欧美午夜精品-免费在线观看高清影视网站-999免费视频-韩国久久久-在线中文av-1024欧美-在线啪-成人影片在线-秋霞在线观看秋-国产精品国产三级国产专区52-国产在线高清视频-国产999在线-国产白拍-毛片在哪里看-日韩视频h-欧美日韩一区精品-在线只有精品-插插插色综合-成年人看的毛片-毛片av免费

在5月22日，萊迪思半導體在上海召開Lattice新品發(fā)布會，在會上發(fā)布了一個全新的產(chǎn)品——sensAI。它是一種結(jié)合模塊化硬件套件、神經(jīng)網(wǎng)絡(luò)IP核、軟件工具、參考設(shè)計、定制化設(shè)計與服務(wù)的完整技術(shù)集合，旨在將機器學習推理加快大眾市場 IoT 應(yīng)用。它可以讓客戶快速簡易上手，簡便地在萊迪思的FPGA里做計算，尤其是在網(wǎng)絡(luò)編程方面。

在會上，萊迪思半導體亞太區(qū)資深事業(yè)發(fā)展經(jīng)理陳英仁先生與眾多記者一起分享了Lattice sensAI開發(fā)生態(tài)系統(tǒng)開發(fā)過程，也對記者的一些疑惑進行答疑，以下是群訪實錄：

記者：這個是否屬于3D的人臉識別？  

陳英仁：不是。假如說做的更精確的話，它其實需要更大的性能，所以我們也提供剛剛講的UltraPlus跟ECP5。假如要做到3D的話，其實不是不可以，只是說3D只是在于它的結(jié)構(gòu)包怎么連接到我們的FPGA，然后我們?nèi)プ龈鞣N各樣的訓練，訓練出來，我們還是可以提供一個3D方案。其實我們不局限在2D或3D，任何數(shù)據(jù)做了訓練以后，其實我們是都可以去檢測的。只是說在這個演示上，它不是做3D的。

記者： 3D的ECP5需要用到這個芯片嗎？   

陳英仁：3D的話，其實也要看一看整體的性能。我們現(xiàn)在在UltraPlus里面，它只需要32×32的像素就可以做人臉檢測。其實它并不太能看到一些細節(jié)，它只是判斷“有沒有人在前面”。假如是做到結(jié)構(gòu)中的話，它可能要看的更清楚；就像蘋果這一塊，它要做到一個安全系數(shù)，所以他的性能要求就相對要高很多。

記者：關(guān)于Lattice硬件平臺，iCE40和ECP5用于sensAI上，是不是就加入一些新的算法，是這樣的一種改變嗎？

陳英仁： 關(guān)于iCE40 UltraPlus跟ECP5，現(xiàn)在是通過sensAI，可以加入新的算法，的確是這樣子。Lattice iCE40 UltraPlus跟ECP5已經(jīng)出來一年多了。因為是空白片所以里面基本上要去做什么運算都可以。可是剛剛提到，很多客戶可能對于FPGA的設(shè)計不是很熟悉。怎么樣去做一個有效率、低功耗的AI會是很困難的。所以通過Lattice sensAI，我們提供了BNN IP和CNN IP再體驗以及優(yōu)化，然后我們再提供工具鏈，可以讓客戶把他已經(jīng)訓練好的模型，或者基本上任何的數(shù)據(jù)、樣本，通過CaffeTensorFlow進行訓練以后，它就有這個算法。比如說，我們現(xiàn)在有很多“你好”這樣子的樣本，通過這個訓練以后，我的FPGA就可以偵測“你好”。

我順便講一下AI的背景。其實AI說穿了，它是一個新的算法。傳統(tǒng)的算法是靠規(guī)則的。以前大家的算法是用規(guī)則型的方法去做一個算法。可是AI更多時候是靠資料跟樣本。也就是說，給我一些資料，我就可以有一種算法。然后假如我的樣本資料有更新的話，我們的算法也會越來越精準。它的好處，也是有些客戶可能不知道怎么樣去設(shè)置傳統(tǒng)的這種不同規(guī)則，可是我現(xiàn)在只要有足夠樣本就可以達到我要的推理。假如有很多的“你好”這樣子的樣本可以偵測，可是假如我說的不是“你好”是“李浩”這樣的一個名字，它不會反應(yīng)。其實就像一個小孩一樣，我一直叫他：李浩，你好，你好。可是他第一次聽到“李浩”的時候，他可能也會說：啊，你在講你好？可是假如我是用一個AI方式的話，我只要在跟它訓練，說：李浩，李浩，李浩，不是你好。它就可以區(qū)別出來。也就是說，只要我有足夠的樣本去描述我要檢測的是什么，還有同樣很多的樣本去跟我的AI描述：這個很像但是不是的話，它就可以學習出來變成一個算法。

