Искусственный интеллект (AI) стал все более и более быстрым и начал вводить терминальное устройство. Компьютерный анализ начал переходить от облака к терминальному узлу. Развитие краевых вычислений является горячей темой в полупроводниковой отрасли, а Международная компьютерная выставка 2018 года (Computex 2018) также стала Во всех областях (таких как IP, чип, хранилище) прекрасная возможность для пожарной охраны, новых решений или планов размещения на рынке во время выставки.
Захват рынка краевых вычислений.
Рене Хаас (фотография 1), президент группы продуктов «IP-IP», сказал, что с бумом в Интернете Things Arm предсказывает, что к 2035 году в мире будет подключено более 1 мега подключенных устройств для медицинских, автомобильных, осветительных и автомобильных дорог. Быстрый рост количества подключенных устройств также приведет к непрерывному развитию терминалов и облачных вычислений. Интеллектуальные вычисления будут продолжать продвигать новую эру Интернета вещей, вести революцию в области ИИ и превращать Интернет в Thoms интеллектуальные вычисления повсеместно.
Рисунок 1 Рене Хаас, президент группы продуктов Arm IP, сказал, что бум в Интернете Things быстро увеличит количество подключенных устройств, а будущее интеллектуальных вычислений будет повсеместным.
В ответ на эту тенденцию и для интеграции приложений экосистемы AI / Machine Learning (ML), исчисления и структуры и комбинирования оптимизации программного обеспечения с аппаратными IP-продуктами все устройства и платформы могут поддерживать наиболее часто используемые рамки машинного обучения. Компания Arm недавно объявила о выпуске трех новых продуктов IP: процессора Cortex-A76, графического процессора Mali-G76 и VPU Mali-V76, чтобы улучшить игровые возможности и возможности AR / VR, возможности AI и машинного обучения. Arm будет продолжать укреплять конкурентные преимущества компании в области действий и еще раз повышать вычислительные характеристики мобильных терминальных устройств, таких как смартфоны, планшеты, ПК.
Nandan Nayampally (Рисунок 2), вице-президент и генеральный менеджер подразделения клиентов, сказал, что будущий 5G будет продвигать все инновации в мобильной индустрии, а предстоящие сетевые приложения 5G, включая VR, AI или мобильные игры, будут стимулировать рост вычислительных мощностей. В будущем будут более разные вычислительные требования.
Рисунок 2 Nandan Nayampally, вице-президент и генеральный менеджер подразделения клиентов, отметил, что 5G plus AI будет продвигать инновации во всей мобильной индустрии, а компания Arm запустила новый продукт IP для удовлетворения рыночного спроса.
Nayampally далее указала, что игра также является одним из ключевых факторов, способствующих непрерывному росту мобильных вычислений. Игровая индустрия стала одной из крупнейших мировых доходов в мире, и ожидается, что к 2018 году она достигнет 137,9 млрд. Долл. США, что также приведет к росту потребления. Потребность в производительности вычислений.
Сообщается, что Cortex-A76 основан на технологии DynamIQ от Arm, которая улучшила производительность на 35% и 40% по сравнению с Cortex-A75, выпущенным в прошлом году, и может обеспечить в 4 раза AI / ML на терминальном устройстве. Вычислительная производительность для быстрого и безопасного использования на ПК и смартфонах.
Мали-G76 обеспечивает на 30% большую производительность по сравнению с графическим процессором предыдущего поколения Mali-G72 и 30-процентное увеличение производительности, а не только для удовлетворения потребностей потребителей в играх высокого класса в любое время, но и для обеспечения большей производительности для разработчиков. , позволяя им писать новые приложения, приводить в игры более высокого класса для мобильных приложений или интегрировать AR / VR в свою жизнь.
Наконец, по мере того, как спрос UHD 8K продолжает расти, чтобы гарантировать, что IP может поддерживать смартфоны и другие устройства для операций кодирования и декодирования, Arm представила Mali-V76, который может поддерживать разрешение до 60 кадров в секунду 8K или четыре потоковых видеофильма размером 60 кадров в секунду. Вы можете одновременно транслировать четыре фильма с разрешением 4 КБ, записывать фильмы на видеоконференции или смотреть четыре игры в 4 КБ или с высоким разрешением, все еще отображая высокое качество изображения (Full HD). И может поддерживать до 16 потоковых фильмов, чтобы сформировать видеофрагмент 4 × 4.
