莱迪思博客

人工智能和机器学习的重要性、网络边缘计算的崛起和对AI灵活编程的需求 如今人工智能（AI）已成为技术领域最时髦的用语之一，它在广义上通常用来描述互连的“智能”技术。然而，考虑到AI可以实现的各种不同的功能，以及AI解决方案产出的成果，AI的格局及其开发可以说都十分复杂。事实上，AI技术的特定应用不仅将它从众多技术中区别开来，还决定了它的开发方式，开发的标准和要求以及需要进行的测试。因此，与其说AI是一种“包括万象”的技术，不如说是一种定制化解决方案的网络，用于解决复杂的技术挑战。 最近我有幸与莱迪思市场营销副总裁Matt Dobrodziej和TECHnalysis Research总裁兼首席分析师Bob O'Donnell在一场圆桌会议上探讨了为特定应用开发AI解决方案的流程问题。在本篇博文中，我将回顾此次会议中的主要内容，并就特定应用如何决定AI模型的开发、创建AI模型的挑战以及如何利用市场上的一些领先技术等内容提供一些思考。 AI成为主流以及网络边缘计算的崛起 曾经难以想象的技术如今正通过智能手机、PC、汽车、其它各种互连设备进入...

人工智能和机器学习革命持续席卷多个应用领域，尤其是网络边缘应用。安全摄像头、机器人、工业设备、客户端PC甚至玩具等网络边缘设备现在都可以支持AI/ML功能，为用户带来了新的功能和体验。行业分析公司ABI Research表示，网络边缘AI 芯片组市场“过去经历了强劲增长，预计到2024年将继续增长至710亿美元规模，而2019年至2024年的复合年增长率高达31%。如此强劲的增长是因为AI推理工作负载由云端向网络边缘迁移，尤其是在智能手机、智能家居、汽车、可穿戴设备和机器人行业。” 然而，让客户端计算设备具备“智能”给产品设计带来了新的挑战。AI/ML作为一项新兴技术，许多OEM没有足够的团队经验或时间来从头开始设计解决方案。另一方面，用于训练客户端计算设备的算法正快速发展，因此开发人员也在寻找可现场升级的AI/ML解决方案。但对于许多网络边缘AI/ML应用的开发人员来说，最关键的问题在于如何在使用电池供电的设备中提供足够的处理性能来实现AI/ML功能？ 为了解决这些问题，应用开发人员和OEM需要使用灵活的硬件和软件解决方案，实现低功耗下...

一年前，我们发布了莱迪思sensAI解决方案。自那以后，网络边缘AI的需求与日俱增。让我们看一组来自Tractica的数据：截止2025年，网络边缘AI芯片组的市场规模将达到516亿美元（是基于云端AI芯片预计收入的三倍多）。市场为何对支持网络边缘AI的芯片如此感兴趣呢？

我们发布了多篇博客文章，探讨支持AI成像系统的网络边缘嵌入式设备如何帮助实现智能工厂和智能家居中的特定应用。不仅如此，嵌入式视觉还能提升零售业消费者的体验。

更安全的工厂不仅工作环境更好，生产率也更高，这似乎不足为奇。目前一些用于保障工人安全的机器视觉技术也适用于优化生产流程。

近几十年来系统设计的处理器拓扑结构不断演化，从集中式架构转变为分布式架构，而后又回归集中式，如此反复，旨在寻找最为理想的解决方案。