人工智能（artifitelligence），英文缩写为ai。

这个名词越来越流行，越来越引起各个国家的高度重视。

alphago，在围棋方面战胜代表当今世界围棋最高水平的职业九段，李世石先生输得心服口服。

人工智能程序强大的计算力，让亚洲人引以为豪的，最能显现智商的围棋游戏，败给了铁疙瘩机器。

全世界人民震撼了，机器学习的能力，已经可以超越人类。

未来，ai的发展潜力不可想象。

ai领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。

其实，早在几十年前，ai领域的先驱们已经开始，将各种研究出来的新型算法应用到各个领域。

只是可惜的是，那个时候芯片的速度，计算能力，存储器容量，不能足以支撑ai的超大规模计算。

现在这个年代，时机开始出现。已经有一些芯片厂家，能够支持如此大规模的运算。

小x的公司也投入到了时代洪流中。

小x的组，荣幸地参与了研发ai芯片的任务。

现在流行的ai算法，通俗的解释的话，就是先提取特征。

比如人像识别。

每个人的眼间距，眉间距，耳间距，瞳间距……

都是不同的，这就是特征。

只要能从图像中提取这些特征，然后和数据库中存储的特征值比对，就能很快匹配识别出来。

静态图片，一般的电脑就能很快识别出来。

可是，动态的影像，要想从几十成百的人群中，分离识别出来某一个人，其计算量就大了不知多少万倍。

如果再加上实时性要求。

要求在毫秒级别，识别出来某个人。

其计算能力的要求，又提高了好几个数量级。

这个时候，一般的电脑就满足不了计算要求，需要使用特定的芯片。

这种芯片可以将提取特征的算法，做成计算单元（硬件模块），利用其超快的并行计算能力，从而达到毫秒级的识别能力。

这就是大致的ai芯片实现一些智能功能原理的一个例子。

提取特征的设计方法越好，并行计算的算法越好，芯片并行计算能力越强，ai机器展现出来的效果就会越好。

ai软件设计师们，由计算机专家和行业专家组成。

他们的工作，主要就是设计出良好的特征提取方案。

方法设计得好，提取需要的计算量越小，特征覆盖效率越高，出来的效果和速度就会越好。

至于并行计算的算法，由专门研究ai算法的科学家和工程师提出。

ai科学界，进过多年的科学研究，已经有了不少实用的ai算法。

这些算法是纯数学的东西，这里就不展示那些数学公式和模型了。

简单的说，就是先设定特征提取的一个期望值。

然后，通过科学家设计的计算模型，向这个期望值逼近。

计算量是以兆亿为单位的，非常巨大。

这样大家应该能理解，为什么要到了当代，这些算法才能真正实用了起来。

ai芯片所要做的工作，就是将科学家们，工程师们，研究出来的算法，用大规模集成电路，实现出来。

对于特定领域的ai芯片，还会有针对特征提取算法做很多优化。

再举个例子，人脸识别芯片，就会针对人脸识别特征算法进行优化，硬件的设计自然就会不一样。

专门针对人脸识别特征的计算单元，加入到硬件组中，从而实现毫秒级的动态人脸识别。

小x的公司，主要方向就是图像处理方面的芯片研发。

人脸识别是其中一部分。

专业的东西先掰到这里，不知您晕乎了木有？

其实小x也是个半桶水。