亚马逊一年一度的神秘的mas大会最近在加州棕榈泉举行。
亚马逊火星是一个高端会议，只能邀请出席。在棕榈泉，一个豪华的度假胜地，你可以看到许多机器人行走或飞行，并有机会与许多著名的科学家和科幻作家交流。在这次会议上，只有一小部分研究人员被邀请去做技术讲座，这既令人敬畏，又发人深省。与此同时，世界上大约有100名最重要的研究人员、首席执行官和企业家。火星会议的东道主不是别人，正是亚马逊的创始人和董事长，他坐在第一排。
MARS会议的目的是展示机器学习，自动化，机器人和空间中最新和最古怪的技术，因此它以火星命名（MARS 4字母：机器学习机器学习，家庭自动化家庭自动化，机器人机器人，空间ExpLoRation Space exploration）也是贝索斯热衷于尖端技术的展示。
在今年的会议上，人工智能芯片的出现引起了我们的注意。该芯片是由麻省理工学院的VivienneSze和她的同事制造的。在当时的火星会议上，其他发言者介绍了“破木”机器人、像昆虫一样的无声飞行无人机，甚至介绍了火星殖民地的蓝图。Sze的演讲可能看起来更正式些。在一般人的眼中，Sze所展示的晶片与其他电子仪器的晶片并无分别。但它们比会议上所展示的一切都要重要得多。
对Vivienne Sze来说，她在火星舞台上的演讲可能是她职业生涯中最痛苦的。
事实上，她对这个项目了如指掌。她在麻省理工学院实验室开发的芯片预计将为许多终端硬件设备带来强大的人工智能，超出大多数大型人工智能数据计算中心的能力。然而，演讲和观众的热情表演却让施先生大吃一惊。“我想你会说这是一个很好的观众，”施笑着回忆道。
边缘计算允许神经网络转向定制芯片
近年来，神经网络的普及在自动驾驶、语音识别、计算机视觉和自动翻译等领域带来了一系列的突破和进步，同时也暴露了神经网络消耗大量内存和能量的缺点。虽然我们现在仍然可以依靠云服务器来支持计算，但这并不是人工智能向广泛应用转移的长期解决方案。
现在，简单的人工智能芯片已经产生了重大影响。高端智能手机已经在使用优化的芯片来运行图像和语音识别的深度学习算法。相比之下，更有效的芯片允许这些设备运行更强大的人工智能代码。自动驱动的汽车也需要强大的人工智能芯片，因为目前大多数汽车都依赖大型计算机。
为了改变这一状况，麻省理工学院电气工程和计算机科学副教授斯泽（Sze）一直在为神经网络开发新的节能计算机芯片。该芯片使人工智能系统能够在移动设备上本地运行。
这个Sze的芯片叫做Eyeriss。它是由Sze与NVIDIA研究科学家和麻省理工学院教授合作开发的。该芯片在许多标准处理器上进行了测试，以了解它如何处理一系列不同的深度学习算法。根据去年在网上发表的一篇论文，结合效率和灵活性，新芯片的性能比现有硬件高出10倍甚至1000倍。
具体而言，Eyerss是一种高性能深度卷积神经网络（CNN）加速器硬件，使移动设备无需连接到Internet即可执行自然语言处理和面部识别等任务。显然，这是一种使机器学习更具便携性的尝试。换句话说，通过Eyeriss，智能手机，可穿戴设备，机器人，自动驾驶汽车和其他物联网设备可以在本地处理复杂的深度学习任务。
这一直是非常困难的，直到现在，因为深入学习依赖于大规模的计算机处理性能，而GPU加速是一种更常见的方式。尽管GPU能够胜任这项工作，但它也有一个最大的缺点——功耗。Eyris也比现有的GPU更高效。
目前，Eyeriss还接受了国防高级研究计划（darpa）的资助。
芯片开发新挑战
对于这种芯片，英特尔人工智能产品集团副总裁Naveen Rao认为麻省理工学院的芯片是非常有前途的，但有许多因素决定了一种新的硬件架构的成功。他说，最重要的因素之一是软件开发。从编译器的角度来看，使某些东西可用可能是使用它的最大障碍。
他还说：“人工智能将无处不在，寻找提高产品能效的方法将极为重要。”
