Intelligenza Artificiale (AI) lo sviluppo di ancora più rapido, e ha iniziato una spinta importante nel dispositivo terminale, l'analisi operazione ha cominciato a spostare dal nodo terminale della nube, bordo di sviluppo di calcolo si può dire che l'industria dei semiconduttori è attualmente di temi caldi, e 2018 Taipei International Computer Show (Computex 2018) è diventato eccellente in tutti i settori in cui l'industria (ad esempio IP, patatine, stoccaggio) spettacolo di fuoco, hanno rilasciato nuove soluzioni o pianificazione di layout di mercato durante la mostra.
Attaccare mercato informatico bordo si muove spesso Arm
Rene Haas (foto 1), presidente del gruppo di prodotti Arm IP, ha affermato che con il boom dell'Internet of Things, Arm prevede che entro il 2035 ci saranno più di 1 mega di dispositivi collegati nel mondo, per uso medico, automobilistico, illuminazione e strade. La rapida crescita del numero di dispositivi connessi porterà anche al continuo sviluppo di terminali e cloud computing: il computing intelligente continuerà a promuovere la nuova era di Internet of Things, portando la rivoluzione dell'IA e rendendo onnipresente il calcolo intelligente di Internet of Things.
Figura 1 Rene Haas, presidente del gruppo di prodotti Arm IP, ha affermato che il boom dell'Internet of Things aumenterà rapidamente il numero di dispositivi connessi e il futuro dell'informatica intelligente sarà onnipresente.
In risposta a questa tendenza, e al fine di integrare le applicazioni dell'IA / Machine Learning (ML) dell'ecosistema, il calcolo e il framework e combinare l'ottimizzazione del software con i prodotti IP hardware, tutti i dispositivi e le piattaforme possono supportare i framework di apprendimento automatico più comunemente utilizzati. Arm ha recentemente annunciato tre nuovi prodotti IP, la CPU Cortex-A76, la GPU Mali-G76 e la VPU Mali-V76, per migliorare l'esperienza di gioco e AR / VR, l'intelligenza artificiale e l'apprendimento automatico attraverso tre nuovi prodotti Braccio continuerà a rafforzare il vantaggio competitivo dell'azienda nel campo di azione, e ancora una volta migliorare le prestazioni di calcolo dei dispositivi terminali mobili come smartphone, tablet, PC.
Braccio, vice presidente e direttore generale del Dipartimento Clienti Nandan Nayampally (Fig. 2) ha detto che il futuro 5G spingerà l'intera operazione di innovazione industriale, uno dei prossimi applicazioni 5G di rete, tra cui VR, AI o giochi per cellulari porterà più la crescita di calcolo in futuro ci saranno più diverso di calcolo deve produrre.
Figura 2 Arm, vice presidente e direttore generale del Dipartimento Clienti Nandan Nayampally sottolineato, 5G oltre AI guideranno l'intera operazione di innovazione industriale, braccio con il lancio di nuovi prodotti IP in risposta alla domanda del mercato.
Nayampally ha sottolineato inoltre che il gioco è uno dei fattori chiave che promuovono mobile computing continua a crescere. Fatturato dell'industria gioco è diventato uno dei più grande mercato del mondo, è prevista nel 2018 potrebbe raggiungere $ 1.379 miliardi di valore della produzione, che spinge i consumi per coloro che esigono prestazioni di calcolo.
È stato riferito che il Cortex-A76 si basa sulla tecnologia Arm's DynamIQ, che ha migliorato le prestazioni del 35% e del 40% di efficienza rispetto al Cortex-A75 rilasciato lo scorso anno, ma può fornire 4 volte l'AI / ML sul dispositivo terminale. Prestazioni computazionali per un'esperienza rapida e sicura su PC e smartphone.
Il Mali-G76 offre il 30% in più di prestazioni rispetto alla GPU Mali-G72 della precedente generazione e un aumento del 30% della densità delle prestazioni, non solo per soddisfare le esigenze dei consumatori di giocare a giochi di fascia alta in qualsiasi momento, ma anche per fornire agli sviluppatori più spazio per le prestazioni. , consentendo loro di scrivere più nuove applicazioni, portare più giochi di fascia alta alle applicazioni mobili o integrare AR / VR nelle loro vite.
Infine, mentre la domanda di UHD 8K continua a salire, Arm ha introdotto il Mali-V76 per supportare la codifica IP e smartphone e altri dispositivi. È possibile eseguire lo streaming di quattro filmati a risoluzione 4K contemporaneamente, registrare video in una videoconferenza o guardare quattro giochi in 4K o ad alta risoluzione, visualizzare comunque la qualità ad alta definizione (Full HD). E può supportare fino a 16 film in streaming per formare un video wall 4 × 4.
