其他答主多多少少都有提到，人工智慧控制技术裂稃前程——它让电脑能根据周围的世界做出重大决策，像人类文明一样处置信息，即使处置方式还会强于人类文明。但，假如您细细想想上面的那些范例，就会发现这里的人工智慧承诺根本无法通过“大型电脑”来同时实现——那些电脑没输出功率、体积或生产成本管制，或是换句话说，它们会高热、拥有公交线路输出功率、体积很大，而且很贵。虽然自动驾驶汽车很可能要倚赖电池组供电系统，但考虑到电池组必须能驱动力轮轴和转向，因此须要提 供极高的耗电量，即使与非常高昂的人工智慧重大决策相比，它也要耗用大量的能源。
现阶段，人工智慧的发展的很不错，但人工智慧的“较大型化，边沿化”却发展缓慢了。那些由较大型电池组供电系统或存在生产成本和体积管制的电子设备无法同时实现电脑的听觉和感官预测机能。现阶段，那些小 型电脑根本无法利用简单的人工智慧控制技术：也许只是听一个关键字，或是预测保距讯号，比如说用完体积描记术(PPG)来量测光度。小A在此便举几个边沿侧人工智慧的具体内容应用领域。
假如较大型电脑能有听觉和感官机能会怎样？
较大型电子设备能看到和听到是否有商业价值呢？思索一下，像扩音器探头这样的小产品须要使用自动驾驶或语义处置等大的人工智慧控制技术吗？似乎也没必要。因而能考虑采用不太复杂、处置气压不大的较大型化的，边沿的人工智慧计算，比如说词语辨识、音频辨识和影像预测。
普通的扩音器探头和消费行业维安探头经常会被一些毫无意义的该事件促发，比如说下雨天引发的植物转动、云朵引发的间歇性强光变化、甚至是狗或猫在探头前运球。那些该事件可能会导致误促发，从而使须要房东去操作忽略并去除此类促发该事件。尤其糟糕的是，假如房东正好在世界其它地方旅行，而家里的探头却对日出、云朵、日落造成的强光变化发出了误警报会影响他们睡眠和旅行。然后一个智能探头能基于更具体内容的该事件 促发，例如在所监控的画面中出现了一个人。门锁或其它出入口可使用面部辨识，即使是音频辨识来授予人员访问权限，在某些情况下不须要钥匙或胸卡。很多探头都希望在发生某些特定该事件时促发：例如，跟踪探头可能希望在画面中出现鹿时被促发，维安探头可能希望在画面中有人或出现开门或脚步声等噪音时被促发，而个人探头可能希望通过音频命令来促发。 虽然有很多“HeyAlexa”这样的简单解决方案，但多词语量命令在很多应用领域中都非常有用。假如您具备辨识20个或更多单词的词语表，就能在工业电子设备、家居自动化、烹饪电子设备和大量其它电子设备中应用领域，以简化人机交互。那些范例只触及表层：让较大型电脑看到、听到和解决过去须要人为干预的问题，这就是一种很强大的思路，而且我们每天都在不断发现智能化的创造的新用例。
要让小电脑具备听觉和感官机能，面临什么样挑战？
那么，假如人工智能对较大型电脑具有如此商业价值，为什么我们还没开发出来呢？答案是计算能力。人工智慧推理是神经网络模型计算的结果。能把神经网络模型看作是大脑处置影像或声音的粗略近似形态，将其分解为非常小的片段，然后在那些小碎片组合在一起时辨识出模型。现代化听觉问题的主要模型是卷积神经网络(CNN)。这类模型在影像预测方面非常出色，在音频预测方面也非常有用。问题在于，那些模型须要数百万或数十亿次的数学计算。用传统的设计方法，那些应用领域在实施时会面临一个困难的抉择：
使用低生产成本、低功耗的微控制器解决方案。虽然平均功耗可能很低，但卷积神经网络可能须要几秒钟的时间来计算，这意味着人工智慧推理不是实时的，意味着它会耗用大量的电池组电量。购置一个高昂的高性能处置器，就能在规定的延迟内完成那些数学运算。那些处置器通常很大，须要很多外部组件，包括散热器或类似的冷却组件。不过，它们执行人工智慧推理的速度非常快。低功耗微控制器解决方案的速度太慢，无法发挥作用，而高性能处置器方法会超出生产成本、体积和电源预算，能说上述两种方案都不够理想，难以实施。我们须要的是一个从头开始构建的嵌入式人工智慧解决方案，尽可能减少卷积神经网络计算所需的能耗。人工智慧推理须要以比 传统微控制器或处置器解决方案更少的能量来执行，并且无需借助能耗高、体积大、生产成本大的外部组件（如存储器）。假如人工智慧推理解决方案实际上能消除电脑听觉的能量损失，那么即使是最小的电子设备也能看到并辨识周围世界发生的事情。幸运的是，我们现在已经处于这场“较大型电脑”革命的开端，我们在市场上已经推出的产品，已经消除人工智慧推理的能源生产成本，并同时实现电池组供电系统的电脑听觉机能了。
ADI AI MCU MAX78000，它是一款超低功耗芯片，内置在硬件CNN、双微核、存储器、SIMO和多通信接口中。MAX78000 旨在提供以超低功耗执行神经网络的能力：集成的基于硬件的卷积神经网络 (CNN) 加速器能执行 AI 推理（使用预训练的模型）在非常低的能量水平。
