هوش مصنوعی (AI) توسعه حتی بیشتر سریع، و شروع یک فشار عمده ای را به دستگاه ترمینال، تجزیه و تحلیل عملیات را آغاز کرده است به تغییر از ابر گره ترمینال، لبه توسعه محاسبات می توان گفت که صنعت نیمه هادی در حال حاضر موضوعات داغ است، و 2018 تایپه نمایشگاه بین المللی کامپیوتر (کامپیوتکس 2018) تبدیل شده است بسیار عالی در تمام زمینه که در آن صنعت (مانند IP، تراشه، ذخیره سازی) نشان می دهد آتش، راه حل های جدید و یا برنامه ریزی طرح بازار در طول نمایشگاه منتشر کرده اند.
چنگ زدن به لبه بازار محاسبات بازو اقدام اغلب
رنه هااس (تصویر 1)، رئیس گروه بازاریابی IP، گفت که با رونق اینترنت چیزها، بازوی پیش بینی می کند که تا سال 2035، بیش از 1 مگا دستگاه های متصل در جهان، برای پزشکی، خودرو، روشنایی و جاده ها وجود خواهد داشت. رشد سریع تعداد دستگاه های متصل شده همچنین منجر به توسعه مداوم پایانه ها و محاسبات ابر می شود. محاسبات هوشمند ادامه خواهد یافت تا عصر جدید اینترنت اشیاء را ارتقا دهد، انقلاب هوش مصنوعی را هدایت کند و اینترنت محاسبات هوشمند را در همه جا گسترش دهد.
شکل 1 رنه هواس، رئیس گروه محصول Arm IP، گفت که رونق اینترنت چیزها به سرعت تعداد اتصالات متصل را افزایش می دهد و آینده محاسبات هوشمند همه جا خواهد بود.
در پاسخ به این روند، و به منظور ادغام برنامه های کاربردی AI / Machine Learning (ML) اکوسیستم، محاسبات و چارچوب، و بهینه سازی نرم افزار با محصولات IP سخت افزاری، تمام دستگاه ها و سیستم عامل ها می توانند از چارچوب های رایج ترین دستگاه های کامپیوتری پشتیبانی کنند. اواخر اخیرا سه محصول جدید IP، پردازنده Cortex-A76، GPU Mali-G76 و Mali-V76 VPU برای بهبود بازی و تجربه AR / VR، AI و قابلیت یادگیری دستگاه اعلام کرد. از طریق این سه محصول جدید بازوی همچنان به تقویت مزیت رقابتی شرکت در زمینه فعالیت ادامه می دهد و یک بار دیگر عملکرد محاسباتی دستگاه های ترمینال تلفن همراه مانند گوشی های هوشمند، رایانه های لوحی و رایانه های شخصی را افزایش می دهد.
Nandan Nayampally (تصویر 2)، معاون رئيس جمهور و مدیر کل بخش مشتری، گفت که آینده 5G نوآوری صنعت موبایل را ارتقاء خواهد داد و برنامه های بعدی شبکه 5G، از جمله VR، AI و یا بازی های موبایل، باعث رشد بیشتر محاسبات می شود. در آینده، الزامات محاسباتی متفاوت خواهد بود.
شکل 2 Nandan Nayampally، معاون رئيس جمهور و مدیر کل بخش مشتری، اشاره کرد که 5G به همراه هوش مصنوعی، نوآوری را در کل صنعت تلفن همراه ارتقاء خواهد بخشید، و Arm تولید یک محصول IP جدید را به منظور پاسخگویی به تقاضای بازار.
به طور ناقص بیشتر اشاره کرد که این بازی همچنین یکی از عوامل کلیدی برای افزایش مداوم از محاسبات تلفن همراه است. صنعت بازی یکی از بزرگترین درآمدهای جهانی در جهان بوده و انتظار می رود تا سال 2018 به 137.9 میلیارد دلار در تولید برسد. نیاز به عملکرد محاسباتی.
گزارش شده است که، پردازنده Cortex-A76 ساخت مبتنی بر ARM است DynamIQ و سال منتشر شده است که در مقایسه پردازنده Cortex-A75، یک بهبود 35٪ از اثر بخشی و کارایی 40٪، AI ممکن است یک دستگاه ترمینال روشن / ML فراهم می کند چهار بار عملکرد محاسبات، تجربه سریع و امن بر روی کامپیوتر و گوشی های هوشمند.
