（题图 via ）
据悉，该公司最新的工作重点，就是通过较低功耗的神经网络处理器（NPU），实现设备上的 AI 处理。与传统深度学习模型相比，其通常需要缩小数据的分组。
三星表示，深度学习的数据分组为 32 位，能够反映传统的计算模型。对于芯片制造商来说，这显然需要堆砌更多的晶体管硬件，反之又加大了移动设备的能源消耗。
对于标配大容量电池的移动设备来说，这似乎不是一个大问题。但要让 AI 普及开来，就必须削减不必要的功耗，以减轻对更重要的应用的影响。
最终，三星得出的结论是，通过简单地将数据分组为 4 位、同时保持数据的准确性，以降低深度学习的硬件和功耗要求。
这种“量化间隔学习”的方法，有时甚至能够取得比传输更准确的数据结果。根据该公司的数据，其能够晶体管的数量需求减少到 1/40 至 1/120 。
这意味着在等移动设备上进行 AI 处理将变得更为可行，而无需将负载转移到远程服务器上。其不仅减少了响应延迟，还降低了被窃听的风险。
遗憾的是，目前三星只宣布了 NPU 背后的技术，而不是 NPU 本身。预计新技术会嵌入到今年晚些时候宣布的下一款 Exynos 芯片中。