AI芯片可以分為端側AI、云端AI以及邊緣AI。

端側AI主要應用于終端設備，如手機、智能家電、各類傳感器、攝像頭等。

云端AI負責數據處理的中心，主要用于云端AI加速，如英偉達的GPGPU卡，谷歌的TPU等。

邊緣AI在數據來源側直接解決問題，不需要到達云端數據中心，更多地應用于工業(yè)領域。

近年來，隨著元宇宙的爆火，促進了AI芯片領域的迅速發(fā)展。

AI芯片的市場規(guī)模，2017年到2025年接近十年的區(qū)間，和云端相比，端側AI芯片的市場增速非常高，尤其在未來的5—10年的區(qū)間之內。

在未來5—10年內，在整個端側包括云端還有Edge端推理市場的增速是最快的。

智能安防、智能車載是目前端側AI規(guī)模落地的兩大細分市場，對AI的需求明確，性能規(guī)格明確。

AI芯片設計出來但是沒多少人能用起來，這是兩三年前端側AI芯片發(fā)展的煩惱。

如何在滿足算力條件下確保AI芯片低功耗，以便于更好地為終端提供完整的更具性價比的解決方案，加速應用落地。

端側AI市場發(fā)展近年來不斷擴大規(guī)模，但端側AI的發(fā)展還需跨越鴻溝，進而賦能視覺生態(tài)。

面對十多款端側AI芯片，選型就是一個難題。

端側AI普及面臨硬件、算法以及應用需求多樣的三道檻。

針對端側AI的算法太少，這直接導致了許多AI硬件沒辦法用起來。

算法肯定是影響最終效果和體驗的因素，但算法不夠好可能是因為應用場景太小沒人愿意投入，或者那個場景的數據難以獲取，增加了算法提升的難度。

不同的應用場景對于芯片的性能和功耗，對于使用的算法的類型和精度，以及使用的場景都大不相同。

另外，端側和邊緣的AI硬件采用的是ASIC專用芯片，并沒有統(tǒng)一的標準，實現通用的AI解決方案難度比較大。

未來許多場景的AI產品不會只是用單純的視覺或語音方案，將會是多傳感器融合的產品，這將是未來AI邊緣和AI產品發(fā)展的趨勢。

隨著技術的進步，采用云邊協同的方案，可以充分利用云端靈活的管理系統(tǒng)和邊緣端不斷強大的計算能力。

云邊協同對于AI普及更重要的價值在于，已經搭建好了一套云邊協同的方案，已經提前做好了前期的開發(fā)和測試。

云邊協同的AI解決方案對于助推邊緣AI的普及，以及推動AI在更多領域的創(chuàng)新，都是一個顯著的推動力。

相對云端AI芯片，邊緣側與端側的AI芯片企業(yè)面臨著更為多元的應用場景，不止要通過優(yōu)化底層技術，還必須抓住時間窗口，加速實現芯片及相應解決方案的規(guī)?；涞?。

端側AI具有顯著的安全和隱私方面的優(yōu)勢，與云端AI和邊緣AI一起，共同給使用者創(chuàng)造元宇宙的全新體驗。

獨立設備之間較為割裂的交互體驗可以被統(tǒng)一起來，每一個設備不再單單是垂直能力的延申，更可以連點成網，形成一個智能[超級終端]。

更多具備不同外設能力的設備接入系統(tǒng)，就意味著會有更多不同模態(tài)的數據涌入，想要妥善利用這些數據，就要解決多模態(tài)機器學習問題。

在模態(tài)表示方面，利用多模態(tài)數據之間的互補性，去除模態(tài)間的冗余性，得到更好的特征表示是關鍵問題；

在模態(tài)對齊方面，確定來自兩種或兩種以上不同模態(tài)的數據元素之間的關系也存在挑戰(zhàn)。

在下一個十年里，市場所考驗的將是人工智能[從1到N]的能力，所考驗的是它是否真正能夠創(chuàng)造價值，落地產業(yè)，推動社會不斷向前發(fā)展。

在端側，AI芯片市場還處于完全的藍海狀態(tài)，需要有人在汪洋大海一樣的場景中捕捉機會。

部分資料參考：

雷鋒網：《端側AI普及，到底卡在哪了？》

DeepTech深科技：《AI框架百花齊放，端側體驗將是優(yōu)化重點》