مالی G76 نسبت به نسل قبلی از پردازنده گرافیکی Mali-G72 به منظور افزایش عملکرد محاسبات 30 درصد، و 30 درصد افزایش در تراکم عملکرد، نه تنها می تواند در هر زمان برای پاسخگویی به تقاضای مصرف کنندگان برای بالا پایان بازی، بازی، بلکه فضای عملکرد بیشتر برای توسعه دهندگان ارائه به طوری که آنها می توانید برنامه های جدید تر ارسال، را به بازی بیشتر بالا پایان برای برنامه های کاربردی تلفن همراه، و یا ادغام AR / VR به زندگی است.
در نهایت، به عنوان تقاضای UHD 8K همچنان به صعود، بازو Mali-V76 را برای پشتیبانی از رمزگذاری آی پی و گوشی های هوشمند و سایر دستگاه ها معرفی کرده است. شما می توانید 4 فیلم رزولوشن 4K را همزمان پخش کنید، فیلم ها را در یک کنفرانس ویدئویی ضبط کنید یا چهار بازی را در 4K تماشا کنید یا با رزولوشن بالا کیفیت تصویر با کیفیت بالا (Full HD) را نشان دهید. و می تواند تا 16 فیلم جریان را برای ایجاد یک دیوار ویدئو 4 × 4 پشتیبانی کند.
پروژه Trillium برای تسریع ساختن اکوسیستم ML آغاز می شود
در همان زمان، به منظور افزایش اثربخشی یادگیری دستگاه دستگاه ترمینال، بازو نیز منتشر شده پلت فرم پروژه تریلیوم در اوایل سال 2018، شامل یک ماشین جدید پردازنده های یادگیری (ML پردازنده)، پردازنده تشخیص شی (اشیاء پردازنده)، و شبکه عصبی بازوی نرم افزار (بازو NN). در مقایسه با پردازنده های مستقل، پردازنده های گرافیکی و شتاب دهنده، پلت فرم پروژه Trillium به مراتب بیش از منطق برنامه ریزی DSP های سنتی است.
مدیر کل، معاون رئيس جمهور از بازو، دانشگاهیان و یادگیری ماشین کسب و کار گروه جم دیویس (شکل 3) اشاره می کند، پتانسیل لبه توسعه محاسبات بسیار زیاد است، در حال حاضر در بازار می کند که بسیاری از راه حل های مستقل، مانند ASIC شتاب دهنده، CPU / GPU، و غیره اپراتورهای ترمینال البته، شما می توانید برنامه شما می خواهید را انتخاب کنید، اما اشکال این است که مدت زمان لازم برای یکپارچه شده است سخت افزار و نرم افزار (TensorFlow، کافه) خود را دارند.
شکل 3 بازوی معاون رئيس جمهور، JEM دیویس، مدیر کل دانشگاهیان و یادگیری ماشین گروه کسب و کار معتقد است، پروژه تریلیوم است انتظار می رود برای ایجاد یک اکوسیستم کامل برای یادگیری ماشین دستگاه ترمینال.
دیویس توضیح داد، استفاده پروژه تریلیوم است که معماری پلت فرم ارائه شده است، نه تنها سخت افزار و اشیاء پردازنده ML پردازنده را انتخاب کنید، بلکه از طریق نرم افزار بازوی NN برای کمک به کاربران ساده TensorFlow، کافه مانند شبکه های عصبی و آندروید NN چارچوب و ARM قشر پردازنده، لینک یکپارچه بین پردازنده GPU بازوی مالی و یادگیری ماشین است.
دیویس بیشتر اشاره کرد که توسعه دستگاه یکپارچه سازی نرم افزار یادگیری یکی از عناصر کلیدی بسیاری از صنعت شتاب دهنده ممکن است وسیله ای برای ارائه پردازنده های آهنی (CPU، GPU) است، اما تعداد کمی منابع می توانید یک معماری پلت فرم کامل، سخت افزار و نرم افزار برای کمک به مشتریان ارائه یا به منظور افزایش ادغام عملیات مدل ML، و شامل یک پردازنده های جدید پروژه تریلیوم بازوی IP و نرم افزار شبکه عصبی، سخت افزار و نرم افزارهای جانبی می تواند خواسته های بازار امروز ملاقات، و در این راه نیز کمک می کند به منظور بهبود ساخت و ساز از بازوی اکوسیستم محاسبات لبه .
