Wie ein riesiger ‚Feld‘, AI Schwerkraft von einer technologischen Revolution bewegt sich allmählich in Richtung der Industrieboden. Als Kerntechnologie von AI, AI-Chip ist auch von Belang, nicht nur auf die Bedürfnisse von AI Kraft betrachtet, sondern auch auf unterschiedliche anzupassen Anwendungsszenarien und andere Position (Cloud oder Ende). Anstoß AI-Chip auch eine Vielzahl von Genres präsentiert, Fans der jeweiligen Situation, am Ende, wer gewinnen?
Drei Wege
Gegenwärtig gibt es hauptsächlich drei Arten von AI-Chips auf dem Markt: Eine ist die Ausführung von AI-Algorithmen mit herkömmlichen Chips wie CPU, DSP, FPGA usw. Die zweite ist der GPU + AI-Beschleuniger, der AI-Funktionen implementiert. ASIC.
Diese drei Arten von Pfaden haben aufgrund von "Genen" eine unterschiedliche Positionierung. Russell James, Vice President von VisionVision und KI-Geschäft von Imagination, glaubt, dass die erste Kategorie für Anwendungen mit weniger anspruchsvollen Leistungsanforderungen wie Gesichtserkennung und Genauigkeitsanforderungen gilt. Nicht hoch, die zweite Kategorie ist für Hochleistungsanwendungen wie Smartphones, intelligente Überwachung, Autopilot usw. Die dritte Kategorie von AISCs ist spezifisch für bestimmte Aufgaben wie IoT-Domänen, da die IoT-Domäne einen entsprechend begrenzten Energieverbrauch erfordert. Die KI-Aufgabe erfordert den ASIC mit der höchsten Leistung und Stromverbrauchsrate, und das Sendungsvolumen in diesem Bereich wird relativ groß und bemerkenswert sein.
Diese Arten von Pfaden haben jeweils Vorteile, sondern auch fehlerhaft regionalen Marketing und Business Development Direktor von Imagination China, Coltrane dachte, CPU-Effizienz ist nicht mit hohen Geschwindigkeit bei hohen Last unglücklich, obwohl Geschwindigkeit DSP, aber die Forschung und Entwicklung von ökologischen Versagen; ASIC nur Die Fähigkeit, feste Algorithmusfunktionen durchzuführen, Skalierbarkeit ist nicht stark und so optimistisch bezüglich der Gesamtvorteile von GPU + AI-Beschleunigerleistung, Effizienz und Energieverbrauch.
Während Coltrane für ihre eigene IP-Bestätigung zu sprechen, aber zu erkennen ist, ist eine Architektur des AI-Chips nicht für alle Szenarien erfordern unterschiedliche Anwendungsszenarien verschiedene Arten von Unterstützung, benötigen wir von Milliwatt unterstützen zu können, Kilowatt einer Vielzahl von Architektur.
Industrie ändert sich
Der KI-Wahn hat geschlagen, aber von der Entwicklungsphase an ist er noch nicht ausgereift.
Coltrane, dass die allgemeine Industrie in vier Stufen unterteilt ist, kommt eine neue Technologie Institutionen und Unternehmen haben die Spitzenforschung und Machbarkeitsstudien, die Möglichkeit der Industrialisierung zu finden, die zweite Forschungsphase praktische Probleme zu lösen zu erkunden angewandt wird, drittens die Phase der raschen Entwicklung der Industrie ist, in diesem Fall auch eine Menge Gelegenheit hervorgebracht, viertens reifte, ein relativ stabiler Markt worden, und die Jedi führt die Vorteile von Ebb Tide Unternehmen jetzt zu legen, ist AI in den frühen Stadien der dritten Phase der raschen Entwicklung, die ist.
In diesem Prozess ist die Ende-zu-Ende-KI-Funktionalität vielversprechender: Russell James sagte: "AI verändert die Industrie und das neuronale Netzwerk ist ihr Kern. Diese Verarbeitung erfolgte hauptsächlich in der Cloud, aber aufgrund von Verzögerungsproblemen, Datenschutzproblemen und Mit steigenden Anforderungen an die Skalierbarkeit ist eine Kanten-AI-Verarbeitung sehr notwendig geworden.
Darüber hinaus wird der Algorithmus allmählich Open Source, und es ist notwendig, die optimale Lösung für verschiedene Anwendungen zu löschen.Russell James wies darauf hin, dass die Vereinigten Staaten konzentriert sich auf Smartphones, Autopilot und andere Aspekte zur Verbesserung der KI-Leistung, und China legt großen Wert auf intelligente Überwachung, ist ein Potenzial Der riesige Markt, während es viele Möglichkeiten in Smartphones, automatisches Fahren gibt.
Neue IP
Auf verschiedenen Wegen versuchen alle Kräfte, Schwächen zu vermeiden.
Imagination vor kurzem angekündigt, die Einführung von zwei neuronalen Netzes basiert auf seiner Kern AX2185 und AX2145 neuronale Netzwerk-Beschleuniger (NNA) Architektur PowerVR Series2NX. Sie wissen, ist die Architektur unterstützt nur 16-4 Bit breiten Lösungen senken können Erhöhte Effizienz und Echtzeit-Reaktion mit Bandbreite und Stromverbrauch.
Für verschiedene Anwendungen, diese beiden Arten von IP-Cores in einer großen Leistung und Speicherbandbreitenoptimierung. Es wird berichtet, dass, Series2NX AX2185 High-End-Smartphones, intelligente Überwachung und Automobilmarkt als Ziel. AX2185 Vorteil, dass acht voller Breite Berechnungs-Engine hat jeder Taktzyklus kann 2048 MAC (4.1 quadrillion-Operationen pro Sekunde), während der ausgezeichnete Leistung Leistung handhaben, um die höchste Leistung pro Flächeneinheit zu erzielen. die AX2145 für kostensensitive Ausrüstung bis mittleren Bereich Smartphones optimiert ist, digitaler TV / set-Top-Boxen, Smart-Kameras und die Sicherheit der Verbraucher für den Zielmarkt, die Verarbeitung wie Bilderkennung und Machine-Vision-Anwendungen.
Nicht nur die Leistungsfähigkeit der Hardware, Software-Ökosystem ist auch entscheidend, in AI-Chip-Wettbewerb. Russell James eingeführt, beide Kerne voll Android neuronales Netzwerk Application Programming Interface unterstützen, während Imagination eine Reihe von Werkzeugen bietet die Entwicklung von Anwendungen von AI zu vereinfachen und Bereitstellung und Debugging und Analyse, maschinelles Lernen Rahmen können den Netzwerk-Development-Kit (NDK) verwenden.
Russell James erwähnt, die derzeit über zwei AI Kunden IP-Telefon und Autohersteller beschleunigen. Und was noch wichtiger ist, können diese IP auch CPU angepasst werden, FPGA, etc., aber es gibt bestimmte Anforderungen an die Bandbreite und Verzögerung, während nicht unbedingt mit dem ‚Spiel‘ GPU. Wenn die KI können die Vorteile der IP nehmen Expansion in andere Bereiche der Allzweck- Chip, Chip AI Weg zu oder Variablen zu beschleunigen.