如果你想进入AI领域，可能会感到有些畏惧，但有许多工具可以帮助你轻松入门。在这篇关于AI的两部分文章的第二部分中，我们将讨论工程师可以使用的工具，并介绍你需要了解的生态系统和关键参与者。点击这里查看第一部分，我们讨论了AI是应用使能器，而不是实际应用本身。
AI仍然是一项新兴技术，随着其逐渐成熟并变得更加复杂，围绕它的生态系统也必须不断发展。随着企业看到AI可以创造多少收入以及AI对嵌入式领域的重要性，AI领域正处于动荡之中。尽管变化迅速，许多工具已经成熟且可靠，工程师在进入该领域时可以使用。请记住，这些工具与AI领域一样也在快速更新和发展，因此你需要保持灵活。
然而，并非所有的增长都在以相同的速度发生。IP的进展速度快于工具和基础设施，市场中较慢的部分因此变得越来越零散。Synaptics就是IP快速增长并努力平衡创新不平衡的一个优秀例子。
“硬件方面所需的组件已经开始稳定下来，”Synaptics首席产品官Vikram Gupta说。“在过去的一两年里，许多公司提出了自己的硬件和/或IP解决方案。有些公司生存了下来，有些则没有。我们Synaptics力图采取更全面的AI发展视角，强调IP、硬件和工具支持。”
开发适用于AI启用应用的可行IP是一项艰巨的任务，因此拥有更多资源的公司处于领先地位。像Synopsys、Cadence和Arm这样的传统IP提供商已成为生态系统的领导者。在工具方面，谁是领导者尚不清晰，甚至更难看出开发的方向。尽管如此，这些领域的参与者正在投入资源，以便在这场竞争中取得领先，使开发者能够更轻松地进行工作。
Gupta表示：“对于这个领域的人们来说，这确实令人困惑。因此，对于那些在外面寻找解决方案的人来说，似乎更加零散。”
那么，谁在主导？
由于这些因素，日益增长的AI生态系统主要由AI处理器供应商推动，因为在开发者进行任何工作之前，必须先有这个基本构建块。这是AI解决方案的基础。因此，这些供应商目前主导着市场，他们可以专注于满足关键客户的需求。不幸的是，这也意味着这些供应商有时不得不承担超出处理器范围的开发负担，否则就可能限制采用。
意识到这一点，处理器供应商有时通过收购来追求解决方案。跟随他们的步伐并投资于AI提供商，或寻找已经合作的伙伴，能够为你奠定良好的基础。当然，糟糕的选择无疑会让你落后。
AI并非全能
毫无疑问，AI是提高效率和数据管理的有用工具，但重要的是要记住，它并不是世界上无所不能的CPU。现在非常激动人心，但它不能解决每个设计中的所有问题，也不是每个挑战的最佳解决方案。
正如任何开发过程一样，至关重要的是从最终目标开始：你想解决什么问题？如果你想在硬件引擎中加入AI，你可以使用相对低影响的算法或模型，但如果你没有明确目标，产品的效率可能不会达到最佳水平。考虑如何在异构处理环境中优化功能划分，包括NPUs、GPUs和DSPs。或者，也许你希望由芯片供应商的工具来完成这一思考。为此，处理器供应商必须不断提供从构思到生产的最优、包容性路径。
如果处理器供应商能够做到这一点，工程师可以利用这些硬件产品，专注于开发软件解决方案、算法和其他代码。
如我们一再看到的那样，设计中最重要的一部分是记住从识别要解决的具体问题和目标市场开始。然后，你可以（并且应该）决定需要什么模型，试图可视化什么，哪些数据集至关重要，以及其他软件依赖项。
这是嵌入式工程战略的重大变化，正在被融入AI的愿望推动。在开发过程中，你不再那么关注硬件指标和需求，而是更多地关注帮助你实现最终目标的软件。
需要记住的是，面向消费者应用的AI与行业对AI的需求有很大不同。这些差异意味着，行业在某些领域对AI的采纳速度更快，因为AI使得展示更好的结果和效率变得更简单。有时，这通过用机器人替代重复性或危险性工作，或在库存和其他数据收集与分析应用中使用机器视觉来实现。
如果从这篇两部分文章中可以得出的一个结论，那就是AI是工程师和开发人员工具箱中的一项工具，而不是最终目标。新产品和解决方案不能通过询问“我们如何加入AI？”来开发。相反，专注于最终应用，并决定AI工具是否可以更高效地帮助实现目标，就像使用工具箱中的任何其他工具一样。
如果你只顾着挥舞手中的AI工具，最终可能只会打破窗棂。不如专注于问题本身，最终你会收获一片繁花。