是时候改变你对机器学习的旧有认知了！
假设你正在30米深处潜水，下面是一块暗礁，周围聚集着各种外形奇异的生物，有一种身上布满银色条纹的小黄鱼，你很想知道它是什么物种。你可以胡乱找出一张随身携带的鱼类图表，但你真正需要的是一种更加方便、快速的解决方案。进入2019年，相关技术已经问世。现在，你的防水智能手机装载了arm的机器学习和目标检测处理器，你的体验将会大不相同。
潜水镜运用生动的平视显示器实时传递信息，手机内的 arm 芯片配备了先进的目标检测处理器，能够筛选出最重要的场景数据，同时操作系统会要求强大的机器学习处理器详细识别鱼类、其他相关区域和危险。手机可以对你接收的信息进行智能过滤，因此你不会被过多的数据淹没。arm 的 project trillium和新机器学习技术真是要把这种远景变为现实，而同样的愿景还有很多。
我们推出的 project trillium 将在人工智能 (ai) 领域引发新一轮发明潮，其中的关键要素就是机器学习。这一成就的实现要归功于 arm 长期投入巨资，旨在研发出我们和合作伙伴翘首以盼的未来设备。正如我们所见，越来越多的产品快速引入边缘计算和机器学习，预计未来世界的大多数“物品”都能达到一个新的智能水平。事实上，有人问：“你为什么想提高设备的智能水平？”何乐而不为呢？
机器学习预示着行业拐点 我认为，在二三十年时间内，机器学习的发展将一直是计算领域最大的拐点，它将对我能想象到的几乎所有领域产生重大影响。有人问我机器学习将会对哪些领域产生影响，我的回答是，我想象不出有哪个领域会不受影响。此外，这种影响会随时在边缘产生，我之所以这样说是因为，我们需要遵守物理定律、经济规律和很多国家法律。全世界没有足够的带宽可以对当今拍摄的所有视频进行实时分析，将数据传输云进行处理的功率要求和成本也令人望而却步。
谷歌发现，如果全世界所有 android 设备每天执行三分钟语音识别，公司就需要处理两倍的计算能力。换言之，全球最大的计算基础设施规模需要扩大一倍。此外，人们需要无缝用户体验，不会接受在云中执行机器学习处理所带来的延迟。而且，要想提高可靠性，机器学习就不能依赖稳定的互联网连接，特别是控制关乎安全的操作时。
除技术逻辑外，鉴于法律规定和用户对隐私与安全的期望，大多数人还是希望将数据保存在自己的设备上，这一论断的证据可参阅arm在 2017 年发起的《人工智能的今天与明天》报告中，project trillium 会将这一切变为现实。
project trillium 会引入哪些目前市场不存在的新元素？
project trillium 是一套 arm 产品，可以为设备制造商提供他们需要的所有硬件和软件选择。它还能无缝接入 arm 的合作伙伴库，获取神经网络 (nn) 应用，包括领先的框架，例如谷歌tensorflow、caffe、android nn api 和mxnet。
arm 机器学习处理器背后的架构专为特定用途设计，不仅高效且完全可扩展。它能以推出时的形式使处理器按照每秒约五万亿次操作的速度运行，手机功耗预算仅为 1-2 瓦特，相当于难度最大的日常机器学习任务。实际使用过程中性能会更高。这意味着，搭载 arm 机器学习处理器的设备将不依赖云，独自完成机器学习。显然，这种特性对潜水镜等产品来说至关重要，同时无人驾驶车辆等不能依赖稳定网络连接的设备也急需这种功能。
现在，我们针对移动市场和智能 ip 相机对 project trillium 的技术进行了优化，因为这些领域的设备制造商对边缘机器学习性能有需求。但随着在各种主流市场普及机器学习的计划日趋成熟，我们将按照需求对 arm 机器学习技术进行扩展。
我们已经看到一些基于 arm 的设备上已经在运行机器学习任务，例如配备关键词识别功能的智能扬声器等产品。这种形势会继续保持，并将迅速扩张。高端市场的互连汽车和服务器在运用机器学习推理（用训练后的模型分析数据），我们也能针对这些应用进行技术扩展。现在，我们的机器学习处理器架构功能多样，可根据任何设备进行扩展，所以我们更应该做的是在市场需要时按需供应。这样，我们自己以及生态系统内的合作伙伴就可以快速、灵敏地对任何良机作出反应。
除 arm 机器学习处理器外，我们还推出了姐妹产品：arm 目标检测 (od) 处理器。这是第二代设备，第一代计算机视觉处理器已在hive 监控摄像头中成功应用。目标检测处理器可以在 50x60 像素以上的图像中检测到物体，以每秒 60 帧的速度实时处理全高清图像。此外，它每帧能检测到几乎无数个目标，可轻松处理最杂乱的珊瑚礁或足球场。
