“新思想和市场应用正喷薄欲出……它真的是场计算革命——神经网络的出现作为一种广泛适用和非常强大的新方法，可以解决传统算法不能很好服务的一系列问题。”Tensilica的创始人Chris Rowen说，他最近辞去了Cadence Design Systems的全职工作，创办了Cognite Ventures。
AI领域是座如此引人入胜的富金矿，以至于Rowen尚未确定自己是以投资创业公司、孵化几家公司为主，还是在他认为表现乏力或尚属空白的领域亲自创立一家公司。
“我的目标是比明智的投资更明智。”Rowen说。到目前为止，他只有1,000万美元可用，但他多年来运营的数个公司专注于嵌入式系统，也即现在通常所说的物联网。
Rowen认为机器学习工具中孕育着一些较大的机会。例如，他设想有可压缩神经网络的大小，为其生成代码，并将其映射到定点数学例程，或将其集成到一个广泛的应用框架中的工具。“每个人都面临实现快速部署这一相同问题。”他说。
为满足嵌入式系统的需要，谷歌等网络巨头使用的庞大的数据集和模型的数量应可缩减至原来的500分之一，在由Rowen主持的Cadence的一个峰会的座谈中，有人表示。
“有大量证据表明，通过重新思考算法和优化网络，改造基于云的技术取得了快速进展。”他说。他表示，该活动吸引了近200人，“无论从哪个角度，这绝对是有史以来在Cadence发生的最重大事件。”
在AI市场领域，自主驾驶汽车这块发展得很成熟。他认为，服务不周到的领域包括人机接口、监控和增强个人设备这几块。出乎意料的是，Rowen并不认为芯片是个好目标。
“用于机器学习的嵌入式芯片可能更像是一家大公司的游戏，而非创业公司所擅长，因为芯片一般都由大公司把玩。”他表示，“专业的推理机很可能将作为加速器子系统出现，就如SoC内的视频编解码器和音频DSP那样。”他补充说。
Cadence和Synopsys已经提供了这样的IP模块，其他老牌的芯片公司已经或正在加紧提供产品。芯片竞争将在扩展性能和满足特定市场需求方面逐步展开。
“主流厂商全力投入，产出了一些非常好的东西；一些公司将设计自己的推理机，但他们必须与已得心应手应对这些问题的主流供应商竞争。”Rowen说。
图1：Rowen对嵌入式神经网络应用的分类法。(图片：Cognite Ventures)
图2：神经网络应用需要强大的硬件性能。(图片：Cognite)
AI淘金者面临挑战。训练模型可能“在计算上很痛苦”，但亚马逊现在提供基于GPU的云服务，其他家会跟进，Rowen说。
更大的问题是找到训练神经网络所需的大型的结构化数据集。海量数据集是亚马逊、Facebook和谷歌等网络巨头的核心资产。
嵌入式系统供应商必须创新性地寻找并构建数据集。“一些公司可能创建多个独立模型，并从二者趋同的结果中推演出正确的那个。”他说。
“与其他公司过去所熟知的不同，这是种数据驱动的技术，因此人们必须从根本上脱胎换骨地重新思考他们需要的技能。”他补充说。
先行者也需要与时俱进，以免被快速变换的算法所淘汰。
“在很多时候，这个领域正在推动其他学术研究领域的速度，因为研究人员给这个领域带来了如此多令人兴奋的成果。”他说。
最近，仅在英国，Rowen就找到了225家与AI相关的初创公司，这是这阵狂热的另一个迹象。他已经发布了他发现的全球近200家相关公司的列表。英国的225家公司中的许多都在做数据分析，不一定与AI相关，其中只有四分之一是在嵌入式市场。
“总体来说，热情远超经验，所以人们必须走出去，交些学费，看看机器学习是如何解决或无法解决他们问题的。”他说，“很明显，机器学习能带来许多益处，但也并非包治百病的万能药。”
最前沿的电子设计资讯
