如果你在酒店洗衣服，却发现落下一只袜子在洗衣机里，大概很多人都会无可奈何。但如果在你关上洗衣机的那一刻，洗衣机提示你遗漏了袜子；甚至告诉你，你的袜子破了个洞，给你推荐商店；甚至通过袜子颜色判断出你的取向……虽然第三个阶段有点太过，但惊不惊喜和意不意外？
可如果遗漏在洗衣机里的是内衣？为了通知你，首先需要把信息上传到云端，你会愿意吗？你会不会觉得你的隐私受到了侵犯？中科创达CTO邹鹏程用这样的例子，为2017 ThunderWord中科创达嵌入式人工智能技术论坛的开场做下铺垫，直截了当地表明了为何在云端AI和嵌入式AI中，后者正成为诸多行业大佬押注的对象。
上述场景只是想象。无论研究者还是大众都希望AI更具有人性，更简单、快速、易用、安全，但事实却是AI目前仍然十分复杂。目前的AI更像是金刚手中非常原始的工具——那根骨头，但没有人会质疑在未来，这根骨头会不会变成其他东西。
AI现在已经有了非常多的应用案例。比如通过具备深度摄像头的设备拍摄桌面食物，获取食物卡路里含量。但AI本身并非目的，AI最终目的是让人成为更好的人。在对AI的探索中，为什么他们走向了终端设备嵌入式AI？
高通或许很好地回答了这一问题。AI的火热，与技术演进趋势有关，随着硬件的发展，计算硬件已经足够强大足够便宜。在高通全球副总裁孙刚的眼中，手机会是大规模采用AI的首个平台。
在接下来5年时间中，全球智能手机的出货量可能达到85亿。对于从业者来说，强大的利益驱动着研发。手机的发展可能将AI带入其他行业。高通注重终端，并认为未来的趋势可能是云端训练终端执行。
中科创达副总裁孙力认为云端AI可能存在隐私、速度慢等问题。像波音787每秒可能产生5GB数据，带宽明显不够；自动驾驶汽车每秒也会产生1GB数据，如果通过云端AI处理数据再抵达终端，可能事故早已发生……场景识别需要快速完成，让AI在本地发生。而智能家居，人们会有隐私的顾虑。显然嵌入式AI是个更好的选择。
但是嵌入式AI却面临算力、功耗、热约束以及将CPU放置在本地终端设备而造成的成本上升等问题。在传统的物联网设备中，运算力不足，要实现嵌入式AI，需要将整个运算单元提升层次，成本也会再一次提升。但如果这部分费用能够带来更好的用户体验的提升，人们依旧可能买单。
Face++将自己定位为以算法为核心的产品公司。由于做人脸识别，寻找到了三个应用场景：线上实名认证和金融安全、城市大脑（安防）、手机智能。在手机上多少会遇到嵌入式AI的需求。Face++希望前端智能、计算部署反馈等，但现实并不能较好满足这种需求。
现有两种解决方案：一种是合作实现芯片能力提升；另一种是算法更改，让算法降低计算力的需求，但目前对更小更轻的算法研究不够。Face++通过对ShuffleNET的研究，实现了同样算法性能表现下，速度提升十倍，能够更快地实现手机解锁。
在安防领域，Face++将算法和检测布置在前端相机上，不再传回原始视频，直接将有价值信息传回，使得后端存储后端服务器计算降低。但Face++认为未来的趋势是端+云，更多数据需要汇聚到云端进行数据挖掘，在端上也需要更多的探索。
寒武纪走的显然是AI芯片的道路。陈云霁在演讲时提及各公司围绕深度学习推出大量智能应用和产品，包括云端应用，但未来更多的会是终端智能运用。但目前智能终端，并没有很强处理能力。在90年代时图形处理也出现过类似的问题，直到出现专门的GPU芯片。与之类似，也可能会出现一类深度学习处理器芯片。
寒武纪正在开发深度学习处理芯片，国际巨头也在关注这一领域。陈云霁在现场甚至笑称“陈天石应该会感到忧虑”。现场，其展示了苹果A11芯片和麒麟970芯片的对比，并表示产品前期可能有两三年的准备，目前实验室的性能可能会比上述芯片更好。但比起堆硬件，陈天石表示生态更为重要。
显然，AI在发展过程中还会不断遇到云端AI和嵌入式AI的分歧。但我们毫不怀疑，随着更深入的讨论，AI会更加快速的发展。而最终，人们将获得更好的工具，收获更多的便利。