像這個demo，昨天我也試了一下。它不只是可以偵測人臉，我把它對著一個猴子的照片，它也會偵測到。其實這就是AI。就是看你多少樣本以及它的訓練程度。假如說我給它很多猴子的照片，說：這不是人臉。那么它就會變得這樣聰明。所以你可以想像，小孩子你一直教他：“這是你、這是你、這是你。” 他發(fā)現(xiàn)你在看一個猴子或者甚至狗、貓的照片，他可能不能準確判斷是不是自己。所以你要給它更多的資料，才知道“什么是人臉，什么不是人臉”，這就是AI最基礎(chǔ)的新概念，它可以用數(shù)據(jù)和樣本來去做到這樣的算法。

記者：senAI是不是也集成了終端傳感？

陳英仁：我們已經(jīng)有很多的傳感器在上面，甚至可以把sensAI這個功能放進去。因為我們的FPGA是空白頁。看放不放的下，就是看一看我們新引進的這些有多大。 因為我們sensAI可能占一些我們FPGA資源。假如是像我們客戶只要在用ECP5的，我們ECP5基本上它是從最小的12k到最大的是150k。反正我們的邏輯從十幾K到幾十K，甚至到百K這樣子的情況下，它是非常有彈性的。在客戶現(xiàn)有的應(yīng)用場景下，通常來講它不會用龐大的。但要把整個sensAI加進去也是可以的。

在UltraPlus的話，因為我們EA的算法，基本上占了UltraPlus的大部分。當然我們接下來也會陸陸續(xù)續(xù)地開低功耗的iCE40系列，到時候這就不是問題了。

記者：是不是客戶本來對你們的 iCE40 等開發(fā)工具已經(jīng)比較熟悉才能在一些工具上進行如FPGA的二次開發(fā)？如果說對FPGA或者開發(fā)工具不是很熟，你們提供的神經(jīng)網(wǎng)絡(luò)編譯器是一個新的相當于你們自己開發(fā)的工具，還是第三方提供的？

陳英仁：我先回答最后一個問題。“神經(jīng)網(wǎng)絡(luò)編譯器”是我們自己獨立開發(fā)的，只是這個神經(jīng)網(wǎng)絡(luò)編譯器是做了一個轉(zhuǎn)換。因為很多人在做神經(jīng)網(wǎng)絡(luò)訓練的時候，它是用大家比較公認開源的方式，像剛剛提到的TensorFlow跟Caffe。而TensorFlow跟Caffe不是我們開發(fā)的，只是從我們綁定了一個輸出，通過我們開發(fā)的這個編譯器可以去做這個轉(zhuǎn)換，變成適合我們的FPGA，搭配我們的IP使用。

再回到第一個問題，所以假如要用到我們sensAI的這個IP，對我們的工具需不需要熟悉？應(yīng)該這樣講，其實要涉及FPGA，基本上要懂得怎么使用工具，使用工具相對還算是比較容易，因為基本上都是一個菜單，然后去選一些東西。其實比較難的是怎么去寫所謂的應(yīng)用描述語言。這一塊怎么去寫？畢竟它是個新的語言。甚至寫什么？這個算法是更難的。所以我們的SensAI提供了這個IP以后，客戶就不用擔心怎么去做AI的算法描述，尤其是用硬件語言去寫。他可以用我們的工具操作一下，就可以設(shè)計出來。將設(shè)計門檻大大的降低與減化，可是這個客戶可能對這個FPGA不熟，但是我們可以教他怎么用我們的工具，他就可以把計算在我們的FPGA實現(xiàn)。

記者：在接觸顧客當中，哪些用戶在產(chǎn)品導入AI的需求會比較強烈？現(xiàn)在是否已有一些客戶用sensAI在做產(chǎn)品開發(fā)？

陳英仁：我們sensAI是這個禮拜才正式發(fā)布，當然在之前我們也是有一些初級客戶，主要是在歐美，他們對我們低功耗的新產(chǎn)品是非常滿意的，因為他發(fā)現(xiàn)了FPGA的確可以在這種瓦級的情況下去做更多處理，所以是有客戶去使用。但是實際的利用范圍，這里就不方便透露了。主要還是在影像跟聲音這方面有關(guān)。

