AI 这个曾经被一些用户吐槽为「噱头」的东西，已经在不知不觉中开始变革了智能手机的拍照体验。

Uber事故的悲剧带给我们的教训，是消费者、产业界与主管机关都应该停止简单的争论，找出确保道路安全的方法；而我们更应该关心的是，让自动驾驶车辆能安全地与行人与其他人类驾驶车辆共存之前，还有多少工作要做。

过去一年半以来，科技业者(还有媒体)忙着促成全自动驾驶车辆的即将实现，却漠视了无数挥之不去的、关于自动驾驶的“未知”……

今年初，一家位于美国密执安州的一级代理商Visteon也宣布与DeepScale展开合作，并开发出首款自动驾驶技术平台——DriveCore。然而，最令人印象深刻的是，DeepScale执行长Forrest Iandola在接受电话采访时所说的话——当今世界上还没有足够的深度学习专家。

AI将在接下来几十年成为半导体产业的推手，因为大数据需要机器学习，机器学习需要更多运算...

在微控制器领域，将机器学习人工智能（AI）引入网络边缘的努力正风起云涌。但是运行算法（如卷积神经网络，CNN）的计算需求对功率要求相当高。

现如今，嵌入式和工业控制工程师都很熟悉建设新制造工厂所需的许多概念和物理元素：预测性维护、云连接、边缘计算、雾计算、智能和无线传感器，以及网关。问题是既要在旧系统上安全、可扩展和高性价比地实现上述概念，还要相信从封闭的专利工艺迁移会带来预期的进步。

模拟生物神经系统效能的最常见途径一直是创造机器学习能力越来越高级的越来越复杂的人工智能。

技术需求日新月异，作为IC设计界每年一次的Tech Shanghai IC设计论坛3月29日在上海长荣桂冠酒店成功举办，吸引了上百名高智商的工程师出席了此次论坛，和国内外一流的讲师一起讨论了正反向设计、专利布局、物理实现、AI芯片的需求，CPU架构的安全与能耗、SoC安全、数字接口测试等方面的设计难题。

技术需求日新月异，作为IC设计界每年一次的Tech Shanghai IC设计论坛3月29日在上海长荣桂冠酒店成功举办，吸引了上百名高智商的工程师出席了此次论坛，和国内外一流的讲师一起讨论了正反向设计、专利布局、物理实现、AI芯片的需求，CPU架构的安全与能耗、SoC安全、数字接口测试等方面的设计难题。

自动驾驶不会是绝对安全、有保障的技术。但用“Uber无人车撞人致死”事件来判定自动驾驶是否安全却也是不公平的！因为Uber不能代表最先进技术的发展水平。

本文作者认为，深度学习只是一种计算机视觉工具，而不是包治百病的良药，不要因为流行就一味地使用它。传统的计算机视觉技术仍然可以大显身手，了解它们可以为你省去很多的时间和烦恼；并且掌握传统计算机视觉确实可以让你在深度学习方面做得更好。这是因为你可以更好地理解深度学习的内部状况，并可执行预处理步骤改善深度学习结果。

我们小心翼翼地填补了一些年久失修的专栏并逐渐扩充了国内外的特邀嘉宾分析师的阵容。这些特邀分析师人人都是科技领域的实干者、实践者。在继续把国外的最新发展介绍给国内读者的同时，我们也加大了向国外传播中国科技发展步伐和强国的故事，让国外的同行听到更多中国的声音。

为了让急诊病人的生命体征不断得到监测，他们通常必须连接各种传感器 - 这使他们难以移动等。然而，不久之后，所有这些机器都可以被一个贴在胸前的小型电子贴片取代。

在实际跑分性能上，联发科公布的数据显示，Helio 多核可跑出 5871 分，单核也有 1524 分，基本上与去年高通骁龙 660 的成绩持平。