邊緣計算，是指將數據在終端即進行信息處理而不再放到云上面進行計算的方式，這樣既達到了提升用戶體驗的目的，同時提高了數據的安全性，而當邊緣計算和人工智能相互結合時，人工智能能夠為人類提供更多的功能。

　　物聯網的普及，加之當前的通訊技術的發展，怎樣通過物與物的連接為人類提供服務已經成為當前的重要研究方向，想要實現這種連接，則要求相互連接的物需要具有更高的語境感知和計算能力。

　　隨著現階段智能手機普及，我們已經能夠實現了人和人的不受時間干擾的連接。這個過程經歷了電報，電話和短信過程，人們相互連接的設備愈來愈先進。在萬物連接的今天，云計算已經不能再滿足大家的需求，于是能夠在終端進行數據處理的邊緣計算開始被物聯網重視起來。

　　AI 芯片使用人工智能算法對芯片做了特殊加速設計的芯片，包括深度學習算法和其他的機器學習算法。AI芯片的應用范圍包括云計算服務器和邊緣計算設備等。邊緣設備借助于AI芯片，能夠更快地運行并且消耗更少的功率。

　　針對邊緣計算，Google兩個月前發布了Edge TPU，這是一款運行在TensorFlow Lite計算框架上，為移動或物聯網邊緣設備運行機器學習應用程序的專用芯片。

　　蘋果公司去年發布在iPhone X手機上的內置芯片A11 Bionic具備雙核架構NeuralEngine(神經網絡處理引擎)，它每秒處理神經網絡計算需求的次數可達 6000 億次。

　　近日，英特爾在北京舉辦了人工智能大會。英特爾在這場會議上針對人工智能發表了演講。Jonathan Ballon強調了英特爾在邊緣計算方面的布局。他表示，邊緣上的AI，最大的機會就是視覺——機器視覺、視頻監控、醫療影像等等。數據顯示，到2025年，超過一半的人工智能軟件收入將來自視覺。

　　視覺應用的劇增，生成了大量需要進行匯總和分析的數據。面對數據暴增，英特爾推出了OpenVINO工具包，在邊緣側實現高性能和可擴展性，專注于加速深度學習并將視覺數據轉換為業務洞察。Jonathan Ballon表示，通過OpenVINO，英特爾的硬件在人工智能方面表現出色。

　　幾周前英特爾還發布了視覺加速器設計，新的加速解決方案分為兩種形式：一種是采用英特爾Movidius VPU陣列，另一種則基于高性能英特爾Arria 10 FPGA。這兩種方案都為開發人員提供基于英特爾系列產品的更好的神經網絡性能，幫助開發人員更經濟、更高效地運用物聯網設備的實時圖像分析和智能化功能。

　　楊旭在其演講中引用了一系列的數據，2018年有46%的企業CIO(首席信息官)制定了AI應用的執行計劃，但其中只有4%得到了執行。國內人工智能行業2017年的市場規模為9億美金，而估計到2022年這一數字將達到90億美金，復合增長率超過58%。事實上，這一些列數字是對人工智能產業未來發展空間的肯定。

　　AI芯片的技術改進能夠促進了邊緣終端設備更好的發揮其功能，為邊緣終端設備的數據采集和計算提供了更快的處理方式，擴寬了其使用場景，這也對AI芯片的市場和應用起到了促進作用。