与传统人工智能比较，轻量化（微型）人工智能所须要的数据是“轻”的，纵然只有少量样本数据，依然能够实现较为准确的打算和推理；轻量化（微型）人工智能对云真个依赖也是“轻”的，智能设备不须要与云端交互就能实现很多智能化操作。
我们把微型人工智能的这种表现称之为“外减、内加”：对外做减法，减少对数据的依赖、对云真个依赖；对内本色上做加法，增加终端设备的打算能力、基于小样本数据的算法创新。
当前，微型人工智能已悄悄走来，我们利用手机助手时，已无需向远程做事器发送要求；利用汽车的自动停车功能时，也无需汽车厂商供应在线支持。
2020年，一年一度的《麻省理工科技评论》将微型人工智能评为“环球十大打破性技能”之一。

微型人工智能可以办理传统人工智能发展面临的诸多困境。
比如，算力摧残浪费蹂躏的问题，传统人工智能必须搭建大型云平台，以有效支撑来自各方面的打算要求，但很多时候云平台的资源是闲置的，而微型人工智能直接将打算支配在设备终端，减少了对云端算力的花费；隐私保护的问题，微型人工智能无需将终端采集的数据上传到云端，减少了通过云端透露数据的风险；网络时滞的问题，像自动驾驶这种对相应韶光极为苛刻的运用处景，最好的办理方案便是本地打算和实时决策，而这也离不开微型人工智能的发展和运用。
可以说，微型人工智能所带来的好处是显而易见的，既降落了人工智能系统的支配难度和本钱，也把人工智能从一场高门槛的科技竞赛变成了普惠性的民生科技，其落地场景包括语音助手、数字扮装、无人驾驶、基于移动真个个人医疗康健管理等。
一些人工智能领域研究职员认为，现在的很多微型算法都可以安装得手机上，将来的业务形态该当是终端设备作出快速的反馈和决定，特殊重大的决策才须要云端参与。

发展微型人工智能同样面临不可回避的困难。
一是技能跟进的不敷。
一方面，微型人工智能终端须要利用更高性能、更低功耗、更小体积的芯片，这样才能承担云端迁移过来的打算任务，但高精度芯片的研制绝非一朝一夕能够完成；另一方面，微型人工智能更依赖小样本学习、无监督学习等新算法技能的发展，以确保小规模数据打算结果的精准度。
二是管理难度的加大。
微型人工智能会导致分布式人工智能的兴起，每个终端都成为一个独立节点。
比如，未来的智能终端极有可能吸收或产生大量假造数据，受限于算力，在分散式网络架构中，如何有效地甄别这些假造数据，这将是一个不得不面对的难题。
不过，新技能的发展与其面临的寻衅总是相生相伴，只要我们做好对微型人工智能潜在发展风险的预判和应对，就能推动其发挥正面浸染，更好造福人类社会。