從國際大展看AI晶片設計技術趨勢(下)

 

刊登日期:2018/11/14
  • 字級

范哲豪/工研院產科國際所研究員

三、AI晶片發展趨勢
從2018年消費性電子展中的熱門智慧裝置來分析,其中的AI晶片大致上可以區分出兩大趨勢,包含1. AI晶片平台化,以及2. AI晶片邊緣運算與專用化。
1. AI晶片平台化
(1) 高通
高通推出人工智慧引擎(AI Engine,以下簡稱 AIE),讓人工智慧在裝置的應用更快速高效。目前,高通旗下晶片產品驍龍 845、驍龍 835、驍龍 820、驍龍 710、驍龍 660 等都已支援 AIE。因為行動通訊市場需求疲緩,因此積極佈局其他應用,尤其建立AIE人工智慧引進此平臺,並預計在通訊/醫療及車用等應用市場發揮。同時,通過併購方式,加速進入其他不同領域。

圖九、Qualcomm的AI平台
圖九、Qualcomm的AI平台

Qualcomm人工智慧引擎分別藉由Snapdragon系列處理器核心硬體架構,如Kryo客製化CPU、Hexagon Vector處理器,以及Adreno GPU運算效能,並且搭配Snapdragon神經處理引擎 (NPE)軟體架構達成整合應用效果,使裝置端可發揮人工智慧應用成效。

目前Snapdragon NPE將支援主流學習模型,如Tensorflow、Caffe與Caffe2,並且透過開放神經網路交換格式 (ONNX),讓開發者可在多元Snapdragon平台及作業系統平台彈性應用。此外,也支援Android 8.0 Oreo的Android神經網路 (Android NN)API,讓應用程式能直接在系統層進行學習,例如搭載Snapdragon 845處理器的終端裝置即可直接透過Android平台進行使用行為學習。

(2) 聯發科
AI 到現在發展比半導體摩爾定律還快。未來,汽車與手機產業的產品將會緊密結合,AI 是內建技術,可在各項應用運作,但必須依賴強大晶片的運算能力。

NeuroPilot目標為提升終端 AI 運算效率,並在多樣產品平臺透過AI提升功能與品質,當然也支援主流的AI框架,如Google的TensorFlow、Caffe、Amazon的MXNet、Sony的 NNabla 。基於聯發科AI處理器、軟體搭配 NeuroPilot SDK,提供包括智慧手機、智慧家庭到自駕車所需的人工智慧解決方案。NeuroPilot採用的就是透過AI處理器的方式,把目前已知的比較固定的80~90種演算法固定到APU中,剩下一些一直演進的10個演算法會放到CPU中,從而兼顧彈性和效率。

圖十、聯發科將AI等七大領域列為未來五年的投資重點
圖十、聯發科將AI等七大領域列為未來五年的投資重點

(3) Nvidia
NVIDIA DRIVE IX 智慧體驗平台為一款打造 AI 應用的軟體開發套件(SDK),包含用於自動解鎖與開車的臉部辨識、提醒駕駛車外環境的潛在危險、駕駛控制的手勢。Nvidia自動駕駛汽車戰略的主幹並不是某一款特別的 SoC,而是其 Drive PX 平台(專為自動駕駛汽車開發而生)。這個平台整合了深度學習、傳感器融合和環繞立體視覺等技術,而基於 Drive PX 打造的自動駕駛軟體堆棧可以實時理解車輛周圍的情況,完成精確定位並規劃出最為安全高效的路徑。

Nvidia最新的 Xavier SoC 包含「定製化的 8 核 CPU,全新的 512 核 Volta GPU,新款深度學習和計算視覺加速器,同時還有新的 8K HDR 視頻處理器。」Nvidia還在用 Xavier 作為關鍵部件開發 Pegasus AI 計算平台,它要將卡車的計算能力塞進一張卡片中。Pegasus 平台包含兩顆 Xavier SoC 和兩顆新一代Nvidia GPU,它擁有每秒 320 萬億次的超強運算能力---以上為部分節錄資料,完整內容請見下方附檔。

相關閱讀:從國際大展看AI晶片設計技術趨勢(上)


分享