2017年5月31日，新加坡科技设计大学的赵蓉教授应邀来清华大学类脑计算研究中心作了题为“Challenges and opportunities for artificial intelligence at the edge”的报告，清华大学类脑计算研究中心主任施路平教授主持本次研讨会。
赵老师在报告中以类脑智能的一个未来应用方向——边缘计算为切入点，自上而下系统地介绍了边缘计算理论，人工智能在边缘计算的应用前景，人工智能特别是类脑计算发展的现状、存在的挑战以及新加坡科技设计大学团队在该领域的研究成果。
赵老师首先给大家介绍了边缘计算理论。边缘计算是一种与云计算、雾计算并列的、基于大数据的新兴计算范式。与将数据放在远程云端的云计算相比，边缘计算是指在靠近物或数据源头的一侧，集成网络、计算、存储、传感器为一体的开放平台，就近提供近端计算服务。而雾计算介于云计算和边缘计算之间，它的处理能力放在局域网里面，在网关（雾节点）内实现数据收集、处理、存储等操作，处理后的结果发送原设备。边缘计算处于物理实体的顶端，就近计算，也可分担远端的计算，而云端计算也可辅助边缘计算或承担非实时性的计算，两者相辅相成。边缘计算的突出特点是其应用程序在边缘侧发起，可以提供更快的响应服务，满足行业在实时业务、智能应用、安全与隐私保护等方面的基本需求。赵老师列举了几个例子来阐述边缘计算的重要性，如自动驾驶和医疗，涉及生命财产安全，实时快速反馈非常重要；另外如淘宝的双十一节日，如果采用边缘计算，会大大减缓数据中心的压力。
边缘计算虽有诸多优势，但是目前边缘节点无法进行通用智能计算限制了其发展，边缘计算需要具有自我学习和自我适应、自动闭环优化、主动反馈和快速分析、以及以经验驱动的自我规划等能力，这对智能计算的算法和硬件都提出了超高的要求。赵老师给大家系统讲解了模拟/数字ASIC实现方式、FPGA实现方式、基于加速器（GPU&TPU）的实现方式、基于现有计算机（CPU）的实现方式以及类脑芯片实现方式，分析了各种实现方式的现状以及优缺点。其中，FPGA具有成本较低，体积小，低能耗，可重复编程等特点，可以用来加载神经网络算法，适合客户定制应用。而ASIC的成本更低，能效更高，拥有巨大的潜力。
接下来，赵老师立足于非易失性存储器，简单的介绍了在该领域的研究成果。特别是应用忆阻器于FPGA，不仅可以提高FPGA的速度，更可以将能耗降低。另外，赵老师对忆阻器器件有着系统的研究，比如提出了掺杂石墨烯氧化物以提高器件的一致性，利用掺银的相变材料实现了超低漏电的开关器件，利用忆阻器的模拟特性实现了集STDP和SRDP于一体的神经元突触学习法则等等。
回顾赵老师的演讲，内容详尽，覆盖面广。在讨论环节，氛围异常活跃，从应用到实现，从梳理现状到憧憬未来，从软硬件实现到前沿材料实现，均展开了充分交流。赵老师的演讲使在场师生受益匪浅，双方交流十分融洽，双方拟加强学术交流，共同推动类脑计算的研究！
