“是人工智能，还是人工智障？”，这似乎是2017年我与同事之间讨论颇为频繁的话题，究其根源还是近几年“人工智能”概念的爆发，随之井喷而出的一系列人工智能硬件产品，在目前阶段人工智能仍然以一个“语音助手”的形象出现，但却鲜有人真正的将其应用在生活中。

微软公司宣布推出一系列新的云计算和人工智能技术，作为其Healthcare NExT计划的一部分。微软研究公司副总裁兼Healthcare NExT计划负责人Peter Lee表示，新项目的重点是改善医院和诊所的护理状况。

随着更多新、旧技术的加入，无论是哪一种型态的机器人都渐渐可以开始协助人类做更多的事，甚至执行一些「特殊」的任务，例如深入危险区域采集或读取信息、陪伴及照护老人、在工厂提升组装作业的速度等…

随着联发科在MWC推出首款导入人工智能技术的中阶旗舰处理器Helio P60，智能手机市场竞争焦点开始转向移动AI。各家芯片供应商竞相将神经网络引擎用于手持设备，以启动语音UI、人脸辨识解锁与AR等人工智能体验…

现在是该认真看待人脑启发技术的时候了！CEA-Leti首席科学家Barbara De Salvo指出，如果没有新的运算典范和算法，最终将难以达到AI设备对于更高处理性能与更低功耗的要求…

在机器学习算法不断变化、人工智能应用不断增多的当下，神经网络计算芯片（AI芯片）的设计者们所思考的一个关键问题开始浮出水面——如何在保证AI芯片性能/功耗表现优秀的同时，尽可能的在更多人工智能算法上通用。

将AI优势扩展至网络边缘同时具有挑战与机会。本文讲述了通过FPGA和RISC-V处理器为设备建构AI功能，取代以云端为基础的资源，能够大幅降低功耗，同时缩短反应时间。同时，本地数据储存和处理不仅提高安全性，更节省宝贵的带宽。通过将AI整合至组件中，即使在网络关闭以节省功耗的情况下，设计工程师也能实现实时工作的智能功能。

今天我们以平昌冬奥会官方通信合作伙伴、韩国运营商KT的“平昌5G试商用网”为例，介绍一下这届ICT冬奥会背后的5G应用和网络。

将人工智能技术应用到战场上，不仅有助于在军事作战时如虎添翼，也使得人工智能技术的相关应用进展至全新层次…

根据百度(Baidu)深度学习(deep learning)资深研究人员针对最新加速器进行的测试结果显示，现有的加速芯片和软件仍然存在一些美中不足之处，应该尽快迎头赶上…

最近半年以来，人工智能的发展重心逐渐从云端向终端转移，相伴而生的是全新一代的计算芯片产业全面崛起。

现在人们习惯了语音助理的服务，相同的需求在汽车、电器、可穿戴设备上也越来越多。所有这些设备需要一个功能，在极具挑战性的声学环境下，无论是否有噪音、吵闹的音乐或其他背景声音，都能够理解用户的语音命令。前端语音激活的任务是确保用户的声音到达后端时清晰而易懂，进而它可以被处理和理解。下面来看看它是如何工作的。

在库克口中被描述为“定义未来智能手机形态”的新款旗舰机iPhoneX，开创技术先河，采用3D 人脸识别Face ID，即将颠覆智能手机用户的使用体验。泰克科技全程参与Face ID技术的量产测试，为这个耀眼的未来科技实现商用化提供了坚实而精准的合作支持。

“我梦想的引擎，是可以随身携带，现场为我提供指导......我的目标是推动AI运行在小于100毫伏的运行。 我们需要重新思考我们如何做计算。 我们正在从基于算法的系统转向基于数据的系统。”

深度神经网络是几十年来一直在人工智能方面进行的相对较小的工作。从2012年左右开始，包括Facebook的Yann LeCun在内的研究人员开始使用特定种类的DNN识别图像，并最终以比人类更高的准确度显示令人惊叹的结果