据国外媒体的报道，一年一度的CES国际消费电子展正在美国的拉斯维加斯如火如荼地举行，就目前的情况看，本届CES的热点主要集中在智能设备、家用电器和物联网等领域，除了看到大量相关的设备之外，这些设备的智能化程度也较以往有了大幅提升。很显然，随着消费者所购买的“智能设备”越来越多，他们也希望这些设备能够越来越智能，最好能随时随地都维持智能状态。 到目前为止，消费者对智能化的期待已经在一些设备和应用中表现出来，比如包括计算机视觉在内的人工智能技术，只不过这些产品在实际使用过程中还存在许多问题。与人工智能有关的数据处理大多放在云端进行，这是目前谷歌、微软和百度等互联网公司都普遍使用的方法，这种方式虽然能够依靠足够强大的计算机资源，但在潜伏性和可靠性方面却比较落后。 在设备本地运行这种类型的算法尚无太多可行的案例，主要原因是这通常需要密集型计算设备才能胜任，而目前低功耗的智能手机和嵌入式处理器的性能都无法达到这一标准。 值得庆幸的是，科技仍然在高速发展，性能更强的计算设备也在不断诞生。Nvidia在最近发布的Tegra X1移动处理芯片就凭借超强的浮点计算能力给人们留下了深刻的印象，据了解，该芯片的计算机能力为每秒一兆次(Teraflop)，其性能超越了15年前全球最快的超级计算机。同时，Nvidia还推出了基于Tegra X1芯片的DRIVE PX自动驾驶开发平台，能够帮助汽车在泊车时快速发现车位、自动完成停放以及在用户的智能手机发出召唤时返回原地接上用户等，此外借助其强大的计算性能，该平台还能对路面遇到的各种车型进行快速识别。根据Nvidia的介绍，DRIVE PX平台所拥有的这些全新功能在很大程度上运用了其在计算机视觉与深度学习领域中的最新科研成果。 实际上，Nvidia在一段时间之前就已经发现了机器学习领域所潜在的巨大发展空间，该公司的研发团队随后通过基于GPU的系统来对深度学习网络进行训练，并不断刷新计算机视觉的各项记录。目前Nvidia已经发布了自己的开发套件和软件库，帮助厂商和开发者在自己的设备或应用中嵌入Nvidia的GPU以及深度学习系统。 大型互联网公司对于Tegra X1这样的移动处理芯片显然并不感兴趣，毕竟他们自身已经拥有性能相当强劲的计算设施，比如百度就声称自己拥有规模最大、性能最强的GPU深度学习设施，但是此类芯片却能够凭借小巧的体积被内置到汽车、智能手机和机器人之中发挥更加实际的作用，并有可能会在未来十年的科技发展中扮演重要角色。 Nvidia并不是唯一一家关注智能设备的芯片厂商。IBM此前也曾经打造过一个低功耗的大脑模仿芯片SyNAPSE，该芯片专门针对机器学习任务而设计，其功耗低至0.1瓦。移动芯片巨头高通也研发了一款名为Zeroth的机器学习芯片，并计划在下一代移动设备中使用该芯片。 一家名叫TeraDeep的初创企业目前也正在研究基于传统的ARM和移动处理器平台上的深度学习算法，类似TeraDeep这样的公司还有很多，目前许多深度学习算法已经能在智能手机上运行，只不过TeraDeep希望能够更进一步，在未来推出一系列封装好的、能够被移动设备直接嵌入的深度学习模块。 此外，谷歌还希望能够借助量子计算技术来开发出能在手机上运行的量子机器学习算法，这种技术的功耗同样也非常低。 当然，云计算未来还将会在大型计算中扮演重要角色，但人工智能将会向物联网方向深入发展。云端仍然会以应用的数据处理和分析为主，同时还会为计算机大脑提供所需的数据。而整合了高性能处理芯片的移动设备也将会被接入到物联网之中，为人工智能的高速发展添砖加瓦。
