物联网周刊（第 4 期）：边缘人工智能
这里记录每周值得分享的物联网资讯，每周五晚发布，欢迎订阅。
本周刊开源（GitHub：getiot/iotweekly），欢迎共创。
封面图
夜幕降临时，看到从地球（哈萨克斯坦的 Alakol 湖和 Balkhash 湖）反射过来的太阳（via）
行业动态
12月1日， 国内外充电行业风向标——2021第五届深圳国际充电站（桩）技术设备展览会在深圳会展中心开幕，云快充凭借对全国 2800 多家电桩运营商的运营赋能，以及对产业生态合作模式的率先探索，获颁“2021充电桩行业最佳运营服务创新奖”。
定位于“充电物联网和能源管理服务商”的云快充，致力帮助电桩运营商伙伴实现“0门槛”电桩投建和运营。截至2021年10 月，云快充第三方充电物联网 SaaS 平台业务已经深入全国 320 多座城市，服务 2800 多家优质电桩运营商，是国内最大的第三方充电物联网 SaaS 平台。
12月3日，阿里巴巴达摩院宣布成功研发新型架构芯片，这是全球首款基于 DRAM 的 3D 键合堆叠存算一体AI芯片，集成了多项创新型技术，可突破冯·诺依曼架构的性能瓶颈，在特定 AI 场景中，该芯片性能提升 10 倍以上，能效比提升高达 300 倍以上。
据介绍，存算一体芯片类似人脑，可以将数据存储单元和计算单元融合，大幅减少数据搬运，从而极大地提高计算并行度和能效。此次芯片研发，达摩院沿着近存储计算的技术路线方向进行突破，首次在芯片中采用混合键合的 3D 堆叠技术，将计算芯片和存储芯片“面对面”地用特定金属材质和工艺进行互联。最终的测试芯片显示，新型架构优势明显，能更好满足数据中心系统对于计算带宽、内存的升级需求。
“在海量数据计算场景中，存算一体芯片具备高性能、高带宽和高能效的天然优势。” 达摩院计算技术实验室科学家郑宏忠介绍，存算一体可以实现内存、计算模块及算法应用的融合，未来可应用于 VR/AR、无人驾驶、天文数据计算、遥感影像数据分析等场景。
近日，由由沙特阿拉伯的 Dana 风投基金支持的亚洲（印度）电池研发公司 Saturnose 宣布，将公开发布增强型铝离子电池的独立测试结果，并计划推出一款固态可充电的铝离子电池，最快于明年发布上市。这可能是全球首款量产商业级铝离子固态电池，有望取代风险较大的锂离子电池。
据了解，这种新型化学物质的能量密度超过 1500Wh/L，有望输送超过 600Wh/kg 的能量（目前市面上的三元锂电池普遍在 180Wh/kg 左右）。Saturnose 声称，一组 15kW 的固态铝离子电池将重达 565 公斤，支持 1200 公里的电动汽车续航里程，并能持续至少 20000 次充放电循环，在汽车使用中可提供长达 15 年的稳定寿命。不仅如此，由于不使用钴或镍，新的固态电池不会出现锂离子的析晶和热失控火灾问题，能有效提高电车的安全性。
单看数据，这种电池确实是取代主流锂电池的好方案，不过实际表现究竟如何，还要等到铝离子固态电池真正量产后才能验证。
4、SiFive 发布全新 Performance P650 芯片
SiFive 近日发布了最新的 RISC-V 处理器 P650，是 Performance 系列的新旗舰，有望成为市场上最快的 RISC-V 处理器 IP 核。P650 采用了十三级流水 4 发射的配置，最高支持 16 核。根据 SiFive 的说法，其性能比上一代 P550 处理器要高出 50% 以上，且与 ARM Cortex-A77 相比有着显著的 PPA 优势。适用于从数据中心到边缘、汽车、计算、移动等对性能要求较高的应用处理器市场。
5、2021 年度 Hackaday Prize 结束，FlowIO 获得冠军
Hackaday Prize 是一个全球性的硬件设计挑战，聚焦于广泛和有影响力的创新。今年的主题是“Rethink、Refresh、Rebuild”，要求参赛选手重新思考我们习以为常的许多硬件概念。比如，如何通过不同的显示技术进行更有效的交流？什么样的支持性技术能扩大影响力并吸引新的潜在工程师加入？我们还需要什么样的机器人？
经过激烈的角逐，FlowIO 作品最终获得 Hackaday Prize 2021 冠军。FlowIO 是一个模块化的气动机器人开发平台，让软体机器人和可编程材料的原型设计变得非常方便，使用 Flow 对软体机器人的开发，就好像使用 Arduino 对电子产品进行开发一样简单快捷。
本期话题
边缘人工智能
相信大家对“人工智能”一词并不陌生，但“边缘人工智能”（Edge AI）听起来却有点陌生。到底什么是边缘人工智能？以及边缘人工智能有什么优势？今天我们一起来看一下。
要了解什么是“边缘人工智能”，首先需要了解什么是“边缘计算”，而最直接的方法就是将其与云计算进行对比。云计算是通过公共互联网提供计算服务，相信大家也不陌生。与云计算相比，边缘计算系统就不需要连接到云端，而是直接在局域网内部设备上进行数据处理。在这些设备中，除了有物联网（IoT）节点设备，还可能有专用的边缘计算服务器，以及内部部署 其他设备（比如数据库）。
显然，使用边缘计算有许多优点。例如，云计算处理会受到网络延迟和带宽的限制，而边缘计算则不受这些因素的限制。另外，数据存储在边缘计算系统内部，用户不必担心隐私泄漏等安全问题。
所以，边缘人工智能就是将人工智能技术和边缘计算技术相结合，在更靠近用户的边缘侧运行的人工智能，其目的是为了解决数据隐私、网络延迟和带宽受限带来的影响，使智能设备在无需接入云平台的情况下对输入做出快速反应。实际上，正是因为边缘人工智能，才使得人工智能技术得到更广泛的应用。
现在已经有很多边缘人工智能的应用出现在我们身边，比如，人脸识别、智能语音助理、无人机、自动驾驶汽车等等。
自动驾驶汽车是边缘人工智能的典型应用，因为自动驾驶汽车必须不断地扫描周围的环境并评估行驶情况，根据突发事件对其行进轨迹进行校正。在这些情况下，实时数据处理至关重要，其车载的边缘人工智能系统将负责数据的存储、处理和分析。
人脸识别则更多是因为隐私安全问题，要求面部识别系统依靠本地设备的视觉算法来分析摄像头收集的数据。类似的，各种智能数字助理，像 Google Assistant、亚马逊 Alexa、苹果 Siri，以及国内的天猫精灵、小度、小爱同学等，也必须能够在智能手机和其他数字设备上运行，确保即使它们没有连接到公共互联网也能提供必要的服务。在数字设备上处理数据后，无需将其交付到云中，这有助于减 少流量并确保隐私安全。
当然，除了这几个案例，边缘人工智能还有许多应用场景，比如在工业控制领域，边缘人工智能变得越来越重要，这是因为越来越多的设备需要在无法访问云平台的情况下使用人工智能技术。
最后一个问题，边缘人工智能与物联网有什么关系？
IDC 预测，到 2025 年，物联网设备产生的数据将占世界数据总量的 90% 以上。这些数据正是由隐藏在我们身边的各种物联网节点设备采集而来，而目前的人工智能技术是基于数据分析的人工智能。所以，物联网为边缘人工智能系统生成数据以供使用，同时与 5G 通信技术相结合，使得设备之间可以进行更多交互，这都将进一步推动边缘人工智能的发展。
近期活动
