AI新興應用持續推進
自2018年起，在演算法層面，AI已經相對成熟，賽靈思(Xilinx)人工智慧業務高級總監姚頌(圖1)提到，目前應用層面還在不斷進展的是神經結構搜索(Neural Architecture Search, NAS)相關的領域，希望透過電腦自動找到最佳演算法結構、減輕演算法工程師的負擔。MIT的韓松教授推出One-For-All神經網路，可以訓練一個複雜的網路，針對不同場景的需求(高精準度、低延遲等)，自動選擇部分子網路來滿足要求。2020年，對於邊緣運算解決方案需求最大的還是手機與汽車，二者共同的特點都是無論網路與通訊狀況如何，都需要AI做出迅速的反應。
姚頌進一步指出，手機、平板電腦已經從通訊工具，升級為娛樂工具，再升級為邊緣的核心設備。除iPhone全系列產品已經搭配了用於FaceID的結構光相機，需要即時、私密的AI識別之外，最新推出的iPad Pro，還新增了dToF的微型雷射雷達，可以進行高精度測距、實現良好的AR效果，而AR也是AI的一個重要應用場景。另外，2020年在自動/輔助駕駛、智慧車艙已全面採用AI，特別是隨著電動車的推廣，汽車被視為下一個智慧終端裝置。
過去影像辨識與語音辨識通常是各自發展的應用，主要原因是影像採用卷積神經網路(Convolutional Neural Network, CNN)，語音使用遞歸神經網路(Recurrent Neural Networks, RNN)，然而近期Google公開演示了使用CNN網路進行語音辨識，也開啟了影像與語音辨識複用的可能，NVIDIA技術行銷經理蘇家興(圖2)認為，目前已有應用同時導入兩種辨識技術，讓人機溝通更自然，雖然目前還不是使用同一套網路，但或許不久的將來就會相互整合。
手機/汽車AI競爭如神仙打架
手機與汽車是兼具雲端與終端的裝置，一方面需要強大的運算效能，一方面對耗電非常在意，這類產品也被看好具有高度潛力，於是大廠的邊緣應用都投注心力在這兩類產品。姚頌表示，AI晶片除了性能需求足夠出色，更重要的是需要有簡單易用的開發環境、豐富的生態以及滿足使用場景的產品功能。賽靈思2019年推出了全新的軟體發展環境Vitis與Vitis AI，就是旨在協助不同開發者輕鬆地開發AI應用。而針對AI產業的Vitis AI以及Vitis AI Library，可以允許演算法工程師直接在提供的大量案例上二次開發，也可以透過簡單的命令與腳本編寫完成AI演算法的編譯與執行。
在晶片層面，賽靈思推出了新的車規級運算平台XAZU7與XAZU11，可以廣泛用於L2到L3的輔助駕駛與自動駕駛場景，也可以用於智慧車艙的各類應用。到目前為止，Vitis AI已經發布了最新的1.1版本。而賽靈思的自動/輔助駕駛方案也得到戴姆勒、百度等汽車產業認可。
另外，NVIDIA在GTC也公布新一代自駕車平台Orin，將整合具新一代TensorCore之Ampere架構GPU，針對L2的標準可在45W耗電水準下，提供200TOPS性能的版本；針對先進輔助駕駛的Orin ADAS SoC，可在5W功耗提供10TOPS的性能，能夠滿足當前先進輔助駕駛的需求。標準的Orin採用12核Arm Herculus CPU搭配Ampere GPU，記憶體頻寬達200GB/s，與支援四路10Gbps乙太網路，具備170億個電晶體。在L5自動駕駛平台部分，NVIDIA藉由雙Orin搭配兩組Ampere架構GPU組成，功耗800W，但算力可達2,000TOPS。
而在CES 2020，高通發表Snapdragon Ride平台，正式進軍自駕車領域。該平台共有三種不同的配置，其中，單處理器版已經足夠應付ADAS系統；雙ADAS處理器版本，算力則更進一步強化，同時也為系統準備了安全備援，可以支援L2和L3半自動駕駛。第三種配置則在上面的基礎上多了加速晶片，三晶片版本的配置包括兩塊ADAS處理器外加自動駕駛加速器，算力可達400TOPS。
關鍵應用投入大量資源/時間
除了汽車與手機之外，蘇家興表示，智慧醫療、5G等應用也需要高運算力，而由於AI模型發展越來越複雜，在業界希望賦予AI更多能力的前提下，導致資料庫越加龐大，所以在訓練過程中希望可以優化網路，以提升整體系統的效率。
AI晶片在重要裝置如手機、汽車等平台的發展目前由大廠主導，除了含金量高之外，這類平台的應用需要整合許多相關資源，與雲端的網路訓練關係也很密切，如自駕車就需要非常龐大的網路資料庫輔助，目前相關廠商已累積不下數百萬英哩的測試里程，但實際上離自駕車可以安全上路還有很長一段距離；另外，智慧醫療除了資料數量之外，更要求資料品質，而且醫療行為攸關人命，發展過程會更加謹慎。相信未來幾年，人工智慧還會發生更多有趣的事，開創更多可能性，值得市場持續關注。
