為什么某些嵌入式 AI 處理器比其它更智能

　　移動設(shè)備上的人工智能已經(jīng)不再依賴于云端連接，今年CES最熱門的產(chǎn)品演示和最近宣布的旗艦智能手機(jī)都論證了這一觀點。人工智能已經(jīng)進(jìn)入終端設(shè)備，并且迅速成為一個市場賣點。包括安全、隱私和響應(yīng)時間在內(nèi)的這些因素，使得該趨勢必將繼續(xù)擴(kuò)大到更多的終端設(shè)備上。為了滿足需求，幾乎每個芯片行業(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(xí)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。現(xiàn)實是，許多所謂的人工智能引擎就是傳統(tǒng)的嵌入式處理器(利用CPU和GPU)加上一個矢量向量處理單元(VPU)。VPU單元是專門為高效執(zhí)行與計算機(jī)視覺及深度學(xué)習(xí)相關(guān)的繁重計算負(fù)載而設(shè)計的。雖然擁有一個強(qiáng)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是組成一個出色的人工智能處理器的眾多組件之一。VPU雖然經(jīng)過精心設(shè)計，也確實提供了所需的靈活性，但它不是一個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(jī)器學(xué)習(xí))整體解決方案’(圖片來源于CEVA)

　　優(yōu)化嵌入式系統(tǒng)的工作負(fù)載

　　在云計算處理過程中，采用浮點計算進(jìn)行訓(xùn)練，定點計算進(jìn)行推理，從而實現(xiàn)最大的準(zhǔn)確性。用大型服務(wù)器群組進(jìn)行數(shù)據(jù)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限的。在移動設(shè)備上，功耗、性能和面積(PPA)的可行性設(shè)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計算。當(dāng)將網(wǎng)絡(luò)從浮點轉(zhuǎn)換為定點時，會不可避免的損失掉一些精度。然而正確的設(shè)計可以最小化精度損失，可以達(dá)到與原始訓(xùn)練網(wǎng)絡(luò)幾乎相同的結(jié)果。

　　控制精度的方法之一是在8位和16位整數(shù)精度之間做出選擇。雖然8位精度可以節(jié)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(zhǔn)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(圖片來源于 CEVA)

　　針對開發(fā)人員和SoC設(shè)計者，一個工具可以自動輸出優(yōu)化的圖形編譯器和可執(zhí)行文件，例如CEVA網(wǎng)絡(luò)生成器，從上市時間的角度來看是一個巨大的優(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(quán)衡，然后一鍵生成高效和精確的嵌入式網(wǎng)絡(luò)推理。

　　專用硬件來處理真正的人工智能算法

　　VPU使用靈活，但許多最常見的神經(jīng)網(wǎng)絡(luò)需要的大量帶寬通道對標(biāo)準(zhǔn)處理器指令集提出了挑戰(zhàn)。因此，必須有專門的硬件來處理這些復(fù)雜的計算。

　　例如NeuPro AI處理器包括專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)的專用AI引擎結(jié)合完全可編程工作的NeuPro VPU，可以支持所有其它層類型和神經(jīng)網(wǎng)絡(luò)拓?fù)?。這些模塊之間的直接連接允許數(shù)據(jù)無縫交換，不再需要寫入內(nèi)存。此外，優(yōu)化的DDR帶寬和先進(jìn)的DMA控制器采用動態(tài)流水線處理，可以進(jìn)一步提高速度，同時降低功耗。

　　結(jié)合NeuPro 引擎和 NeuPro VPU的 NeuPro AI處理器框圖(圖片來源于：CEVA)

　　明天未知的人工智能算法

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

　　另一個滿足未來需求的寶貴特征是可擴(kuò)展性。NeuPro AI產(chǎn)品家族可以應(yīng)用于廣泛的目標(biāo)市場，從輕量型的物聯(lián)網(wǎng)和可穿戴設(shè)備(2TOPs)到高性能的行業(yè)監(jiān)控和自動駕駛應(yīng)用(12.5 TOPs)。

　　在移動端實現(xiàn)旗艦AI處理器的競賽已經(jīng)開始。許多人快速趕上了這一趨勢，使用人工智能作為自己產(chǎn)品的賣點，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)建一個在不斷發(fā)展的人工智能領(lǐng)域保持“聰明”的智能設(shè)備，應(yīng)該確保在選擇AI處理器時，檢查上述提到的所有特性。