算力不能作为衡量AI芯片性能的唯一指标!

js7799.com 1

js7799.com,AI所引发的技术革命正悄然改变着全球芯片产业,尤其是视觉芯片领域。随着智能手机、无人机、安防以及汽车等各类端侧场景海量图像识别与处理应用的涌现,终端市场对AI视觉芯片的需求也正水涨船高。不过,由于AI算法技术与芯片硬件本身的磨合目前还不够成熟,这也使得端侧视觉AI芯片仍面临着功耗与算力的平衡以及由此衍生出来的各种矛盾问题,成为当前横亘在AI芯片与应用端之间的最大屏障。

作为AI产业发展的基石,AI芯片近年发展势头迅猛,作为人工智能落地首站的安防领域,开始成为众多企业发力的焦点,从前端摄像头提高边缘智能,到后端服务器进行大规模训练分析,部署端到端的“算力+算法”一体化解决方案,显然已经成为安防行业新的价值所在。然而,当前安防AI芯片发展看似火热,实际上尚处于“婴儿期”,企业要想保持未来发展势头,仍需找准突破点。

端侧AI“芯”应用水涨船高 算力与功耗平衡成最大瓶颈

如何衡量AI芯片?不唯有算力

与云端AI应用所不同的是,终端侧AI由于能够直接采集一手数据,并做实时提取和处理,因此具备信息量丰富、响应快、延时小以及功耗低等诸多优势。另一方面,从市场的角度来看,终端侧AI具备海量的设备基础,其市场广度要比云端AI应用高出成千上万倍,这也使得端侧AI芯片成为了当下各大芯片巨头以及新兴芯片初创公司们争相布局的“热土”。

如果要给出一个衡量AI芯片的有力指标,大部分人也许会认为是“算力”、“能耗比”等这些直观数据,毕竟算力是人工智能发展的关键因素之一,市场对具有海量数据并行计算能力、能够加速计算处理的AI芯片有很大需求。

js7799.com 2

但在实际使用时,有些场景下计算核的利用率非常低,甚至有很多计算种类不支持。由此看来,算力不能作为衡量AI芯片性能的唯一指标。

作为移动通信技术领域的领头羊,Qualcomm也十分看好终端侧AI广阔的应用前景,Qualcomm中国区董事长孟樸在接受记者采访时就表示:“智能无线边缘的发展趋势,与我们将移动领域的基础科技带到全新行业的公司战略高度契合,Qualcomm正积极参与到智能手机、PC/平板电脑、扩展现实以及汽车等领域中。到2025年,这些细分市场的AI应用率,将从去年的不到10%增长至100%。在这一趋势的驱使下,终端侧AI将成为许多关键平台的标准特性,移动连接和移动计算是AI革命的中心,Qualcomm正处于这场变革的中心。”

同时,如今安防边界逐渐扩大,各类场景下的智能应用也随之丰富,多业务同时运行成为常态,所以计算核在多业务切换情况下的性能表现也是一项重要的衡量标准,尤其是在衡量节点端芯片和云端芯片性能方面。

js7799.com 3

此外,AI加速硬件十分依赖存储器带宽,因此在相同算法及计算量情况下,计算核对带宽的使用效率往往也决定整体系统性能。

终端侧AI领域,时下最成熟的莫过于AI视觉应用,如今的手机、汽车、安防以及工业等各类应用领域,几乎都可以看到AI视觉技术的身影。以最常见且最贴近用户的智能手机摄像头为例,无论是采用TOF、结构光抑或是其他成像方案,要想实现高质量、智能化的拍照,其背后都少不了AI芯片和相应的算法技术支持。而在AI视觉芯片领域,由于英伟达等巨头的抢先布局,使得如今以GPU为代表的多核并行计算的芯片架构稳稳占据了当前市场的主流,牢不可破。无论是市面上的安防监控,还是汽车等大量视觉传感设备,大多都采用的是此类芯片架构方案并匹配相应的AI视觉算法,去做图像采集、数据处理以及智能化的数据分析,进而实现完整的机器视觉功能,这也给其他新兴AI芯片架构(比如市面上的各种ASIC)的发展构筑了天然的壁垒。

掘金安防行业 AI芯片需要适配场景

js7799.com 4

传统芯片企业更关注通用化芯片,但在做到通用化的同时也牺牲了对具体领域的契合性,这在落地应用时会遇到不少问题。

安霸半导体软件研发高级总监孙鲁毅认为:“英伟达的多核并行计算,其实是一种非常典型的芯片架构。这种架构很明显的好处就是通用性强、灵活和易于扩展,比如原来有256个核,可以很容易的扩展到512个核。如果其他对应的资源能够成倍增加的话,相应的芯片性能也可以成倍的增加。”

例如,安防端侧关注点在于降低AI芯片的单位功耗,但芯片企业对功耗要求可能不是首要优先级,这就给提供解决方案和算法的企业带来了难题:算法是统一的,但在不同场景中需要适配不同的芯片模组。

不过,随着与应用端的磨合越来越多,这类架构存在的功耗与算力等性能平衡问题也日益凸显,甚至随着芯片核数量的叠加,二者之间的矛盾正在逐步扩大。孙鲁毅进一步补充到:“多核之间由于需要通过DRAM来交换数据,这会引发大量的内存读取操作,当外设传输大量数据、DRAM比较繁忙时,就会增加操作的延时等待,甚至出现‘一核出力,九核围观’的情况。所以,这并不是最低功耗和高效的AI芯片设计。”

因此,要想打开安防领域的市场,就要在功耗和成本的严格约束下,不断提升算力,适配场景,提升芯片的专用性。

js7799.com 5

安防行业需要怎样的芯片?

专用AI加速削减算力与功耗矛盾 AI芯片玩家们的“必杀技”

本文由js7799.com发布于通讯产品,转载请注明出处:算力不能作为衡量AI芯片性能的唯一指标!

TAG标签:
Ctrl+D 将本页面保存为书签,全面了解最新资讯,方便快捷。