系统|读《AI嵌入式系统》，看AI大规模商业落地的未来国盛集团|人工智能|智能汽车

《智能时代：大数据与智能革命重新定义未来》中预言，传统的行业都将采用智能技术实现升级换代，也会改变原有的商业模式。的确，在近两年人工智能在应用端的创新如雨后春笋，无人驾驶、智能推荐等AI应用已经成为现实。

但同时，我们也发现AI的落地场景大都源于资本密集型的行业，这并不符合AI普惠，服务于产业智能化的背景。

实际上，现在阻碍AI产业发展的既不是算法也不是算力，而是如何更好将AI的能力转化成工程手段。除了人所共知的自动驾驶等核心应用场景，还有大量的工程领域，千行百业的复杂场景，各种各样的终端设备，需要AI技术的辅助。

最近在极术社区（aijishu.com）读到一本《AI嵌入式系统: 算法优化与实现》，可以帮助嵌入式技术相关专业学生或开发人员提升技能，加速嵌入式AI在行业的大规模商业落地。

嵌入式AI对AI商业化的理论支撑

在AI商业化的进程中，要实现技术的落地，不仅需要性能优越的算法模型和可靠的硬件支持，还需要把AI技术和硬件环境进行有机结合，再应用到具体的实际场景中。如果说未来是一个智能世界，那么每一个终端都应该是智能的，这就必须要依赖于嵌入式AI技术。

嵌入式，就是指一种可被内置于设备或装置的专用计算机系统。通常来说，具有数字接口的设备都具有嵌入式系统，如手机、车载电脑、智能手表等等。而嵌入式 AI，则是一种让 AI 算法可以在终端设备上运行的技术

通常而言，嵌入式AI对于高实时处理的场景具有天然的优势，比如无人机、智能汽车、产业机械、电器、安检等场景中得到了越来越多的应用。

很多人也许会问，5G网络成熟之后，AI能力可以上传云端处理，为什么要嵌入式AI呢？实则不然，终端所处的场景都比较复杂，比如智能汽车行驶会遭遇不可预知的路况，就无法保证数据能够及时同步，要让汽车做出智能驾驶甚至无人驾驶的及时反应，就需要嵌入式AI，使其能够及时做出判断。

文章插图

而从开发者的角度，学习AI嵌入式系统也困难重重。比如如何训练神经网络来识别模式，如何优化该网络，以满足嵌入式设备有限的尺寸，从而达到尺寸和功率目标等等。这是一个系统性的工作。

因此，《AI嵌入式系统: 算法优化与实现》从深度神经网络底层计算细节入手，为嵌入式AI技术提供了全面、深入的解读。为嵌入式领域工程技术人员、机器学习算法的底层算法软件开发人员解惑，同时也可作为计算机、电子信息、自动控制等相关专业高年级本科学生的参考教材。

理论与实践结合：不同路径下的选择

很多计算机行业的丛书，都会存在过于偏重于理论知识，缺乏实践支撑的老问题。

而《AI嵌入式系统: 算法优化与实现》则是集机器学习算法优化理论和应用实践为一体，不仅面向人工智能的嵌入式应用，涵盖了基于运算量，内存，功耗等多维度的机器学习算法优化理论与技术。从算法底层单元到机器学习算法训练-推理联合优化及自动优化部署算法等方面进行阐述，还结合通用嵌入式处理器进行了验证。

从处理器系统架构选择和机器学习算法选择，两个方向亦可见本书的实践价值。

现在很多机器学习算法基于海量存储和运算，对功耗，体积，计算能力和存储容量有较高要求，而不同领域的嵌入式系统有多条途径，在具体场景，如何去选择，这在一定程度上增加了开发者学习的难度。