从很多方面来看,AI加速热潮与1990年代末期和2000年代初的DSP淘金热很类似......与DSP协同处理器一样,AI加速器的目标是找到最快速、最节能的方法来执行所需的运算任务...
从云端的大数据(big data)处理到边缘端的关键字识别和影像分析,人工智慧(AI)应用的爆炸式成长促使专家们前仆后继地开发最佳架构,以加速机器学习(ML)演算法的处理。各式各样的新兴解决方案都凸显了设计人员在选择硬体平台之前,明确定义应用及其需求的重要性。9W9esmc
从很多方面来看,AI加速热潮与1990年代末期和2000年代初的DSP淘金热很类似;在那个时候,随着有线和无线通讯起飞,市场上纷纷推出高性能DSP协同处理器(co-processor )以因应基频处理的挑战。与DSP协同处理器一样,AI加速器的目标是找到最快速、最节能的方法来执行所需的运算任务。9W9esmc
神经网路处理背后的数学,涉及统计学、多元微积分(multivariable calculus)、线性代数、数值最佳化(numerical optimization)和机率等;虽然很复杂,也是高度可平行化的(parallelizable)。但事实上这是令人尴尬的可平行化──与分散式运算不同,在路径的输出被重组并产生输出结果之前,很容易被分解为没有分支(branches)或从属关系(dependencies)的平行路径。9W9esmc
在各种神经网路演算法中,卷积神经网路(CNN)特别擅长物件识别类任务——也就是从影像中过滤筛选出感兴趣的物件。CNN以多维矩阵(multidimensional matrices)──即张量(tensor)──架构来理解资料,将超出第三个维度的每个维度都嵌入到子阵列中(如图1),每个添加的维度称为「阶」(order),因此,五阶张量会有五个维度。9W9esmc
9W9esmc
图1:CNN以张量架构摄取资料,也就是可被视觉化为3D立方体的数字矩阵(资料集);每个阵列中还有一个子阵列,该数字定义了CNN的深度。
(图片来源:Skymind)9W9esmc
这种多维分层对于理解CNN所需之加速的本质很重要,卷积过程使用乘法在数学上将两个函数「卷绕」(roll)在一起,因此广泛使用乘加(multiply-accumulate,MAC )数学运算;举例来说,在物件识别中,一个函数是源影像,另一个函数是用来识别特征然后将其映射到特征空间的筛检程式(filter)。每个筛检程式都要多次执行这种「卷绕」,以识别影像中的不同特征,因此数学运算变得非常重复,且是令人尴尬(或令人愉悦)的可平行化。9W9esmc
为此,某些AI加速器的设计采用多个独立的处理器核心(高达数百或上千个),与记忆体子系统一起整合在单晶片中,以减轻资料存取延迟并降低功耗。然而,由于业界已设计了绘图处理器(GPU)来对影像处理功能进行高度平行处理,因此它们对于AI所需的这种神经网路处理也可以实现很好的加速。AI应用的多样性和深度,特别是在语音控制、机器人、自动驾驶和大数据分析等方面,已经吸引了GPU供应商将重点转移到AI处理硬体加速的开发。9W9esmc
然而AI硬体加速的问题,在于有如此多的资料,所需的准确性和回应时间又有如此大的差别,设计人员必须对于架构的选择非常讲究。例如资料中心是资料密集型的,其重点是尽可能快速处理资料,因此功耗并非特别敏感的因素——尽管能源效率有利于延长设备使用寿命,降低设施的整体能耗和冷却成本,这是合理的考量。百度的昆仑(Kunlun)处理器耗电量为100W,但运算性能达到260 TOPS,就是一款特别适合资料中心应用的处理器。9W9esmc
接下来看另一个极端的案例。如关键字语音辨识这样的任务需要与云端连结,以使用自然语言识别来执行进一步的命令。现在这种任务在采用法国业者GreenWaves Technologies之GAP8处理器的电池供电边缘装置上就可以实现;该处理器是专为边缘应用设计,强调超低功耗。9W9esmc
介于中间的应用,如自动驾驶车辆中的摄影机,则需要尽可能接近即时反应,以识别交通号志、其他车辆或行人,同时仍需要最小化功耗,特别是对于电动车来说;这种情况或许需要选择第三种方案。云端连结在此类应用中也很重要,如此才能即时更新所使用的模型和软体,以确保持续提高准确度、反应时间和效率。9W9esmc
