向右滑动:上一篇 向左滑动:下一篇 我知道了
广告

边缘AI大战一触即发

时间:2019-11-15 作者:Sally Ward-Foxton 阅读:
一场边缘AI大战正悄悄展开...每一家处理器供货商都将机器学习视为“金鸡母”,积极地调整自家公司策略,竞相为这个具有最大商机的领域——边缘AI提供加速特定工作负载的解决方案...
EETC https://www.eet-china.com

过去两年来,人工智能(AI)已经从学术奇迹演变为全球重大趋势了。以某种形式呈现的机器学习(machine learning)即将彻底改变几乎所有领域——从消费者、汽车、工业到电子产业的每一个领域,并且正以未知的方式影响整个社会和我们的生活。1B6EETC-电子工程专辑

事实上,对于产业来说,这表示每一家处理器供货商都将机器学习视为“金鸡母”。这一场战争已经开打,他们正积极调整自家公司策略,竞相为具有最大潜力的领域——数据中心以外的机器学习,或是边缘AI (AI at the edge)——提供可加速特定工作负载的理想解决方案。1B6EETC-电子工程专辑

边缘AI拥有巨大的光明前景,因为它几乎适用于每一种电子装置,从无人驾驶车可在行驶中“看到”路上行人,到能够接收并响应语音命令的咖啡机等。需要在低延迟、数据隐私、低功耗和低成本之间任意组合的应用最终都将转移到边缘执行AI推理。1B6EETC-电子工程专辑

值得注意的是,从下图Gartner提供的新兴技术发展周期报告(Hype Cycle for Emerging Technologies, 2019)来看,边缘AI (Edge AI)只不过是发展还不到5年时间的一个点。1B6EETC-电子工程专辑
20191115-100.jpg1B6EETC-电子工程专辑
Gartner提供的2019年新兴技术发展周期报告:Edge AI要“达到生产力成熟期”(plateau of productivity)大约还需要2-5年的时间。(来源:Gartner)1B6EETC-电子工程专辑

AI推理的工作负载是特定的:它们需要对大量低精度资料进行大规模平行处理,而内存存取正成为一项瓶颈。大部份的处理器类型都在试图适应这些要求。1B6EETC-电子工程专辑

目前主要的技术是GPU——实际上应该说是当今一家公司的细分市场。很幸运地,GPU的单指令多数据(SIMD)架构本来是为了加速计算机绘图而开发的,如今也顺势演变成为极其适用于AI工作负载。英伟达(Nvidia)正乘着这一波浪潮前进,致力于开发AI超级计算机,用于数据中心、自动驾驶等以及甚至是小型的边缘装置。1B6EETC-电子工程专辑

其他业者也想在这个市场分一杯羹。长久以来习于加速数学算法的FPGA供货商开始完善其产品组合,以因应边缘AI处理的需求。赛灵思(Xilinx)采用特定领域架构(domain-specific-architecture)的概念,将可编程逻辑与其他运算类型结合在一起,为新的工作负载客制化数据串流。同时,莱迪思半导体(Lattice)则瞄准在低功耗装置中进行图像处理。1B6EETC-电子工程专辑

还有许多新创公司的新架构成功达阵,从内存处理器(processor-in-memory;PIM)技术(如Mythic、Syntiant、Gyrfalcon)到近内存运算(near-memory computing,如Hailo);从可编程逻辑(Flex Logix)到RISC-V核心(Esperanto、GreenWaves);以及从极其微小(Eta Compute)到超大规模(Cerebras、Graphcore)等领域。这些新创公司大多数都在为边缘打造AI。但是,当他们开始与Nvidia和Intel等巨擘正面竞争时,是否还会有足够的利基市场足以支持他们?时间会说明一切。1B6EETC-电子工程专辑

此外,还有许多新创公司从另一个方向着手解决这个问题:调整AI工作负载以便在微控制器(MCU)等传统硬件上更有效地执行。诸如PicoVoice和Xnor等公司正在寻找新方法来利用现有装置的指令集,以执行矩阵乘法。1B6EETC-电子工程专辑

结合Google在TensorFlow Lite上的成果——一款可将机器学习模型缩小到适合MCU的编译程序——毫无疑问地,这将为不需要连接因特网即可进行推理任务的语音启动装置等应用开启大门。1B6EETC-电子工程专辑

嵌入式开发人员在面对这些新型加速器芯片组时,必须学习如何使用它们。软件是这一挑战的重要组成部份。更传统的CPU、MPU和MCU显然在此具有领先优势。1B6EETC-电子工程专辑

