人工智能经历了三个“寒冬”期，终于扛起了新一轮科技革命和产业变革重要驱动力的大旗，一路高歌猛进，在无人驾驶、同声直译、生物医学、城市管理、交通管理、安保智能化的应用领域独领风骚。

人工智能技术方向及前景：

科技为发展提供核心动力，每年人工智能人才的缺口是100万，AI高等人才的培养，顺理成章地成为了关乎国运的大事件了。目前，经国家教育部正式批准设立“智能科学与技术”本科专业的高校已达35个，既有上海交通大学、同济大学这样的双一流名校，也有安徽工程大学这样专业特色鲜明的地方高校，甚至还有华南师范大学和长春师范大学2所师范类高校。

华清远见在为高校人工智能做专业建设时总会被问及：AI专业建设，是依托服务器做发生在数据中心的单一计算？还是应该在集网络、计算、存储、应用核心能力为一体的智能的开放平台上加入计算和应用创新？人工智能技术的概念和范畴在不断扩大，需要考虑到当前及未来的智能化产业的发展形势。

AIoT时代，万物互联，相比仅具备计算的云端大脑（服务器或带GPU的计算机），人工智能技术最后项目落地或实施是显然不够的。还需要依赖能与云端大脑不断地交互的一个个超级智能硬件，小到一个个传感器、嵌入式设备、智能手机（华为、苹果、高通开发相应的人工智能应用芯片产品）、可穿戴设备，大到智能机器人、无人汽车……

这些集网络、计算、存储、应用核心能力为一体的智能硬件，它们往往靠近物或数据源头的一侧，就近提供最近端服务。这样能够减少请求响应时间、减少网络宽带的同时，保证数据的安全性。

了解一下智能硬件边缘计算的特性：

1、低延时：因为边缘计算靠近数据接收源头，所以能够实时获取数据并对数据进行分析处理。

2、高效率：边缘计算是相对于云计算更靠近设备端，可以在边缘节点处实现对数据的分析和处理，不需要等待数据传输的时间，所以效率会更高。

3、更安全：边缘计算在获取数据之后，可以对数据加密之后再进行传输，大大提升了数据的安全性。

4、缓解流量压力：边缘计算在进行云端传输时通过边缘节点进行一部分简单数据处理，当面对大量数据时，可以通过压缩算法，提取到有用信息之后再进行传输，这样可以降低带宽资源消耗。

智能硬件的这些边缘计算特性，让AI在真实产业应用中突破了受限于数据传输质量、传输时效等多方面影响因素的技术重围。尤其是使用封闭式自动化操作来维护高可用性的场景，响应时间必须保证在几十毫秒内，而这种条件如果没有边缘计算是无法达成的。例如：目前比较火热的自动驾驶汽车对实时信息交互和数据传输、交互的延迟指标要求非常严格，万一系统响应慢，轻则自动驾驶的体验度将大幅降低，重则会发生交通事故。

边缘计算的重要性逐渐凸显，随着边缘计算的进步，本地设备的运算能力将不断增强，使得人工智能算法能够在离开训练神经网络的云端的情况下正常运行。清华大学发布的《人工智能芯片技术白皮书（2018）》更加确切地强调了嵌入式、物联网等智能硬件协同训练对于人工智能技术发展的重要意义。

华清远见利用嵌入式、物联网行业经验，针对高校本科专业的人工智能教学率先开展了“人工智能+X”复合专业培养新模式，在自主研发的多种形式的教研平台，如FS_AIARM人工智能实验箱、FS_ROBOTA、FS_ROBOTB机器人上开展机器学习技术的实践和应用，让人工智能技术依托智能硬件设备在产业布局、应用创新，以快速适应人工智能+产业人才的需求。

结合相关专业按领域划分为：

AI嵌入式：嵌入式设备运行人工智能，实时性高，便携，项目易落地。

AI物联网：让边缘设备与训练神经网络的云端连接，构成一个巨大的AI处理网络。

AI机器人：机器人为人工智能提供了新的载体。

AI云计算大数据：云计算为人工智能构架智能化计算资源，大数据为智能化处理提供分析依据。

教学资源上来看，许多与AI相关学科还是需要有深厚的理论研究背景，产业端的高端人才抢夺态势下，有能力从事人工智能研究的教师资源也并不容易快速到位，给高校人工智能专业教学的开展带来不小阻力。华清远见作为全国首批开展智能硬件教育的专业教育集团，研发实力和师资力量雄厚，有完善的课程体系，产学合作输出项目丰富，可以通过共享教学师资资源、先进教研设备，把系统的教学体系，结合高校自身办学特色，上马相关专业，缩短专业建设时间和难度，起到事半功倍的效果。

图为获批人工智能专业院校及专业名称