若干年来，科技界重复在讨论两件事：一是第四次科技革命可能在中国发生，二是将成为第四次科技革命的焦点驱动手艺。

若是我们把两件事融合在一起，就能够很简朴的推理出一个结论：中国必须联合自身的现实情形，生长出一条亘古未有，且其他国家和地域难以复刻的AI之路。只有云云，才气诠释AI手艺带来的新科技革命，为什么将会在中国而不是其他地方完成。

就像第一台简朴的蒸汽机是在1688年由法国人德尼斯·帕潘发现，却在近百年后的英国成为驱动科技革命的通用性手艺。怎样将AI转化为新的通用性、底座型手艺，是中国经济生长遇到的历史性机缘。

自深度学习手艺为代表的第三次AI兴起进入中国后，中国AI工业履历了十余年探索。联合中国现实，面向第四次科技革命的AI之路，最先逐渐由懵懂走向清晰。

1月10日，百度Create AI开发者大会于线上召开。时代，百度CTO王海峰揭晓了《“深度学习+”，创新生长新引擎》主题演讲，提出人工智能的手艺创新和工业生长，进入“深度学习+”阶段。

对于许多朋侪来说，深度学习这个观点或许并不生疏。但“深度学习+”应该照旧首次听到。这个新的观点背后，却是中国AI十余年的积累，AI底层手艺与基础设施的漫长凝聚，以及千行百业应用深度学习手艺的锐意探索。

这些因素融合起来，让中国AI手艺与工业智能化生长得以扶摇直上更进一步，中国智能化的新转折点，也正酝酿在这个新的阶段。

2019 年 3 月，强化学习之父 Richard Sutton 发文表现：" 短期内要使 AI 能力有所前进，研究者应追求在模子中使用人类先验知识;但之于 AI 的生长，唯一的要害点是对算力资源的充实使用。"

神经网络模子在上世纪 90 年月泛起，但在 2010 年前，基于统计的学习模子仍是主流，以是在打败人类象棋妙手多年后，迟迟无法攻克变数近乎宇宙级的围棋。

厥后得益于 GPU 算力的高速前进与深度神经网络、卷积神经网络等等算法的前进，深度学习模子逐渐成为主流，挣脱了穷举法的限制，AI 能够用来学习训练的参数也越来越多，充实使用了 GPU 善于并行盘算的能力，基于重大的数据集、庞大的参数结构一次次刷新人类对 AI 智力天花板的想象。

简朴来说，早期的 AI 就像个刚出生的小婴儿，什么也不懂。爸爸妈妈就要拿着一张 " 猫 " 的图片然后跟他说 " 这是一只猫 "，建设起图像和语言的联系。AI 也是云云，我们需要大量的 " 识图卡 " 来训练 AI。

在十年前，由于芯片的算力有限，人类使用的要领很是鸠拙：

找出一张主体是猫的图片，然后人工打上 " 猫 " 的标签，喂给 AI 来学习，效率很是低下，而且训练出来的 AI 只能识别特定的物种。经由大量的训练，AI 虽然能识别几千类物品，可一旦遇到庞大的情形就蒙了。好比给一只狗带上猫猫的头套，AI 或许率就堕落了，由于它只熟悉 0 和 1，但不熟悉 0.5。

的普遍的应用场景也给AI提出了新的需求。

IoT手艺越发强调“物与物”之间的互联，毗连更为普遍并对时间敏感。且大多终端装备都事情内容简朴，算力要求小，事情时间长，续航要求高的特点。

这些要求让终端装备不得不思量功耗问题，甚至有许多终端装备由电池供电，在物联网装备中部署人工智能算力时还要思量对电池供电的支持。

AlphaGo等传统中央化的人工智能焦点虽然算力更高，但在更为碎片化的物联网中，算力更多时间受到客观条件制约，无法肆意驰骋，必须戴着“镣铐”舞蹈。

为了顺应现实应用中疏散式，碎片化的需求，人工智能逐渐与边缘盘算相联合，将算力从云端迁徙至边缘。

IoT时代，MCU再进化

边缘端AI的要求与云端差别。边缘端只处置惩罚由边缘发生的数据，主要面向图像剖析、声音剖析、波形识别等事情。对于终端单一应用来说，算力要求不会很高。

但在另一方面，在物联网情况中盘算对功耗和成本则越发敏感。

处于边缘的装备对功耗很是敏感，如传感器、安防摄像头等装备要求恒久在线事情，但提供传统人工智能算力的FPGA或GPU在边缘端很难知足这样的事情要求。