正因为这是一个在软、硬体方面都迅速发展,需要在技术上持续更新的领域,并不建议将AI神经网路(NN)加速器整合到ASIC或是系统级封装(SiP)中——尽管这样的整合具有低功耗、占用空间小、成本低(大量时)和记忆体存取速度快等优点。加速器、模型和神经网路演算法的变动太大,其灵活性远超过指令导向(instruction-driven)方法,只有像Nvidia这种拥有先进技术、资金雄厚的玩家才能够负担得起不断在硬体,而在硬体上根据特定方法进行反覆运算。9W9esmc
这种硬体加速器开发工作的一个很好的例子,就是Nvidia在其Tesla V100 GPU中增加了640个Tensor核心,每个核心在一个时脉周期内可以执行64次浮点(FP)融合乘加(fused-multiply-add,FMA)运算,可为训练和推理应用提供125 TFLOPS的运算性能。借助该架构,开发人员可以使用FP16和FP32累加的混合精度(mixed precision)进行深度学习训练,运算速度比Nvidia自家上一代Pascal架构高3倍。9W9esmc
混合精度方法很重要,因为长期以来人们已经认识到,虽然高性能运算(HPC)需要使用32~256位元FP的精确运算,但深度神经网路(DNN)不需要这么高的精度;这是因为经常用于训练DNN的反向传播演算法(back-propagation algorithm)对误差具有很强的弹性,因此16位元半精度(FP16)对神经网路训练就足够了。9W9esmc
此外,储存FP16资料比储存FP32或FP64资料的记忆体效率更高,从而可以训练和部署更多的网路,而且对许多网路来说,8位元整数运算(integer computation)就足够了,对准确性不会有太大影响。9W9esmc
这种使用混合精度运算的能力在边缘甚至会更实用,当资料登录的来源是低精度、低动态范围的感测器——例如温度感测器、MEMS惯性感测器(IMU)和压力感测器等——还有低解析度视讯时,开发人员可以折衷精度以取得低功耗。9W9esmc
可扩充处理(scalable processing)的概念已经扩展到更广泛的网路——利用雾运算(fog computing)概念,透过在网路上的最佳位置执行所需的处理,来弥补边缘和云端之间的能力差距;例如可以在本地物联网(IoT)闸道器或更接近应用现场的本地端伺服器上进行神经网路影像处理,而不必在云端进行。这样做有三个明显的优势:一是能减少由于网路延迟造成的时延,二来可以更安全,此外还能为必须在云端处理的资料释出可用的网路频宽;在更高的层面上,这种方法也通常更节能。9W9esmc
因此,许多设计师正在开发内建摄影机、影像预处理和神经网路AI讯号链(signal chains)功能的独立产品,这些产品仅在相对较闭回路(closed-loop)的运作中呈现输出,例如已识别标志(自驾车)或人脸(家用保全系统)。在更极端的案例中,例如设置在偏远或难以到达之处,以电池或太阳能供电的装置,可能需要长时间地进行这种处理。9W9esmc
9W9esmc
图2:GreenWave的GAP8采用9个RISC-V处理器核心,针对网路边缘智慧装置上的低功耗AI处理进行了最佳化。
(图片来源:GreenWaves Technologies)9W9esmc
为了帮助降低这种边缘AI影像处理的功耗,GreenWaves Technologies的GAP8处理器整合了9个RISC-V核心;其中一个核心负责硬体和I/O控制功能,其余8个核心则围绕共用资料和指令记忆体形成一个丛集(如图2)。这种结构形成了CNN推理引擎加速器,具备额外的RISC-V ISA指令来强化DSP类型的运算。9W9esmc
GAP8是为网路边缘的智慧装置量身打造,在功耗仅几十毫瓦(mW)的情况下可实现8GOPS运算,或者在1mW时可实现200 MOPS运算;它完全可以用C/C++语言来编程,最小待机电流为70nA。9W9esmc
RISC-V开放性硬体架构在一开始遭到质疑,因为那需要一个忠实稳固的使用者社群,以提供一系列丰富的支援工具和软体;而随着该架构透过各种测试晶片和硬体实作吸引更多开发者加入,那些质疑也逐渐消退。RISC-V吸引人之处在于它正成为Arm处理器的强劲对手,特别是在超低功耗、低成本应用上;只要谈到低成本就会锱铢必较,因此免费方案总是会感觉比需要支付授权费的方案更好。9W9esmc
