一、云端智能逐渐向边缘迁移，AI 革命悄然进行
新一波人工智能关起带动了产业快速发展，目前发展重心主要在云侧智能，通过云端联网和数据中心，来进行大规模计算，实现人工智能。云端具备连结多方大数据以及超强计算力的优势，在人工智能的发展中占据着不可替代的作用。但人工智能发展仍面临着多重挑戓，包括海量数据，实时性以及安全/隐私问题，要真正要让人工智能走进生活，需要从云端走向终端。
首先，我们看到终端侧作为人工智能平台，在本地进行实时环境感知、人机交互与决策控制，具有四大优势：1）隐私性，云侧智能的基础在二用户需要将所有数据上传到云端，终端 AI 的数据存储计算等都在本地，可以有效保证数据安全；2）可靠性，本地决策避免了数据经过更长的通路产生错误；3）低时延，本地实时处理保证了时间敏感的实时类应用的 AI 推理时延要求；4）可以高效利用网络带宽。
其次，随着移动互联网发展，终端设备大规模接入互联网，物联网设备数量的爆发几乎成了共识，预计到 2020 年将有超过 500 亿联网设备。物联网最关键的是智能，利用连接设备的数量由量变引起质变后可以沉淀大量的数据，并进一步形成智慧，利用智慧创造巨大的价值。终端设备上产生的海量数据提供商业价值的同时，也对数据处理提出挑戓，边缘计算成为发展的新趋势之一，在边缘侧引入数据分析不智能化处理技术可以大幅提升效率并且降低成本。
智能边缘计算提出了一种新模式：让物联网的每个边缘设备都具备数据采集、分析计算，通信，以及最重要的智能；同时利用云计算的能力，通过云来大规模的进行安全配置、部署和管理边缘设备，能够根据设备类型和场景分配智能的能力，让智能在云和边缘之间流动。“云+端”的协同智能，充分发挥终端和云端的各自优势，才能促进 AI 产业进一步升级。
二、终端智能化快速发展，国内企业有望弯道超车
终端智能对于终端的高速运算、低功耗提出了极高的要求。首先终端本身的运算能力都非常有限，阻碍了对数据快速处理的进度，再加上人工智能涉及到的复杂计算，对于计算力的提出更高的要求，原有的 CPU 架构需要升级；其次是功耗的问题，在终端上的人工智能要保证实用必须要低功耗，又要实现高性能，需要在算法、芯片领域做权衡处理。
参考观研天下发布《2018-2023年中国人工智能产业市场运营现状分析及未来前景商机预测报告》
英伟达、英特尔、Google 等科技巨头都已开始布局终端 AI。英伟达全面布局自动驾驶汽车领域，已经推出最新一代智能汽车计算平台 Pegasus，同时针对 AI 智慧城市应用以及机器人等终端设备应用推出 Metropolis 平台和 Jetson 超级计算机模块；英特尔推出 Myriad X 芯片，是世界上第一个拥有与用神经计算引擎的规觉处理单元（VPU），能够在不牺牲功耗的前提下大幅提高边缘计算计算的性能，是英特尔在边缘计算领域的重要步骤。Google 在近日新发布 Image Processing Unit （IPU），是继 TPU 之后推出的第二颗芯片，主要针对移动端应用。
终端 AI 应用处于蓝海市场，国内企业不断创新。除寒武纪外，地平线自主设计研发的嵌入式人工智能处理器架构 BPU，提供设备端上完整开放的嵌入式人工智能解决方案，面向自动驾驶和智能生活等应用场景推出了“雨果”平台及“安徒生”平台；阅面科技携手英特尔发布“繁星”系列产品，包括跨模态人脸识别引擎 UniFace、基于 Uniface 的繁星 AI 芯片规觉模块、以及基于繁星的智能客群分析摄像机“阅客”，通过性能堪比服务器的终端规觉模块，将云端计算能力搬至终端；杭州国芯科技联合 Rokid、思必驰等发布 AI 终端芯片 GX8010，切入物联网人工智能芯片。中科创达全面押注嵌入式 AI，已在工业领域初步尝试，将机器规觉技术，通过嵌入式 AI 应用到工业质检中。
新一波人工智能关起带动了产业快速发展，目前发展重心主要在云侧智能，通过云端联网和数据中心，来进行大规模计算，实现人工智能。云端具备连结多方大数据以及超强计算力的优势，在人工智能的发展中占据着不可替代的作用。但人工智能发展仍面临着多重挑戓，包括海量数据，实时性以及安全/隐私问题，要真正要让人工智能走进生活，需要从云端走向终端。
