问：依您看，边缘AI将给某类工业应用带来哪些新变化？

答：边缘AI将在未来几年发生巨大变化。边缘设备中的神经网络加速能力以指数级的速度向前发展，意味着完全在设备上完成处理只是时间问题。

例如，自动化技术、机器人和传感技术的进步都会体现在我们身边的各种机器上，这将意味着工业安全的真正改善。由人工智能物联网（AIoT）驱动的智能机器可以检查出当机械臂在其运动范围内快速摆动时没有人处于其运动路径上，还可以检查过程和材料中的缺陷，这意味着偏差会越来越小，质量会进一步提高。

自动化程度的提高带来的关键机会是可以提高过程智能，从而使设备不仅可以成为数据驱动的设备，而且具有分享知识的能力，这一过程称为联合学习或迁移学习。这将提高生产力、可靠性和质量，降低成本，并增加产量。

Imagination Technologies公司 AI资深产品总监 Andrew Grant

问：其技术挑战是什么？

答：上文提及的方案很快就会在您身边的机器上有所体现，目前还有一些技术挑战正待解决。例如，现在传感器数据会被汇总并反馈至云端以进行决策，这会增加延迟，产生连接和数据中心方面的成本。然而，我们越来越多地可以在嵌入式边缘设备上进行神经网络推理，使边缘设备可以有效地做出自我决策，同时只需将重要信息传达给中央控制端。随着这些设备的推出，我们将看到显著的改善，例如减少延迟、降低功耗，以及无需去“呼叫总部”。

在某些情况下，所面临的挑战是成本问题，因为工业物联网相当碎片化，某个特定的应用场景可能仅有小批量的需求，这意味着系统构建者和SoC设计人员必须设计一个拥有广泛用途的基本规范，从而将众多小批量应用汇总成大批量。好消息是，神经网络加速器的进步意味着可以在比针头或句尾的句号还小的芯片中添加支持这些应用的功能。这也意味着“智能”可以被添加到嵌入式设备中，使这些设备可以运行各种各样的神经网络模型和算法，进而凭借足够的灵活性去应对多种应用场景。

问：贵公司是如何解决这些难点的？有哪些创新性的解决方案推荐？

答：在Imagination Technologies，我们一直跟随着客户的步伐，并希望通过我们的研发能力来预见到这些问题。因此，我们可以凭借自己的神经网络加速器（NNA）为边缘AI提供全面的计算解决方案，相比其他方法，NNA可以指数倍的速度运行神经网络层，同时具有运行自定义层所需的灵活性。有了神经网络加速功能，意味着网络可以在设备上运行，从而支持在边缘进行数据驱动的决策。我们还可以提供丰富的IP内核设计和各种性能配置，以满足市场上所有领域的需求，我们支持非常小的尺寸，也支持非常强大的功能和卓越的性能，同时可以做到硅成本最低，这是因为Imagination的一整套技术源于长久以来在智能手机等移动设备上的设计积累，在这些设备中，Imagination提供的高效的性能、低功耗（对于电池供电或通过能量采集供电的设备尤其重要）和小的硅面积等特性意味着可以降低成本同时提高效用。