导读随着因特网的发展，要通信的数据量爆炸性地增加，并且开发用于处理大量数据的专用芯片的需求也在增加。自深度学习技术问世以来，人工智能已
随着因特网的发展，要通信的数据量爆炸性地增加，并且开发用于处理大量数据的专用芯片的需求也在增加。
自深度学习技术问世以来，人工智能已开始用于图像识别和语言识别等模式识别以及各种决策。AI由基于收集和积累的大数据的计算机学习和推断组成，但是当前的AI使用软件处理大量数据，因此其处理能力已经足够。问题在于它尚未达到标准。
与现有的CPU按输入的顺序处理信息不同，AI芯片具有像人脑一样并行，同时处理大量信息和复杂操作的能力。它比现有芯片具有更快的算术处理速度，并且擅长处理海量数据，因此适合处理大数据。
消除发送和接收数据时的时滞
当今的AI专注于深度挖掘，它基于大数据得出答案，但是当时最重要的问题是在哪里处理数据。
以自动驾驶为例，将从安装在汽车上的传感器收集的数据传输到云中，使用云中的AI进行处理，然后将获得的结果再次传输到汽车。但是，由于云距离汽车较远，因此发送和接收数据会存在时间滞后。
消除此类缺点的一种方法是边缘计算，它在站点端处理数据，最近这已成为热门话题。使用现场边缘计算机进行AI处理可消除由于发送和接收而造成的时间损失，从而使处理接近实时。
消除缺点的另一种方法是在诸如智能手机之类的移动设备上进行处理。通过使用智能手机中安装的各种应用程序执行AI处理，可以改善功能。