近年来，机器人工业中出现了许多关于机器视觉的新技术，特别是在目标检测和识别方面，如何使机器人真正睁开眼睛，了解世界已成为各视觉设备制造商斗争的战略焦点。
深入学习技术推动了机器视觉识别技术的发展到一个新的阶段，基于对图像和视频大数据的高强度训练，深度学习算法通过不断学习复杂的目标检测和分类技术，帮助机器视觉系统获得更多的知识和经验，最终实现了对目标的独立、准确的识别。在机器人应用方面，各种功能都可以实现。
深入学习的应用场景是广泛的，但其背后的技术支持并不是那么简单。机器视觉系统需要在几秒钟内处理大量信息，而在这些信息背后是大量的计算，计算能力的高低直接决定着机器视觉的水平。
作为数字经济和新基础设施的重要生产力工具，机器人市场呈现出稀疏化的趋势，机器人的视觉计算和深度学习对计算能力提出了更高的要求。传统的CPU和GPU已经不能满足需要。我们可以以快速、低能耗和低价格的速度推出TPU，这可以说是响应市场对更好的人工智能芯片的要求。
