เหมือนสนามแม่เหล็กขนาดใหญ่แรงโน้มถ่วงของ AI ค่อยๆเคลื่อนจากการปฏิวัติทางเทคโนโลยีไปสู่การพัฒนาอุตสาหกรรมในฐานะที่เป็นแกนหลักของเทคโนโลยี AI ชิพ AI ยังดึงดูดความสนใจไม่เพียง แต่เพื่อตอบสนองความต้องการของระบบ AI แต่ยังปรับให้เข้ากับความต้องการที่แตกต่างกัน สถานการณ์การใช้งานและสถานที่ที่แตกต่างกัน (เมฆหรือสิ้นสุด) การต่อสู้เพื่อชิป AI ยังนำเสนอความหลากหลายของประเภทแต่ละที่มีแฟนของตัวเองที่จะชนะ?
สามเส้นทาง
ปัจจุบันในตลาดหลักชิป AI มีสามเส้นทางหนึ่งชิปจะดำเนินการโดยวิธีการของอัลกอริทึมของ AI ธรรมดาเช่น CPU, DSP, FPGA และชอบ; เร่งที่สองคือ GPU + AI, ฟังก์ชั่นเอไอดำเนินการ; ประเภทที่สามสามารถปรับแต่งได้ ASIC
เพราะทั้งสามเส้นทาง 'ยีน' จะแตกต่างกันตำแหน่งที่ไม่ได้. รัสเซลเจมส์ผู้อำนวยการจินตนาการรองประธานและบริการภาพ AI PowerVR ว่าสำหรับผลการดำเนินงานชั้นแรกความต้องการใช้งานน้อยเช่นการจดจำใบหน้าและความต้องการความถูกต้อง ไม่สูงประเภทที่สองสำหรับการใช้งานที่มีประสิทธิภาพสูงเช่นโทรศัพท์สมาร์ท, การตรวจสอบฉลาด, ขับอัตโนมัติ ฯลฯ .; ประเภทที่สาม AISC พิเศษสำหรับงานที่เฉพาะเจาะจงเช่นฟิลด์ IOT IOT เพราะข้อมูลที่จำเป็นเพื่อให้เหมาะสมภายใต้อำนาจที่ จำกัด งาน AI ประสิทธิภาพมากที่สุดต่อวัตต์กว่าความต้องการสูงของ ASIC. และพื้นที่การจัดส่งนี้จะเป็นสาเหตุที่มากขึ้นสำหรับความกังวล
ประเภทนี้ของเส้นทางแต่ละคนมีข้อดี แต่ยังตลาดและธุรกิจสมบูรณ์ผู้อำนวยการพัฒนาในระดับภูมิภาคแห่งจินตนาการจีน Coltrane คิดว่าประสิทธิภาพของ CPU ไม่ได้ความเร็วสูงที่โหลดสูงไม่มีความสุขแม้ว่า DSP ความเร็ว แต่การวิจัยและพัฒนาของความล้มเหลวของระบบนิเวศ; ASIC เท่านั้น ความสามารถในการทำงานของฟังก์ชั่นอัลกอริทึมแบบคงที่ความสามารถในการปรับขนาดไม่แข็งแรงและมีแง่ดีเกี่ยวกับข้อดีโดยรวมของประสิทธิภาพของ GPU + AI accelerator ประสิทธิภาพและการใช้พลังงาน
ในขณะที่ Coltrane คือการพูดสำหรับรับรอง IP ของตัวเอง แต่สามารถชื่นชมสถาปัตยกรรมของชิป AI ไม่ได้สำหรับทุกสถานการณ์สถานการณ์การประยุกต์ใช้ที่แตกต่างกันจำเป็นต้องมีประเภทที่แตกต่างกันของการสนับสนุนเราจะต้องสามารถให้การสนับสนุนจากการมิลลิวัตต์ Kilowatts ของความหลากหลายของสถาปัตยกรรม
การเปลี่ยนแปลงของอุตสาหกรรม
ความบ้าคลั่ง AI หลง แต่จากขั้นตอนการพัฒนายังไม่ถึงวุฒิภาวะ
Coltrane ว่าอุตสาหกรรมทั่วไปจะแบ่งออกเป็นสี่ขั้นตอนเทคโนโลยีใหม่มาสถาบันการศึกษาและ บริษัท มีการวิจัยที่ทันสมัยและความเป็นไปได้การศึกษาเพื่อหาเป็นไปได้ของอุตสาหกรรมที่สองถูกนำไปใช้ในขั้นตอนการวิจัยเพื่อสำรวจการแก้ปัญหาในทางปฏิบัติที่สามเป็นขั้นตอนของการพัฒนาอย่างรวดเร็วของอุตสาหกรรม ในกรณีนี้ยังกลับกลายเป็นโอกาสมาก; สี่ครบกำหนดกลายเป็นตลาดที่ค่อนข้างมีเสถียรภาพและจะวางเจไดจะนำข้อได้เปรียบของ บริษัท Ebb Tide ตอนนี้เอไออยู่ในขั้นเริ่มต้นของขั้นตอนที่สามของการพัฒนาอย่างรวดเร็วที่เป็น
