Imagination AI解决方案性能领先最接近竞争对手2倍
【导读】行家一伸手,便知有没有。英国ImaginaTIon最新神经网络加速器PowerVR 2NX NNA性能领先最接近竞争对手2倍,不管你是DSP+硬件、VPU+硬件还是神经网络DSP。预计它将是海思下一代麒麟芯片的不二之选。
人工智能今天已经提升到国家未来战略竞争力高度,这是因为未来它将渗透到各行各业的关键设备,并成为这些设备的核心竞争力。比如,今天华为就已经凭借着人工智能技术将Mate 10智能手机的竞争力超越了苹果最新发布的iPhone8。未来最接近人脑运算模式的神经网络处理单元将成为下一代设备机器学习和深度学习的最佳选择。
ImaginaTIon公司 PowerVR 产品与技术营销资深总监 Chris Longstaff说:"由于功耗、带宽、性能、可靠性、安全和延迟方面的考虑,下一代人工智能设备不太可能用软件和云计算来实现,必须用硬件来实现机器学习和深度学习。神经网络一定会成为下一代人工智能SoC的关键处理单元。未来它将像CPU、GPU和视频编解码器一样在SoC中无处不在。"
包括卷积神经网络(CNN)、循环神经网络(RNN)和长短期记忆网络(LSTM)在内的神经网络正推动各个人工智能产业的爆发性技术进展。英国知名GPU IP供应商ImaginaTIon最近在深圳宣布推出完整、独立式的硬件IP神经网络加速器,它通过神经网络(NN)专用的PowerVR架构实现,可提供业界领先的性能、功耗和面积效率。
Chris Longstaff指出:"PowerVR 2NX NNA神经网络加速器的性能、功耗和面积效率领先最接近竞争对手2倍,不管对手采用的是DSP+硬件、GPU+硬件还是神经网络DSP。"
今天,为移动、监控、汽车与消费系统市场开发SoC的公司将能以非常低的功耗、在最小的芯片面积中集成新款PowerVR 2NX NNA神经网络加速器,来实现神经网络的高性能运算。
他举例说明,今天无人机的飞行速度超过每小时150英里,如果没有硬件处理单元,采用云计算来实现防撞功能,那么它就需要10-15米的防碰撞距离。如果采用PowerVR NNA SoC来实现,就可以在不到1米的距离内避开物体,而且还可以运行多个网络,在避免碰撞的同时识别和跟踪物体。
另一个明显的例子是,如果在移动设备上用高端CPU来对1000张照片进行搜素和排序,需要60秒,而如果采用PowerVR 2NX NNA,只需要2秒。
NNA是一种基本类型的处理器,预计它会跟CPU和GPU一样重要,而这两类处理器ImaginaTIon均已能供应。NNA的潜在应用不计其数,其中包括AR/VR头戴设备中的特征检测与眼球追踪;汽车安全系统中的行人检测与驾驶员警觉性监控;智能监控系统中的脸部辨识与人群行为分析;网络诈欺检测、内容建议(content advice)、以及预测性UX;虚拟助理应用中的语音识别与回应;以及无人机中的防撞与对象追踪等。
"今天谷歌、苹果、Facebook、百度和华为等大型厂商都把AI/NN应用于移动终端领域,而PowerVR 2NX是特别为移动和Android而设计的,"Imagination市场传播副总裁David Harold说,"PowerVR 2NX不仅是业内第一款具备支持从16位到4位高灵活度位宽的专用神经网络硬件解决方案,也是带宽最低的神经网络(NN)解决方案,其架构可支持多种操作系统,包括Linux和 Android。"
