编者按：本文编译自 Linkedin 原标题为 Personal AI 的文章。

有时候，与顾客打交道令人着迷。每年，新的想法和科技创新都层出不穷，和顾客交流并分享这些想法和创新非常有意思。如果你主动和顾客谈论像机器学习这样的话题，顾客可能会感到非常震惊。因为你将发现他们不仅熟悉这项技术，而且对这项技术的熟悉程度已经超过了你的想象。事实上，机器学习和A.I这样的术语已经成为了主流词汇。

云计算加快了A.I的发展（请注意这个领域是如何在云计算之后快速发展的），并通过云的消费模式将AI技术带给更多的用户。云的一个巨大优势是可以访问硬件平台，而以前你可能不会投资这些硬件平台。例如，您可以通过Azure访问基于GPU的虚拟机并在虚拟机上构建HPC和AI解决方案，然后将之发送到数千个GPU上。

2017年8月，微软公司与英特尔合作开展了Project Brainwave项目，一个基于FPGA（Field Programmable Gate Arrays）的平台。 比起将GPU链接在一起，这个平台是一个飞跃，其整个架构都针对深度学习进行了优化。 在Brainwave的揭幕仪式上， 14纳米的Intel Stratix 10 FPGA的性能达到了持续39.5 Teraflops。

云计算将继续以惊人的速度发展。 未来几年内，39TF也许都不足为奇。 这就证明了云计算潜力无限。

为了完成这个愿望，我们需要将目光从云端转向边缘......

智能边缘计算

在物联网的世界中，一个新的概念越来越流行 —— 智能边缘计算。边缘指物联网的每个边缘设备都具备处理数据的能力，而不是简单将数据储存在云中。

这也许对于你们来说有些奇怪。但是在这种情况下，云计算仍然非常重要。为了满足业务所需，在数据同步到云之前，边缘设备需要自己处理分析数据。

我之前讲过超强的处理能力可以促进智能计算的发展。在2010年之前，我在博客中提到了“本地AI”的概念，未来你的口袋里（和手腕）上的设备都拥有强大的计算能力和分析能力，而这将改变你的生活。 现在回想起来，这个词似乎很笨拙，所以我把这个概念重命名为个人AI。 智能边缘计算不仅将应用于工业传感器中，还将应用于便携设备中，提供个人AI服务。

现在，建立庞大的神经网络需要强大的云计算。 训练模型需要大量数据，以及可以运行Backpropagation算法的高性能CPU。移动设备无法满足这一要求，但是如果有合适的芯片，我们就可以用移动设备运行预训练模型。因此，不要小瞧芯片的作用。

个人AI

2017年，个人AI开始出现。

多年来，人们认为CPU逐渐成为了一种商品，真正的创新来源于其他地方。 作为一名热爱芯片的工程专业毕业生，我对此感到非常惊讶。 当最新的台式机CPU亮相时，我非常兴奋也很高兴看到2017年的CPU战争比以前更激烈，就像AMD Ryzen发布新款之后，英特尔又站出来反击。

几年前，有一家公司认为差异化战略的核心应该是研发定制化芯片，这会给自己带来巨大优势。但这与市场的说法恰恰相反。你能猜出这家公司的名字吗？

这就是苹果。

苹果自称苹果设备之所以流畅度高是因为研发了“Ax”系列SOCs芯片。 2017年9月，苹果发布了最新的SOC A11 Bionic，并称其包括一个神经引擎。

中国已经作出回应......

正如我所料，个人AI正在不断发展

这是将机器学习应用于边缘设备的第一个主要例子，我们也明白了这背后的原因。除了个人助理之外，这种功能还有其他用处，例如新iPhone通过面部识别才能解锁设备，即使离线状态下也需要进行这项操作。

英特尔在这样一个激动人心的领域里不会轻易放弃任何优势。2017年9月，英特尔宣布创建了一个名叫Loihi的模拟神经网络（神经形态计算）的芯片。 期待这款芯片能够应用于智能设备，帮助边缘设备处理更多数据。

神经形态计算将促进个人AI发展

最后，BrainChip公司的PCIe卡。这里为什么需要运行神经网络？因为一个应用程序在处理实时视频消息的同时还需要在飞行中进行面部识别。

回到个人AI这个话题，智能边缘设备的用处非常多，但很快就会被视为理所当然。到2020年，大多数先进的ML袖珍电脑（你仍称之为手机）将有能力执行一整套任务。个人助理将变的更加智能，它是打造这种功能的切入点。语音识别会不断优化。私人助理将不仅仅是云端搜索引擎的前端。因为个人AI将有拥有真正处理分析数据的能力，并使用搜索引擎来搜索数据。

以下是我的几个预测：

1）实时健康分析 - 当前，智能手表会监控您的心率和步数，并将其发送到您的手机中，之后手机会将其发送到云端。在不久的将来，您的个人AI将会实时读取这些数据并进行分析，例如，如果您有心脏病或中风等病史，个人AI会尽早提醒您注意防范。为了实现这些功能，智能手表中内置的复杂传感器的数量将会增加。传感器技术的进步将是供人工智能发展的关键，因为我们需要性能更强大，体积更小的传感器来适应手表。

2）环境分析 – 另一种可能的情况是袖珍电脑可以用来分析你周围的环境。空气质量在世界许多地方都是一个问题。想象一下，拿出你的设备，读取一些基本的指数，然后机器学习就能告诉你这个地方的空气是否安全，空气中有哪些风险。这对旅行者来说非常实用。我想再次强调，开发更好的传感器是至关重要的。设想一种可以分析水中成分的传感器会告诉您饮料是否安全，这在一些国家非常有用。

3）实时语言翻译 - 诸如Skype之类的产品已经拥有类似功能，但是边缘设备可以进一步加强这种功能。想象一下，未来版本的Skype可以利用个人AI来提高实时翻译效率（将译文发送到云端，并一直到另一端）。

4）自定义应用程序 - 一旦边缘设备拥有处理能力和传感器，那么将有很多基于此创建的应用程序。基于环境传感器，我们可以为身处危险环境中的工人创建一款应用程序。除了原始的传感器读数之外，个人AI引擎还可以增加实际价值，提供近乎实时的画面。这样，更多相关数据将被发送到云端更大的引擎中。而利用这些数据训练模型将会进一步提高模型的准确率。

我相信个人A.I的发展将会给私人生活带来更大影响。十年前的智能手机和社交媒体改变了我们的生活。智能个人助理能够与人互动并能提供上述服务，这也将使我们的生活发生翻天覆地的变化。也许和设备更加自然地互动可以减少每天我们盯着屏幕的时间。希望如此！

原文作者：Thavash Govender

原文链接：

（36氪编译组出品，未经许可禁止转载。编辑：郝鹏程）