AI处理的未来
人工智能（AI）在日常用例中出现，这要归功于基础模型，更强大的芯片技术和丰富的数据。为了真正嵌入和无缝，现在必须分发AI计算，其中大部分将发生在设备和边缘。为了支持此演变，请运行AI工作负载的计算…
来源:MIT Technology Review _人工智能报告的关键发现如下：
•更多的AI正在转移到推理和边缘。随着AI技术的发展，推理（一种模型根据培训进行预测的能力）现在可以更接近用户，而不仅仅是在云中。这将AI的部署推向了各种不同的边缘设备，包括智能手机，汽车和工业互联网（IIOT）。边缘处理减少了对云的依赖，以提供更快的响应时间和增强的隐私。展望未来，设备AI的硬件只会在记忆容量和能源效率等领域提高。
更多的AI正在转移到推理和边缘。•为了提供普遍的AI，组织正在采用异质计算。为了使AI用例的全盘商业化，必须在正确的硬件上执行处理和计算。一种异质的方法为日常生活，工作和游戏的部署和进步提供了坚实，适应性的基础。它还允许组织以可靠，高效和安全的方式为分布式AI的未来做准备。但是，云和边缘计算之间有许多权衡，需要根据特定于行业的需求进行仔细考虑。
•为了提供普遍的AI，组织正在采用异质计算。•公司在管理系统复杂性方面面临挑战，并确保当前的架构可以适应未来的需求。尽管在微芯片体系结构方面取得了进展，例如针对AI，软件和工具优化的最新高性能CPU体系结构都需要改进，以提供支持普遍的机器学习，生成AI和新专业化的计算平台。专家们强调，开发适应性的体系结构的重要性，以满足当前机器学习需求，同时允许使用技术转变的空间。分布式计算的好处需要超过平台的复杂性。