其實剛剛提到AI是一個新的算法，在計算的話；要么可以在云端做，要么可以在邊緣、終端做。只是說現(xiàn)在其實最大的一個推動力，我想也是在IoT。因為大家一直講IoT，可是有那么多的數(shù)據(jù)以后，怎么辦？就像大家假如可以看到很多東西，可是沒有辦法去做思考的時候，這些數(shù)據(jù)其實是沒有意義的。所以AI配上IoT以后，它會是讓整體的使用方便性增加。

我有這些資料，我有這些樣本以后，就可以去提供更多的服務(wù)。所以很多的IoT客戶以及傳感器客戶，可能都會去朝“智能傳感器”方向做。大家可能最近也有聽到“智能麥克風”，它可能已經(jīng)內(nèi)嵌了所謂的“語音識別”。影像傳感器同樣的，很多人可能說：我現(xiàn)在就直接偵測，這是不是一個人在里面。所以這些客戶或者是使用者都會喜歡增加這些智能功能在里面。

記者：現(xiàn)在有好多的MCU廠商，他們說：最大的問題是客戶不知道怎么做人工智能，怎么做訓練。您不是也是這樣認為？而且我也訪問了地平線這樣的公司，它們都是“芯片+算法”，跟您這個“芯片+加速器”會有什么區(qū)別嗎？

陳英仁：先回到訓練這一塊。其實AI是一個比較新的領(lǐng)域，所以大家也在學習怎么去訓練。其實現(xiàn)在網(wǎng)絡(luò)上已經(jīng)有很多課程，怎么去理解AI普通的、自然的算法。剛剛講的，大家最常見的是像Caffe和Tensor這樣的設(shè)計流程。其實的確，這些新的是要花時間去教育客戶的。我們sensAI的優(yōu)勢是我們不用去學AI，然后還要再去學怎么設(shè)計FPGA，至少FPGA的部分可以不用再去擔心了。但是客戶還是要聽到AI的本質(zhì)和它的設(shè)計流程，當然的確這也是一個問題，所以我們才會有最早的一些生態(tài)環(huán)境的伙伴，就算客戶不懂AI，我們也可以幫他們?nèi)フ覍@個比較熟悉的合作伙伴提供比較完整的方案。

其實算法這一塊，算法到底是AI的模型，還是它完整的算法。比如：像我們的參考設(shè)計和演示，它已經(jīng)是訓練好的。但是說真的，我們不是一個終端方案的提供商，我們這一塊是去找第三方，有足夠的樣本，可以很清楚地演示。

但是也要看做到什么程度。因為畢竟開發(fā)IC的廠商，跟足夠樣本去做訓練，畢竟還是有差別的，。當然，我們一開始，因為發(fā)覺“人臉偵測”是一個非常比較常見的很實用的方案，所以我們在上面是花了一點工夫。我們也認為，我們現(xiàn)在的人臉偵測，是可以讓客戶直接拿去用的。只是說在其它的訓練方法上，相比于一個完整的方案，我們提供的更多是一個流程，讓客戶有自己的樣本去做這個訓練。其實之前講過，為什么大家都要數(shù)據(jù)？數(shù)據(jù)值錢，就是因為通過AI，它可以變成一個算法。

記者：現(xiàn)在AI工程師的工資很高，。比如，好多業(yè)內(nèi)工作二三十年的都沒有剛畢業(yè)的大學生的工資高。你們有什么方法，消除這樣的門檻呢？

陳英仁：我想AI本身它自己就可以把這個門檻降低了。因為傳統(tǒng)算法的做法，是要去講這些規(guī)則，工程師就要把這些規(guī)則描述的很清楚。可是AI的出現(xiàn)使得我們只用需要樣本就好了。所以現(xiàn)在工程師可能不需要太花時間專注在算法上，他只要拿得到樣本，或者就去拿樣本；我想大家最近可能也聽到一些消息，中國也有；尤其是印度，其實現(xiàn)在有一個新興行業(yè)，就是他們?nèi)プ鰳擞洠瑯擞泩D像、標記聲音，然后把這些標記過的樣本再賣出來。透過這些樣本，它本身就可以變成一個算法。

