人工智能允许机器执行过去仅属于人类的各种任务。需要在工厂生产线上进行质量控制吗？设置一个人工智能摄像头来发现缺陷。解读医学数据怎么样？机器学习可以从扫描中识别潜在的肿瘤并将它们标记给医生。

但这样的应用程序只有在快速和安全的情况下才有用。人工智能摄像头只需几分钟就可以处理图像，在工厂里没有多大用处，如果医疗数据被送到云端进行分析，没有一个病人愿意冒着被曝光的风险。

谷歌正试图通过一项名为Coral的鲜为人知的计划来解决这类问题。

“传统上，来自人工智能设备的数据被发送到大型计算实例中，这些实例位于集中式数据中心，机器学习模型可以在这里快速运行，” Coral的产品经理Vikram Tank通过电子邮件向Verge解释道。“Coral是一个由Google提供的硬件和软件组件组成的平台，可以帮助你用本地人工智能构建设备— 为神经网络提供硬件加速。。。就在边缘设备上。”

你以前可能没听说过珊瑚“毕业” 去年10月测试版结束了，但是’是快速增长的人工智能领域的一部分。市场分析人士预测，2020年将销售超过7.5亿台边缘AI芯片和电脑，到2024年将增至15亿台。虽然大部分安装在**等消费设备上，但很多都是面向汽车和医疗等行业的企业客户。

为了满足客户的需求，Coral提供了两种主要类型的产品：加速器和开发板，用于设计新想法的原型；模块，用于驱动智能相机和传感器等生产设备的人工智能大脑。在这两种情况下，硬件的核心都是谷歌的Edge TPU，这是一种经过优化的ASIC芯片，可以运行轻量级的机器学习算法，是谷歌云服务器中使用的水冷TPU的（非常）弟弟。

虽然它的硬件可以被单独的工程师用来创建有趣的项目（例如，Coral提供了如何建造人工智能棉花糖分拣机和智能鸟类喂食器的指南），但Tank说，长期的重点是汽车界和医疗保健等行业的企业客户。

作为Coral瞄准的问题类型的一个例子，Tank给出了一个自动驾驶汽车的场景’他用机器视觉识别街道上的物体。

“一辆以每小时65英里的速度行驶的汽车将在100毫秒内行驶近10英尺，”他说，因此，任何“处理过程中的延迟”（例如，由慢速移动连接引起的延迟）“都会给关键用例增加风险。”在设备上进行这种分析比等待慢速连接来确定这是停车标志还是停车标志要安全得多前面有个路灯。

Tank说，在改善隐私方面也有类似的好处。他说：“考虑一家医疗器械**商，他们希望利用图像识别技术对超声图像进行实时分析。将这些图像发送到云端会造成黑客攻击目标的潜在薄弱环节，但通过分析设备上的图像，患者和医生可以“相信设备上处理的数据不会失控”

Tank说，尽管Coral的目标是企业界，但该项目实际上源于谷歌的“所有”一系列“自己动手”的机器学习工具包。AIY kits于2017年推出，由Raspberry Pi电脑提供动力，让任何人都能**自己的智能扬声器和智能相机，在STEM玩具和**商市场取得了巨大成功。

Tank说，AIY团队很快就注意到，虽然一些客户只是想按照说明来**玩具，但其他人则想蚕食硬件来**自己的设备原型。珊瑚是为了迎合这些顾客而创造的。

谷歌的问题是，有几十家公司的投资与珊瑚相似。这些产品的范围从西雅图Xnor这样的初创公司到英特尔等强大的企业，这些公司使AI摄像头的效率足以在太阳能上运行，到英特尔等强大的在位企业，英特尔在2017年推出了企业的第一款USB加速器，去年12月为芯片**商Habana实验室支付了20亿美元，以改进其优势AI产品（除其他外）。

考虑到竞争对手众多，Coral团队表示，通过将硬件与Google的人工智能服务生态系统紧密结合，它将使自己与众不同。

这一系列产品——包括芯片、云培训、开发工具等等——长期以来一直是谷歌人工智能工作的关键力量。在Coral的例子中，有一个专门为其硬件编译的人工智能模型库，以及Google云上的人工智能服务，这些服务直接与单独的Coral模块（如其环境传感器）集成。

事实上，Coral与谷歌的人工智能生态系统紧密结合，其Edge TPU驱动的硬件只能与谷歌的机器学习框架TensorFlow配合使用，Verge所接触的人工智能Edge市场的竞争对手表示，这一事实可能是一个限制因素。

AI edge公司Kneron的一位发言人告诉Verge：“Coral产品专门针对其平台进行处理，而我们的产品支持市场上所有主要的AI框架和模型。”。（Kneron表示，谷歌的评估“没有负面影响”，谷歌进入该市场是受欢迎的，因为它“验证并推动了该领域的创新。”

但珊瑚目前到底做了多少生意还不好说。谷歌肯定不会像其云人工智能服务那样大力推广Coral，而且该公司也不会分享该集团的任何销售数据或目标。不过，一位知情人士确实告诉《边缘报》，Coral的大部分订单都是单台设备（如AI加速器和开发板），而只有少数客户的企业采购订单是1万台。

对谷歌来说，Coral的吸引力不一定是收入，而只是更多地了解其人工智能在重要领域的应用。在目前实用机器学习的世界里，所有的道路都不可避免地通向边缘。