不过虽然RISC-V架构的GAP8可以节能并且针对边缘神经网路处理进行了高度最佳化,从系统开发的角度来看仍然需要考虑周边功能,例如摄影机感测器本身和网路通讯介面,以及是采用有线还是无线技术等;依据系统通讯和处理影像的次数频率,这些功能占用的功耗比例可能较高。根据GreenWaves的说法,GAP8若采用3.6Wh的电池供电,能以每3分钟分类一张QVGA影像的频率持续工作长达10年;但该数字并未考量整体系统中其他因素的影响。9W9esmc
GreenWaves将其GAP8处理器与采用Arm Cortex-M7核心、运作频率216MHz的意法半导体(ST)处理器STM32 F7进行了直接比较(图3);两者以CIFAR-10资料集的影像进行训练,权重量化为8位元定点(fixed point)。9W9esmc
9W9esmc
图3:GreenWaves Technologies的GAP8与ST的STM32 F7处理器性能比较。
(图片来源:GreenWaves Technologies)9W9esmc
虽然GAP8因为拥有八核心架构而呈现更高效率,并能以较低时脉速率与更少的周期实现推理,Arm架构也不遑多让──Arm已经发表了针对行动装置和其他相邻、网路边缘应用的机器学习(ML)处理器,其应用场景包括AR/VR、医疗、消费性电子产品以及无人机等;该架构采用固定功能引擎(fixed-function engines)来执行CNN层,并采用可程式化层(programmable layer)引擎来执行非卷积层以及实现所选基元(primitive)和运算子(operator),参考图4。9W9esmc
9W9esmc
图4:Arm的ML处理器设计用于CNN类型固定功能以及可程式化层引擎的低功耗边缘处理。
(图片来源:Arm)9W9esmc
有趣的是,ML处理器是以高度可扩充架构为基础,因此同一处理器和工具可用于开发从物联网到、嵌入式工业和交通,到网路处理和伺服器等各种应用,运算性能要求从20 MOPS到70 TOPS以上不等。9W9esmc
如果开发团队希望从云端往下扩充,或从边缘往上扩充,那么这种可扩充性比较适合之前讨论的雾运算概念。此外该处理器本身与主流神经网路学习框架紧密整合,例如Google的TensorFlow和TensorFlow Lite,以及Caffe和Caffe 2;它还针对Arm Cortex CPU和Arm Mali GPU进行了最佳化。9W9esmc
透过ML处理器,Arm还强调了异质(heterogenous)方法对AI应用之神经网路的重要性,但仅限于其CPU和GPU的狭窄范围内。从更广泛的角度来看,英特尔(Intel)的OpenVINO (Visual Inference & Neural Network Optimization,视觉推理和神经网路最佳化)工具套件可以实现异质混合架构的开发,包括CPU、GPU与FPGA,当然还有英特尔自家的Movidius视觉处理器(VPU)和基于Atom的影像处理器(IPU)。利用通用API以及针对OpenCV和OpenVX最佳化的呼叫(call),英特尔声称其深度学习性能可以提高19倍。9W9esmc
异质方法对于针对AI的神经网路处理既有好处又不可或缺...9W9esmc
微信扫一扫,一键转发
关注“国际电子商情” 微信公众号
在全球半导体产业遭遇技术封锁与地缘政治博弈的双重挑战下,华为麒麟和昇腾芯片接连传来好消息,不仅为华为PC业务战略转型提供了核心动力,更以国产算力底座重塑 AI产业格局。
早在2019年,笔者就在一篇文章中表示,即便当时游戏业务占到NVIDIA总营收的54%,数据中心业务的高速增长势头却也已经表现得非常明确。而根据NVIDIA Q4 FY2025(截止2025年1月26日)季报,与数据中心业务的大热相较,NVIDIA的游戏业务(Gaming)当季营收为25.4亿美元,不说连计算加速卡的零头都没到,还环比跌了22%,同比跌11%。
RISC-V架构所具备的灵活性优势若能得到充分发挥,极有希望成为AI推理算力的理想搭档。未来,“RISC-V+AI将有望成为新组合,如同x86+Windows、Arm+安卓的经典组合”。
国产CPU企业爆雷的背后……
国际电子商情20日讯,Intel的出售计划似乎正面临一道难以逾越的高墙——其与AMD之间的广泛交叉授权协议。这一协议的存在,使得Intel的任何出售或合资计划都必须获得AMD的点头同意,否则将寸步难行……
据外媒报道,美国总统特朗普正计划对进口汽车、芯片和药品征收高达25%的关税,这一举措可能重塑全球贸易格局……
