是吗 610亿美元，到2028年复合年增长率为38.4% 或 430亿美元到2027年复合年增长率为37.4%？取决于哪个报告概述了https://www.zdnet.com/topic/edge-computing/“target=”\u blank“>edge computing您可以选择使用，但最终并没有什么不同。
重要的是 边缘计算正在蓬勃发展。供应商越来越感兴趣https://www.zdnet.com/topic/edge-computing/“target=”\u blank“>充足的覆盖范围，理由充分。虽然 什么是边缘计算 有点模糊，想法很简单。它是将计算机从数据中心中带出，并使其尽可能靠近操作的位置。
无论是独立的物联网传感器、各种设备，自动驾驶汽车，有一个共同点。在边缘生成的数据越来越多地被用于为机器学习模型支持的应用程序提供数据。只有一个问题：机器学习模型从来没有被设计成部署在边缘。至少到现在。输入 TinyML
微型机器学习（TinyML）被广泛定义为机器学习技术和应用（包括硬件）的快速发展领域，算法和软件能够以极低的功率（通常在兆瓦及以下）执行设备上传感器数据分析，从而支持各种始终在线的用例和针对电池供电设备的功能。
本周 首届TinyML EMEA技术论坛 这是一个很好的机会来与这个领域的一些关键人物进行讨论。 ZDNet公司 赶上了高通公司的Evgeni Gousev、纽顿公司的Blair Newman和谷歌公司的Pete Warden。
Pete Warden编写了世界上唯一的胡须检测图像处理算法。他还是初创公司Jetpac的创始人和首席技术官。他从科斯拉风险投资公司（Khosla Ventures）筹集了一个系列a，建立了一个技术团队，并创建了一个独特的数据产品，该产品分析了Instagram上超过1.4亿张照片的像素数据，并将其转化为全球5000多个城市的深度指南。
Jetpac于2014年被谷歌收购，沃登从那时起就是谷歌员工研究工程师。那时，沃登对自己能够将机器学习模型调整为2兆字节感到非常满意。
直到他发现他的一些谷歌新同事有一个13千字节的模型，他们用它来识别运行在安卓设备上的always-on-DSP上的唤醒词。这样的话，主CPU就不会烧掉电池听“那个” 唤醒字 -- 嘿，Google.
“这真的让我大吃一惊，事实上你可以在这个小模型上做一些真正有用的事情。沃登说：“这真的让我想到了如果我们能够运行所有这些新的机器学习和深度学习方法，可能会出现的所有其他应用程序。” 沃登经常被他的同龄人认为是启动了机器学习的TinyML子域，他对此相当谦虚。他承认，他所做的大部分工作都是基于其他人已经在做的事情：“我的许多贡献一直在帮助宣传和记录一系列已经出现的工程实践，”他说，指数增长25年前，叶夫根尼·古塞夫从俄罗斯来到美国进行短暂访问。他从未打算留下来，但今天他来到了这里，担任高通公司的高级董事。Gousev拥有物理学背景，曾在学术界工作过，在高通公司之前也曾在IBM工作过。
Gousev在2018年会见了Warden，他描述说，看到使用Warden正在研究的技术可以实现什么是一种令人大开眼界的体验：
当Pete展示你在这里能做什么时，你就是你能做的 量化 你的模型，你可以在8位上运行一个深度学习模型，在不影响准确性的情况下，这就像是一次让整个社区大开眼界的体验。就像——哇，有可能吗？这是一种思维方式的转变。
超导公司获得2100万美元的A系列基金，以维持其巨大期望的增长