علاوه بر این، دیویس نیز مشاهده، تقاضا MCU برای یادگیری ماشین نیز بسیار قوی است. او فاش کرد که تریلیوم پروژه در خط، کیت بازوی NN توسعه نرم افزار برای اولین بار روز دانلود کاربر باز هستند، کاربران بیش از 5000 آغاز شده با استفاده از CMSIS NN وجود دارد، سعی کنید الگوریتم های یادگیری ماشین را با Cortex-M اجرا کنید.
دیویس گفت که نتایج واقعا غیرمنتظره بود بازو، بلکه نشان می دهد که کاربران MCU با تقاضا برای دستگاه های علاقه به یادگیری، نمی توان نادیده گرفت. همچنین به تصمیم گیری در هسته جدید هسته ARM Cortex-M معرفی آینده تقویت بیشتر مانند کمک کارایی پیاده سازی هسته الگوریتم ML.
عملیات CMSIS NN یک کتابخانه (محاسبه کتابخانه) زیر بازوی شبکه عصبی کیت توسعه نرم افزار بازوی NN SDK است، پردازنده Cortex-M می تواند بهره وری انجام الگوریتم های یادگیری ماشین. حتی یک هسته معمولی هسته Cortex-M، در CMSIS NN افزایش با کمک همچنین می توانید برخی استنتاج یادگیری ماشین بسیار ساده انجام، مانند تفسیر معنای از داده خروجی سنسور را نشان میدهد. البته، با توجه به عملکرد محاسبات MCU با فضای حافظه بسیار فراوان نیست، غیر ممکن است برای انجام استنتاج یادگیری ماشین بسیار پیچیده، با این حال، اگر یک تفسیر ساده از خروجی داده ها توسط یک گره حسگر واحد باشد، هنوز هم فرصتی برای دستیابی به آن وجود دارد.
دیویس اشاره کرد که اگر MCU نمیتواند از برخی الگوریتم های اولیه ML پشتیبانی کند، آینده ی همه جانبه برنامه های کاربردی AI دشوار است. در حال حاضر سرویس های کاربردی هوش مصنوعی ارائه شده توسط مرکز داده های ابر دارای محدودیت های کاربردی قابل توجه هستند. پیشرفت Edge می تواند برنامه های کاربردی AI را محبوب تر کند. برای اینکه MCU بتواند الگوریتم ML را به طور موثرتر اجرا کند، Cortex-M کارایی اجرای ML را در نقشه راه توسعه آتی Arm بهبود خواهد داد.
محاسبات لبه به رانندگی خودکار، پردازنده با کارایی بالا ضروری است
از سوی دیگر، صنعت خودرو نیز در آینده یکی از زمینه های کاربردی لبه محاسبات لبه خواهد بود. بر اساس پیش بینی Arm، تا سال 2020، میانگین یک ماشین با بیش از 200 سنسور و بیش از 100 کنترل کننده موتور ( ECU) یا پردازنده میکروکنترلر (MCU)، چگونگی سرعت پردازش چنین داده های عظیم، پاسخ در زمان واقعی و حفظ ثبات و امنیت سیستم و ایجاد وسایل نقلیه مستقل که نیازهای کاربران را برآورده می کنند، تبدیل به بازار الکترونیک خودرو الکترونیک آینده یک چالش بزرگ.
در این راستا، معاون رئيس جمهور از بازوی تقدیر تعبیه شده و خودرو جان به Ronco (4) بخش مدیر کل اشاره کرد که ظهور محاسبات لبه، به طوری که دستگاه ترمینال نیاز مقدار انتقال زیادی از داده ها پردازش ابری نمی گرداند، اما آن را نیز نشان دهنده یک پردازنده عمومی یا ماشین یاد بگیرند تراشه نیاز به قدرت پردازش بیشتر، و این دلیل بازوی راه اندازی پروژه تریلیوم و Cortex-A76 است، و این محصولات نیز بسیار در میان اجزای خودرو الکترونیکی مناسب است.
شکل 4 بازوی معاون رئيس جمهور و جاسازی شده و خودرو به نمایندگی جان به Ronco بخش مدیریت عمومی، CPU، GPU و پردازنده های دیگر باید عملکرد بالاتری در دسترس در پاسخ به نیازهای ایمنی رانندگی خودکار است.
علاوه بر این، برای رسیدن به اتوماتیک رانندگی یک ماشین علاوه بر رادار، لیدار، اما اغلب نیز با سنسور تصویری مجهز شده است، و در نتیجه نیاز GPU بالاتر در پاسخ به محاسبات تصویر بزرگ.
