边缘计算

边缘计算设备只是现场处理大量设备或软件中数据的设备。但是，边缘计算设备并不是在边缘上执行有限计算任务的普通本地计算机或移动设备，而是具有云计算或存储功能的边缘平台，仅在云或高速数据中心中具有。无论您的边缘网络在哪里，在远程站点，在分支机构还是在总部数据中心，无论是AI / ML分析，移动计算，边缘计算设备都将使云的智能更接近边缘处理任务，甚至存储。
边缘计算设备在某些情况下可以减少或消除将数据发送到离岸服务器的需求。将数据留在现场可以带来很多好处，例如：
以指数方式减少应用程序和网络延迟。
改善带宽。
通过Internet传输较少的数据（或无数据）可提高安全性。
更少依赖第三方网络，存储和计算，可以提高可靠性和控制力。

本文编译自zdnet
据知名芯片分析公司Linley Group称，智能手机等边缘设备上的人工智能推理的芯片吸引了越来越多的初创公司和风险投资。
“有更多新的初创公司不断涌现，并继续试图与众不同。”Linley Group的高级分析师Mike Demler在接受 ZDNet 电话采访时表示。
在最近一次于 10 月在加州圣克拉拉举行的线上线下同步活动中，包括Flex Logix、Hailo Technologies、Roviero、BrainChip、Syntiant、Untether AI、Expedera 和 Deep AI 等初创公司分别谈论他们的芯片设计。
Demler 和团队定期编写一份题为《深度学习处理器指南》的研究报告，最新版本预计将于本月发布。 “在这个最新版本中，我统计了 60 多家芯片供应商。”他告诉 ZDNet。

Edge Cortix
边缘AI已成为一个笼统的术语，主要指不在数据中心内的所有事物，尽管它可能包括位于数据中心边缘的服务器。它的范围从智能手机到使用谷歌TinyML 框架微瓦功率级别的嵌入式设备。
Demler 说，其中功耗从几瓦到 75 瓦不等的边缘AI芯片，是市场中最拥挤的部分，通常采用可插拔 PCIe 或 M2 卡的形式。 （75 瓦是 PCI 总线限制。）
“PCIe 卡是市场的热门部分，用于工业人工智能、机器人技术、交通监控。”他解释说。 “你已经看到了 Blaize、FlexLogic 等公司——其中很多公司都在追求这一领域。”
但真正的低功耗也相当活跃。“我想说的是 tinyML 领域也很火爆，从几毫瓦到几微瓦不等。”
Hailo软件工具链
大多数器件都是专用于人工智能的“推理”阶段。
推理发生在神经网络程序经过训练之后，这意味着它的可调参数已经完全开发到足以可靠地形成预测并且可以投入应用。
Demler说，初创公司面临的最初挑战实际上是从一个漂亮的PPT到工程中实际应用。许多人从FPGA仿真开始，然后转向销售成品SoC，或者将他们的设计变为可整合到客户SoC中的IP。
“我们仍然看到许多初创公司对冲他们的赌注，或者尽可能多地追求灵活的收入模式。”Demler 说，“首先在 FPGA 上进行演示，并提供他们的核心 IP 以进行许可。一些初创公司还提供基于 FPGA 的版本作为产品。”

Roviero
市场上有数十家供应商，因此真正点亮的芯片，也面临着各种竞争与挑战。
“很难总结出各家的真正不同。”Demler说。 “我已经看了几十个宣称‘世界第一’或‘世界最好’的PPT。”
有些公司一开始采用了不同的方法，以至于他们很早就脱颖而出，但花了一些时间才结出硕果。
澳大利亚悉尼的 BrainChip Holdings 在 2011 年就开始使用芯片来处理脉冲神经网络，这是一种人工智能的神经形态方法，旨在更准确地模拟人脑的功能。
多年来，该公司展示了其技术如何执行任务，例如使用机器视觉识别赌场地板上的扑克筹码。
“BrainChip 一直在坚决低追求这种尖端架构。”Demler 说。 “它具有独特的能力，它可以真正在设备上学习”，从而进行训练和推理。
FlexLogix
从某种意义上说，BrainChip 是所有初创公司中走得最远的：它上市了。其股票在澳大利亚证券交易所上市，股票代码为“BRN”，去年秋天，该公司发行了美国存托股票，在美国场外交易市场交易，股票代码为“BCHPY”。自那以后，股票的价值已经翻了三倍多。
BrainChip 刚刚开始产生收入。该公司在 10 月份推出了适用于 x86 和 Raspberry Pi 的“Akida”处理器的迷你 PCIe 板，并于上个月宣布了新的 PCIe 板，价格为 499 美元。该公司在 12 月季度的收入为 110 万美元，高于上一季度的 10 万美元。 年度总收入250 万美元，运营亏损 1400 万美元。
事实证明，其他一些奇特的方法很难在实践中实现。芯片初创公司 Mythic 成立于 2012 年，总部位于德克萨斯奥斯汀，一直在寻求使用模拟技术实现AI的新颖路线，它不是处理 1 和 0，而是通过 *** 纵实时的模拟电信号进行计算。
“Mythic 已经生产了一些芯片，但还没有公布我们所知道的任何设计导入。”Demler观察到。“每个人都同意，理论上，模拟应该具有功率效率优势，但在商业上实现这一点要困难得多。”

ArchiTek
Demler 指出，另一家在处理器大会上展示的初创公司 Syntiant 也是以模拟芯片设计方法开始，但认为模拟没有提供足够的功耗优势，并且开发周期更长。
加州欧文市的 Syntiant 成立于 2017 年，专注于非常简单的物体识别，它可以在功能机或可穿戴式设备上以低功耗运行。
“在功能机上，您不需要应用处理器，因此 Syntiant 解决方案是完美的。”Demler说道。
Demler 表示，无论任何一家初创公司是否成功，AI的实用性都意味着AI加速将作为一种芯片技术持续存在。
“人工智能在许多领域变得如此普遍，包括 汽车 、嵌入式处理、物联网、移动、PC、云等，专用加速将变得司空见惯，就像 GPU 用于图形一样。”

Expedera
尽管如此，Demler 说，在通用 CPU、DSP 或 GPU 上运行某些任务会更有效率。这就是为什么英特尔和英伟达以及其他公司正在使用特殊指令（例如矢量处理）来继续他们的架构。
只要风投市场现金充裕，养料丰富，一千朵鲜花都可以绽放，市场可以有不同的方法进行 探索 。
“仍然有如此多的风险投资资金进入这一市场，我对这些增量感到震惊。”Demler说。
Demler 指出，成立于 2018 年的加州圣何塞的 Simaai 获得了巨额融资，该公司正在开发其所谓的“MLSoC”，专注于降低功耗。该公司在 B 轮融资中获得了 8000 万美元。
另一个是特拉维夫的 Hailo Technologies，该公司成立于 2017 年，根据 FactSet 的数据，该公司已母鸡了 3205 亿美元，其中包括最近一轮的 1 亿美元，据称估值为 10 亿美元。
“来自中国的数据，如果属实，将更加惊人。”Demler说，风投资金看起来将暂时继续。 “在风险投资界决定投资其他东西之前，你会看到这些公司将继续获得热捧。”
在某个时候，会发生一次洗牌，但那一天何时到来尚不清楚。
“一些公司最终会离开。”Demler沉思道。“无论是从现在开始的 3 年还是 5 年后，我们都会在这个领域看到更少的公司。”

---