記者：剛剛也提到，您剛剛在演講中也有提到，我們?yōu)榭蛻籼峁┝艘恍┒ㄖ苹脑O(shè)計服務(wù)。我看PPT上有人臉識別、關(guān)鍵詞檢索、面部追蹤等五個方向，是在這五個方向我們都可以定制化服務(wù)嗎？

陳英仁：不是。其實我們這五個方向上基本上是一個參考設(shè)計跟演示，可以讓客戶知道AI可以應(yīng)用在哪里。 假如是要能定制化的話，只要客戶對這一塊完全不熟悉，甚至沒有樣本；這個就需要我們提到的合作伙伴生態(tài)環(huán)境、生態(tài)鏈，我們會去介紹一些我們Lattice的工具跟一些熟悉Lattice工具鏈的伙伴們，然后他們可以提供一些定制化的服務(wù)。

記者：Lattice提供這個產(chǎn)品主要是讓已經(jīng)使用FPGA的人擁有更好的體驗？還是說我們要不斷的去擴充這個領(lǐng)域？比如說之前使用MCU的人讓他更多的加入到這個陣營。我覺得MCU和FPGA相比的話，可能想到的就是FPGA比較難，想到MCU就是開發(fā)比較簡單，您怎么看待這個問題？ 

陳英仁：我們sensAI的確就是把這個問題解決了，我們sensAI不只是針對傳統(tǒng)的這些客戶，還有希望更多新的客戶可以直接用FPGA來實現(xiàn)，就算他不熟悉、他也可以實現(xiàn)，甚至在某方面來講優(yōu)于MCU。畢竟MCU它在處理AI這部分，它可能不是那么有效率，因為它的功耗相對比較高。所以當客戶考慮到要做AI的時候，我覺得FPGA現(xiàn)在是比較合適的，而且設(shè)計可能還不再是個問題。回到傳統(tǒng)已經(jīng)用的一些客戶，因為他們已經(jīng)熟悉了我們可能在一些過程橋接和連接的技術(shù)，我們現(xiàn)在提供了做整個計算的方法，所以現(xiàn)在他們可以有更多的選擇，然后更容易上手。

記者：采用Lattice工具的人工智能的邊緣應(yīng)用大概需要多久時間可以實現(xiàn)或切入呢？

陳英仁：我自己認為是很快吧。要去熟悉我們怎么用我們的工具，大概是一個禮拜。怎么去實現(xiàn)，這就需要一個開發(fā)周期。可能一周左右，熟悉怎么訓練和轉(zhuǎn)換，以及整個系統(tǒng)的設(shè)計。我再補充一下MCU跟FPGA的差別，比如說一個智能的門鈴。我很多時候可能已經(jīng)有一個門鈴了，它只是沒有這個智能。當我們把這個智能放進去，因為如果我要重新布一個完整的智能門鈴可能是一個大改。可是更多的時候，客戶可能是說：我現(xiàn)在東西已經(jīng)有了，我只是去偵測。假如說MCU的話，它可能用一個全新的MCU放在旁邊，雖然它可以偵測到，它怎么把這個結(jié)果傳遞給它原來的系統(tǒng)，這個會比較復雜。我們的FPGA就是專門解決 “接口” 的問題，假如他們原來的系統(tǒng)是有人的話，你這邊只要給一個信號，或者給我兩個信號、三個信號，無所謂，我們的FPGA都可以去負責調(diào)整。回到您這個問題，客戶想要這樣子做，可是對于結(jié)果端不熟悉。沒有關(guān)系，我們非常熟悉，接口上面的問題，我們很多時候可以幫助客戶解決。

記者：現(xiàn)在大家對智能終端的認識，大多數(shù)還是停留在音響這些類似的消費市場。反倒在工業(yè)層面，很少有人有見解。您怎么看AI在整個過程中的應(yīng)用。 

陳英仁：我先講一下智能終端的應(yīng)用場景，當然不局限在家居。比如：一些關(guān)鍵字、聲音檢測。它可能檢測出尖叫聲、墻聲、玻璃打碎的聲音，所以我們就可以在一些安防監(jiān)控或者其它地方去做一些大內(nèi)容。所以其實應(yīng)該說，畢竟AI是新的一個算法，它現(xiàn)在可以用樣本就可以算出來，簡化了以前做算法的門檻。所以大家現(xiàn)在比較思考的是，她可以應(yīng)用在哪里。所以剛剛講的這只是其中一種，這些可能都是常見的接下來會蓬勃發(fā)展的應(yīng)用。其實大家還在思考，怎么樣應(yīng)用AI讓生活更簡潔、更簡單。

