导 读
TinyML是指在毫瓦（mW）功率范围以下的设备上，实现机器学习的方法、工具和技术。这里的关键词是“毫瓦功率范围以下的设备”。TinyML功耗极低，不仅适用于边缘硬件，还可用于物联网终端设备，支持各种不同的电池驱动的设备，和需要始终在线的应用。最近TinyML与AutoML正在快速融合，构建嵌入式自动化机器学习算法，发挥更大的效力。
AIoT智联网是AI（人工智能）和IoT（物联网）技术在实际应用中的落地融合。近年来，智联网AIoT一词热度剧增，她正在以极快的速度从襁褓中的婴儿长大成人。
昨天，All inAIoT还是单个企业的市场宣言；今天，AIoT in All已经成为各行各业尝试转型以及寻找下一增长点的主力。
根据中国信息通信研究院统计预测数据显示，2020年全球人工智能市场将达到6800亿元人民币。据研究机构Markets and Markets在2019年发布的报告称，2019年全球AIoT市场规模为51亿美元。到2024年，这一数字将增长至162亿美元，复合年增长率为26．0％。
AIoT的成熟，一方面需要企业的重视与投入，另一方面需要技术的支撑与迭代。上周，我们谈到阿里投百亿加速AIoT布局的“大手笔”；这周，我们来看看AIoT的领域吹起的技术“新风向”。
在文章《一文读懂即将引爆的TinyML：在边缘侧实现超低功耗机器学习》中，我曾经介绍过一个新趋势：TinyML，并提到将会持续追踪TinyML的进展。
TinyML是指在毫瓦（mW）功率范围以下的设备上，实现机器学习的方法、工具和技术。这里的关键词是“毫瓦功率范围以下的设备”。TinyML功耗极低，不仅适用于边缘硬件，还可用于物联网终端设备，支持各种不同的电池驱动的设备，和需要始终在线的应用。
这些设备包括智能摄像头、远程监控设备、可穿戴设备、音频采集硬件以及各种传感器等…TinyML是一个新兴领域，是快速增长的机器学习技术和应用，是一片巨大的、未被充分开发的蓝海。
最近TinyML与AutoML正在快速融合，构建嵌入式自动化机器学习算法，发挥更大的效力。
AutoML全称是Automated Machine Learning，自动化机器学习，这是2014年以来，机器学习和深度学习领域最炙手可热的领域之一。
我们都知道，机器学习的应用需要大量的人工干预，这些人工干预表现在：特征提取、模型选择、参数调节等各个方面。AutoML试图将这些与特征、模型、优化、评价有关的重要步骤进行自动化地学习，使得机器学习模型无需人工干预即可被应用。
就在今年3月，谷歌证明了AutoML可以走得更远。根据谷歌已将代码开源的AutoML－Zero，如今有可能仅使用基本的数学运算作为构建块，就可以自动“进化”为完整的机器学习算法。
因此本文将介绍TinyML与AutoML相结合的最新进展，值得你关注的包括：
TinyML与AutoML“携手”的最大价值体现在哪里？
嵌入式自动化机器学习算法的具体应用场景有哪些？
这个领域的初创公司和各类资源的情况如何？
01TinyML＋ AutoML的价值何在？
21世纪最性感的工作是什么？
你可能已经脑补了五花八门的答案，但《哈佛商业评论》（Harvard Business Review）认为是“数据科学家”。HBR在文章中写道，“如果‘性感’意味着拥有非常抢手的稀有品质，那么数据科学家就是。”
数据科学家很难招到、工资很高、更难留住，这也许是每个试图尝试AI应用的物联网企业都会头疼的问题。
数据显示，在2018年，初级数据科学家的平均工资为11．5万美元／年，能够管理10至15人团队的数据科学家则可以拿到35万美元的年薪。
2019年，全球对数据科学家的需求量是供应量的1．5倍。超过40％的公司认为招聘不到数据科学家是严重阻碍他们竞争力的原因之一。超过60％的公司试图通过内部培训，让现有员工变身成为数据科学家。
在物联网领域，数据科学家除了稀有，还面临另一个问题：在物联网终端，很多AI绝技无法施展。分布最广的物联网设备往往体积很小、电量有限。它们被作为终端硬件，通过嵌入式传感器采集各种数据；计算能力有限，对功耗极为敏感。物联网领域占比超过95％以上，都是需要超低功耗、占用极少存储空间、完成实时数据处理的场景。能够在这类设备上实现机器学习的人才，更是精英中的高阶精英。
TinyML与AutoML“携手”，就是试图让物联网领域的机器学习，突破人才稀缺和硬件受限的掣肘，让机器学习算法在物联网终端自我进化，让非技术人员可以轻松的使用人工智能进行数据分析，让原本“物以稀为贵”的机器学习以亲民的方式“飞入百姓家”。
TinyML在《一文读懂即将引爆的TinyML：在边缘侧实现超低功耗机器学习》中已有详细介绍，此处重点来说AutoML。