Проект Trillium дебютирует для ускорения строительства экосистемы ML
В то же время, чтобы улучшить производительность машинного обучения терминального устройства, Arm также выпустила платформу Project Trillium в начале 2018 года, в том числе новое программное обеспечение ML Processor, Object Processor и Arm neural network (Arm). NN). По сравнению с независимыми процессорами, графическими процессорами и ускорителями платформа Project Trillium намного превосходит программируемую логику традиционных DSP.
Джем Дэвис (Рис.3), вице-президент компании Arm и генеральный менеджер академической и машинной группы, отметил, что потенциал развития периферийных вычислений очень велик. На рынке существует множество независимых решений, таких как ускоритель ASIC, CPU / GPU и т. Д. Операторы терминала Конечно, вы можете выбрать нужное решение, но недостатком является то, что вам нужно потратить время на интеграцию аппаратного и программного обеспечения (TensorFlow, Caffe).
Рисунок 3. Вице-президент группы, генеральный директор академической и машиностроительной группы Джем Дэвис считает, что Project Trillium, как ожидается, создаст полную компьютерную систему обучения для терминальных устройств.
Дэвис показывает, что преимущество Project Trillium заключается в том, что оно представлено в архитектуре платформы. Аппаратное обеспечение доступно не только с процессором ML и объектным процессором, но также помогает пользователям упрощать нейронные сети, такие как TensorFlow, Caffe и Android NN через программное обеспечение Arm NN. Свяжите интеграцию между каркасом и процессором Arm Cortex, графическим процессором Arm Mali и процессором машинного обучения.
Дэвис далее отметил, что интеграция программного обеспечения является ключевым элементом в развитии машинного обучения. Многие ускорители могут иметь средства для предоставления связанных аппаратных процессоров (процессоров, графических процессоров), но лишь немногие ресурсы могут предоставить полную платформенную архитектуру для помощи клиентам в аппаратном и программном обеспечении. Интегрируя или улучшая работу модели ML, Project Trillium включает в себя новый Arm IP-процессор и программное обеспечение нейронной сети, которое отвечает потребностям сегодняшнего рынка как с аппаратного, так и программного обеспечения. Этот подход также помогает Arm построить комплексную экосистему с вычислительной средой. ,
Кроме того, Дэвис также заметил, что спрос MCU на машинное обучение также очень силен. Он показал, что в первый день запуска Project Trillium, набор инструментов для разработки программного обеспечения Arm NN для пользователей, более 5000 пользователей начали использовать CMSIS NN. Попробуйте реализовать алгоритмы машинного обучения с Cortex-M.
Дэвис сказал, что этот результат на самом деле выходит за рамки ожиданий компании, а также показывает, что потребности и интересы пользователей MCU в машинных процессах нельзя игнорировать. Это также побудило Arm принять решение о дальнейшем укреплении этого класса в новом ядре Cortex-M, запущенном в будущем. Эффективность основной реализации алгоритма ML.
CMSIS NN представляет собой вычислительную библиотеку в рамках набора инструментов для разработки нейронной сети Arm NN SDK, что повышает эффективность выполнения Cortex-M алгоритмов машинного обучения. Даже существующее ядро Cortex-M в CMSIS NN С его помощью вы также можете выполнить очень простые машинные выводы, такие как интерпретация значений выходных данных датчика. Конечно, поскольку вычислительная производительность и пространство памяти MCU недостаточны, невозможно выполнить очень сложные выводы машинного обучения. Однако, если это простая интерпретация данных, выводимых одним узлом датчика, все же есть шанс ее достичь.