Project Trillium debutta per accelerare la costruzione dell'ecosistema ML
Allo stesso tempo, per migliorare l'efficacia dell'apprendimento dispositivo terminale della macchina, Braccio pubblicato anche la piattaforma del progetto Trillium nei primi mesi del 2018, include una nuova macchina processore di apprendimento (ML Processor), il processore rilevamento di oggetti (Objects Processor) e il software di rete neurale Arm (Braccio NN). rispetto alla CPU indipendente, GPU acceleratore, Progetto Trillium prestazioni della piattaforma ben oltre la logica più tradizionale DSP programmabile.
direttore generale, vice presidente di Arm, accademici e Machine Learning Business Group Jem Davies (Figura 3) sottolinea, il potenziale di sviluppo di calcolo bordo è enorme, attualmente sul mercato non hanno un sacco di soluzioni stand-alone, come ASIC acceleratore, CPU / GPU, ecc Gli operatori dei terminali Naturalmente, è possibile scegliere il programma desiderato, ma lo svantaggio è che ci vuole tempo per essere integrato hardware e software (tensorflow, Caffe) della propria.
Figura 3 Il Direttore generale del gruppo Brothers Vice President, Academic and Machine Learning Group Jem Davies ritiene che Project Trillium creerà un ecosistema di apprendimento automatico completo per dispositivi terminali.
Davies mostra che il vantaggio del progetto Trillium è che viene presentato nell'architettura della piattaforma: l'hardware non è disponibile solo con processore ML e processore oggetti, ma aiuta anche gli utenti a semplificare reti neurali come TensorFlow, Caffe e NN Android tramite il software Arm NN. Integrazione dei collegamenti tra il framework e la CPU Arm Cortex, la GPU Arm Mali e il processore di apprendimento automatico.
Davies ha inoltre sottolineato che l'integrazione del software è un elemento chiave nello sviluppo dell'apprendimento automatico: molti acceleratori possono avere i mezzi per fornire processori hardware correlati (CPU, GPU), ma poche risorse possono fornire un'architettura di piattaforma completa per assistere i clienti in hardware e software. Integrando o migliorando le operazioni del modello ML, Project Trillium include il nuovo processore IP Arm e il software di rete neurale, che soddisfa le esigenze del mercato attuale sia dall'hardware sia dal software e consente a Arm di costruire un ecosistema di elaborazione edge completa. .
Inoltre, Davies ha anche osservato che la richiesta di machine learning di MCU è molto forte e ha rivelato che il primo giorno del lancio del Project Trillium, il kit di sviluppo software Arm NN ha aperto il download degli utenti, oltre 5.000 utenti hanno iniziato a utilizzare CMSIS NN. Prova ad implementare algoritmi di machine learning con Cortex-M.
Davies ha detto che questo risultato è in realtà oltre le aspettative di Arm. Mostra anche che le esigenze e gli interessi del gruppo di utenti MCU non possono essere ignorati e ciò ha anche spinto Arm a decidere di rafforzare ulteriormente questa classe nel nuovo core Cortex-M lanciato in futuro. L'efficienza dell'implementazione core dell'algoritmo ML.
CMSIS NN è una libreria di calcolo del kit di sviluppo software Arm Neur Network Arm NN SDK, che migliora l'efficienza dell'esecuzione di algoritmi di apprendimento automatico di Cortex-M, anche l'attuale core Cortex-M, in CMSIS NN Con l'aiuto di questo, è anche possibile eseguire alcune inferenze di apprendimento automatico molto semplici, ad esempio interpretando il significato dei dati di output del sensore. Naturalmente, poiché le prestazioni di calcolo e lo spazio di memoria dell'MCU non sono sufficienti, è impossibile eseguire inferenze di apprendimento automatico molto complesse. Tuttavia, se si tratta di una semplice interpretazione dell'output dei dati da parte di un singolo nodo sensore, c'è ancora la possibilità di ottenerlo.
Davies ha sottolineato, MCU se non si può sostenere alcuni algoritmi di base ML, applicazioni di intelligenza artificiale onnipresenti in futuro è difficile da raggiungere ora attraverso dati servizio cloud centri applicativi di intelligenza artificiale, infatti, ci sono evidenti limiti valgono solo per l'AI costantemente bordo anteriore, per rendere le applicazioni aI diventare più popolare. per rendere algoritmi MCU ML possono essere eseguiti in modo più efficiente in futuro roadmap prodotto braccio che, Cortex-M ML efficienza di esecuzione sarà ulteriormente migliorata.