project trillium 具有可扩展性且功能全面，可利用计算领域应用最广泛的先进技术提供多种性能选项。例如，有些机器学习应用不需要专门的机器学习硬件，将在arm cortex-m系列产品等超低功耗微处理器上运行机器学习。如今，cortex-m 处理器已将机器学习推理应用于数百万台物联网设备。project trillium 也从中发挥了作用，它能通过用于提高处理器性能、经过高度优化的 cmsis-nn软件，即时升级超低功耗设备。
此外，全新的机器学习 ip 套件包含compute library，可优化arm cortex-a cpu和arm mali gpu 上运行的更高端机器学习应用。
综上所述，无论开发人员想使用 arm cortex-a、cortex-m cpu、arm mali gpu，还是使用 arm 机器学习和目标探测传感器的任何组合，project trillium 都能帮助 arm 全面响应市场机遇。
简而言之，机器学习并不代表一种设备类别，而是几乎所有设备都会采用的技术功能，在这一领域中，project trillium 将成为支柱产品。无论是通过智能潜水镜等新奇产品实时传递信息，还是对住宅、办公室或汽车机进行语音控制，都离不开它。未来我们会展出完整的 arm 机器学习技术，引发更广泛的关注，并推动智能互连设备不断向前发展，开拓以人工智能为基础的新领域。
声光电预警机系统介绍
LED的十大认证标准，你知道几个?
4通道音频处理器PT2313L
拥抱 融合 共发展—Vishay与力源信息销售峰会圆满落幕
小米MIX3怼对华为P20，称在拍照技术上已领先华为P20
是时候改变你对机器学习的旧有认知了！
续流二极管起什么作用
区块链技术将使钻石行业从中受益
海信首款5G手机F50推出，搭载虎贲T710处理器
显卡是干嘛的
如何设计与构造舌簧继电器以确保其可靠性
Q2季度全球PC出货量总计6480万台，同期相比增长2.8%
有关电的基本概念
便携式电子产品锂电池的温度循环试验步骤操作
智慧农业：四种智慧大棚解决方案
健身房中的智能魔镜带你体验智能化的健身运动
大众汽车：苹果造车对大众威胁超过丰田
如何理解分辨率？分辨率对显示效果有什么影响吗
讨论放大器的噪声来源
汽车LIN总线驱动传感器应用
潜水镜运用生动的平视显示器实时传递信息，手机内的 arm 芯片配备了先进的目标检测处理器，能够筛选出最重要的场景数据，同时操作系统会要求强大的机器学习处理器详细识别鱼类、其他相关区域和危险。手机可以对你接收的信息进行智能过滤，因此你不会被过多的数据淹没。arm 的 project trillium和新机器学习技术真是要把这种远景变为现实，而同样的愿景还有很多。
我们推出的 project trillium 将在人工智能 (ai) 领域引发新一轮发明潮，其中的关键要素就是机器学习。这一成就的实现要归功于 arm 长期投入巨资，旨在研发出我们和合作伙伴翘首以盼的未来设备。正如我们所见，越来越多的产品快速引入边缘计算和机器学习，预计未来世界的大多数“物品”都能达到一个新的智能水平。事实上，有人问：“你为什么想提高设备的智能水平？”何乐而不为呢？
机器学习预示着行业拐点 我认为，在二三十年时间内，机器学习的发展将一直是计算领域最大的拐点，它将对我能想象到的几乎所有领域产生重大影响。有人问我机器学习将会对哪些领域产生影响，我的回答是，我想象不出有哪个领域会不受影响。此外，这种影响会随时在边缘产生，我之所以这样说是因为，我们需要遵守物理定律、经济规律和很多国家法律。全世界没有足够的带宽可以对当今拍摄的所有视频进行实时分析，将数据传输云进行处理的功率要求和成本也令人望而却步。
谷歌发现，如果全世界所有 android 设备每天执行三分钟语音识别，公司就需要处理两倍的计算能力。换言之，全球最大的计算基础设施规模需要扩大一倍。此外，人们需要无缝用户体验，不会接受在云中执行机器学习处理所带来的延迟。而且，要想提高可靠性，机器学习就不能依赖稳定的互联网连接，特别是控制关乎安全的操作时。
除技术逻辑外，鉴于法律规定和用户对隐私与安全的期望，大多数人还是希望将数据保存在自己的设备上，这一论断的证据可参阅arm在 2017 年发起的《人工智能的今天与明天》报告中，project trillium 会将这一切变为现实。