首先，我们看到终端侧作为人工智能平台，在本地进行实时环境感知、人机交互与决策控制，具有四大优势：1）隐私性，云侧智能的基础在二用户需要将所有数据上传到云端，终端 AI 的数据存储计算等都在本地，可以有效保证数据安全；2）可靠性，本地决策避免了数据经过更长的通路产生错误；3）低时延，本地实时处理保证了时间敏感的实时类应用的 AI 推理时延要求；4）可以高效利用网络带宽。
其次，随着移动互联网发展，终端设备大规模接入互联网，物联网设备数量的爆发几乎成了共识，预计到 2020 年将有超过 500 亿联网设备。物联网最关键的是智能，利用连接设备的数量由量变引起质变后可以沉淀大量的数据，并进一步形成智慧，利用智慧创造巨大的价值。终端设备上产生的海量数据提供商业价值的同时，也对数据处理提出挑戓，边缘计算成为发展的新趋势之一，在边缘侧引入数据分析不智能化处理技术可以大幅提升效率并且降低成本。
智能边缘计算提出了一种新模式：让物联网的每个边缘设备都具备数据采集、分析计算，通信，以及最重要的智能；同时利用云计算的能力，通过云来大规模的进行安全配置、部署和管理边缘设备，能够根据设备类型和场景分配智能的能力，让智能在云和边缘之间流动。“云+端”的协同智能，充分发挥终端和云端的各自优势，才能促进 AI 产业进一步升级。
图：智能云和智能边缘计算联合协同发展
图：边缘计算参考架构
二、终端智能化快速发展，国内企业有望弯道超车
终端智能对于终端的高速运算、低功耗提出了极高的要求。首先终端本身的运算能力都非常有限，阻碍了对数据快速处理的进度，再加上人工智能涉及到的复杂计算，对于计算力的提出更高的要求，原有的 CPU 架构需要升级；其次是功耗的问题，在终端上的人工智能要保证实用必须要低功耗，又要实现高性能，需要在算法、芯片领域做权衡处理。
参考观研天下发布《2018-2023年中国人工智能产业市场运营现状分析及未来前景商机预测报告》
英伟达、英特尔、Google 等科技巨头都已开始布局终端 AI。英伟达全面布局自动驾驶汽车领域，已经推出最新一代智能汽车计算平台 Pegasus，同时针对 AI 智慧城市应用以及机器人等终端设备应用推出 Metropolis 平台和 Jetson 超级计算机模块；英特尔推出 Myriad X 芯片，是世界上第一个拥有与用神经计算引擎的规觉处理单元（VPU），能够在不牺牲功耗的前提下大幅提高边缘计算计算的性能，是英特尔在边缘计算领域的重要步骤。Google 在近日新发布 Image Processing Unit （IPU），是继 TPU 之后推出的第二颗芯片，主要针对移动端应用。
图：英特尔发布 Myriad X 芯片
图：阅面科技携手英特尔发布“繁星”系列产品
终端 AI 应用处于蓝海市场，国内企业不断创新。除寒武纪外，地平线自主设计研发的嵌入式人工智能处理器架构 BPU，提供设备端上完整开放的嵌入式人工智能解决方案，面向自动驾驶和智能生活等应用场景推出了“雨果”平台及“安徒生”平台；阅面科技携手英特尔发布“繁星”系列产品，包括跨模态人脸识别引擎 UniFace、基于 Uniface 的繁星 AI 芯片规觉模块、以及基于繁星的智能客群分析摄像机“阅客”，通过性能堪比服务器的终端规觉模块，将云端计算能力搬至终端；杭州国芯科技联合 Rokid、思必驰等发布 AI 终端芯片 GX8010，切入物联网人工智能芯片。中科创达全面押注嵌入式 AI，已在工业领域初步尝试，将机器规觉技术，通过嵌入式 AI 应用到工业质检中。
资料来源：观研天下整理，转载请注明出处（ZQ）
更多好文每日分享，欢迎关注公众号
【版权提示】观研报告网倡导尊重与保护知识产权。未经许可，任何人不得复制、转载、或以其他方式使用本网站的内容。如发现本站文章存在版权问题，烦请提供版权疑问、身份证明、版权证明、联系方式等发邮件至kf@chinabaogao.com，我们将及时沟通与处理。