به Ronco گفت: اتوماتیک رانندگی نیاز محاسبات بصری، و تفاوت کلی این است که دوربین های شبکه IP، دوربین های شبکه IP عمدتا تک شات، و حرکت نمی کند، اغلب اوقات معمولا در خانه / خارج گوشه ای از مانیتور است. اما از نظر ماشین چندین لنز عکاسی برای تشخیص شرایط جاده و محیط زیست را می گیرند. اطلاعات تصویر دریافت شده بسیار بزرگ است و از آنجا که ماشین همیشه در حال حرکت است، مناظر اطراف آن را تغییر خواهد داد، که باعث می شود عملیات پیچیده تر شود، بنابراین باید بهبود یابد. راه حل.
Ronco را گفت، مانند پردازنده برای تشخیص اشیاء در تریلیوم پروژه است که عمدتا برای دوربین های شبکه IP استفاده می شود، و محاسبات بصری خودرو برای دیدار با تقاضا، به عنوان توسط Mali-G76 نوع GPU از مورد نیاز است کارآمد، با عملکرد محاسبات بالاتر ، با توجه به تغییرات سریع محیط زیست باید اتومبیل برای جلوگیری از حوادث.
همه در همه، دوران AI به ارمغان می آورد فرصت های جدید برای برنامه های مختلف، و به اجرا در لبه خواهد شد را به صنعت خودرو که، اما اگر شما می خواهید لبه عملیات ساخت و ساز در ماشین، نظم بالاتر باید تعبیه شده است تکنولوژی برای رسیدن به برتری محدود عملکرد، می توانید ماشین را هوشمند تر، ایمن و کارآمد است.
WDC ذخیره سازی نیاز دارد با مزایای تولید یک مرحله ای
اجرا بر روی افزایش لبه، نه تنها باعث می شود که پردازنده برای افزایش کارایی به دنبال داشته باشد، حتی فروشگاه نیز در حال افزایش تقاضا، صنعت ذخیره سازی به دنبال و در نتیجه سرعت بخشیدن به روند قرار دادن محصول کریستوفر های جالب (شکل 5)، معاون رئيس جمهور از برنامه های کاربردی تعبیه شده، وسترن دیجیتال راه حل های بخش اشاره کرد که عملیات لبه تکنولوژی مانند یادگیری ماشین باعث ذخیره سازی و عملیات پیچیده می شود.
شکل 5 کریستوفر برگی، معاون ریاست گروه راه حل های نرم افزاری جاسازی شده غربی دیجیتال، گفت که در راستای بازار محاسبات لبه، مدل تولید یک مرحله ای شرکت، مزیت رقابتی بازار است.
Bergey همچنین اظهار داشت که محاسبات لبه برای محصولات ذخیره سازی با سناریوهای کاربردی مختلف، از قبیل توجه ویژه به درجه حرارت و قابلیت اطمینان در خودروها و افزودن ملاحظات هزینه و تامین عرضه به مدت پنج سال در سال های اخیر، متفاوت است. به عنوان مثال، در استفاده از دستگاه های تلفن همراه، استفاده از تلفن های هوشمند به عنوان مثال، مصرف کنندگان به طور فزاینده عکس ها را خواستار می شوند و پیکسل های عکس بهبود می یابند. در نتیجه ظرفیت ذخیره سازی تلفن های همراه افزایش می یابد و تقاضا برای ذخیره سازی لبه ها بزرگتر می شود. در نتیجه، عملکرد محصولات مرتبط با Flash Embedded (EFD) نیز افزایش یافته است.
در پاسخ به این روند، Western Digital خط تولید جدید iNAND، iNAND8521 / iNAND7550 را راه اندازی کرده است که از تکنولوژی 64 NAND 3D NAND و پیشرفته UFS و e.MMC برای ارائه عملکرد بهتر داده ها و ظرفیت ذخیره سازی بزرگ استفاده می کند. برای تلفن های هوشمند و دستگاه های محاسباتی نازک و سبک، این دو محصول برنامه های متمرکز بر داده ها را تسریع می کنند، از جمله Enabled واقعیت (AR)، ضبط ویدیو با وضوح بالا، تجربه های رسانه های اجتماعی و ظهور اخیر AI و تجربه اینترنت اینترنت.
