从功能来看，AI芯片可以分为Training(训练)和Inference(推理)两个环节。Inference环节指利用训练好的模型，使用新的数据去"推理"出各种结论，如视频监控设备通过后台的深度神经网络模型，判断一张抓拍到的人脸是否属于黑名单。虽然Inference的计算量相比Training少很多，但仍然涉及大量的矩阵运算。在推理环节，GPU、FPGA和ASIC都有很多应用价值。
该文观点仅代表作者，本站仅提供信息存储空间服务，转载请注明出处。若需了解详细的安防行业方案，或有其它建议反馈，欢迎联系我们。
安防在线，扎根安防行业，致力于推动安防行业智能化。
欢迎关注：安防在线 ，公众号：anfang_cn
在深度学习的Training阶段，由于对数据量及运算量需求巨大，单一处理器几乎不可能独立完成一个模型的训练过程，因此，Training环节目前只能在云端实现，在设备端做Training目前还不是很明确的需求。
从2014年定义人工智能芯片，到2015年完成设计架构，再到2016年正式发布星光智能一号，以及此次发布的星光智能二号，中星微在人工智能领域的路线布局并未止步，据悉，中星微第三代人工智能芯片也在规划中，将在2019年5月份正式发布。
《人工智能芯片技术白皮书(2018)》第四章分析在CMOS工艺特征尺寸逐渐逼近极限的大背景下，结合AI芯片面临的架构挑战，AI芯片的技术趋势。一方面，研究具有生物系统优点而规避速度慢等缺点的新材料和新器件，采用新的计算架构和计算范式；另一方面，将芯片集成从二维平面向三维空间拓展，采用更为先进的集成手段和集成工艺，将是AI芯片技术在很长一段时期内的两条重要的路径。
对整个AI芯片产业而言，在算法的加持下，2018年将是密集爆发的一年，将以指数级速度向前发展，迅速渗透消费电子、家居、安防、智能驾驶、云计算以及工业、制造、金融、医疗、教育等各个领域。所有搭载芯片的电子设备都将提升AI计算能力，打造一个货真价实的AI社会。未来已来，我们或将进入一个AI新时代。
从大数据到AI，几乎每个正在发展的技术分支都受益于深度学习的深刻价值。在以下各节中，我们将深入探讨这个人工智能机器学习分支如何地促进了新兴技术的发展。
民用家用安防市场的崛起，以及更多新势力的积极介入，都为安防创新积蓄着力量。在以应用为王的时代，安防本身作为应用行业，随着人工智能、大数据、云计算、5G移动通信、IoT物联网等前沿技术逐步融合到安防领域，安防行业在创新或将很快打破瓶颈桎梏，迎来新的发展。