由于谷歌在周三发布了新的编程工具，Android的未来将变得更加智能。在谷歌I/O开发者大会的主题演讲中，该公司发布了TensorFlow Lite，这是其机器学习框架的一个版本，旨在运行在智能手机和其他移动设备上。
“TensorFlow Lite将利用一种新的神经网络API来开发特定于硅的加速器，随着时间的推移，我们希望看到专门为神经网络推理和训练设计的(数字信号处理芯片)，”谷歌的Android工程副总裁Dave Burke说。“我们认为，这些新功能将有助于推动下一代设备上的语音处理、视觉搜索、增强现实等。”
Lite框架很快将成为开源TensorFlow项目的一部分，神经网络API将在今年晚些时候出现在Android的下一个主要版本中。
这个框架对谷歌所看到的移动硬件的未来有严重的影响。专注于人工智能的芯片可以让智能手机在不消耗大量能量的情况下处理更高级的机器学习计算。随着越来越多的应用程序使用机器学习来提供智能体验，让这类工作在设备上更容易成为关键。
目前，将先进的机器学习应用到应用中——尤其是涉及到训练模型时——需要大量的计算能力，而这通常需要强大的硬件、大量的时间和大量的能力。这对消费者智能手机应用来说并不实际，这意味着它们通常会通过互联网发送图像、文本和其他需要处理的数据，把处理工作交给大型数据中心。
处理这些数据在云中有几个缺点,根据运算,首席分析师沼泽的见解和策略:用户必须愿意他们的数据转移到公司的服务器,他们必须在有足够丰富的环境连接以确保操作低延迟。
目前市场上已经有一款带有机器学习专用DSP的移动处理器。高通骁龙835系统芯片采用支持TensorFlow的Hexagon DSP。根据Moorhead的说法，dsp还用于为谷歌助手提供识别“OK，谷歌”唤醒短语等功能。
Moorhead说，用户应该期待在未来看到更多的机器学习加速芯片。“自从摩尔定律(Moore 's Law)放缓以来，它就成了一个异构的计算模型，”他说。“我们使用不同类型的处理器来做不同类型的事情，无论是DSP、(现场可编程门阵列)还是CPU。这就好像我们在用正确的高尔夫球杆打正确的洞。”
谷歌已经通过其张量处理单元(Tensor Processing Unit)芯片投资于针对ml的硬件，这些芯片旨在加速新的机器学习算法的训练，以及使用现有模型进行数据处理。周三，该公司宣布第二个版本的硬件，旨在加速机器学习、训练和推理。
该公司也不是唯一一家专注于智能手机的机器学习框架的公司。Facebook展示了一个名为“咖啡因2go”的面向移动的ML框架去年，它被用于支持该公司的live style transfer功能等应用程序。