随着人工智能（AI）应用越发热门，相关的研究也纷纷挑战我们的既有认知。麻省理工学院（MIT）的研究团队日前发表了一款可进行深度学习（deep learning）的芯片“Eyeriss”，可直接在行动装置上，执行如人脸辨识等人工智能算法，且不需透过连结网络来处理资料，该芯片就能直接完成演算。
MIT 在日前的国际固态电路大会（International Solid State Circuits Conference，ISSCC）发表 Eyeriss 芯片，MIT 表示，该芯片内建 168 个核心，专门用来部署神经网络（neural network），效能为一般行动 GPU 的 10 倍，也因其效能高，不需透过网络处理资料，就能在行动装置上直接执行人工智能算法。其具有辨识人脸、语言的能力，可应用在智能手机、穿戴式装置、机器人、自动驾驶车与其他物联网应用装置上。
深度学习通常需要大量的电脑运算才能处理，而能在个人电脑或行动装置上执行绘图运算工作的 GPU，便是能够完成深度学习运算的处理器。不过，GPU 在进行运算处理的同时，就像一头巨兽一般，会吃掉大量的电力，也因此不太可能在行动装置上进行深度学习运算，只能将未处理过的资料先经过行动装置收集过后，上传到网络，透过强大的 GPU 服务器来运算，再将运算结果透过网络传回行动装置。
而 MIT 研究出的 Eyeriss 芯片之所以能大量提升效能，关键便在于最小化 GPU 核心和内存之间交换资料的频率（此运作过程通常会消耗大量的时间与能量），且一般 GPU 内的核心通常共享单一内存，但 Eyeriss 的每个核心拥有属于自己的内存。
此外，Eyeriss 芯片还能在将资料传送到每一个核心之前，先进行资料压缩，且每一个核心都能立即与邻近的核心直接沟通，因此若需要共享资料，核心们不需要透过主要内存就能传递。
除了 MIT 外，还有其他科技大厂也在研发深度学习芯片，如高通、英特尔、Nvidia 等。
- Energy-friendly chip can perform powerful artificial-intelligence tasks
