***们的对策是开发低成本的传感器，提高采样密度。例如，新的酸度传感器每隔一米就在土壤中插一个，自动读取数据并记录自己的GPS坐标，这种做法的经济成本比同等密度下的人工采样显著降低。当前的主要问题是大多数农场仍未普及这样的传感器，更可靠、更准确的传感器仍在努力开发中。美国加州奥克斯塔德的草莓生产商“诺克尔收获”公司，采用的草莓生长实时监控设备，是由美国“气候看守者(ClimateMinder)”公司开发的。“诺克尔收获”公司的草莓田里，传感器负责测量土壤中的盐分和水分等，物联网采用射频识别的电子标签，把数据发送到“气候看守者”的网络服务器。农民可以通过特定账号访问网站，实时观察草莓温室的各项数据。雨鸟RZX型8站室外控制器直供服务***。
我们期待传统半导体供应商（如英特尔、辉达、高通和赛灵思）提供用于加速此部分堆栈人工智能用例的优化硅芯片。这些公司还可能提供需要的人工智能库，促进其专属架构的开发和逐级采用，进而帮助在其硅产品上部署人工智能框架。雨鸟RZX型8站室外控制器直供服务***。
人工智能库示例包括：英特尔 DDK、辉达c和安谋（ARM）NN。 有一点正变得日益清晰：硬件层可以说是这种人工智能解决方案堆栈中有趣的部分。关键原因有两个：首先，人们日益认识到人工智能要求其深层硬件具备独特的处理能力，这导致了选择处理架构的新一轮竞赛——哪种架构将会胜出，是GPU、数字信号处理器（DSP）、FPGA还是定制ASIC，仍有待观察；其次，开发人工智能硬件的参与者数量日益增加，超过了传统芯片制造商以往的名单，这可能会威胁到老牌供应商，并显著改变其市场地位。 雨鸟RZX型8站室外控制器直供服务***。
这些应用架构在选择上差异巨大，包括一般用途CPU、DSP、GPU、FPGA和定制的ASIC等（见图6）。不出所料，大多数供应商对人工智能硅架构的选择与其核心能力或优势领域密切相关。例如，赛灵思的Zynq MPSoC是其FPGA产品的可定制变体，辉达的大多数产品也均基于其核心GP-GPU架构。 雨鸟RZX型8站室外控制器直供服务***。
另一方面，供应商（如恩智浦和意法半导体）大多提供人工智能特定加速和扩展，以增强其现有产品组合而非人工智能特定芯片的能力。 另一个差异是，IP许可供应商安谋和益华（Cadence）提供软CPU和DSPIP核心，前提是未来人工智能处理器将嵌入至ASIC中，而非由专门用于人工智能工作负载的***运行芯片处理。软CPU和DSP IP核心的模型使硅供应商获得人工智能软核心的许可，得以开发针对其人工智能应用的芯片。雨鸟RZX型8站室外控制器直供服务***。
