2018年是属于人工智能的一年，这一年充满了机会，技术公司都在2018年继续以惊人的节奏大步前进。随着高速互联网和人工智能的发展，亚马逊、Facebook、谷歌、旷视科技Face++、商汤科技、极链科技Video++这样的公司会抓住机会，在人工智能和互联网等方面持续加速，快速占领了行业赛道。

2018年即将结束，那么2019年会有哪些让人惊喜的新技术继续改变我们的生活？

一.深度学习加速器（GPU、FPGA和TPU）

近年来异构加速器凭借其优秀的性能功耗比成为了目前体系结构研究的主流方向。同时随着深度学习的兴起，深度学习神经网络的研究也重新回到了机器学习领域的潮头。因此，如何在加速器上高效地实现神经网络处理系统受到了学术界和工业界广泛的关注。越来越多的企业宣布计划设计自己的深度学习加速器，这些加速器通常用于数据中心，并且有可能部署在边缘。

深度学习领域最常见的卷积神经网络出发，抽象出三种典型的神经网络层次，结合算法特点，在目前最常用的基准平台与加速器平台上实现了这些网络层次。主要的贡献包括以下三个方面:

1.以卷积神经网络和深度神经网络为出发点，抽象并剥离出三种最常见的神经网络层次。并结合不同平台的架构特点，包括SIMD体系架构的Intel SSE指令集，GPU加速器的CUDA编程环境以及我们自己实现的专用神经网络加速器，对这三种神经网络层算法进行分块化、发掘数据复用性等优化，对算法进行重定制和实现。

2.在10个测试程序上对三种平台进行了神经网络处理的实验。结果表明，专用神经网络加速器在性能上相比于SIMD基准平台有平均117.87倍的提升，在功耗利用率上有平均21.08倍的提升，而面积则仅相当于Ivy Bridge架构的1.87％。相比于GPU，专用神经网络加速器在性能上有平均0.22倍的提升，而面积上则仅有GPUC2070片上面积的0.56％。

3.通过对实验分析发现，对于神经网络算法，GPU架构的主要性能瓶颈在于PCIe带宽对于数据传输的限制;SIMD架构的主要性能瓶颈在于并行化程度不够高。专用神经网络加速器则设计DMA利用数据复用性优化数据存取流程，设计不完全流水利用计算独立性实现高并发处理，这两点都从体系架构上越过了上述性能瓶颈。

二.自动驾驶

我们距离完全自主驾驶的自动驾驶汽车还有几年的时间，但个人和市政车辆都越来越多地集成了自动化辅助系统。这些技术的广泛应用将为完全无人驾驶汽车铺平道路。

无人驾驶的未来将使人们不再亲自驾驶自己的汽车，货物运输将是由拥有自主驾驶汽车车队的公司提供的服务。停车场和车库等设施将退到一个废弃的位置，未来交通也将发生巨大变化。

基于无人驾驶汽车的技术和设计，将有一个惊人的财富转移给少数拥有专利权的人。这是指自动驾驶汽车软件的所有者，这些人需要对自己生产出的自动驾驶车辆负责任。

最初，车辆只是我们的代步工具，但如今自动驾驶车辆发生了很大变化，我们可以坐在上面打电话、吃东西、看书或报纸等。由于自动驾驶车辆是电动的，不需要司机的控制，因此这些汽车将会用更少的零件构成，因此车辆将生产的更快，所需生产劳动力变得更少。另外，车辆的设计也会发生变化。由于事故的几率将会大大减小，用于车辆构造的材料，如碳纤维将将允许多样性的设计，自动驾驶车辆将以不同的大小和形状出现。

三.IoB

消费者继续采用物联网（IoT）和自我监控设备，这些设备越来越靠近人体，甚至包括健身追踪器和智能眼镜。数字药片正在进入主流医学领域，身体附着，植入式和嵌入式IoB设备也开始与环境中的传感器互相作用，这些设备可以提供更丰富的数据，使更多有趣和有用的应用程序，但也引起了对安全性、隐私、物理伤害和滥用的担忧。

四.社会信用算法

社会信用算法使用面部识别和其他生物识别来识别人，并从社交媒体和其他在线简档中检索关于他们的数据，以便批准对产品或社会服务的访问。报告指出，中国等一些国家已经在使用这些系统来评估对国家的忠诚度。

在我们的网络世界中，生物识别技术和混合社交数据流的结合，可以将一个简短的观察结果转化为对一个人的判断。据报道，一些国家已经在使用社会信用算法来评估对国家的忠诚度。

五.智能材料和设备

先进的材料和设备，如可调光玻璃和可摄取传感器，将在医疗保健、包装、电器和其他领域创造新的应用。报告称，使用这些技术将对我们感知物联网设备的方式产生重大影响，并导致新的产品诞生。