Autopilota opera sul bordo in un processore integrato ad alte prestazioni
D'altra parte, l'industria automobilistica, in futuro sarà anche uno dei bordi del campo di applicazione della operazione di messa a fuoco. Braccio secondo la previsione, una media di 2020 essere incorporato nella macchina quanto più di 200 sensori, e un controllo di motore 100 attraverso una pluralità di ( ECU) o un microcircuito processo (MCU), e come gestire una grande dati, in modo rapido, rispondere in tempo reale pur mantenendo la stabilità e la sicurezza del sistema, in linea con le esigenze degli utenti per creare veicoli pilota automatico, diventerà il futuro mercato dell'elettronica automotive Una grande sfida.
A questo proposito, vice presidente di braccio-cum-incorporato e automobilistico John Ronco (4) Generale divisione sottolineato che l'aumento del bordo computing, in modo che il terminale non deve restituire trasferire grosse quantità di dati al trattamento nuvola, ma rappresenta anche una CPU generale o macchina I chip di apprendimento richiedono una maggiore potenza di elaborazione, motivo per cui Arm ha introdotto il progetto Trillium e Cortex-A76, e questi prodotti sono anche adatti per componenti elettronici per autoveicoli.
Figura 4 John Ronco, vicepresidente e direttore generale della business unit embedded e automotive, ha affermato che CPU, GPU e altri processori devono essere più efficienti per rispondere alla necessità di sicurezza di guida automatica.
Inoltre, al fine di ottenere una guida automatica, oltre al radar, la luce, un'auto sarà spesso dotata di un sensore visivo, e quindi richiede una GPU più elevata per far fronte all'enorme funzionamento dell'immagine.
Secondo Ronco, la differenza tra i requisiti di visual computing per la guida autonoma e le telecamere di rete IP generali è che le telecamere di rete IP sono per lo più single lens e non si spostano spesso, di solito collocate in un angolo della casa / all'esterno. Ci vorranno diversi obiettivi fotografici per rilevare le condizioni stradali e l'ambiente.Le informazioni sull'immagine ricevute sono molto grandi, e poiché l'auto è sempre in movimento, lo scenario circostante continuerà a cambiare, il che renderà l'operazione più complicata, quindi deve essere migliorata. soluzioni.
Secondo Ronco, i processori per la rilevazione di oggetti come Project Trillium sono principalmente utilizzati per le telecamere di rete IP Per soddisfare le esigenze del visual computing automobilistico, è necessario affidarsi a GPU efficienti come il Mali-G76 per prestazioni di calcolo più elevate. Al fine di evitare incidenti rapidi in risposta a rapidi cambiamenti ambientali durante la guida.
Nel complesso, l'era dell'IA ha portato nuove opportunità di business a vari campi applicativi e il computing di bordo entrerà anche nel settore automobilistico, tuttavia, se il edge computing deve essere integrato nelle automobili, le tecnologie di ordine superiore devono essere incorporate per ottenere prestazioni migliori. Prestazioni, rendendo l'auto più intelligente, più sicura e più efficiente.
Drive storage needs WDC ha un vantaggio di produzione one-stop
L'aumento del edge computing ha portato non solo ad un aumento delle prestazioni del processore, ma anche al crescere delle esigenze di storage e alle aziende di storage hanno accelerato il layout dei prodotti Christopher Bergey (Figura 5), vicepresidente di Western Digital Embedded Application Solutions, sottolinea che edge computing La tecnologia come l'apprendimento automatico rende piuttosto complicati lo stoccaggio e le operazioni.
Figura 5 Christopher Bergey, vicepresidente del Western Digital Embedded Applications Solutions Group, ha affermato che, in linea con il mercato del computing di bordo, il modello di produzione one-stop dell'azienda rappresenta un vantaggio competitivo sul mercato.
Bergey ha inoltre affermato che l'edge computing avrà requisiti diversi per i prodotti di storage con diversi scenari applicativi, come prestare particolare attenzione alla temperatura e all'affidabilità delle automobili e aggiungere costi e considerazioni di fornitura stabile per cinque anni negli ultimi anni; Inoltre, nell'applicazione dei dispositivi mobili, prendendo ad esempio gli smartphone, ad esempio, i consumatori richiedono sempre più foto e i pixel delle foto sono migliorati, pertanto è necessario aumentare la capacità di archiviazione dei telefoni cellulari e aumentare la richiesta di storage edge. Di conseguenza, sono aumentate anche le prestazioni dei relativi prodotti di flash incorporato (EFD).