国际电子商情8日讯 软银集团(SoftBank)以65亿美元(含债务)估值对美国芯片设计公司Ampere Computing LLC的收购交易接近达成,最快可能在本月官宣。交易若最终完成,将成为2025年全球半导体行业最具标志性的并购事件之一……
全球芯片市场的激烈竞争中,中国芯片产业迎来了历史性突破。2024年,中国芯片出口首次突破1万亿元大关,成为全球市场的焦点。然而,尽管成绩斐然,高端芯片的进口依赖仍然显著,未来的挑战依然严峻……
半导体对于原始设备制造商(OEM)来说正变得至关重要,因为它们提供了现代汽车中已成为标准配置的电子功能。
国际电子商情讯,根据美媒近日披露,英伟达新一代Blackwell AI GPU已经面临延迟交付,并遇到了配套服务器过热的问题,客户担忧没有足够的时间让新数据中心启动和运行。
通过收购 Flex Logix,ADI 显著增强了数字产品组合
国际电子商情23日讯 据外媒报道,总部位于英国的Arm Holdings Plc拟取消与高通的长期合作,不再允许高通使用Arm的知识产权来设计芯片。对此,高通和Arm双方也都给予了强硬的回复……
美通社消息,3月14日,“2025英飞凌消费、计算与通讯创新大会”(ICIC2025)在深圳举行。本届大会汇聚600多位业界精
近日,湖南省工信厅发布了《2025年湖南电子信息制造业重点项目名单》,涵盖先进计算、音视频、新一代半导体、人
3月15日,质鼎集团公众号消息,惠科东莞平板显示集群电子商务项目二期正式开工。
富士康、台积电、广达、华硕、联发科、友达光电等中国台湾20家电子企业2024年第四季度和全年财报汇总。
近年来,LED显示屏市场持续演进。回顾2024年,行业呈现出哪些发展态势?展望2025年及未来,市场又将面临哪些机遇与
近日,索尼正式发布新一代RGBLED背光技术系统,可实现4000尼特峰值亮度。索尼计划该系统将于2025年开始量产,并将
AI芯片是半导体最大的增长点,先进封装则是制造AI芯片的关键技术。此前英伟达H100成本约3000美元,而用先进封装
截止2024年底,17家欧美固态电池企业融资总额已突破42亿美元。
曾几何时,中国半导体几乎不断有大基金投资、大项目上马,以及美国制裁的新闻。长期处于聚光灯下,中国半导体成为
Dynabook在退出十年后宣布重返美国消费市场。
Canalys最新数据显示,受到消费需求激增8%的推动,2024年第四季度中国大陆的PC市场开始复苏,同比增长2%。
根据TrendForce集邦咨询最新调查,2024年第四季由于Apple(苹果)手机生产进入高峰,以及中国部分地方提供消费补贴
德州仪器近日推出了全球超小型 MCU,进一步扩展了品类齐全的 Arm® Cortex®-M0+ MSPM0 MCU 产品组合。
创新是企业持续发展最大的价值。
“闪迪(Sandisk)又回来了!”在3月12日的存储年度盛会CFMS MemoryS 2025上,闪迪公司全球产品副总裁Eric Spa
摩尔斯微电子推出合规的Wi-Fi HaLow片上系统(Soc),开启欧洲连接技术新纪元。超低功耗、远距离连接功能现已为
CFMS | MemoryS 2025已圆满落幕,期间包括三星电子、长江存储、铠侠、美光、闪迪、高通、Arm、慧荣科技、S
Hyperlux™ ID iToF 系列将深度测量距离提升至最远 30 米,提高工业环境中的生产效率和安全性
26TB大容量CMR HDD助力WD Red Pro与G-DRIVE/G-RAID系列专业级产品矩阵,赋能数据存储拓展与生产力跃升
全新一代MCU可以满足各种区域控制架构和电气化系统需求,助力汽车制造商向软件定义汽车(SDV)过渡。
将出色的高
聚洵半导体科技(上海)有限公司(Gainsil Semiconductor Technology)于2016年成立于上海张江科学城,是一家全球
领域新成果领域新成果4月必逛电子展!AI、人形机器人、低空飞行、汽车、新能源、半导体六大热门新赛道,来NEPCO
后量子加密技术帮助保护数字基础设施免受量子计算机在将来带来的潜在威胁。
英飞凌坚信低碳化和数字化是未来十年的关键驱动力,半导体在应对能源挑战和推动数字化转型中扮演着重要角色。
点击查看更多
北京科能广告有限公司深圳分公司 版权所有
分享到微信
分享到微博
分享到QQ空间
推荐使用浏览器内置分享
分享至朋友圈