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

今年的行业可能会看到来自创业公司Graphcore的一款微处理器，该公司不使用DRAM，而是来自竞争对手Cerebras Systems的晶圆级集成开拓先锋。英特尔收购的2.5-D Nervana芯片已经在生产样片，其他十几个处理器正在开发中。同时，从Arm到西部数据的芯片公司正在研究内核，以加速深层神经网络的推理部分。

清华大学微纳电子系副系主任尹首一老师带队设计了低功耗AI芯片Thinker，专注于神经网络计算，可以动态地调整计算和内存需求，用于视频、图像、语音等多种AI任务应用。

尽管我们已经知道 NSA 依靠指纹和面部图像来识别目标，但是根据 2008 年的一份机构文件，声纹才是“NSA 的统治地位所在”。

MIPS最近以一家独立公司之姿重新回到了硅谷，在Tallwood的带领下积极投入原有的嵌入式业务，并放眼下一代人工智能(AI)领域。

科技给生活带来了便利，让人们回家有更多的时间享受生活，智能家居产品也成为解放双手的神器。但随之而来的 “到底是人工智能还是人工智障”的吐槽也不绝于耳。市面如此多的智能家居产品到底能不能改善生活品质呢？

随着智能手机市场从单纯销售科技产品，转向提供具高吸引力的个人化体验，智能手机上的AI解决方案将成为未来两年各家厂商发展蓝图的重要一环。

小编比较了目前主流“AI处理器”的技术和市场发展，并用表格的形式列出了它们的制程、架构及应用。

如果说今年的CES能为我们带来什么指针，那么，语音(voice)、连接(connectivity)和人工智能(AI)将是组成2018年及未来消费电子设备缺一不可的神圣“三位一体”…

在2018年及其以后，深层神经网络和机器学习在更大的人工智能（AI）领域会如何发展？我们如何能开发出越来越复杂的机器以在日常生活中帮助人类？这些都是普渡大学机器学习硬件教授尤金尼奥·库鲁尔塞罗(Eugenio Culurciello)关注的问题。请注意，本文的重点并非有关AI的预测，而是对该领域发展轨迹、趋势以及技术需求的详细分析，以帮助创造更有用的AI。当然，并非所有的机器学习都是针对AI的，还有些其他容易实现的目标，下面我们就仔细审视下。