工智能技术上。
在近日于清华大学举办的嵌入式人工智能大会上，投资人、人工智能企业、科技巨头坐在了一起，在寒冬的气氛下，对嵌入式人工智能的发展的讨论却非常火热。
首先是“机”。会发生在汽车、工业、物流、家庭，“这些领域的人工智能一定是以硬件方式存在，所以一定会是嵌入式的，一定会在边缘端发生计算，这是已经在发生的。”
然后是“危”：边缘计算在性能、功耗、安全性、兼容性等方面任然面临着巨大的挑战，业内的公司已经在提升AI云端计算上有了很大的进展，允许机器更好地解决问题，但嵌入式人工智能还需要考虑如何更加经济地解决问题。
图｜嵌入式人工智能面临的挑战
那么，嵌入式人工智能的挑战主要在哪？
挑战在于终端处理平台碎片化、计算能力有限、应用多样化需求难以被满足、性能（准确率、速度）平衡的取舍、生态不成熟、功耗和成本较高这6各方面。
解决这些问题，需要对软件、硬件进行深度结合的系统化设计。在软件方面，核心就是降低算法模型的计算量，可通过裁减模型，压缩网络、与场景的深度融合和适度优化、共享深度学习模型中的超参数等方法实现。在硬件方面，关键在于AI运算加速引擎，在满足功耗、发热等限制条件的前提下，实现AI运算加速引擎。当算法集成到设备时，第一件事是先看功耗、发热、光速。
由此延伸出来的一个很重要的共识是，嵌入式人工智能将是非常长的产业过程，需要芯片、操作系统、算法、硬件、自动控制、材料等方向的技术和人才共同投入。
从用户的角度，市场上各种各样的客户都有非常多的需求和痛点，这些需求和痛点背后，客户们看中的不会是某个具体的技术有什么突破点，而是寻求最完整的一个解决方案，涵盖包括算法、硬件、云等各个重要元素的有效组合。
从技术的角度来讲，万物互联实际上需要技术非常多，连接方面除了3G、4G、5G的技术以外，还需要Wifi的技术、蓝牙的技术；在算法方面，需要CPU、GPU、NPU，还有DSP。最后，安全如今也变成一个很重要的领域。连接、计算、安全，将构成万物互联的几个重要支撑点。
在上述几个方面具备丰富知识产权以及技术的公司，像上海速嵌，提供嵌入式AI完整解决方案，将继续扮演重要角色。与之相反的是，留给纯算法AI公司的生存空间可能会越来越小，业内人士对表示，这些公司无法提供全产业链的解决方案，盈利空间有限，其最好的结果可能是被收购。
AI赋能行业的过程中，客户其实期望整体解决方案，涵盖数据获取、隐私问题、训练、生产管理系统、私有云署、前后端等方面，而不单单是纯算法。
“客户衡量AI技术的预算不是根据AI作为高大上的技术来做的，而是根据生产力提升（用户体验提升，销售转换率等），运行效率优化，及经营业绩能承受的预算能力来反推的，这和目前昂贵的AI投入成本是个矛盾”。
而接下来的10年到20年走向万物互联的阶段，除了整体解决方案的竞争、纯算法公司的存亡值得关注以外，5G和AI相辅相成也将带来新的机会。高通全球副总裁孙刚表示，预计2025年AI延伸出来的产业会产生5.1万亿美元的商业场景，到2030年由5G延伸出来的产业为12.3万亿，这两个产业有非常大的前景。
5G的发展和AI是结合在一起的，因为5G是通讯的标准，而通讯标准的发展会带来更快的通讯速度，同时也会产生更多的数据，数据则是AI的基础，更多的数据就会使AI更有效。在这个基础上，AI的技术会发展，发展过程中对数据有更多的需求，会促进5G的发展，这两个技术的发展是相辅相成的。