我們的產(chǎn)品才剛剛推出，所以產(chǎn)品化需要一定時間。其實有些照相功能也是一種AI。有些照相手機，可以大概判斷照相場景是什么，然后去做優(yōu)化。如何判斷照相時的場景？累積很多樣本并進行訓練。知道這是晚上，所以相應(yīng)地做優(yōu)化調(diào)整；現(xiàn)在的照相對象是人，就會做美白和變瘦。有很多的自動化來提供方便性，這基本上就是AI的一種表達。在工業(yè)類是效率，就是用一個機器去做自動化。

記者：現(xiàn)在萊迪思還是會主攻消費類產(chǎn)品？ 

陳英仁: 我們不會只做消費類的，其實工業(yè)類也關(guān)注，只是它們需要花費較長時間。工業(yè)類現(xiàn)在就要開始耕耘，只是可能要兩年才會起來，消費類的會比較快。

至于萊迪思和微軟的交集，其實交集不是那么密切。因為微軟主要是“云端”，如果是在邊緣的話，應(yīng)該是和網(wǎng)絡(luò)端的互聯(lián)。

再說“處理”。處理會不會變？為什么要在單一的地方處理？因為這個東西都是來來回回的，很多人說：要在云端處理，然后變成集中式處理。很多的產(chǎn)品架構(gòu)，很多時候是集中處理，然后過一段時間會做分布式處理。其實沒有一個所謂哪個更好，主要取決于業(yè)務(wù)場景。

我們其實現(xiàn)在看的就是分布式處理，分布式處理可以在云端，也可能在盒子身邊。我們主要還是在傳感器。這樣更有效率地去處理一個數(shù)據(jù)，除去因為利益發(fā)展而導致的隱私權(quán)問題。因為在微軟里面，比如是在更上端或者再處理化，基本上收集的數(shù)據(jù)肯定提高到這里了。那么，終端客戶會不會擔心他的隱私全外露之類的。所以整個要看業(yè)務(wù)場景，到底什么樣的合適。

記者：所以萊迪思只管“端”，不需要搭載生態(tài)環(huán)境？

陳英仁:也不能這樣說。假如我是一個工匠，說不定我不用大腦思考，我的手就可以看到什么東西就馬上有一個反應(yīng)，所以還是一個分布式的效率，這是一個整體上的布局。

記者：說到“智能門鎖”，因為很多MCU廠商也在做門鎖。你們跟他們比，有什么優(yōu)勢呢？   

陳英仁: 智能門鎖現(xiàn)在做紅外的相對少。智能門鈴的話，會去做一些偵測。因為智能門鎖，將來就是偵測指紋。那個其實也不用什么智能，我們現(xiàn)在的意思就是說：像我家的鎖，我本來要在鍵盤上按一個指紋。指紋正確了外殼才會升起來，然后才會進來。現(xiàn)在假如我加了一個攝像頭以后，我只要靠近，它就自己上來了。

假如用紅外攝像頭，然后人說不定走過一移動，紅外就會監(jiān)測到，這樣并不好用。我現(xiàn)在在家里，最讓我覺得比較怪怪的是，由于我家的廁所比較小。我只要一靠近馬桶，馬桶蓋就自動打開。可是很多時候我不是需要上廁所，很多時候是刷牙或者是洗手，這個蓋就開了。但是只要加入一個低延遲，當然我要看一看它怎么去偵測，要識別什么地方，才會開馬桶蓋。這樣的話，可能就會更智能、更方便。

記者：您對于國內(nèi)的AI芯片公司評價是如何的？很多人都認為從政府騙錢或者圈錢，炒作。您覺得您做的是不是實實在在的，或者說他們做的是不是估值有點太高了？比如：像深鑒科技這些，他們今年要上市，基于賽靈思的FPGA做的。

陳英仁: 我想別的廠商我不方便說，只能說“AI的確是一個方向”，以AI去運作投入，的確是沒錯。到底他們怎么做，或者他們做的手段是什么？這個不知道。但AI是一個非常重要的領(lǐng)域。

