神经加速器推动微型深度学习变革
AI 行业正经历从基础的微型机器学习（TinyML）向更为复杂的微型深度学习（TinyDL）在资源受限的边缘设备上实现的重大演进。这一转变由神经处理单元、模型优化技术和专用开发工具的创新驱动。这些进步正使得医疗、工业监测和消费电子等领域的微控制器能够运行日益复杂的 AI 应用。
AI 行业正经历从基础的微型机器学习（TinyML）向更为复杂的微型深度学习（TinyDL）在资源受限的边缘设备上实现的重大演进。这一转变由神经处理单元、模型优化技术和专用开发工具的创新驱动。这些进步正使得医疗、工业监测和消费电子等领域的微控制器能够运行日益复杂的 AI 应用。
麻省理工学院（MIT）的研究人员开发出了一项突破性的自供能人工突触，使AI系统在处理视觉数据时能耗极低。该技术于2025年6月2日发布，模仿人类神经元处理机制，能够以极高精度区分视觉信息。这一创新为在资源受限的边缘设备（如物联网传感器、可穿戴设备和自主系统）上部署先进AI能力提供了关键解决方案。
东京理科大学的研究人员开发出了一种突破性的自供能人工突触，能够以接近人类的精度分辨颜色，并自主产生电能。该设备集成了染料敏化太阳能电池，解决了机器视觉领域中的高精度色彩检测和能效两大难题。这项创新有望彻底改变边缘计算，使资源受限设备无需外部电源即可实现视觉处理。