人工智能，是近年来社会上讨论最多的话题，也是如今大力发展的领域。
我想就算不是AI领域的专业人士，在看过机器纪元、复仇者联盟等诸多科幻电影后，都会对未来的万物强智能时代，产生或多或少的憧憬。
其实，部分人工智能的算法和应用现已渗透到各个学科分支，并逐渐进入人们的日常生活，5G和物联网的快速发展也促使人工智能大规模落地。
虽还未能实现科幻电影中的强智能，但也达到了能为日常生产生活“赋能”的水平。
例如语音、人脸识别，OCR识别，自动驾驶，智能音箱，智能家居，营业厅服务机器人等等，
最典型的例子就是今年的疫情，人工智能在抗击疫情中发挥了重要作用， 利用人工智能和大数据，进行疫情趋势研判，建立模型以观察疫情传播 ，分析出每一个感染者，追踪密切接触者并进行隔离。
其次，在部分医院还推出了 智能疫情机器人 ，针对患者的疫情问题、就医注意、防护措施进行回答，有效避免医疗资源紧缺以及交叉感染的风险。
人工智能还被应用于疫苗科研研发 ，通过AI技术的深度学习处理，它能够便于科研人员进行数据分析、快速筛选文献以及相应的测试工作。
因为人工智能这一领域横跨了非常多的学科，例如计算机视觉，自然语言处理，大数据处理，推荐系统，计算机图形学，控制理论以及计算机系统结构等。
并且随着学术界对人工智能算法精度的要求不断提升，基于深度学习的模型变得越来越复杂，体现在深度神经网络的层数不断增加，神经元的连接关系不断变复杂，从而导致模型推理的计算量大幅增加。
对于现状客观来说，目前的人工智能还有很多大难题未得到解决。
其中最重要的一个难题就是，目前大多数的数据都是在云端处理，这就产生一系列问题：回应速度、隐私、链接、功率.....
那么如果在突然断网或者服务器过载的情况下，数据就不可能做到及时处理，甚至还有数据泄露的风险。之前有过一次自动驾驶研发人员的采访，
研发人员说：“自动驾驶汽车每秒钟可以产生 1G 的数据，必须及时的、迅速的处理决策，不能有任何差错。”
还有智能家具方面，试想如果在家中装了一个摄像头，把数据传到云端很可能会增加隐私泄露的风险。
这就需要引申出一个分支领域，嵌入式AI。使其在不联网的情况下实时完成环境感知、人机交互、决策控制等功能。
嵌入式AI芯片
所谓嵌入式，就是指一种可被内置于设备中的专用计算机系统。而嵌入式 AI，则是一种让 AI 算法可以在终端设备上运行的技术。
那么什么样的场景更需要嵌入式 AI?
众所周知，无人驾驶汽车需要实时监测周围环境，如果汽车突然进入隧道，或者进入某个断网的环境中，就无法传输云端，并且驾驶场景复杂多变，每秒产生大量的数据，还有着延迟的风险。
所以，嵌入式 AI 凭借其实时性优势及脱机运行的能力得以自动驾驶领域展现实力。
自动驾驶研发公司 COO 郝佳男就曾在接受采访时表示：“从理论上讲，在云端处理传感器信号并不可行，存在延迟和可用性问题。”
其次就是上文所提到了隐私问题，并且还渐渐导入到医疗保健行业、零售、安防、自动化、智能手机、智慧城市、制造业及农业等等。
嵌入式人工智能是国内外许多知名大学的教授大力研究的方向，其应用领域非常广泛，作为最贴近人工智能落地的研究方向之一，每年在这个方向上发表的学术论文非常丰富。
在这个万物皆可AI的时代，如果你也对人工智能有着浓厚的兴趣和研究导向，未来考研升博后，想在人工智能相关国际研究前沿占领一定高地；或是想提前体验AI科学研究，提升自身升学背景，那一定不要错过本次科研项目。
今天为大家带来的课程是「嵌入式人工智能关键技术研究」，共计8次训练，项目导师为中国科学院某所副研究员（副教授）、硕士生导师Dr.Lu。
本项目会为学生配备强大的GPU服务器用于模型设计和训练。通过亲自动手实践，检验学习效果，体验所学内容的实际应用，会对嵌入式人工智有更加深入的了解，并提升coding水平以及科技论文写作基础，通过前沿技术讲授和训练快速成长为一名准master或PhD。
参与项目可以收获：
软件：深度学习训练框架软件和编程语言：pytorch，python。
模型：卷积神经网络模型，经典图像识别和目标检测模型。
算法：反向传播算法，模型优化方法：剪枝、量化。
工具：高性能GPU服务器，优化工具TensorRT，嵌入式SoC硬件平台。
三项实物成果，以及研究报告，网申推荐信。
参与科研项目，不仅仅是为了在留学申请时具备更强的竞争力，从长远发展来讲，也能强化你在心仪的专业学科方面的科研能力，这对于一个立志于培养科研意识、提升科研能力、丰富科研背景的同学来讲是至关重要的。
