微软公司早前投注于可定制处理器——现场可编程门阵列（FPGA），这是一种专用芯片，可为客户的特定用途进行配置。这些已经成为微软Azure云计算系统的基础，并且提供比GPU等传统产品更灵活的架构和更低的功耗。
虽然这些公司都采用了不同的处理器策略，但他们仍在大量使用英伟达的GPU。英伟达CPU的使用增长仍在继续。在最近一个季度，英伟达公布了创纪录的29.1亿美元的营收，比上年同期增长了34%。该公司的数据中心部门（其中包含AI的销售）同比增长105%，达到6.06亿美元，目前占英伟达总收入的21%。竞争是不可避免的，但到目前为止还没有解决方案能够完全取代GPU。
调研机构Deloitte预测，2018年，基于深度学习的全球GPU市场需求大约在50万块左右，FPGA和ASIC的需求则分别是20万块和10万块左右。相比GPU集群，FPGA因其定制化、低功耗和忽略延迟的特点，在终端推测环节有着广泛应用，所以它被微软、亚马逊等云商以及苹果、三星等手机制造商所接受。而GPU与TPU作为训练环节的主力，则开启了两种不同产品形态争锋对立的局面，也就是说，在深度学习训练领域，完全成了英伟达和谷歌两者之间的战争。AI芯片战争已经全面打响，由人工智能进程引发的第二次芯片革命已经让业界嗅到了熟悉的工业革命的气息。正如19世纪蒸汽机、内燃机的迭代结束了大洋之上纵横数个世纪的风帆时代，人工智能算力的突破亦将成为摩尔定律的变革者，将延续了近一个世纪的计算机科学文明引入下一阶段。
2.1.8 传感器
如今的机器人已具有类似人一样的肢体及感官功能，有一定程度的智能，动作程序灵活，在工作时可以不依赖人的操纵。而这一切都少不了传感器的功劳，传感器是机器人感知外界的重要帮手，它们犹如人类的感知器官，机器人的视觉、力觉、触觉、嗅觉、味觉等对外部环境的感知能力都是由传感器提供的，同时，传感器还可用来检测机器人自身的工作状态，以及机器人智能探测外部工作环境和对象的状态，并能够按照一定的规律转换成可用输出信号的一种器件。为了让机器人实现尽可能高的灵敏度，在它的身体构造里会装上各式各样的传感器，那么机器人究竟要具备多少种传感器才能尽可能地做到如人类一样灵敏呢？
根据检测对象的不同可将机器人用的传感器分为内部传感器和外部传感器。内部传感器主要用来检测机器人内部系统的状况，如各关节的位置、速度、加速度、温度、电机速度、电机载荷、电池电压等，并将所测得的信息作为反馈信息送至控制器，形成闭环控制。而外部传感器用来获取有关机器人的作业对象及外界环境等方面的信息，是机器人与周围交互工作的信息通道，用来执行视觉、接近觉、触觉、力觉等传感器，比如距离测量、声音、光线等。
视觉传感器
机器视觉是使机器人具有感知功能的系统，其通过视觉传感器获取图像进行分析，让机器人能够代替人眼辨识物体，测量和判断，实现定位等功能。业界人士指出，目前在中国使用简便的智能视觉传感器占了机器视觉系统市场60%左右的份额。视觉传感器的优点是探测范围广、获取信息丰富，实际应用中常使用多个视觉传感器或者与其他传感器配合使用，通过一定的算法可以得到物体的形状、距离、速度等诸多信息。
第2章 AI产业
33