说到人工智能和深度学习，大家第一时间想到的多是耗费大量能源的大型后台设备。不过麻省理工学院研发的Eyeriss芯片，却将能耗减少到了1/10，从而为在其在智能机上的应用打开了新的可能。昨天，一支MIT研究人员团队向大家介绍了一款新型计算机芯片，其专为深度学习而优化，能够让人工智能变得更为流行。
该芯片被称作“Eyeriss”，能够让移动设备执行自然语言处理和面部识别等任务，而无需连接至互联网。显然，这是让操作系统的机器学习变得更加便携的最新尝试。
换言之，智能手机、可穿戴设备、机器人、自动驾驶汽车、以及其它物联网设备，都能够在本地处理复杂的深度学习任务，这点在此前一直非常难以做到。
深度学习依赖于大规模的计算机处理性能，而“GPU加速”就是比较常见的一种方式。尽管能够胜任，但它也有一个最大的缺点——费电。
这使得此类方法难以在移动设备上使用，妥协方案就是尽量削减原始数据采集设备的功耗，将它们发送到互联网上强力的GPU服务器那里进行深度学习处理，然后将结果发送回来。
不过这么做也会带来一些问题，Eyeriss也致力于解决。
首先，若是移动设备无法连接到互联网，就无法执行深度学习任务。而当你将数据传输到互联网上的远程服务器的时候，又会有隐私方面的担忧。
其次，数据传输和远程处理会带来延迟。
MIT研究人员表示，Eyeriss的能效为传统方法的十倍，因而能够避免迅速耗竭移动设备电池的问题。
需要指出的是，除了最新宣布的Eyeriss之外，高通也刚刚在CES 2016上宣布了可以脱离远程服务器执行深度学习任务的骁龙820A和820Am处理器。
其允许汽车检测多个车道，通过深度学习来标记和理解交通信号。当然，Nvidia也有在CES上夸耀过自家的机器学习技术，演示其Tegra处理器能够用于自动驾驶。
Google最近也宣布了与芯片制造商Movidius合作，旨在提升手机的面部识别技术。
MIT的这支研究团队由该校电气工程与计算机科学系的Vivienne Sze带领，并在旧金山召开的国际固态电路会议（ISSCC 2016）上介绍了这款芯片，并演示了图像识别任务。
至于Eyeriss将于何时抵达移动设备，目前其暂未透露这方面的计划。