例如，Sze的硬件效率更高，部分原因是它在物理上解决了数据存储和分析之间的瓶颈，但也因为它使用了巧妙的方案来重用数据。在加入MIT之前，Sze为一家公司开创了这种提高视频压缩效率的方法。
事实上，施的实验室也在探索设计软件的方法，以更好地利用现有计算机芯片的特性，这不仅仅是一个深入学习的问题。
Sze还与麻省理工学院航空与宇航系的Sertac Karaman合作开发了一种名为Navion的低功耗芯片，该芯片可以在小型无人机上非常高效地映射和导航3D。这项工作的关键是使用以导航为中心的算法对芯片进行仔细的设计，并设计算法以充分利用定制芯片。与深入学习一样，Navion反映了人工智能软件和硬件在共生中开始进化的过程。
在MARS，Sze的芯片可能没有像无人机一样引人注目，但它们在会议上展出的事实使人们意识到她的技术，以及更广泛的意义上，人工智能的硅创新。未来有多重要。 Sze说，在演讲结束后，其他发言者表示有兴趣了解更多。 “人们发现了许多重要的用例。”
这些新设计的芯片，比如由sze实验室开发的芯片，对于未来人工智能的发展可能是至关重要的。到目前为止，人工智能算法主要运行在图形处理芯片上，但是新的硬件可以使人工智能算法更强大，并解锁新的应用。例如，新的人工智能芯片可以使仓库机器人更加普遍，或者允许智能手机创造现实的增强现实场景。
SZE芯片是一种高效、灵活的设计方法，对人工智能领域的快速发展具有十分重要的意义。现在，Sze和他的同事们也在尝试从另一个方向解决相关的能源消耗问题，例如使用电池技术来设计更节能的神经网络。
施认为，真正的机会不是制造最强大的深入学习芯片，电池效率也很重要，而人工智能需要在大型数据中心无法到达的地方运行，这意味着它只能依赖于设备本身的电池。
仍然很热的AI芯片创业
现在，摩尔定律遇到了越来越多的原子工程元件带来的物理极限。它也激发了人们对替代结构和计算方法的新兴趣。
美国政府没有忽视投资下一代人工智能芯片的高风险，以保持其在芯片制造领域的总体主导地位。如上所述，sze的芯片开发是由darpa资助的，除此之外，darpa还资助了其他旨在帮助设计和开发新的人工智能芯片的项目。
应该强调的是，芯片制造的创新主要是通过深入的学习来驱动的。深度学习是计算机执行特定任务的一种非常强大的方法。有了深度学习算法，就不需要为计算机制定所谓的规则：将训练数据输入到大规模的模拟人工神经网络中，然后对其进行调整，得到预期的结果。通过充分的训练，深度学习系统可以在数据中发现细微的、抽象的模式。从智能手机的人脸识别到医学图像的疾病预测，该技术在实际工作中得到了越来越多的应用。
然而，深入学习并不符合摩尔定律。神经网络可以同时运行许多数学计算，因此它们在处理3D图像的视频游戏图形芯片上运行效率更高，而且专门设计用于支持深度学习算法的芯片功能更强大。
仅仅因为新的芯片架构提高了人工智能的潜力，几十年来芯片行业从未出现过的企业家热潮受到了刺激。
对于快速增长的领域，如深度学习，人工智能芯片面临的挑战是确保它们足够灵活，能够适应任何应用程序。设计一个只做一件事的超高效芯片很容易，但这种产品很快就会过时。
目前的人工智能算法可以说是改变了世界。然而，这些芯片的设计可以从人工智能算法的深入研究中挖掘出更多的东西。在这个过程中，它们可能刺激这些算法本身的进化。sze说：“我们需要开发新的硬件，因为摩尔定律已经放缓。”
包括谷歌（Google）、微软（Microsoft）和亚马逊（Amazon）在内的大型科技公司正在开发自己的深入学习芯片，希望利用人工智能并将其商业化。许多小型初创公司也在开发新的芯片。
正如芯片分析师林利集团（LinleyGroup）所言：“我们无法追踪所有从事人工智能芯片业务的公司。我不是在开玩笑。我们几乎每周都会遇到一家新公司。”
换句话说，在下一届MARS会议上引人注目的机器人和无人机上，我们可能会看到一些相当特殊的芯片用于这些机器终端。