新闻中心

EEPW首页 > 智能计算 > 编辑观点 > 想做AI芯片?这家“中国拥有的外国公司”出了新的神经网络加速器内核

想做AI芯片?这家“中国拥有的外国公司”出了新的神经网络加速器内核

作者:王莹时间:2018-06-19来源:电子产品世界收藏

   近日,Imagination Tecnhologies在京举办了“Imagination人工智能()研讨会”,会上宣布推出PowerVR Series2Nx神经网络加速器(NNA)内核。会上,主管PowerVR视觉和人工智能业务的副总裁Russell James与中国区区域市场和业务拓展总监柯川先生,介绍了的发展状况,及Imagination新产品、公司的中资背景。

本文引用地址:http://www.eepw.com.cn/article/201806/381850.htm

      已处于快速发展阶段

  AI分为四个阶段,如下图。


图片2.png

  1.基础研究阶段。每当一个新技术来临时,一些大学院所机构和大公司(例如英特尔、谷歌等有基础研究部门)会进行反复研究论证,找到产业可能性。

  2.应用研究阶段,公司企业尝试让新技术通过原型机认证,以极大地解决生产生活中的痛点。

  3.产业快速发展阶段。此时机会多,新公司、大公司多,整个产业迅速发展。

  4.最后会出现一个相对成熟的市场,形成一些垄断企业/寡头,大浪淘沙,小鱼和慢鱼被淘汰。

  目前AI产业处于快速导入阶段,这也是公司资本和个人都在追逐的,前途非常光明。

  AI发展最多的是与应用的结合,例如金融、安防、医疗、教育、客服、视频/娱乐、零售/电商、建筑、法律、招聘、新闻资讯等,每个行业都有领先的企业或独角兽(如下图)。


图片3.png

  大部分落地应用的共同特点是取代一些简单的人工劳动,例如智能客服(代替人接电话)、人脸识别等。

  如果要把AI进一步做大做强,需要知识图谱的概念和数据结构化,使应用算法在行业里做深、做宽、做大。从弱AI到强AI方面,国内外很多大企业和顶尖院校正在做积累,希望在未来发挥更大的作用。

  AI和NN的关系

  NN(神经网络)是实现AI的方式之一,但不是唯一方式。


1529399898643766.png

  图:人工智能部分算法

  NN目前是各行各业最火最热的技术与应用之一,这催生了NN从算法到等的行业的大发展。

  边缘AI的机会

  很多人认为是英伟达做的数据训练非常成功。但随着行业逐步加深,应用逐步多,发现仅仅在服务器端还不够的,端侧可以做极大延伸。例如,安防从嵌入式视觉系统到视觉导向的自主系统,即过去红外摄像头,保安和监控人员要看一二十个小时,现在把人眼看的部分,通过算法和数据集中到服务器端,下一步希望减少服务器的负担,在端侧——摄像头去做识别。这样做的好处,首先是可以减少网络带宽,因为网络存储等成本非常高;其次是性能,端处理回传会延时;第三是隐私性。

  另一个案例是无人机避障。如果通过云端或GPU做,需要10~15 m的缓冲区,这意味着在10-15 m之内无法判断,对消费类还可以,但农业、渔业、防火救灾等场景就不够了,需要精度在1 m之内,这就需要端侧的高效处理能力。

  市面上有各种方案,如下图。1.CPU尽管什么都可以做,但处理神经网络效率低,2.DSP最大的问题是有非常少的人员可以基于DSP去做编程,没有标准化和可覆盖。3.GPU,英伟达证明了非常适合处理AI,GPU有标准化的编程方式,但GPU还是功耗较大。是否有功耗非常低又非常灵活?4.固定功能的硬化,一旦硬化后只能做一件事,远远不够产业化。


图片6.png


  为此,Imagination有“GPU+NNA”方案。

       NNA的性能比对

  据Imagination测算,传统GPU搜1000张图需要1分钟;若在端侧处理,若采用Imagination的PowerVR NNA,用2秒就可以解决。同样花费1%功耗,GPU可处理2400张图片,端处理器PowerVR NNA可以做接近43万张图片处理。视频处理时,GPU做1分20秒的处理,如果用Imagination的端侧处理,可以做接近4个小时。


图片5.png

上一页 1 2 下一页

关键词: AI 芯片

评论


相关推荐

技术专区

关闭