硅技術(shù)的多樣性助力邊緣AI創(chuàng)新

新興的硅產(chǎn)業(yè)正在開發(fā)智能芯片，以在邊緣和設(shè)備級別實(shí)現(xiàn)人工智能。

具有AI功能的芯片將增強(qiáng)功能，例如圖像識別自動駕駛汽車和語音激活命令等。

大量芯片的涌入可能為在邊緣邊緣意外地使用AI鋪平道路。

英特爾主導(dǎo)了個(gè)人電腦(然后是服務(wù)器)的CPU市場。大多數(shù)智能手機(jī)和平板電腦均采用Arm Limited許可的基于RISC的芯片技術(shù)。但是，越來越多的半導(dǎo)體提供商集團(tuán)準(zhǔn)備在邊緣加速人工智能(AI)處理。

創(chuàng)新如花在一片硅復(fù)興作為用于邏輯處理芯片AI處理能力燃料投資用于網(wǎng)絡(luò)邊緣應(yīng)用的需求不斷增長?？梢栽谶吘夁B接的物聯(lián)網(wǎng)(IoT)設(shè)備的多樣性使我們不太可能像過去那樣由一兩個(gè)芯片制造商主導(dǎo)這一新領(lǐng)域。

“這些邊緣AI芯片很可能會進(jìn)入越來越多的消費(fèi)設(shè)備，例如高端智能手機(jī)，平板電腦，智能揚(yáng)聲器和可穿戴設(shè)備，”Deloitte分析師報(bào)道。“它們還將用于多個(gè)企業(yè)市場：一般來說，機(jī)器人，照相機(jī)，傳感器和其他[IoT]設(shè)備。”

與傳統(tǒng)的以線性方式執(zhí)行指令的處理器(CPU)相比，AI芯片具有并行處理功能以執(zhí)行更多的計(jì)算。

安全和新興技術(shù)中心表示：“他們還以成功實(shí)現(xiàn)AI算法但減少晶體管數(shù)量的方式，以較低的精度計(jì)算數(shù)字。”AI芯片存儲整個(gè)算法的能力可加速內(nèi)存訪問，而在硅片上運(yùn)行的專用編程語言可有效轉(zhuǎn)換AI代碼。

下一代深度學(xué)習(xí)

深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一種類型，曾經(jīng)只是超級計(jì)算機(jī)的一部分，如今已向下游轉(zhuǎn)移到可以輕松識別大型數(shù)據(jù)流中的模式的通用企業(yè)系統(tǒng)。本質(zhì)上，此功能使系統(tǒng)可以基于以前從其他數(shù)據(jù)中學(xué)到的信息，根據(jù)新數(shù)據(jù)做出決策。新一代硅組件將把深度學(xué)習(xí)帶入設(shè)備級別。

大多數(shù)AI應(yīng)用程序主要依賴于在昂貴，耗電大的數(shù)據(jù)中心服務(wù)器或位于數(shù)據(jù)源附近的小型服務(wù)器上與傳統(tǒng)CPU串聯(lián)運(yùn)行的圖形處理單元(GPU)。這些實(shí)施方案擅長通過分析大型歷史數(shù)據(jù)集來訓(xùn)練算法。

企業(yè)和供應(yīng)商渴望在設(shè)備級別運(yùn)行的獨(dú)立推理模型中部署這些訓(xùn)練有素的算法。這些模型使設(shè)備能夠自動對新信息采取行動，而無需遠(yuǎn)程服務(wù)器的干預(yù)。對于需要近乎實(shí)時(shí)地解釋聲音，圖像和其他輸入的設(shè)備而言，這一點(diǎn)至關(guān)重要。例如，在自動駕駛汽車中，他們可以將停車標(biāo)志與路燈柱或旁觀者區(qū)別開來，或者在工廠設(shè)置中，當(dāng)制造設(shè)備組件似乎未對準(zhǔn)或出現(xiàn)故障時(shí)，停止生產(chǎn)線。

可以在邊緣處理數(shù)據(jù)的深度學(xué)習(xí)芯片可能會推動一波應(yīng)用程序，同時(shí)也限制了遠(yuǎn)程數(shù)據(jù)處理的數(shù)量。例如，攝像機(jī)事件記錄器已經(jīng)在與GPU結(jié)合使用，這些GPU集成了機(jī)器視覺以增強(qiáng)風(fēng)險(xiǎn)檢測(例如分心駕駛)的功能，并且可以區(qū)分需要立即上傳到云服務(wù)器或在車輛中使用的數(shù)據(jù)。

許多邊緣設(shè)備使用低功率或間歇功率，缺乏散熱能力，并且可以不受環(huán)境因素(例如溫度和移動)的影響而可靠地運(yùn)行。處理服務(wù)器，PC甚至當(dāng)今的智能手機(jī)的指令和圖像的芯片無法滿足這些要求，并且對于許多邊緣AI應(yīng)用而言通常過于昂貴。

追求空白

GPU是當(dāng)今AI應(yīng)用程序的主力軍，尤其是在數(shù)據(jù)中心和云環(huán)境中，它們越來越多地被用來“訓(xùn)練” AI算法，這些算法可以開發(fā)可在邊緣運(yùn)行的推理模型。這些芯片還在智能手機(jī)，汽車和高端家電等高價(jià)值設(shè)備，或工廠底層機(jī)器人系統(tǒng)等復(fù)雜的工業(yè)產(chǎn)品中找到了自己的位置。

GPU的價(jià)格從幾十美元到數(shù)百美元不等，對于在大眾市場，低成本的設(shè)備(例如烤面包機(jī))或工業(yè)應(yīng)用(例如在繼電器和開關(guān)中采用成千上萬個(gè)微控制器的電網(wǎng)管理系統(tǒng))而言，GPU在經(jīng)濟(jì)上并不可行。 。

新的半導(dǎo)體供應(yīng)商正在響應(yīng)對芯片嵌入式AI加速器技術(shù)的需求，該技術(shù)可以解釋數(shù)據(jù)并對其進(jìn)行處理，而不會出現(xiàn)與遠(yuǎn)程服務(wù)器通信所固有的延遲和連接性問題。根據(jù)2019年Omdia的研究報(bào)告“深度學(xué)習(xí)芯片組”，深度學(xué)習(xí)芯片組市場預(yù)計(jì)將從2018年的51億美元增長到2025年的726億美元，邊緣計(jì)算設(shè)備將占總市場機(jī)會的75%。