最近Movidius芯片的出场率越来越高了。DJI最新无人机的回避障碍功能、FLIR最新温度摄像头自动识别火灾中的人——这些都是通过神经网络的深度学习实现的。公司还与谷歌签订了合同，将芯片融入一个未公布的神秘产品中。现在，这家芯片制造商出了个新产品，据称可以将强大的深度学习带给任何人：一款名为Fathon神经计算棒的USB。
Fathon配有Myriad 2MA2450 VPU，搭配512MB的LPDDR3 RAM。之前说到的DJI和FLIR产品就是装配了Myriad 2芯片，可以同时搞定许多进程。因为它是专门为此设计的——架构与GPU和CPU非常不同，它不需要很大的电量就能提供很大的能量。他可以搞定最高150 gigaFLOPS（一个gigaFLOPS代表每秒10亿次浮点操作），只耗费不超过1.2瓦的电量。
与Tegra的深度学习方法不同的是，Fathom不是一个单独的系统。这个概念是，你用USB 3.0接口将它插入任何运行Linux的系统，就能得到“20-30倍的神经计算运行提升”。你可以用Fathom来快速做出神经网络原型，一旦你准备好行动，就能获得大得多的计算力。
当然，这是神经网络，所以这并没有那么简单。Fathom接受Caffe和TensorFlow定义的网络（两个在深度学习领域很流行的框架）以及它们的数据库。你需要使用一个Movidius工具来在Myriad 2芯片上执行网络，它会自动运行并获取电量。乍一看这挺像CUDA和cuDNN（NVIDIA将神经网络交给图像卡的系统）。但是，Fathom的亮点在于，当你手头没有华丽丽的昂贵图形卡和处理器，你就还是可以使用人工智能。
Fathom是个特别的设备。如果你试过使用马力不足的机器来跑即使是基础的神经网络，你会发现，慢死了。目前，最好的方式是基于云的系统，使用远方的计算能力。能够给一个常规笔记本电脑增加一个不错的计算能力，这能大大降低打造一个神经网络的成本。
从本质上来说，这意味着插入Fathom的设备可以认知性地、或者说智能地产生回应，基于它在摄像头所见的内容（通过计算视觉）或者它从另一个来源处理的数据。
除了计算棒本身，Movidius还打造了一个名为“Fathom深度学习软件框架”的软件，让你可以优化和编译算法，能用超低电量在Myriad 2上运行。例如在计算视觉里，Movidius说它可以每秒运行16个图像，在最高马力运行也只使用一瓦电量。另外，还有很多认知领域可以应用。
但是Fathom的潜力还远不止这些。在机器人、无人机和创客领域都能大显身手。例如说，你可以给无人机的摄像头编入程序，可以识别着陆地面是否平稳、扎实。又例如，将Fathom街上Raspberry Pi，你可以给GoPro加入非常高级的计算机视觉能力。如果你脑洞再大一点，还能想到更多智能、小型、低耗能的实际应用：智能飞行、能感知情况的安全摄像头、更小的自动驾驶设备、新级别的语音识别。大小和电量的因素，还让可穿戴和VR等互动性装备都可以应用（虽然不是直接插USB，但是可以找到其他融入的方式）。由于计算机视觉是支持AR的关键之一，以极小耗电量增强计算机视觉能力，我认为这种硬件可以在该领域内有很多发展可能。公司长远的目标，当然是说服更多的制造商将Myriad芯片加入到他们的设备中，但是Fathom这样的神器是非常重要的一步。
图：DJI的障碍回避功能是由Fathom同样的芯片支持。
这在AI圈子里获得了积极反响。Facebook的人工智能负责人Yann LeCunn博士说，他“一直希望可以有类似Fathom这样的东西…有了Fathom，每个机器人，不管大小，现在都可以有最尖端的视觉能力。”不过，谷歌的AI技术领导人Pete Warden说“要在设备内调试和运行这些复杂的神经网络，Fathom还有很长的路要走。”
除了公司已经在合作的谷歌、FLIR等大客户以外，中小型企业也可以为自己的项目获得更强的计算能力，Fathom作为一个附加模块可以为他们打开新的市场空间。
目前公司有1000件设备，免费送给符合标准的客户和研究员。虽然一些机构正在签收他们的Fathom，这款设备在第四季度之前还不会公开发售。现在还没有固定价格，但是据称，价格会在100美元以内。
所以几百人民币就能获得的人工智能计算视觉，你，不来一发吗？