据外媒报道，神经网络和深度学习可从数据中学习，并根据学习做出决策，代表了机器学习技术的下一个发展方向。总部位于圣地亚哥（San Diego）的一家初创公司Kelzal宣布推出“超低功耗和超快感知设备”（Ultra-Low Power and Ultra-Fast Perception Appliances）的新产品线规划。目前，Kelzal正参与研发基于第三代神经网络和视觉传感器的技术。

　　Kelzal的人工智能（AI）工程师将摄像头传感器与卷积神经网络（CNN）集成在一起，实现能够识别和分类人和车辆等物体的感知解决方案。此类应用与人类的行为类似，而且可提升人工智能行业的发展。

　　但是，在人工智能系统中执行此类应用需要高功耗且价格高昂的图形处理器（GPU）。Kelzal表示其正在为具备第三代神经网络、且基于事件的视觉设备提供低功耗感知功能，以适用于移动机器人和监控等应用。

　　市场上用于自动驾驶汽车的人工智能模型不止一种，经过特别设计的深度学习模型可以用于路灯，识别行人，如此一来，当汽车在该路上行驶时，可通知路上其他人。谷歌研发的Waze就是此类AI模型，可通知使用同一条道路的其他人。

　　Kelzal表示其新技术超快感知设备（Ultra-FAST PercepTIon Appliance），可在几毫秒内识别和分类物体，速度之快足以探测和跟踪高速子弹，是实现自动驾驶汽车和机器人的理想选择。此外，其超低功耗感知设备（Ultra-Low Power PercepTIon Appliance）可依靠一个电池快速、准确地运行，适用于监控、自动零售和分析行业。