مانند یک "میدان" غول پیکر، گرانش AI از انقلاب تکنولوژیک به تدریج به سمت طبقه صنعتی منتقل شده است. به عنوان فن آوری هسته ای از هوش مصنوعی، تراشه AI نیز از نگرانی، نه تنها به پاسخگویی به نیازهای AI نیروی در نظر گرفته است، اما همچنین برای انطباق با مختلف سناریوهای برنامه و محل های مختلف (ابر و یا پایان). مشاجره تراشه AI نیز ارائه انواع ژانرهای، طرفداران هر وضعیت، در پایان که برنده خواهد شد؟
سه راه
در حال حاضر در جریان اصلی بازار تراشه های AI سه مسیرها، یک تراشه با استفاده از الگوریتم های هوش مصنوعی معمولی، مانند CPU، DSP، FPGA و مانند آن انجام وجود دارد. شتاب دهنده دوم GPU + AI است، تابع AI اجرا؛ دسته سوم قابل تنظیم است ASIC.
از آنجا که ژن به این سه مسیر متفاوت هستند، یک موقعیت است. راسل جیمز مدیر تخیل، معاون رئيس جمهور و خدمات بصری AI از PowerVR که برای عملکرد کلاس اول برنامه های کاربردی کمتر خواهان، مانند تشخیص چهره، و الزامات دقت نمی بالا؛ دسته دوم برای کاربردهای سطح بالا و مانند تلفن های هوشمند، نظارت هوشمند، رانندگی خودکار، و غیره؛ دسته سوم AISC تخصصی برای کارهای خاص، مانند میدان اینترنت اشیا اینترنت اشیا به دلیل زمینه مورد نیاز برای تکمیل مناسب تحت قدرت محدود وظیفه AI، ترین عملکرد در هر وات از نیاز بالا از ASIC. و این منطقه محموله خواهد بود هدف بزرگتر برای نگرانی.
چن چان، مدیر منطقه ای و مدیر توسعه کسب و کار Imagination China معتقد است که کارایی پردازنده کم نیست و سرعت آن به سرعت در سرعت بالا نیست، DSP سریع است، اما اکولوژی تحقیق و توسعه کامل نیست، فقط ASIC توانایی انجام عملکردهای الگوریتم ثابت، مقیاس پذیری قوی نیست، و بنابراین در مورد مزایای کلی عملکرد، بهره وری و مصرف برق GPU + AI خوشبین است.
اگر چه کلمات Ke Chuan برای IP خود تایید شده است، واضح است که یک تراشه AI معماری برای همه سناریوها قابل استفاده نیست. سناریوهای مختلف نیاز به انواع مختلف پشتیبانی فنی دارند و باید بتوانند از میلیوات پشتیبانی کنند. Kilowatts از انواع معماری.
تغییرات صنعت
افسردگی AI بوجود آمد، اما از مرحله توسعه، آن هنوز به بلوغ نرسیده است.
کولترین که صنعت به طور کلی به چهار مرحله تقسیم می شود، یکی از تکنولوژی جدید می آید موسسات و شرکت های برش، لبه اند تحقیق و مطالعات امکان سنجی، برای پیدا کردن امکان صنعتی شدن؛ دوم این است مرحله تحقیق و پژوهش برای کشف برای حل مشکلات عملی، سوم مرحله از توسعه سریع صنعت است، در این مورد نیز باعث بسیاری از فرصت؛ چهارم، بالغ، تبدیل به یک بازار نسبتا پایدار است، و به وضع جدی است که منجر به مزایای استفاده از شرکت تاقچه بیرون پنجره جزر و مد در حال حاضر، هوش مصنوعی در مراحل اولیه مرحله سوم توسعه سریع این است که است.
در این فرایند، در پایان از عملکرد هوش مصنوعی بیشتر امیدوار راسل جیمز بیان :. "AI در حال تغییر است صنعت، و شبکه عصبی در هسته از یک فرآیند به طور عمده رخ می دهد در ابر شده است، اما به دلیل مسائل پوشیدگی، مسائل خصوصی است. افزایش نیاز مقیاس پذیری، لبه پردازش AI بسیار ضروری تبدیل شده است.
علاوه بر این، الگوریتم به تدریج باز شوند، رشد کرده تا به راه حل بهینه برای برنامه های مختلف. راسل جیمز گفت که تمرکز ایالات متحده بر روی تلفن های هوشمند، خلبان اتوماتیک و دیگر جنبه های هوش مصنوعی به منظور افزایش عملکرد و چین متصل اهمیت زیادی برای نظارت هوشمند، یک پتانسیل است بازار بزرگ، اما در گوشی های هوشمند، هستند بسیاری از فرصت های بر روی خلبان اتوماتیک وجود دارد.
IP جدید
در چند مسیر مختلف، از تمام نیروهای در نقاط قوت کامل است.
تخیل به تازگی بر اساس AX2185 هسته ای خود و AX2145 شبکه عصبی شتاب دهنده (NNA) معماری های PowerVR Series2NX اعلام کرد راه اندازی دو شبکه عصبی. شما می دانید، معماری تنها پشتیبانی 16-4 کمی راه حل گسترده ای می تواند کاهش دستیابی به بازده بیشتر و در زمان واقعی پهنای باند پاسخ و مصرف انرژی کمتر.
برای برنامه های مختلف، این دو نوع هسته های IP در یک عملکرد و پهنای باند حافظه بهینه سازی شده است. گزارش شده است که، Series2NX AX2185 بالا پایان تلفن های هوشمند، نظارت هوشمند و خودرو به عنوان هدف. استفاده AX2185 که دارای هشت موتور محاسبه تمام عرض هر چرخه ساعت می 2048 MAC (4.1 بیلیون عملیات در هر ثانیه)، در حالی که عملکرد قدرت عالی، رسیدگی برای رسیدن به بالاترین عملکرد در واحد سطح است. AX2145 برای تجهیزات حساس به هزینه به گوشی های هوشمند در اواسط محدوده بهینه سازی شده، دیجیتال تلویزیون / جعبه تنظیم، دوربین هوشمند و بازار امنیت مصرف کننده برای برنامه های کاربردی مانند تشخیص تصویر و چشم انداز ماشین هدف قرار می گیرد.
نه فقط عملکرد سخت افزار، نرم افزار اکوسیستم است نیز در رقابت تراشه AI بسیار مهم است. راسل جیمز معرفی، هر دو هسته پشتیبانی کامل از Android رابط برنامه نویسی کاربردی شبکه عصبی، در حالی که تخیل فراهم می کند مجموعه ای از ابزار برای ساده سازی توسعه برنامه های کاربردی هوش مصنوعی و استقرار، و اشکال زدائی و تجزیه و تحلیل، چارچوب یادگیری ماشین می توانید کیت توسعه شبکه (NDK) استفاده کنید.
راسل جیمز اظهار داشت که این دو آی پی شتاب دهنده AI توسط تولیدکنندگان تلفن همراه و وسایل نقلیه از قبل استفاده شده است. مهمتر از همه، این آی پی ها همچنین می توانند با پردازنده ها، FPGA ها و غیره سازگاری داشته باشند، اما آنها دارای شرایط خاصی برای تاخیر پهنای باند و غیره هستند. نه لزوما با 'بازی' GPU است. اگر AI می توانید استفاده از IP را به سرعت بخشیدن به گسترش به مناطق دیگر از تراشه عمومی، تراشه مسیر AI به سمت یا متغیر.