In risposta a questa tendenza, Western Digital ha lanciato la nuova linea di prodotti iNAND, iNAND8521 / iNAND7550, che utilizza la tecnologia 3D NAND a 64 strati dell'azienda e interfacce UFS ed e.MMC avanzate per fornire prestazioni dati migliori e una grande capacità di archiviazione. Per smartphone e dispositivi informatici sottili e leggeri, questi due prodotti accelerano le applicazioni incentrate sui dati, tra cui Augmented Reality (AR), acquisizione video ad alta risoluzione, esperienze sui social media e La recente ascesa di intelligenza artificiale e l'esperienza di bordo di Internet of Things.
Bergey ha rivelato che il trend di sviluppo futuro dei dispositivi mobili si sposterà indubbiamente verso prestazioni più elevate: dopo l'arrivo della generazione 5G, i dati verranno trasmessi sempre più velocemente e verranno aggiunte altre applicazioni innovative. Con l'aumento dell'IA, se i due sono combinati, Anche la richiesta di carichi di lavoro aumenterà e la capacità di archiviazione aumenterà, continuando a lavorare a stretto contatto con gli operatori mobili per fornire i prodotti giusti per le loro esigenze.
Bergey ha anche sottolineato che, in risposta allo sviluppo del edge computing, l'azienda ha un buon vantaggio strategico: il motivo è che WDC ha una linea di prodotti completa (dai prodotti di fascia bassa ai prodotti ad alte prestazioni). Inoltre, WDC adotta una strategia di produzione one-stop. Da wafer, controller, firmware e software, sono tutti responsabili, in modo che possano lanciare rapidamente i prodotti per i cambiamenti del mercato o soddisfare le esigenze di commercializzazione delle apparecchiature: questo è il mercato del computing edge competitivo di WDC. Avere il vantaggio
NXP collabora con i partner per accelerare lo sviluppo di soluzioni edge sicure
Per quanto riguarda NXP, è sicuro iniziare con eco-partner come NEXCOM, IMAGO, Tecnologia Accton, Tecnologia Shenzhun, ecc., Per implementare congiuntamente l'infrastruttura di sicurezza di edge computing, supportare l'IA emergente e le macchine connesse al limite. Apprendimento e elaborazione del bordo di sicurezza distribuito nel cloud.
I fornitori di sistemi collaborativi svilupperanno prodotti basati sulle famiglie di processori Layerscape e i.MX di NXP per soddisfare le esigenze di una varietà di applicazioni che richiedono potenza di elaborazione nativa e connettività cloud. Un perfetto equilibrio tra funzionalità, capacità online e capacità di archiviazione, adatto sia per ambienti aziendali che industriali.
, È possibile eseguire una varietà di applicazioni sul bordo di un'infrastruttura cloud comune attraverso la tecnologia e di NXP SCALASPIGOLO kubernetes Docker e software open source, tra cui Amazon Web Services (AWS), Greengrass, Google Cloud dell'Internet degli oggetti, Microsoft Azure dell'Internet degli oggetti, Ali Baba e privati architettura cloud.
NXP ha osservato, SCALASPIGOLO è una suite di servizi cloud e dei dispositivi includono, risorse Secure Computing possono essere semplificate distribuzione alla periferia della rete attraverso il prodotto, mentre NXP lavorerà insieme con questi partner per il networking e le implementazioni aziendali interne (on-premise ) piattaforma di elaborazione con la scalabilità, sicurezza e facilità di implementazione per la distribuzione e la gestione sicura.
Tareq Bustami, vicepresidente senior e direttore generale del gruppo Digital Networks di NXP, ha affermato che la creazione di soluzioni edge sicure è fondamentale per il successo dello sviluppo di Internet of Things e Industry 4.0, pertanto l'azienda si impegna a collaborare con una vasta gamma di produttori di apparecchiature per fornire un facile accesso. E supporto per soluzioni di edge computing informatico cloud-linked: attraverso la cooperazione, l'azienda aiuterà a lanciare soluzioni edge più intelligenti e funzionali, aggiungendo potenti funzionalità di sicurezza per l'implementazione e la gestione su larga scala.
In sintesi, si può vedere che i venditori di IP, i fornitori di storage oi fornitori di chip stanno attivamente implementando il mercato del computing edge, ciascuno sviluppando una piattaforma aperta e un'architettura hardware, consentendo all'IA di entrare in vari dispositivi terminali, e Costruisci un suono ecologico.