關於嵌入式人工智慧？

在百度上看到關於嵌入式人工智慧的言論不是很多，想更深入的了解關於這個方面。
嵌入式人工智慧概念是怎樣的？
需要學習儲備哪些知識(不是單獨嵌入式的知識儲備)？
嵌入式是如何和人工智慧結合起來的(具體機器學習演算法怎麼移植到微控制器上的)？
現在或以後該領域會有哪些職位？
歡迎大家從其他角度對嵌入式人工智慧進行討論。
謝謝！

謝邀！我就自己了解的方面簡單作答，不全面的地方請參考其他答主的回答，我與題主共同學習。

我好像沒有在學界看到正式提出嵌入式人工智慧的概念，但人工智慧不可能沒有嵌入式。人工智慧的領域龐大涵蓋學科眾多，應用範圍也很多，比如：機器視覺，指紋識別，人臉識別，視網膜識別，虹膜識別，掌紋識別，專家系統，自動規劃，智能搜索，定理證明，博弈，自動程序設計，智能控制，機器人學，語言和圖像理解，遺傳編程……

不管怎麼劃分作為計算的輸入輸出是離不開嵌入式的，而現在在計算部分也開始有嵌入式的解決方案，因為在某些應用場景中無法可靠甚至根本不能採用雲端計算的方式進行AI計算，於是AI的計算本地化的要求催生出一大批基於本地計算的嵌入式人工智慧解決方案。除了傳統的嵌入式處理器之外還有專用的人工智慧晶元這裡我就不展開了下面的鏈接有介紹：

「忘掉酷睿和驍龍：人工智慧時代你該認識這些晶元 - IT國際新聞 - C114(中國通信網)」

另外就是FPGA或者FPGA+MPU的解決方案，這裡呢我就放一個私貨視頻在下面的鏈接里了：

「DeePhi Deep Learning Platforms: Powered by Xilinx」

上述三種方式各有優缺點：第一種，映射演算法最快可以迅速將AI演算法移植到嵌入式MPU上，但明顯資源受限；第二種，可以將AI演算法計算加速到一個可觀的程度但價格比較昂貴且計算的通用性不強；第三種，可以說介於一二之間，計算資源較第一種豐富，也能對AI計算加速，同時它還具有第二種方案所沒有的靈活性。

關於需要儲備的知識，不管是AI如何應用到嵌入式系統上相應的AI基礎知識：AI的數學工具、CS相應理論、就算你沒有足夠的精力學得比較深入至少也要「看過豬跑」，接下來就是現在大名鼎鼎的CNN、BNN之類的東西了，你需要理解其基本原理，然後AI的嵌入式應用方案中你自己根據你自己感興趣的方案去補充相應的知識。

以我了解的第三種方案為例，現在FPGA+MPU基於Soc的AI解決方案很多，主要是把CNN或其他演算法映射到FPGA進行運算實現和加速，由MPU進行計算調度。這樣的解決方案造就了很大的市場需求，因為往往懂AI演算法的工程師不了解FPGA而懂FPGA的工程師不了解AI，所以這種解決方案需要的人才要求AI與FPGA兼修才能夠高效可靠地將AI演算法映射到FPGA上。

以上算是磚頭了，期待其他答主的美玉。謝謝！

嵌入式人工智慧是目前人工智慧發展的一個分支.

目前人工智慧經歷了一次大洗牌, 從05年前知識結構化流派, 到了現在的數值流派(大數據, "狂"計算), 其結果之一是, 主力從原來的大學教授轉到了擁有海量數據, 擁有百萬核心處理器的IT公司, 連論文領域都已經被公司佔領, 學霸, 學閥, 要麼擋不住, 要麼投靠大公司.

嵌入式人工智慧, 是以上發展過程中, 依靠海量計算資源無法平民化的結果.

現在採用的方式是, 用TPU/GPU在雲端完成模型訓練, 得到模型參數; 然後以嵌入式的方式, 放到移動端, 實現人工智慧的應用, 這方面, 幾乎所有公司都在投入資源. 包括高通, 百度, 等企業.

---

對於個人而言, 如果是學術領域, 寫幾篇文章還是不錯的, 包括模型規模優化, 包括計算性能優化, 包括縮減模型, 包括模型的傳遞和復現.

作為工程應用, 實際上你用到的很多都已經是嵌入式人工智慧的產品了, 比如現在的訊飛出的兒童手錶, 思必馳出的汽車導航智能產品等.

普通老百姓不受影響.

前幾天看到過機器之心對「斯坦福韓松」的畢業論文進行解析的文章，其中就涉及到深度學習和嵌入式的應用。不妨一看
斯坦福博士韓松畢業論文：面向深度學習的高效方法與硬體