林明

1推动邊缘AI发展的两大方面

从需求方面看，因为算力要求高，最初的AI都从云端智能开始，数据必须上传到云端处理，而随后的发展过程中产生了对于用户体验和数据隐私方面的问题。

边缘AI能够大大减小延时问题，并且对于网络环境的要求较为宽松，极大地提升了用户体验。同时边缘AI 在处理数据过程中不必上传至云端，能够很好地保障数据隐私和数据安全，还能避免系统受到恶意网络攻击。

从技术发展方面来看，芯片和软件技术的迭代在一定程度上也推动了边缘AI的发展。过去芯片的算力无法满足边缘AI应用，同时软件配置通常是利用专家系统或者是基本机器学习系统来实现AI功能。但是现在随着深度学习软件上的迭代和发展，以及高算力、低功耗的边缘处理器的普及，也是从技术端推动了边缘AI 的发展。

2边缘AI五大发展方向

第一点是边缘AI处理器架构配置的灵活性。边缘 AI因为其应用场景的多样性，很难用一个通用处理器去处理所有的AI应用场景，那么异构计算架构将是未来边缘AI发展的重要趋势：用最适配的处理单元处理相应的AI任务。

第二点是边缘AI处理器的能效比。目前边缘AI产品大部分以电池供电，因此从能效需求方面需要开发更灵活的模式。通过不同的能效模式切换、内核配置和半导体工艺改进，来达到一个较高的能效比，去应用在不同的计算场景中。

以上两点都体现在恩智浦广泛而丰富的边缘控制器和处理器产品组合中。……