Дэвис отметил, что если MCU не может поддерживать некоторые базовые алгоритмы ML, повсеместное будущее приложений AI трудно достичь. В настоящее время службы приложений искусственного интеллекта, предоставляемые облачным центром обработки данных, имеют очевидные ограничения приложений. Улучшение края может сделать приложения AI более популярными. Чтобы MCU мог более эффективно выполнять алгоритм ML, Cortex-M еще больше повысит эффективность реализации ML в будущей разработке продуктов компании Arm.
Граничные вычисления в автоматическом управлении, высокопроизводительный процессор незаменим
С другой стороны, автомобильная промышленность также станет одной из ключевых областей применения краевых вычислений в будущем. Согласно прогнозу Arm, к 2020 году в среднем один автомобиль будет оснащен более чем 200 датчиками и более чем 100 контроллерами двигателей ( ECU) или микроконтроллера (MCU), как быстро обрабатывать такие огромные данные, реагировать в режиме реального времени и поддерживать стабильность и безопасность системы и создавать автономные транспортные средства, которые отвечают потребностям пользователей, станут будущим рынком автомобильной электроники Большой вызов.
В этой связи Джон Ронко (рис.4), вице-президент Arm и вице-президент подразделения встроенных и автомобильных бизнес-подразделений, отметил, что рост периферийных вычислений делает ненужным для терминальных устройств возвращать большие объемы данных в облако, но также представляет собой общий процессор или машину. Для обучения чипов требуется более высокая вычислительная мощность, поэтому Arm представила Project Trillium и Cortex-A76, и эти продукты также подходят для автомобильных электронных компонентов.
Рисунок 4 Джон Ронко (John Ronco), вице-президент и генеральный менеджер подразделения встроенных и автомобильных бизнес-систем, сказал, что процессоры, графические процессоры и другие процессоры должны быть более эффективными, чтобы реагировать на необходимость обеспечения безопасности вождения.
Кроме того, для обеспечения автоматического вождения, в дополнение к радару, свет, автомобиль часто будет оснащен визуальным датчиком и поэтому требует, чтобы более высокий графический процессор справлялся с огромной работой изображения.
По словам Ронко, разница между требованиями к визуальным вычислениям для автономных вождения и общих сетевых камер IP заключается в том, что сетевые камеры IP - это в основном одиночные линзы и не часто перемещаются, обычно размещаются в углу дома / снаружи. Для определения дорожных условий и окружающей среды потребуется несколько фотографических линз. Полученная информация об изображении очень велика, и поскольку автомобиль всегда движется, окружающие пейзажи будут меняться, что усложнит работу, поэтому ее необходимо улучшить. решения.
Согласно Ronco, процессоры обнаружения объектов, такие как Project Trillium, в основном используются для IP-камер. Для удовлетворения потребностей в автомобильных визуальных вычислениях необходимо полагаться на эффективные графические процессоры, такие как Mali-G76, для более высоких вычислительных характеристик. Во избежание быстрых аварий в ответ на быстрые изменения окружающей среды во время вождения.
В целом, эпоха ИИ принесла новые возможности для бизнеса в различные области применения, а краевые вычисления также войдут в автомобильную промышленность. Однако, если краевые вычисления должны быть встроены в автомобили, для достижения более высокой производительности должны быть встроены технологии более высокого порядка. Производительность, делая автомобиль умнее, безопаснее и эффективнее.
Для хранения накопителей WDC имеет одноразовое производственное преимущество
Кризис Берги (рис. 5), вице-президент Western Digital Embedded Application Solutions, указывает на то, что краевые вычисления Такие технологии, как машинное обучение, затрудняют хранение и работу.
Рисунок 5 Кристофер Бергей, вице-президент Western Digital Embedded Applications Solutions Group, сказал, что в соответствии с рынком крайних вычислений единая производственная модель компании является конкурентным преимуществом на рынке.
Bergey также заявил, что краевые вычисления будут иметь разные требования к продуктам хранения с различными сценариями применения, например, уделять особое внимание температуре и надежности автомобилей, а также добавлять затраты и стабильные требования к поставке в течение пяти лет в последние годы; Кроме того, при использовании мобильных устройств, например, для смартфонов, например, потребители становятся все более требовательными фотографиями, а пиксели фотографий улучшаются. В результате емкость мобильных телефонов должна быть увеличена, а спрос на хранилище краев станет больше. В результате также увеличилась производительность соответствующих встроенных флэш-накопителей (EFD).
