据外媒@SlashGear报道，为提升AI的本地化体验，三星公司提出了一种新的解决方案，通过较低功耗的神经网络处理器（NPU）来实现终端设备上的AI处理。
与传统深度学习模型相比，这种方案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，硬件层面需要用到很多晶体管，这会造成很大的功耗。虽然对于拥有大容量电池的手机来说不是问题，但所增加的不必要消耗，可能会影响其它应用的使用。
三星通过研究，可以通过将数据分组为4位，这样既能保持数据的准确性，也可以降低深度学习的硬件和功耗要求。这种“量化间隔学习”有时甚至可能比从服务器传输数据更准确。
根据官方数据，三星的这个设计可以将晶体管数量大幅度减少到40~120倍。这将减少设备响应的延迟，并且AI处理更快、耗电更少，并可以不依赖远程服务器，在设备上直接执行更复杂的任务。预计三星会将该技术应用于自动驾驶汽车和虚拟现实等领域，或许今年晚些时候发布的下一款 Exynos 移动终端芯片中也会嵌入。
本文编辑：李芹
