縱觀信息產(chǎn)業(yè)發(fā)展歷程，從個人電腦時代到移動互聯(lián)網(wǎng)時代，承載高性能計算的芯片決定新型計算平臺的基礎(chǔ)架構(gòu)和發(fā)展生態(tài)，并掌握著產(chǎn)業(yè)鏈最核心的話語權(quán)。傳統(tǒng)硬件架構(gòu)難以滿足AI時代深度學習的要求，新的算法需要新的硬件來支撐。同時，芯片的結(jié)構(gòu)將越來越像“大腦”，類腦芯片、智能芯片等將是人工智能的發(fā)展方向。

視覺芯片集成高速圖像傳感器和大規(guī)模并行圖像處理電路，能夠模仿人類視覺系統(tǒng)視覺信息并行處理機制，解決現(xiàn)有視覺圖像系統(tǒng)中數(shù)據(jù)串行傳輸和串行處理的速度限制瓶頸問題。人工智能視覺芯片與攝像頭的關(guān)系是：芯片做的是大腦，攝像頭做的是眼睛。

人眼的成像是非常聚焦的，只看到關(guān)注的東西。而當AI算法解決了該問題后，前端成像就有了目標，可以把所有的資源都調(diào)配到關(guān)注的對象上，取出噪音的處理過程，可以更高效智能地處理視覺信息。這種根據(jù)AI的需求來成像，能解決很多以前解決不了的問題。

現(xiàn)在，新的人工智能視覺已從數(shù)據(jù)中心迅速發(fā)展到邊緣，最專用集成電路和片上系統(tǒng)IP正在圍繞一個主題發(fā)展，即從視覺信息的預(yù)處理，到傳統(tǒng)的計算機視覺算法，然后再用神經(jīng)網(wǎng)絡(luò)進行邊緣推理，產(chǎn)生對象檢測、識別以及適當?shù)膭幼?，是包括計算機視覺深度學習在內(nèi)的多種機器學習的總稱。

這些網(wǎng)絡(luò)的設(shè)計旨在使用數(shù)字等效物和感知器來模擬人腦的神經(jīng)元和突觸，它們通常需要經(jīng)過訓(xùn)練，才能識別視覺等數(shù)據(jù)中的模式，然后當遇到新的數(shù)據(jù)時，就可以從中推斷出數(shù)據(jù)可能的含義。

在過去十年，由于可負擔計算能力的增加，以及卷積神經(jīng)網(wǎng)絡(luò)及其所用傳感器的發(fā)展，視覺處理一直在以指數(shù)級的速率進步。具體而言，若能根據(jù)傳感器、數(shù)據(jù)集和SLAM算法輸入去“了解”世界并對其“開發(fā)出”表征模型，那么系統(tǒng)就可以開始掌握周圍環(huán)境及其在空間中的位置，并做出預(yù)測和采取行動。

在對人工智能而非提高像素的需求推動下，特別是在由計算機視覺和數(shù)據(jù)驅(qū)動的決策制定方面，GPU領(lǐng)域已出現(xiàn)一場革命：神經(jīng)網(wǎng)絡(luò)的到來已使視覺處理成為現(xiàn)代世界的關(guān)鍵因素。因此，機器人處理操作、智能監(jiān)控攝像頭以及汽車高級駕駛輔助系統(tǒng)等相關(guān)行業(yè)都發(fā)生了變化。隨著這類技術(shù)的全面涌現(xiàn)，未來還將出現(xiàn)更多新的應(yīng)用。