В ответ на эту тенденцию Western Digital запустила новую линейку продуктов iNAND, iNAND8521 / iNAND7550, которая использует 64-слойную технологию 3D NAND компании и усовершенствованные интерфейсы UFS и eMMC для обеспечения лучшей производительности данных и большой емкости хранилища. Для смартфонов и тонких и легких вычислительных устройств эти два продукта ускоряют приложения, ориентированные на данные, включая расширенную реальность (AR), видеозахват с высоким разрешением, события в социальных сетях и Недавний рост AI и интернет-технологий Things.
Bergey показал, что будущая тенденция развития мобильных устройств, несомненно, будет направлена на более высокую производительность.После прибытия поколения 5G данные будут передаваться все быстрее и быстрее, а также будут добавлены новые инновационные приложения. С ростом AI, если они объединены, Спрос на рабочую нагрузку также увеличится, а емкость хранилища увеличится. Компания также будет продолжать тесно сотрудничать с операторами мобильной связи, чтобы обеспечить нужную продукцию для своих нужд.
Бергей также отметил, что в ответ на развитие граничных вычислений компания имеет очень хорошее стратегическое преимущество. Причина в том, что WDC имеет полную линейку продуктов (от недорогих продуктов до высокопроизводительных продуктов), кроме того, WDC - это универсальная производственная стратегия. Из вафлей, контроллеров, прошивки и программного обеспечения они все ответственны, поэтому они могут быстро запускать продукты для изменения рынка или удовлетворять потребности в коммерциализации оборудования. Это конкурентный рынок мобильных компьютеров WDC. Имейте преимущество.
Партнеры NXP совместно с партнерами ускоряют разработку безопасных краевых решений
Что касается NXP, безопасно начинать с эко-партнеров, таких как NEXCOM, IMAGO, Accton Technology, Shenzhun Technology и т. Д., Для совместного развертывания инфраструктуры пограничной компьютерной безопасности, поддержки новых AI и машин, подключенных к краю. Изучение и передовая защита, развернутая в облаке.
Поставщики совместной системы разработают продукты на основе семейств процессоров приложений Layerscape и i.MX от NXP для удовлетворения потребностей различных приложений, требующих собственной вычислительной мощности и облачной связи. Идеальный баланс между возможностями, возможностями онлайн и возможностями хранения, подходящими как для корпоративной, так и для промышленной среды.
Используя технологию EdgeScale от NXP и программное обеспечение с открытым исходным кодом Docker и Kubernetes, вы можете выполнять множество пограничных приложений на общих облачных архитектурах, включая Amazon Web Services (AWS), Greengrass, Google Cloud IoT, Microsoft Azure IoT, Alibaba и Private Облачная архитектура.
NXP указывает, что EdgeScale - это набор устройств и облачных сервисов, которые упрощают развертывание защищенных вычислительных ресурсов на краю сети, NXP будет работать с этими партнерами для IoT и корпоративных локальных сетей (On-Premises Компьютерная платформа обеспечивает масштабируемость, безопасность и простоту развертывания для безопасного развертывания и управления.
Тарек Бустами, старший вице-президент и генеральный менеджер NXP Digital Networks Group, сказал, что создание безопасных краевых решений имеет решающее значение для успешного развития Интернета Things and Industry 4.0. Поэтому компания стремится работать с широким кругом производителей оборудования для обеспечения легкого доступа. И поддержка облачных безопасных решений для решения краевых задач. Благодаря сотрудничеству компания поможет внедрить более гибкие, более функциональные граничные решения, добавив мощные функции безопасности для широкомасштабного развертывания и управления.
Таким образом, можно видеть, что поставщики IP, поставщики хранилищ или поставщики микросхем активно внедряют рынок периферийных компьютеров, каждый из которых разрабатывает открытую платформу и архитектуру оборудования, позволяя ИИ вводить различные терминальные устройства и Постройте звуковой экологический круг.