ในขั้นตอนนี้ในตอนท้ายของฟังก์ชั่น AI มีแนวโน้มมากขึ้นรัสเซลเจมส์แสดง :. 'AI มีการเปลี่ยนแปลงอุตสาหกรรมและเครือข่ายประสาทเป็นหลักของกระบวนการดังกล่าวที่ได้รับส่วนใหญ่เกิดขึ้นในเมฆ แต่เนื่องจากปัญหาความล่าช้าประเด็นความเป็นส่วนตัวเช่นกัน ด้วยความสามารถในการปรับขนาดที่เพิ่มขึ้นการประมวลผล AI ขั้นสูงจึงกลายเป็นสิ่งจำเป็นมาก
นอกจากนี้อัลกอริทึมจะค่อยๆกลายเป็นเปิดที่ปลูกขึ้นอยู่กับการแก้ปัญหาที่เหมาะสมที่สุดสำหรับการใช้งานที่แตกต่างกัน. รัสเซลเจมส์กล่าวว่าโฟกัสสหรัฐบนโทรศัพท์สมาร์ทหม้อแปลงไฟฟ้าและด้านอื่น ๆ ของเอไอเพื่อเพิ่มประสิทธิภาพและจีนให้ความสำคัญมากในการตรวจสอบที่ชาญฉลาดเป็นที่มีศักยภาพ ตลาดใหญ่ในขณะที่มีโอกาสมากมายในสมาร์ทโฟนการขับขี่โดยอัตโนมัติ
IP ใหม่
ในเส้นทางที่แตกต่างกันหลายกองกำลังพยายามอย่างดีที่สุดเพื่อหลีกเลี่ยงจุดอ่อน
จินตนาการเพิ่งประกาศเปิดตัวของทั้งสองเครือข่ายประสาทบนพื้นฐานของ AX2185 หลักและเครือข่ายประสาท AX2145 เร่งสถาปัตยกรรม (NNA) PowerVR Series2NX. คุณจะรู้ว่าสถาปัตยกรรมการสนับสนุนเฉพาะ 16-4 บิตโซลูชั่นกว้างสามารถลด ให้เกิดประสิทธิภาพมากขึ้นและแบนด์วิดธ์การตอบสนองในเวลาจริงและลดการใช้พลังงาน
มีรายงานว่าซีรีส์ 2NX AX2185 มุ่งเน้นไปที่สมาร์ทโฟนระดับไฮเอนด์การเฝ้าระวังและตลาดยานยนต์ที่น่าสนใจ AX2185 มีข้อดีคือมี 8 เครื่องประมวลผลความกว้างเต็มรูปแบบ , รอบนาฬิกาแต่ละครั้งสามารถจัดการ 2048 MAC (4.1 ล้านล้านการใช้งานต่อวินาที) ในขณะที่การใช้พลังงานเป็นที่โดดเด่นและบรรลุประสิทธิภาพสูงสุดต่อพื้นที่และ AX2145 เหมาะสำหรับอุปกรณ์ที่มีความสำคัญกับค่าใช้จ่ายสำหรับโทรศัพท์สมาร์ทโฟนช่วงกลางดิจิตอล ตลาดทีวี / กล่องรับสัญญาณกล้องสมาร์ทและตลาดความปลอดภัยของผู้บริโภคมีการกำหนดเป้าหมายสำหรับแอพพลิเคชันเช่นการรับรู้ภาพและการมองเห็นเครื่อง
ประสิทธิภาพของฮาร์ดแวร์ไม่ได้เป็นเพียงระบบนิเวศซอฟแวร์นอกจากนี้ยังเป็นสิ่งสำคัญในการแข่งขันชิป AI. รัสเซลเจมส์แนะนำทั้งแกนสนับสนุนอย่างเต็มที่ Android อินเตอร์เฟซการเขียนโปรแกรมเครือข่ายประสาทในขณะที่จินตนาการให้ชุดของเครื่องมือที่จะลดความซับซ้อนของการพัฒนาโปรแกรมของ AI และการใช้งานและการแก้จุดบกพร่องและการวิเคราะห์การเรียนรู้เครื่องกรอบสามารถใช้ชุดพัฒนาเครือข่าย (NDK)
รัสเซลเจมส์กล่าวซึ่งขณะนี้มีสอง AI เร่งผลิตโทรศัพท์ IP ของลูกค้าและรถ. และที่สำคัญ IP เหล่านี้ยังสามารถนำมาปรับ CPU, FPGA ฯลฯ แต่มีความต้องการบางอย่างสำหรับแบนด์วิดธ์และความล่าช้าในขณะที่ ไม่จำเป็นต้องกับ GPU 'จับคู่'. ถ้า AI สามารถใช้ประโยชน์จาก IP เพื่อเร่งการขยายตัวเข้าไปในพื้นที่อื่น ๆ ของชิปวัตถุประสงค์ทั่วไปชิปเส้นทางไปยัง AI หรือตัวแปร