边缘人工智能正将强大的计算能力赋予低功耗设备，开启智能应用的新纪元。人工智能研究现在提供了一种有趣的可能性，即使用数千小时的强大计算资源来训练和改进神经网络，然后能够在廉价、低功耗的设备上运行。这使得边缘人工智能设备成为可能，即使在离线时也可以运行，因此网络连接不是必需的。这种方法利用了进化式神经网络训练技术的力量，例如对抗性神经网络。

核心技术解析：如何实现低功耗AI

神经网络训练与资源聚焦

限制能量和存储使用的神经网络训练过程，会自然地创建一个神经网络，将其有限的资源集中在更有用的路径上，同时修剪不太关键的区域。此过程非常适合创建在低功耗、低成本设备上运行的网络。

神经网络压缩技术

随后，神经网络压缩技术可以进一步压缩经过训练的网络，将内存需求减少多达 90%，同时几乎不影响性能——类似的技术也有助于减少计算负载。

神经网络压缩可以像降低变量的精度一样简单，还包括分析、重组和修剪网络。令人惊讶的结果是，巨大的计算能力（也许也可以被描述为“智能和经验”）可以被提炼成一种在廉价、低功耗设备上运行的形式。（事实上，从广义上讲，我们可以将这种方法与数十亿年的对抗性进化相比较，最终将智能生命封装在微小的 DNA 链中）。