再不關注“實時物聯網”，你就老了！

Neurala的AI系統不依賴雲平臺，可在邊緣設備上實時檢測行人和車輛的狀態。也就是説，Neurala通過結合不同的神經網路結構，實現了動態學習，無論有沒有雲伺服器，都可以直接在設備上完成學習任務。這種學習方法不依賴網路傳輸，與網隔絕的獨立性保證了較高的可靠性和隱私安全。更進一步，它還解決了神經網路學了新的、忘了舊的這一問題。

通過摩托羅拉與Neurala的合作，許多行業的智商都會發生不可思議的突增。如果一個孩子失蹤了，他的父母可以給警察一張孩子的照片，警察的隨身智慧相機就會立即“知道”孩子的長相，並將數據發送到附近其他警官的智慧相機中，迅速形成一個AI實時“搜救團隊”。

獲得軟銀投資的ARM公司，認為鋻於雲端的延遲和功耗，邊緣節點的機器學習擁有更大的潛力。因此ARM正在積極投入資金用於提升邊緣設備端的AI性能。它不僅在下一代的晶片架構中引入了人工智慧技術，預計到2020年搭載DynamIQ技術的ARM下一代晶片將在人工智慧表現上有50倍的性能提升。6月27日，ARM還與20多家生態系統合作夥伴發起成立了ARM人工智慧生態聯盟（AIEC），圍繞具體應用場景，加速人工智慧産業化。

再往前看，6月6日，蘋果也發佈了新型平臺Core ML，將AI帶到了邊緣“絕境”，它堅持不在雲端實現機器學習，加速在邊緣設備上的人工智慧任務。這類平臺對設備性能進行了優化，在不降低AI性能的情況下，減少記憶體佔用和功耗。僅在邊緣設備上運作的做法，確保了用戶數據的隱私，並且能保證各種應用在沒有網路連接時也能夠工作和響應。