我想目前的話，我們也會參考客戶的反饋。當下，萊迪思就是在定位“低功耗”，然后傳感器端這樣的一個DNN跟CNN處理。隨著我們客戶提供反饋，會有不同的硬件跟軟件的開發(fā)。當然，我還想再補充一下，我們的優(yōu)勢是可以在現(xiàn)有設(shè)計不做太大的改變情況之下，我們會持續(xù)地更新，這也是我們另外一個特性。

我們也會密切地關(guān)注，還要再去做什么樣新的功能，或者是要改什么方向。不過我覺得大方向的話，應(yīng)該不會再做太大的改變。因為畢竟我們的性能、我們的定位，我們的功耗跟價錢，跟其它家的FPGA廠商是有明確區(qū)別的。

因為我們畢竟在正式推出這個東西之前，我們是找一些客戶，得到反饋，然后做優(yōu)化。中國客戶的話，之前有接觸到一些，可是畢竟中國客戶對于AI這個流程畢竟了解得比較晚一些，而且我們沒有正式的發(fā)表過，所以這一塊，我想在接下來幾個月應(yīng)該會有些發(fā)展。其實還是回到樣本，因為其實很多客戶沒有樣本和數(shù)據(jù)，就比較難去應(yīng)用整個的這樣一個供給，所以我們再看一看生態(tài)環(huán)境已經(jīng)建立起來。所以對于一些“云”方案商他有這些樣本，所以我們看怎么通過他們，然后一起可以提供比較完整的方案。

記者：您剛才有提到AI有兩個非常重要的部分，一個是“實驗”，一個是“推理”。我們?yōu)榭蛻籼峁┝松窠?jīng)網(wǎng)絡(luò)編譯器，有在幫客戶做訓練模型。還有就是幫助一些沒有經(jīng)驗的客戶將這個標準框架開發(fā)的神經(jīng)網(wǎng)絡(luò)移植到我們的這個FPGA中。我想問一下，在推理這方面，我們是否可以去幫助客戶有一些方案，以及未來是否在這方面有一些計劃？

陳英仁:整體AI架構(gòu)是需要訓練跟推理的，我們的FPGA專注在推理這方面。可是說通過推理，那么訓練怎么辦。訓練的話，我們是提供軟件、工具鏈，讓客戶有效率地訓練。可是訓練出來的東西，還是放在我們FPGA上面做推理。我們的FPGA是強項，就是低功耗、小封裝、低延時、低單價，所以用我們做出來的方案會是符合低延時、低功耗、小封裝、低單價。這就是我們的方便性和方便的接口。所以說最終還是在推理端，只是說訓練端它是一個設(shè)計，我們有工具鏈降低設(shè)計的門檻，可是設(shè)計還是在PC或者是在客戶端的別的系統(tǒng)去做，和萊迪思的FPGA沒有直接的關(guān)系。

記者：如果要跟華為合作，數(shù)據(jù)都開放給華為，結(jié)果他自己的團隊又做出來了，提供一個完整方案，他們是這么一個思路。

陳英仁:的確，我們看到國內(nèi)有很多的廠商是要一個“完整方案”。國外很多時候，你給他一個工具，他自己去做。我們也在看怎么符合國內(nèi)的需求。現(xiàn)在我們只要去找到樣本，就可以提供一個算法。所以至少門檻降低了一半，現(xiàn)在我們就去看一看樣本，然后可以跟我們一起合作提供整個解決方案。因為假如是做一個偵測，Lattice不擅長收集這方面的樣本，所以這一塊，就是我們的一個很大的挑戰(zhàn)，就會去找第三方，看看怎么去做。所以為什么我覺得國內(nèi)廠商也會看到說：他的核心有以前的算法，現(xiàn)在的核心可能不是直接的算法，而是你有沒有你要偵測的樣本，有沒有這些數(shù)據(jù)。

記者：加速方法都不統(tǒng)一，各家芯片也不一樣，所以AI起不來？ 

陳英仁:后面的工具、模型很不統(tǒng)一，可是AI的概念還是統(tǒng)一的。其實后面的只是怎么去執(zhí)行，收集標記過的數(shù)據(jù)的話，它是非常支持的。有了標記后的數(shù)據(jù)后，就可以去做訓練，然后接下來會推理。所以其實也就是因為AI這樣的一個演變，當你的數(shù)據(jù)以后使用FPGA或MCU，門檻就沒有差很多。