project trillium 会引入哪些目前市场不存在的新元素？
project trillium 是一套 arm 产品，可以为设备制造商提供他们需要的所有硬件和软件选择。它还能无缝接入 arm 的合作伙伴库，获取神经网络 (nn) 应用，包括领先的框架，例如谷歌tensorflow、caffe、android nn api 和mxnet。
arm 机器学习处理器背后的架构专为特定用途设计，不仅高效且完全可扩展。它能以推出时的形式使处理器按照每秒约五万亿次操作的速度运行，手机功耗预算仅为 1-2 瓦特，相当于难度最大的日常机器学习任务。实际使用过程中性能会更高。这意味着，搭载 arm 机器学习处理器的设备将不依赖云，独自完成机器学习。显然，这种特性对潜水镜等产品来说至关重要，同时无人驾驶车辆等不能依赖稳定网络连接的设备也急需这种功能。
现在，我们针对移动市场和智能 ip 相机对 project trillium 的技术进行了优化，因为这些领域的设备制造商对边缘机器学习性能有需求。但随着在各种主流市场普及机器学习的计划日趋成熟，我们将按照需求对 arm 机器学习技术进行扩展。
我们已经看到一些基于 arm 的设备上已经在运行机器学习任务，例如配备关键词识别功能的智能扬声器等产品。这种形势会继续保持，并将迅速扩张。高端市场的互连汽车和服务器在运用机器学习推理（用训练后的模型分析数据），我们也能针对这些应用进行技术扩展。现在，我们的机器学习处理器架构功能多样，可根据任何设备进行扩展，所以我们更应该做的是在市场需要时按需供应。这样，我们自己以及生态系统内的合作伙伴就可以快速、灵敏地对任何良机作出反应。
除 arm 机器学习处理器外，我们还推出了姐妹产品：arm 目标检测 (od) 处理器。这是第二代设备，第一代计算机视觉处理器已在hive 监控摄像头中成功应用。目标检测处理器可以在 50x60 像素以上的图像中检测到物体，以每秒 60 帧的速度实时处理全高清图像。此外，它每帧能检测到几乎无数个目标，可轻松处理最杂乱的珊瑚礁或足球场。
project trillium 具有可扩展性且功能全面，可利用计算领域应用最广泛的先进技术提供多种性能选项。例如，有些机器学习应用不需要专门的机器学习硬件，将在arm cortex-m系列产品等超低功耗微处理器上运行机器学习。如今，cortex-m 处理器已将机器学习推理应用于数百万台物联网设备。project trillium 也从中发挥了作用，它能通过用于提高处理器性能、经过高度优化的 cmsis-nn软件，即时升级超低功耗设备。
此外，全新的机器学习 ip 套件包含compute library，可优化arm cortex-a cpu和arm mali gpu 上运行的更高端机器学习应用。
综上所述，无论开发人员想使用 arm cortex-a、cortex-m cpu、arm mali gpu，还是使用 arm 机器学习和目标探测传感器的任何组合，project trillium 都能帮助 arm 全面响应市场机遇。
简而言之，机器学习并不代表一种设备类别，而是几乎所有设备都会采用的技术功能，在这一领域中，project trillium 将成为支柱产品。无论是通过智能潜水镜等新奇产品实时传递信息，还是对住宅、办公室或汽车机进行语音控制，都离不开它。未来我们会展出完整的 arm 机器学习技术，引发更广泛的关注，并推动智能互连设备不断向前发展，开拓以人工智能为基础的新领域。
声光电预警机系统介绍
LED的十大认证标准，你知道几个?
4通道音频处理器PT2313L
拥抱 融合 共发展—Vishay与力源信息销售峰会圆满落幕
小米MIX3怼对华为P20，称在拍照技术上已领先华为P20
是时候改变你对机器学习的旧有认知了！
续流二极管起什么作用
区块链技术将使钻石行业从中受益
海信首款5G手机F50推出，搭载虎贲T710处理器
显卡是干嘛的
如何设计与构造舌簧继电器以确保其可靠性
Q2季度全球PC出货量总计6480万台，同期相比增长2.8%
有关电的基本概念
便携式电子产品锂电池的温度循环试验步骤操作
智慧农业：四种智慧大棚解决方案
健身房中的智能魔镜带你体验智能化的健身运动
大众汽车：苹果造车对大众威胁超过丰田
如何理解分辨率？分辨率对显示效果有什么影响吗
讨论放大器的噪声来源
汽车LIN总线驱动传感器应用