尽管要打造一个围绕着新软件平台的开发社群并非不可能,但这毕竟并不容易实现的。Nvidia花了十年的时间打造其GPU软件平台——CUDA,才实现当今的成果。任何想要进入这一领域的业者都需要打造工具库与工具,以及透过会议与论坛来教育开发人员。但这些都可能让新创业者的有限资源更加吃紧。1B6EETC-电子工程专辑

灵活性是成功秘诀的另一个要素。尽管当今的图像处理模型有赖于卷积神经网络(CNN),但不同类型的神经网络也适于像语音识别等其他应用,而且学术界还一直在提出新的神经网络概念。先进的网络可能还需要更复杂的数据串流方案。为了加速当今CNN而开发硬件的一个风险在于可能导致过于专业化,而无法加速未来的网络平台。因此,AI工作负载的本质应该被视为一项不断变化中的目标,在灵活性和性能之间取得适当的平衡,这对于未来的发展至关重要。1B6EETC-电子工程专辑

这个领域的战争才刚刚开打。最后的赢家将属于那些选择适合自家公司的利基市场并为其努力打拼、投资软件堆栈以及教育产业、并在此快速发展的产业中保持灵活性的公司。当然,还必须要能以合理的价格进行。1B6EETC-电子工程专辑

编译:Susan Hong   责编:Yvonne Geng1B6EETC-电子工程专辑

(参考原文:Companies Clash over AI at the Edge,by Sally Ward-Foxton)1B6EETC-电子工程专辑

 本文为《电子工程专辑》12月刊杂志文章,版权所有,禁止转载。点击申请免费杂志订阅1B6EETC-电子工程专辑

 
EETC https://www.eet-china.com
本文为EET电子工程专辑 原创文章,禁止转载。请尊重知识产权,违者本司保留追究责任的权利。
Sally Ward-Foxton
Sally Ward-Foxton是EE Times特派记者,她专注于EE Times美国版的AI技术和相关话题,以及EE Times欧洲版杂志中的欧洲企业报道。 Sally base在英国伦敦,她报道电子行业已有15年,曾为Electronic Design、ECN、Electronic Specifie撰写设计、电子元件类文章。 她拥有剑桥大学的电气和电子工程硕士学位。
您可能感兴趣的文章
  • 高通“猛兽级”5G芯片出笼,为何坚持外挂不做SoC? 高通总裁克里斯蒂安诺·安蒙(Cristiano Amon)日前在第四届“高通骁龙技术峰会”上表示,“Sub-6GHz+毫米波才是真正的5G(Real 5G),有助于将覆盖范围和容量结合起来,这对于连接5G网络至关重要”,安蒙借此回应了此前关于用是否支持NSA/SA双模来辨别真假5G的说法,再次强调称,“凡是基于3GPP标准的都是真5G,没有真假之分”。如果非要给5G定义“真与假”,在他看来,只有……
  • Vitis平台这么强,能支持市面上所有公司的FPGA吗? Vivado如果能支持到市面上大部分的FPGA(或者至少把Altera的支持了),能让工程师用一个熟悉的工具为不同品牌的FPGA做综合、时序分析、implement、烧录、软硬件支持等,那会不会通过FPGA工具成为和另外几家EDA巨头一般的存在?
  • MLPerf跑分结果有看没懂?专家教你! MLPerf公布了AI芯片推理性能测试基准跑分结果,但可能有很多读者就算看了那些表格仍然一头雾水...
  • 亚马逊开发出第二代ARM架构处理器,速度快20% 云端数据中心是亚马逊(Amazon)主力业务,旗下云端服务AWS(Amazon Web Services)的利润占总营业利润的比重高达七成。据知情人士透露,亚马逊云端运算部门已设计出更强大的第二代数据中心处理器芯片,希望藉此降低对其他芯片商的依赖。
  • 听过“运动想象”吗?来看大学生的创新项目现在有多厉害 电子科技行业内的企业,与高校或者教育机构的合作,有个常规方案是在校园内举办科技竞赛,企业以奖学金的方式对高校人才进行鼓励。这种合作是激励“创新”,以及培养人才的重要方案。借着前不久艾睿电子在上海大学举办的“创新杯”活动,我们大致可以洞悉,现如今校企合作产生的这类“创新”大致发展到了何种程度,以及这种合作催生的项目有多大意义和价值。
  • “软硬兼施”才能让MEMS更聪明? 硬件,尤其是MEMS传感器,仍将是终端设备中不可或缺的部份,但未来,软件在为用户带来价值方面也扮演同样重要的角色…
相关推荐
    广告
    近期热点
    广告
    广告
    广告
    可能感兴趣的话题
    广告