AI技术

AI技术（人工智能技术）是模拟和实现人类智能的计算技术，涉及机器学习、深度学习、计算机视觉、自然语言处理等多个领域。AI技术使得计算机和机器能够像人类一样进行感知、学习、推理和决策。通过不断分析和学习大量数据，AI技术可以在没有明确编程的情况下完成任务，例如图像识别、语音识别、自动驾驶等。AI技术在医疗、金融、教育、零售等多个行业中得到广泛应用，推动了各行各业的数字化转型。

全球半导体解决方案供应商瑞萨电子集团（TSE：6723）今日宣布，扩大其通用64位微处理器（MPU）RZ/G2产品群，为广泛的应用提供更强大的AI处理能力。

边缘AI技术的全球领导者ONE Tech宣布推出MicroAI™ Atom软件开发套件(SDK)，并已在ONE Tech开发人员门户网站上提供公开下载。此SDK让用户可以在基于微控制器单元(MCU)的硬件上直接实施ONE Tech的机器学习平台MicroAI™ Atom。

边缘计算的快速发展使得计算能力快速向边缘迁移，AI也逐步从中心节点向更贴近数据源和业务现场的边缘侧拓展，边缘与云的关系已经呈现出既有分工又彼此合作的局面。在边缘侧，边缘智能与边缘计算和人工智能相结合，能有效地执行实时、小数据的处理，开展AI模型的推理，并将结果回传至云端，这种云—边—端协同的边缘智能架构，解决了目前AI应用中存在的海量数据处理、实时响应以及数据安全等问题，为AI在更多行业的应用奠定了基础。

1、边缘智能：拓展AI新边界

IDC预测，到2025年，将有414亿台物联网设备，期间将产生73147EB数据，其中约四分之一是实时生成的。要想完全在云端对这些数据进行处理和AI分析，很可能超过系统和通信链路的处理极限，再加上网络带宽、数据安全等限制，要实现AI向多行业的渗透，还存在着诸多挑战。
随着人工智能向边缘侧的转移，AI行业应用得到了极大扩展。根据德勤的分析，现在的AI计算已经在制造业、政府、零售、电信、医疗等不同应用场景下获得应用。很显然，边缘智能在拓展AI边界过程中发挥了重要作用，它能显著提升AI针对现场多样化业务场景的适应性，从而更好地支撑业务运营，为客户创造更多的价值。

By Anshel Sag

围绕人工智能和5G以及它们的变革潜力，科技界有很多热议。这两种技术的有趣之处在于，它们普遍适用于许多行业，并可能改变其中许多技术的运作方式。就这一点而言，每种技术都有自己的用例集，它们之间也有着千丝万缕的联系。5G和人工智能的结合将放大这两种技术的速度和影响。Covid-19进一步加速了对这两种技术的需求，因为它们有可能改善视频会议、网络容量等。我的同事WillTownsend最近研究了5G和AI在基础设施方面的结合点，而今天我主要从边缘设备和客户端设备的角度来研究它。

作者：M. Tim Jones

早期的AI主要用在运行原始Lisp运算的专用硬件上，由Lisp（LISt处理器）编程语言提供支持。Lisp是最早的语言之一，在处理项目列表方面非常高效。随后通用机器变得流行，编程模型也跟着流行起来。但是，随着机器学习（特别是深度学习）的重新兴起，新的方法和工具包又优化了这些数据流。本文将探讨机器学习与软件平台的融合。

早期的AI历程