В настоящее время в некоторых терминальных продуктах устанавливаются программы AI, хотя в основном они нуждаются в доступе через интернет к сервисам облачного ии для достижения различных интеллектуальных функций, таких как распознавание голоса, распознавание изображений, обработка на естественном языке и т.д. В этой модели конечное устройство пользователя не требует мощной локальной вычислительной мощности, а загружает данные на облачный сервер, где большая модель ии выполняет сложные вычисления и возвращает результаты пользователям. Но поскольку спрос растет, особенно скорость и стабильность реакции на оборудование, и растет спрос на персонализированные услуги, местный искусственный интеллект может быть оптимизирован в соответствии с специфическими привычками и предпочтениями пользователей, делая опыт более личным и нешовным. Более важно то, что локальная обработка данных пользователя уменьшает риск утечки данных, поскольку данные не должны направляться на облачный сервер, что частично усиливает защиту конфиденциальности пользователей. И без подключения к интернету местный ии все еще может функционировать, в то время как интеллектуальное бытовое оборудование, зависящее от облаков, может потерять часть или всю свою функцию. «Что действительно интересно, так это то, что генерируемый Ай работает локально на смартфонах, а не на облаке», — заявил аммон, который считает, что «смысл изменения в генерируемом ии заключается в Том, что информация на терминале может помочь ии стать постоянным персональным помощником». Конечно, развертывание локального ии, помимо вышеуказанных причин, также имеет решающее значение. Несмотря на то, что в настоящее время 5G почти завершено покрытие, полностью не успевает за развитием ии. Данные показывают, что boeing 787 в секунду генерирует 5гб данных, в то время как тысячи самолетов летают в воздухе каждую минуту по всему миру, и согласно данным, выпущенному компанией такао «гибридный ии — это будущее ии», стоимость поиска, произведенного в 10 раз выше, чем обычно, по сравнению с традиционным способом, производится более 10 миллиардов запросов на поиск по всему миру. По мере того как технология вычислений по краям прогрессирует, все больше и больше интеллектуальных устройств имеют определенный уровень вычислительной мощности местного ии, который позволяет предварительно обработку или предварительное принятие решений ближе к источнику данных, снижая при этом давление на облака. Не только в гао, в Том числе в nvidia, AMD, intel и т.д. Задача, стоящая перед местным аем, состоит в Том, чтобы разместить ии в локальном месте, с тем чтобы устройство могло работать вне сети, для обеспечения того, чтобы терминальное оборудование было достаточно вычислительным, как центральный процессор, GPU или TPU, с тем чтобы обеспечить выполнение решений в реальном времени в рамках бюджета ограниченного пространства и энергопотребления. С другой стороны, модели AI часто имеют большой объем, особенно в области глубокого обучения. Для локального размещения необходимо оптимизировать размер модели, чтобы сделать ее пригодной для миниатюризации интеллектуального бытового оборудования с ограниченной памятью и ресурсами хранения. Для того чтобы приспособить к аппаратным ограничениям, модели ии должны быть проведены такие операции, как выемка, количественная или интеллектуальная дистилляция, с тем чтобы уменьшить сложность вычислений и сокращение использования ресурсов. Разработка алгоритма и аппаратной архитектуры энерго-ориентированного типа и обеспечение того, чтобы обеспечение интеллектуальных услуг не влияло на энергоэффективность оборудования в целом. С точки зрения обработки данных и защиты конфиденциальности необходимо обеспечить, чтобы данные, хранящиеся на местах и обрабатываемые на местах, были полностью защищены от несанкционированного доступа и утечки. Также убедитесь, что алгоритм ии будет работать стабильно на определенных встроенных операционных системах и будет адаптирован к различным видам сенсоров и драйверам устройств. Однако даже при местной обработке необходимо поддерживать благоприятную взаимосвязь с облаками и другими интеллектуальными бытовыми устройствами, с тем чтобы в случае необходимости осуществлять обмен данными и совместную работу. С точки зрения опыта местный искусственный интеллект должен предоставлять пользовательский опыт, похожий на облако, включая быстрое реагирование на команды пользователя и принятие точных решений. Разработанный рациональный механизм обнаружения и восстановления дефектов и удобный для удаленного или местного обновления прошивки, включая итерационную аппрошивку модели AI. Так образ, в настоя врем, обычн личн пользовател хот местн развертыван больш модел AI порог высок, обычн пользовател на техническ возможн не законч онтолог, с друг сторон, AI техническ например AI рисунок функц претенз производительн высок, обычн чип трудн справ, и специальн чип цен сравнива дорог. В то же время, независимо от типа приложения AI, вычислительная сила является неоткрытой темой для того, как быстро реагировать, с низкой задержкой и т.п., требуется сильная поддержка местных вычислительных сил. Возможно, это и хорошо, когда речь идет о крупном бытовом оборудовании, но для некоторых небольших интеллектуальных бытовых продуктов, таких как умные ассистенты, умные экраны управления и т. д., в погоне за более сильным ии для вычисления силы, также необходимо сбалансировать хорошее энергопотребление, снижая высокую зависимость от пропускной способности памяти и сохраняющейся памяти. Конечно, самая большая проблема, стоящая на пути развития применения местного ии, возможно, не на техническом уровне, а в Том, как бизнес работает, чтобы обеспечить эффективную рентативную модель, которая позволит предприятиям продвигать местный Ай. Несмотря на широкое применение серверов облачного ии, местный Ай по-прежнему обладает незаменимой ценностью в конкретных потребностях и окружающей среде. Современные интеллектуальные устройства часто используют смешанные стратегии, т.е. гибкое использование облачных и локальных ресурсов ии в зависимости от прикладных сценариев. И развертывание локального ии также будет важным направлением в будущем основной компании по производству чипов AI.

LDP1WC250P-16