最近Movidius 晶片的出场率越来越高了。DJI 最新无人机的回避障碍功能、FLIR 最新温度镜头自动辨识火灾中的人——这些都是透过神经网路的深度学习实现的。公司还与Google 签订了合约，将晶片融入一个未公布的神秘产品中。现在，这家晶片制造商出了新产品，据称可以将强大的深度学习带给任何人：一款名为Fathon 神经计算棒的USB。
Fathon 配有Myriad 2MA2450 VPU，搭配512MB 的LPDDR3 RAM。之前说到的DJI 和FLIR 产品就是装配了Myriad 2 晶片，可以同时搞定许多进程。因为它是专门为此设计的——架构与GPU 和CPU 非常不同，它不需要很大的电量就能提供很大的能量。它可以搞定最高150 gigaFLOPS（一个gigaFLOPS 代表每秒10 亿次浮点操作），只耗费不超过1.2 瓦的电量。
与Tegra 的深度学习方法不同的是，Fathom 不是一个单独的系统。这个概念是，你用USB 3.0 介面将它插入任何运行Linux 的系统，就能得到「20-30 倍的神经计算运行提升」。你可以用Fathom 来快速做出神经网路原型，一旦你准备好行动，就能获得大得多的计算力。
当然，这是神经网路，所以这并没有那么简单。Fathom 接受Caffe 和TensorFlow 定义的网路（两个在深度学习领域很流行的框架）以及它们的资料库。你需要使用一个Movidius 工具来在Myriad 2 晶片上执行网路，它会自动运行并获取电量。乍一看这挺像CUDA 和cuDNN（NVIDIA 将神经网路交给图像卡的系统）。但是，Fathom 的亮点在于，当你手头没有华丽的昂贵图形卡和处理器，你就还是可以使用赢咖4。
Fathom 是个特别的设备。如果你试过使用马力不足的机器来跑即使是基础的神经网路，你会发现，慢死了。目前，最好的方式是基于云端的系统，使用远方的计算能力。能够给一个常规笔记型电脑增加一个不错的计算能力，这能大大降低打造一个神经网路的成本。
从本质上来说，这意味着插入Fathom 的设备可以认知性地、或者说智能地产生回应，基于它在镜头所见的内容（透过计算视觉）或者它从另一个来源处理的资料。
除了计算棒本身，Movidius 还打造了一个名为「Fathom 深度学习软体框架」的软体，让你可以最佳化和编译演算法，能用超低电量在Myriad 2 上运行。例如在计算视觉里，Movidius 说它可以每秒运行16个图像，在最高马力运行也只使用一瓦电量。另外，还有很多认知领域可以应用。
但是Fathom 的潜力还远不只这些。在赢咖4、无人机和创客领域都能大显身手。例如说，你可以给无人机的镜头编入程式，可以辨识着陆地面是否平稳、扎实。又例如，将Fathom 接上Raspberry Pi，你可以给GoPro 加入非常高级的电脑视觉能力。如果你脑洞再大一点，还能想到更多智能、小型、低耗能的实际应用：智能飞行、能感知情况的安全镜头、更小的赢咖4注册设备、新级别的语音辨识。大小和电量的因素，还让可穿戴和VR 等互动性装备都可以应用（虽然不是直接插USB，但是可以找到其他融入的方式）。由于电脑视觉是支援AR 的关键之一，以极小耗电量增强电脑视觉能力，我认为这种硬体可以在该领域内有很多发展可能。公司长远的目标，当然是说服更多的制造商将Myriad 晶片加入到他们的设备中，但是Fathom 这样的神器是非常重要的一步。
▲ DJI的障碍回避功能是由Fathom同样的晶片支援。
这在赢咖4圈子里获得了积极回响。Facebook 的赢咖4负责人Yann LeCunn 博士说，他「一直希望可以有类似Fathom 这样的东西……有了Fathom，每个赢咖4，不管大小，现在都可以有最尖端的视觉能力。」不过，Google 的赢咖4技术领导人Pete Warden 说，「要在设备内调试和运行这些复杂的神经网路，Fathom 还有很长的路要走。」
除了公司已经在合作的Google 、FLIR 等大客户以外，中小型企业也可以为自己的项目获得更强的计算能力，Fathom 做为一个附加模组可以为他们打开新的市场空间。
目前公司有1,000 件设备，免费送给符合标准的客户和研究员。虽然一些机构正在签收他们的Fathom，这款设备在第四季之前还不会公开发售。现在还没有固定价格，但是据称，价格会在100 美元以内。
