在過去的幾年里，圍繞無人機進行了大量的創新。 幾家公司已經在測試用于包裹和食品遞送的無人機，以及將無人機用于農業監測、檢查電力線等關鍵基礎設施、檢查火災損失等其他用例。 很明顯，商業領域對遙控和自主無人機都有巨大的需求，伴隨無人機法規的整理，這種需求只會進一步增加。 本文將探討最新的 AI 計算進步怎樣引領無人機創新的新時代。

關鍵挑戰

無人機面臨的關鍵挑戰之一是它們需要極其強大的處理能力，同時還要具備令人難以置信的能效和小尺寸。對于使用高清或多攝像頭進行計算機視覺 (CV) 應用的無人機來說，情況更是如此。今天的數字計算解決方案通常耗電，影響無人機的飛行時間和電池壽命。另外，數字計算解決方案難以運行復雜的AI網絡，這對于向控制站提供即時和相關信息至關重要。想象一下用于監控石油鉆井平臺是否有泄漏或其他損壞跡象的無人機。無人機需要立即處理鏡頭，實時發現問題并立即報告。

雖然數字解決方案不足以滿足很多無人機 AI 應用程序的挑戰性要求，但一種新的計算方法可以幫助消除這些障礙。內存中模擬計算 (CIM) 可以執行實時 AI 處理——即使使用多個大型、復雜的深度神經網絡 (DNN)——其功率只是數字處理系統的一小部分。模擬 CIM 系統通過將模擬計算與閃存等非易失性存儲器 (NVM) 配對來工作，這與依賴高吞吐量 DRAM 的數字計算系統不同。雖然 DRAM 消耗大量功率，但模擬 CIM 系統通過在閃存陣列內執行大規模并行向量矩陣乘法和加法運算具有顯著的功率優勢。

模擬 CIM

模擬 CIM 系統也不會受到數據通過處理器中的數字邏輯門和內存傳播以及外部 DRAM 寫入和讀出的延遲的影響，這意味著模擬 CIM 系統可以非常快速地處理計算密集型 AI 工作負載。 另外，模擬 CIM 系統非常緊湊，對于具有尺寸和有效載荷(即重量)限制的無人機至關重要。 考慮到閃存密度高，模擬 CIM 系統可以以小尺寸提供強大的 AI 處理能力，從而可以使用單個閃存晶體管作為存儲介質、乘法器和加法器(累加器)電路。

所有這些因素使模擬 CIM 系統成為無人機的各種 AI 視頻分析應用的理想選擇，包括對象檢測、分類、分割和深度估計。 這些能力將在未來幾年為無人機開辟新的令人興奮的可能性。

自主無人機

伴隨無人機可以在本地處理更多信息，可以完全自主操作的無人機將會增加。這些無人機將能夠處理各個行業的復雜任務，包括農業、快遞、環保、安全等。當然，仍然會有許多無人機需要由人類控制的應用——無論是出于安全原因、法規還是其他考慮——故此增加的自主性將使一個人一次駕駛多架無人機成為可能，而不是只控制一個。

除了通常討論的無人機戶外用例外，無人機還可以通過多種方式在工廠和其他工業環境的室內使用。無人機可以幫助監控和識別庫存并將貨物運輸到倉庫的不同部分。無人機對于檢查設備也很重要，尤其是在對人有害的區域。

反無人機技術

最后，能力更強的無人機也將推動反無人機技術的進步。美國聯邦航空管理局每月收到 100 多份關于無人機在機場等受限空域飛行的報告。即使這些無人機被無惡意的愛好者控制，它們仍然可以對飛機，尤其是直升機和小型飛機構成嚴重威脅。計算的進步將使無人機能夠更好地捕捉其他被認為對公共安全構成威脅的無人機。

我期待看到基于模擬 CIM 技術的強大 AI 處理將怎樣重塑下一代無人機，并為幾乎所有可以想象的行業開辟新的應用。