当开发人员准备就绪时，该工具应使他们能够针对将在其上运行的所选处理器优化其AI模型的性能。开发人员可以选择使用开放框架，例如TensorFlow或TensorFlow Lite，但是在使用它们时要牢记目标处理器的功能。或者他们可以再次使用特定于SoC的工具，例如Synaptics的SyNAP工具，该工具支持专门针对VS600 SoC中的处理器进行优化。在我们的示例中，开发人员可以使用SyNAP优化功能来配置其身体姿势估计模型，例如，使其能够以每秒30帧的速度在VS600 SoC上实时运行。
但是，安全和隐私需要满足消费者的期望。
人机界面的未来听起来很光明，但采用的最大障碍可能是用户认为他们的隐私和安全性将受到损害。新闻中有许多最近的故事可以证实这种担忧。任何有意义的人机界面解决方案都必须考虑到这一点。
幸运的是，这些视频、语音和视觉数据将在设备中而不是在云中进行处理的事实在隐私方面取得了巨大的进步。在视频门铃示例中，通过将AI智能添加到门铃本身中，来自前门的视频不需要24／7流式传输到云，而仅当存在特定事件时才需要。例如，仅当AI引擎检测到一个邪恶的人正在接近门时，才传输视频。或者，以我们的家庭瑜伽教练为例，该应用可以像我们之前显示的那样完全在设备中运行，而根本不需要将任何图像从家中发送到云端服务器。
但是，即使从未将这些图像发送到云，用户也可能担心，即使是暂时的，这些图像仍会在您的设备中被捕获和处理。还有一个安全隐患，一个有恶意的人可能试图从您的设备中获取该数据。因此，理想的以智能家居为中心的AI解决方案还必须确保以安全的方式捕获和处理该内容，这一点至关重要。
智能家居安全
物联网的新时代将通过更多的“本地智能”（边缘AI）来推动，这将减少始终保持连接的需求和风险。在边缘设备上进行处理的AI驱动的神经网络是加速采用感知智能系统的关键。通过能够在边缘实现此功能，系统可以以更高的安全性和隐私性以及更低的延迟运行。可以支持多模式接口解决方案的高性能，多处理器SoC（以消费者市场的价格提供）将帮助开发人员快速利用AI创新并使其产品脱颖而出。
机器如何利用语音、视频和视觉数据，以及如何利用它们来理解和预测性地响应我们所做的事情（例如说或触摸），从而改善了物联网如何在我们的生活中提供前所未有的安全性、便利性和生产力。
