Nandan Nayampally заявил, что у него есть не только процессор мобильного устройства. Даже у очень маленького микроконтроллера (MCU) уже есть основные возможности обработки выполнения AI, такие как ARM Cortex-M0 и Arm Cortex-M3. Series и т. Д. Теперь можно запускать модели машинного обучения для видео или речи сверху.
По мере того как все больше мобильных процессоров, которые имеют функции или функции AI, внедряются, он отмечает, что все больше процессоров приложений AP, которые сочетают функции CPU и GPU и используются для обработки операций AI различных типов приложений. Например, обнаружение объектов, распознавание речи или распознавание лиц. Не только эти прикладные процессоры, использующие архитектуру ARM, многие интеллектуальные устройства с возможностями AI на рынке также имеют архитектуры ARM, такие как интеллектуальные речевые устройства, интеллектуальные камеры или Это смарт-телевизор и так далее, даже в облаке, сказал он, и теперь его архитектура также использовалась в Китае, суперкомпьютерах Японии, чтобы делать разные приложения.
Нандан Ньямпалли подчеркнул, что впоследствии ИИ станет все более популярным на мобильных устройствах. «Практически все устройства могут быть реализованы». Что касается того, какие типы приложений ИИ можно запускать на нем, он сказал, что это будет зависеть от аппаратного обеспечения устройства. Дальнейшее объяснение: машинное обучение (ML) и AI - это программное обеспечение и работающие на оборудовании. Если это простое приложение для AI, ему не нужно проходить слишком много вычислений. Только одного процессора или одного GPU достаточно, если требуются очень сложные операции В это время необходимо использовать ускоритель Neural Network Accelerator для ускорения вычислений для более сложных приложений AI.
Nandan Nayampally сказал, что в будущем компания продолжит укреплять процессор. Мощность обработки графического процессора в машинах или AI не только добавит больше наборов инструкций, функций или инструментов в архитектуру дизайна, но также обеспечит машинное обучение и даже более глубокое обучение. Поддержка, но также и программное обеспечение для оптимизации планирования, для более эффективного использования, например, недавно внедренной архитектуры процессора Cortex-A76, в реализации задач машинного обучения, чем предыдущее поколение A75 4x, и, кроме того, графический процессор Mali-G76 также в 3 раза эффективнее, чем G72.
В этом году ARI также сосредоточилась на ускорителях нейронных сетей. В новой архитектуре Project Trillium была запущена две новые серии IP: процессор машинного обучения (MLP) и процессор обнаружения объектов (ODP). Это то, что ARM объявила в начале этого года. Новое семейство чипов искусственного интеллекта (AI).
Первый используется для ускорения машинного обучения. Производительность с плавающей точкой каждого процессора составляет до 4.6 Teraflops, а также более энергоэффективная. Она может достигать 3-х терафлопсов с плавающей точкой на ватт. Последняя используется для ускорения компьютерного зрения. , По сравнению с традиционным цифровым чипом сигнала DSP, производительность до 80 раз и может обрабатывать до 60 кадров в секунду Full HD видео высокой четкости.
Мало того, Нандан Ньямпалли весьма оптимистично относится к применению Object Detection в приложениях AR и VR. Он даже сказал, что компания купила Apical 2 года назад в качестве технологической компании, специализирующейся на внедрении приложений для компьютерного зрения и визуализации. Чтобы ускорить вход на рынок устройств AR, VR, помимо существующих продуктов ARM, которые уже поддерживают вычислительную технику Vision (Vision computing), он сказал, что будут решения Vision Vision следующего поколения.