Bergey نشان داد که روند توسعه آینده دستگاه های تلفن همراه بدون شک به سمت عملکرد بالاتر حرکت خواهد کرد. پس از رسیدن نسل 5G، داده ها سریعتر و سریعتر ارسال می شوند و برنامه های نوآورانه بیشتری اضافه خواهند شد. با افزایش AI، اگر این دو ترکیب شوند، تقاضا برای حجم کار نیز افزایش خواهد یافت و ظرفیت ذخیره سازی افزایش خواهد یافت. این شرکت همچنان با همکاری اپراتورهای تلفن همراه برای ارائه محصولات مناسب برای نیازهای خود ادامه خواهد داد.
عکس های جالب همچنین اشاره کرد که، در پاسخ به لبه عملیات توسعه، این شرکت در واقع دارای مزیت های استراتژیک بسیار خوب است. دلیل آن این است که، WDC با یک خط کامل از محصولات (از محصولات کم پایان به محصولات با عملکرد بالا)، علاوه بر این، WDC استراتژی تولید یک مرحله ای است، از ویفر، کنترل، سیستم عامل و نرم افزار، به تنهایی مسئول برای، بنابراین شما می توانید به سرعت راه اندازی محصولات برای تغییرات بازار، و یا سفارشی به پاسخگویی به نیازهای تولید کنندگان تجهیزات، این WDC است در یک مزیت رقابتی در عملیات بازار آن است که استفاده.
شرکای NXP با هم کار کنند برای سرعت بخشیدن به طرح توسعه حاشیه ایمنی
همانطور که برای NXP، از همان آغاز بی خطر است، و شرکای اکوسیستم کار، مانند نیوهمشایر، حشره کامل و بالغ، Accton، خدا شبه علم و فناوری، استقرار به طور مشترک سرمایه گذاری لبه زیرساخت های امنیتی محاسبات، برای حمایت از در حال ظهور هوش مصنوعی و ماشین آلات در لبه متصل یادگیری، و همچنین برای حفظ لبه های فرآیند استقرار ابر.
به همکاری با یکدیگر تامین کننده سیستم با برنامه های کاربردی i.MX خانواده پردازنده NXP در Layerscape خواهد در توسعه محصول بر اساس پاسخگویی به نیازهای از قابلیت های مختلف پردازش نرم افزار های بومی با توابع ابر خط. طراحی و توسعه یک پلت فرم به ارائه عملیاتی تعادل کامل بین قابلیت، قابلیت های آنلاین و ظرفیت ذخیره سازی برای عملیات به طور همزمان در محیط کسب و کار و صنعتی می باشد.
، شما می توانید انواع برنامه های کاربردی بر روی لبه یک زیرساخت های ابر مشترک از طریق فن آوری و EdgeScale Kubernetes کارگر بارانداز NXP و نرم افزار منبع باز، از جمله خدمات وب آمازون (AWS)، گرین گراس، گوگل ابر اینترنت اشیا، مایکروسافت لاجورد اینترنت اشیا، علی بابا و خصوصی انجام معماری ابر.
NXP اشاره شد، EdgeScale مجموعه ای از خدمات ابر است و دستگاه های شامل، منابع محاسباتی امن را می توان استقرار در لبه شبکه از طریق محصول ساده شده، در حالی که NXP با این همکاران برای شبکه و استقرار شرکت های داخلی (در محل کار خواهد کرد ) پلت فرم محاسبات با مقیاس پذیری، امنیت و سهولت استقرار استقرار امن و مدیریت.
طارق Bustami، معاون رئيس جمهور ارشد و مدیر عمومی از NXP دیجیتال شبکه بخش، گفت که ایجاد راه حل های امنیتی را به لبه از همه چیز و توسعه موفق صنعت 4.0، و بنابراین بسیار مهم است، این شرکت به همکاری با تولید کنندگان تجهیزات بی شماری، ارائه آسان برای استفاده و لینک به حمایت از راه حل های امنیتی محاسبات ابری لبه. از طریق همکاری، شرکت در معرفی راه حل های لبه دقیق، کاربردی تر کمک می کند، اضافه کردن قابلیت های امنیتی قدرتمند برای استقرار در مقیاس بزرگ و مدیریت.
به طور خلاصه، می توان مشاهده کرد که آیا IP کسب و کار، صنعت و یا تامین کننده تراشه ذخیره سازی، لبه به طور فعال طرح در بازار رایانه، خود پلت فرم باز و معماری سخت افزار را توسعه داده اند، را AI به انواع دستگاه های ترمینال، و یک دایره زیست محیطی صحیح بسازید.