為什么某些嵌入式 AI 處理器比其它更智能

　　移動(dòng)設備上的人工智能已經(jīng)不再依賴(lài)于云端連接，今年CES最熱門(mén)的產(chǎn)品演示和最近宣布的旗艦智能手機都論證了這一觀(guān)點(diǎn)。人工智能已經(jīng)進(jìn)入終端設備，并且迅速成為一個(gè)市場(chǎng)賣(mài)點(diǎn)。包括安全、隱私和響應時(shí)間在內的這些因素，使得該趨勢必將繼續擴大到更多的終端設備上。為了滿(mǎn)足需求，幾乎每個(gè)芯片行業(yè)的玩家都推出了不同版本、不同命名的人工智能處理器，像“深度學(xué)習引擎”、“神經(jīng)處理器”、“人工智能引擎”等等。

　　然而，并非所有的人工智能處理器都是一樣的?，F實(shí)是，許多所謂的人工智能引擎就是傳統的嵌入式處理器(利用CPU和GPU)加上一個(gè)矢量向量處理單元(VPU)。VPU單元是專(zhuān)門(mén)為高效執行與計算機視覺(jué)及深度學(xué)習相關(guān)的繁重計算負載而設計的。雖然擁有一個(gè)強大的、低功耗的VPU是嵌入式人工智能的重要組成部分，但這不是故事的全部。VPU是組成一個(gè)出色的人工智能處理器的眾多組件之一。VPU雖然經(jīng)過(guò)精心設計，也確實(shí)提供了所需的靈活性，但它不是一個(gè)AI處理器。這里還有一些其它功能對于人工智能處理前端化至關(guān)重要。

　　NeuProTM - CEVA人工智能(機器學(xué)習)整體解決方案’(圖片來(lái)源于CEVA)

　　優(yōu)化嵌入式系統的工作負載

　　在云計算處理過(guò)程中，采用浮點(diǎn)計算進(jìn)行訓練，定點(diǎn)計算進(jìn)行推理，從而實(shí)現最大的準確性。用大型服務(wù)器群組進(jìn)行數據處理，能耗和大小必須考慮，但他們相較于有邊緣約束的處理幾乎是無(wú)限的。在移動(dòng)設備上，功耗、性能和面積(PPA)的可行性設計至關(guān)重要。因此在嵌入式SoC芯片上，優(yōu)先采用更有效的定點(diǎn)計算。當將網(wǎng)絡(luò )從浮點(diǎn)轉換為定點(diǎn)時(shí)，會(huì )不可避免的損失掉一些精度。然而正確的設計可以最小化精度損失，可以達到與原始訓練網(wǎng)絡(luò )幾乎相同的結果。

　　控制精度的方法之一是在8位和16位整數精度之間做出選擇。雖然8位精度可以節省帶寬和計算資源，但是許多商用的神經(jīng)網(wǎng)絡(luò )仍然需要采用16位精度以保證準確性。神經(jīng)網(wǎng)絡(luò )的每一層都有不同的約束和冗余，因此為每一層選擇最佳的精度是至關(guān)重要的。

　　以層為單位選擇最佳精度(圖片來(lái)源于 CEVA)

　　針對開(kāi)發(fā)人員和SoC設計者，一個(gè)工具可以自動(dòng)輸出優(yōu)化的圖形編譯器和可執行文件，例如CEVA網(wǎng)絡(luò )生成器，從上市時(shí)間的角度來(lái)看是一個(gè)巨大的優(yōu)勢。此外，保持為每一層選擇最佳精度(8位或16位)的靈活性也是很重要的。這使每一層都可以在優(yōu)化精度和性能之間進(jìn)行權衡，然后一鍵生成高效和精確的嵌入式網(wǎng)絡(luò )推理。

　　專(zhuān)用硬件來(lái)處理真正的人工智能算法

　　VPU使用靈活，但許多最常見(jiàn)的神經(jīng)網(wǎng)絡(luò )需要的大量帶寬通道對標準處理器指令集提出了挑戰。因此，必須有專(zhuān)門(mén)的硬件來(lái)處理這些復雜的計算。

　　例如NeuPro AI處理器包括專(zhuān)用的引擎處理矩陣乘法、完全連接層、激活層和匯聚層。這種先進(jìn)的專(zhuān)用AI引擎結合完全可編程工作的NeuPro VPU，可以支持所有其它層類(lèi)型和神經(jīng)網(wǎng)絡(luò )拓撲。這些模塊之間的直接連接允許數據無(wú)縫交換，不再需要寫(xiě)入內存。此外，優(yōu)化的DDR帶寬和先進(jìn)的DMA控制器采用動(dòng)態(tài)流水線(xiàn)處理，可以進(jìn)一步提高速度，同時(shí)降低功耗。

　　結合NeuPro 引擎和 NeuPro VPU的 NeuPro AI處理器框圖(圖片來(lái)源于：CEVA)

　　明天未知的人工智能算法

　　人工智能仍然是一個(gè)新興且快速發(fā)展的領(lǐng)域。神經(jīng)網(wǎng)絡(luò )的應用場(chǎng)景快速增加，例如目標識別、語(yǔ)音和聲音分析、5G通信等等。保持一種適應性的解決方案滿(mǎn)足未來(lái)趨勢是確保芯片設計成功唯一的途徑。因此，滿(mǎn)足現有算法的專(zhuān)用硬件肯定是不夠的，還必須搭配一個(gè)完全可編程的平臺。在算法一直不斷改進(jìn)的情況下，計算機模擬仿真是基于實(shí)際結果進(jìn)行決策的關(guān)鍵工具，并且減少了上市時(shí)間。CDNN PC仿真包允許SoC設計人員在開(kāi)發(fā)真實(shí)硬件之前，就可以使用PC環(huán)境權衡自己的設計。

　　另一個(gè)滿(mǎn)足未來(lái)需求的寶貴特征是可擴展性。NeuPro AI產(chǎn)品家族可以應用于廣泛的目標市場(chǎng)，從輕量型的物聯(lián)網(wǎng)和可穿戴設備(2TOPs)到高性能的行業(yè)監控和自動(dòng)駕駛應用(12.5 TOPs)。

　　在移動(dòng)端實(shí)現旗艦AI處理器的競賽已經(jīng)開(kāi)始。許多人快速趕上了這一趨勢，使用人工智能作為自己產(chǎn)品的賣(mài)點(diǎn)，但并不是所有產(chǎn)品里都具備相同的智能水平。如果想要創(chuàng )建一個(gè)在不斷發(fā)展的人工智能領(lǐng)域保持“聰明”的智能設備，應該確保在選擇AI處理器時(shí)，檢查上述提到的所有特性。