想要了解“深度学习+”，我们必须回到深度学习技术在中国落地生根的历史当中。2006年，辛顿等人意外发现了多层神经网络带来的全新可能性，就此将上世纪80年代已经产生的机器学习技术，推动到了深度学习的新阶段，而深度学习技术在一系列AI测试任务上的优异表现，也重新燃起了人们对AI的期待。客观来说，经历了两次寒冬的AI技术，能够再次复兴的核心要素就是深度学习技术的出现。

但在此后的多年时间里，深度学习还仅仅停留在非常小众的范畴里，甚至在学术界中也非常小众。2010年，当时刚刚来到百度的王海峰发现了这种技术所蕴藏的巨大潜能。很快，百度内部高度认可了王海峰的发现，并早早在2012年就开始探索深度学习技术与应用。2013年1月，百度率先建立全球首个专注深度学习研究的深度学习研究院(IDL)。同时，百度也开始布局深度学习开发框架的研发。就这样，非常幸运同时也非常必然，在王海峰的敏锐发现与百度的当机立断下，中国企业没有在AI浪潮中掉队，甚至成为了全球AI探索的领路人。

此后多年时间，可以视作中国深度学习技术的创生期。在此期间，百度为代表的AI行业取得了一系列成绩，比如自主深度学习框架飞桨的问世与发展，多种深度学习算法的进步提升。随着2017年全球AI热潮的到来，中国发布《新一代发展规划》，深度学习技术的战略地位与社会需求也水涨船高。面向新的形势，百度最大化发挥了自身的深度学习技术积累与平台优势，快速进行了一系列战略升级与产业成长。

AI 会造成人类的大规模失业吗?

我觉得，如果人们对 AI 的发展报以一种厌恶和排斥的态度，那它逐渐取代部分人的工作只是时间问题。但如果我们能够接纳 AI 的发展，去主动了解、使用 AI，让它成为日常工作生活中的得力助手，那我们就不会被 AI 取代，反而会在 AI 帮助下更好的创作内容。

这并不是一种 " 打不过就加入 " 的无奈，反而是人类不断发展的必然。

正如热兵器最终取代了冷兵器，信息化军队脱胎于机械化军队，互联网一定程度上取代了传统媒体，我们之所以成为今天的我们，同样也是接纳了诸多新事物的结果。而且在当下，一些技术的发展正处于瓶颈，或者是被一张薄纸挡住未来。

比如 VR 领域的计算机图形学，同样也需要 AI 从另一个角度去攻破。就连计算机图形学大佬约翰 · 卡马克也在开拓通用人工智能的道路，并表示 " 想尝试一些没人知道会走向何方的领域 "。

无论是芯片产业的残酷博弈、AI 算法竞赛还是知识图谱比拼，甚至是不知方向的疯狂砸钱，面对 AI 带来的期待与焦虑，人类今天种种，是因为谁也说不好，哪一天 AI 技术就如爆炸一样，捅穿了蒙在未来前面那张薄纸。

在物联网时代到来后，MCU则被赋予了端侧计算中枢这一更高使命。无论是设备本身的功能还是作为物联网的一部分，物联网设备在连接、交互、安全等方面都已经离不开MCU。

而当如今智能遇上边缘，MCU又担起了新的使命。

随着MCU的算力进一步提升，高频MCU的主频已经提升到GHz级别，已经可以满足边缘端低算力人工智能需求。将人工智能集成在MCU上，只用一颗芯片实现端侧部署，正在成为新的潮流。

在过去几年里，包括瑞萨在内的多家MCU厂商都在积极探索将MCU与人工智能结合。

在日前举办的ADI MCU Media Workshop上，ADI中国技术支持中心高级工程师辛毅就介绍的ADI最新的边缘AI解决方案MAX78000就是践行的这条路线。

辛毅介绍到，MAX78000集成了卷积神经网络(CNN)引擎，能够满足边缘应用需求，并且MAX78000的设计宗旨是最大程度降低CNN引擎功耗。

为了这个目标，该器件采用了Arm Cortex-M4F处理器与32位RISC-V处理器的双内核架构，内置了CNN引擎。

辛毅形象的把这个架构比喻成“爸爸和妈妈”：两个微控制器内核是“买菜的妈妈”，CNN加速器则是“做菜的爸爸”，合力完成边缘智能的计算工作。