智慧晶片將決定AI智慧的發展方向

縱觀資訊產業發展歷程，從個人電腦時代到移動網際網路時代，承載高效能運算的晶片決定新型計算平臺的基礎架構和發展生態，並掌握著產業鏈最核心的話語權。傳統硬體架構難以滿足AI時代深度學習的要求，新的演算法需要新的硬體來支撐。同時，晶片的結構將越來越像“大腦”，類腦晶片、智慧晶片等將是人工智慧的發展方向。

視覺晶片整合高速影象感測器和大規模並行影象處理電路，能夠模仿人類視覺系統視覺資訊並行處理機制，解決現有視覺影象系統中資料序列傳輸和序列處理的速度限制瓶頸問題。人工智慧視覺晶片與攝像頭的關係是：晶片做的是大腦，攝像頭做的是眼睛。

人眼的成像是非常聚焦的，只看到關注的東西。而當AI演算法解決了該問題後，前端成像就有了目標，可以把所有的資源都調配到關注的物件上，取出噪音的處理過程，可以更高效智慧地處理視覺資訊。這種根據AI的需求來成像，能解決很多以前解決不了的問題。

現在，新的人工智慧視覺已從資料中心迅速發展到邊緣，最專用積體電路和片上系統IP正在圍繞一個主題發展，即從視覺資訊的預處理，到傳統的計算機視覺演算法，然後再用神經網路進行邊緣推理，產生物件檢測、識別以及適當的動作，是包括計算機視覺深度學習在內的多種機器學習的總稱。

這些網路的設計旨在使用數字等效物和感知器來模擬人腦的神經元和突觸，它們通常需要經過訓練，才能識別視覺等資料中的模式，然後當遇到新的資料時，就可以從中推斷出資料可能的含義。

在過去十年，由於可負擔計算能力的增加，以及卷積神經網路及其所用感測器的發展，視覺處理一直在以指數級的速率進步。具體而言，若能根據感測器、資料集和SLAM演算法輸入去“瞭解”世界並對其“開發出”表徵模型，那麼系統就可以開始掌握周圍環境及其在空間中的位置，並做出預測和採取行動。

在對人工智慧而非提高畫素的需求推動下，特別是在由計算機視覺和資料驅動的決策制定方面，GPU領域已出現一場革命：神經網路的到來已使視覺處理成為現代世界的關鍵因素。因此，機器人處理操作、智慧監控攝像頭以及汽車高階駕駛輔助系統等相關行業都發生了變化。隨著這類技術的全面湧現，未來還將出現更多新的應用。