行业的需求决定了人工智能的任务越来越复杂。轻量级人工智能只有加快计算效率，增加计算密度，才能达到终极效率。
——冷聪网计算能耗成本越来越高，数据泛滥堆积坝.近年来，人工智能的发展遇到了越来越多的瓶颈。如何使人工智能模型及其计算载体前端化和轻量化成为一个亟待解决的问题。新兴的轻量级人工智能备受期待，以“轻量级”为赛点的人工智能比赛后半段已经到来。为此，4月27日，科技日报记者采访网络进行轻量级设计，加速计算，设计新的计算架构实现模型的硬件，需要从软件和硬件两个方面入手。
在软件方面，对模型和算法进行创新，通过轻量级模型设计、矩阵分解、稀疏表示和量化计算实现模型的小型化和计算加速；在硬件方面，通过流水线设计和存储模式设计创新硬件架构，通过软硬协同设计和优化减轻人工智能。
“虽然硬件是用来进行神经网络计算的，但神经网络结构和人工智能平台决定了计算的规模和操作方式。”冷聪承认，终极轻量级一定是软硬件协同轻量级。基于复杂的人工智能应用场景，——充分结合芯片、平台和算法进行联合加速。
人工智能芯片作为人工智能的硬件载体，必须实现更高的性能、更高的效率、更低的功耗和更小的尺寸。只有这样才能有一个廉价高效的计算平台来满足行业的需求，承载复杂的人工智能任务，将推理和计算从云端迁移到终端。
同时，轻量级人工智能平台要以更低的功耗训练和运行人工智能算法，最大化硬件探索能力。更重要的是，使用轻量级技术的神经网络模型应该是小规模的、计算量少并且保持良好的精度。
未来的轻量级人工智能将赋予一切力量
程健介绍，在大规模应用之初，轻量级网络模型领域的重要论文成为世界上最早开始轻量级人工智能研究的机构之一，相关成果引起了国内外众多专家的广泛关注。
“我们设计和开发的轻量级人工智能平台QEngine和轻量级算法已经部署在数十万个终端上。2019年，国际神经信息处理系统大会的微网挑战赛获得网络架构图像类双冠军。”程健说。
2020年，网络计算架构还将为手机终端和安防终端提供图像增强效果。
程健说，轻量级人工智能将在未来赋予一切权力，使每个设备都具有环境感知、人机交互和决策控制的能力。