根据嵌入式视觉联盟(https://www.embedded-vision.com)于2017年1月进行的嵌入式视觉开发人员调查显示,79%的受访者表示他们已经利用或正计划利用神经网络来执行其产品或服务中的计算机视觉功能。随着科技持续的快速进展,更多的公司都将能够利用神经网络来开发产品与服务。Imagination的客户已为安全、移动、汽车与机顶盒等多个市场开发与部署基于NN的系统。
嵌入式视觉联盟创始人Jeff Bier表示:"很多系统与应用程序开发人员正采用深度神经网络算法把新的感知功能带到他们的产品之中。在许多案例中,主要的挑战在于能为这些要求严苛的算法提供足够的处理性能,同时满足严格的产品成本与功耗限制。像PowerVR 2NX NNA 这类的专用处理器,是专为神经网络算法所设计,将能在许多新应用中推动这些强大算法的部署。"
随着神经网络日益普及,2NX NNA 这样的专用硬件解决方案 —— 与单纯的DSP解决方案相比,它可提供8倍的性能密度提升 —— 将能以最低的功耗与成本达到最高的性能。此外,一直以来,神经网络非常耗费带宽,因此内存的带宽需求会随着神经网络模型规模的增长而增加。这会为SoC设计人员和OEM公司在设计系统时,因为要提供NNA所需的带宽而带来重大的挑战。PowerVR 2NX能最小化外部DDR内存的带宽需求,确保系统的性能不会受到带宽的限制。PowerVR 2NX NNA专用硬件
- 解密英伟达Tesla P100、GP100、DRIVE PX2平台(04-26)
- 人工智能处理器三强Intel/NVIDIA/AMD谁称霸?(07-23)
- 2016年人工智能与深度学习领域的十大收购(07-26)
- 人工智能实现的流派 FPGA vs. ASIC看好谁?(08-27)
- IBM沃森能否在人工智能领域突破重围?(09-19)
- 英特尔与高通将在汽车芯片市场再次对决(上)(10-03)
- 濡ゅ倹岣挎鍥╀焊閸曨垼鏆ョ€规悶鍎抽埢鑲╂暜閸繂鎮嬮柟瀛樺姇閻撹法鎷嬮鐔告畬缂佸顑呴〃婊呮啑閿燂拷
闁稿繈鍔嶉弻鐔告媴瀹ュ拋鍔呭☉鏃傚Т閻ㄧ姵锛愰幋婊呯懇濞戞挻姘ㄩ悡锛勬嫚閸☆厾绀夐柟缁樺姇瀹曞矂鎯嶉弬鍨岛鐎规悶鍎扮紞鏃堟嚄閽樺顫旈柨娑樿嫰婵亪骞冮妸銉﹀渐闂侇偆鍠愰崹姘舵⒐婢舵瓕绀嬪ù鍏坚缚椤懘鎯冮崟顐ゆ濡増鍨垫导鎰矙鐎n亞鐟�...
- 濞戞搩鍘炬鍥╀焊閸曨垼鏆ョ€规悶鍎抽埢鑲╂暜閸繂鎮嬮柟瀛樺姇閻撹法鎷嬮鐔告畬缂佸顑呴〃婊呮啑閿燂拷
缂侇噣绠栭埀顒婃嫹30濠㈣埖宀稿Λ顒備焊閸曨垼鏆ラ柛鈺冾攰椤斿嫮鎷犻崜褉鏌ら柨娑樺缁楁挾鈧鍩栧璺ㄦ嫚閹惧懐绀夐柛鏂烘櫅椤掔喖宕ㄥΟ鐑樺渐闂侇偆鍠曢幓顏堝礆妫颁胶顏卞☉鎿冧簻閹酣寮介悡搴f濡増鍨垫导鎰矙鐎n亞鐟庨柣銊ュ椤╋箑效閿燂拷...
- Agilent ADS 闁轰焦鐟ラ鐔煎春绾拋鍞查悹鍥у⒔閳诲吋绺藉Δ鍕垫
濞戞挻鎸搁宥夊箳閸綆鍤﹂柨娑樿嫰閸欏繘妫冮姀锝庡敼閻熸瑯鏋僁S闁告艾瀚~鎺楀礉閻旇鍘撮柛婊冭嫰娴兼劗绮欑€n亞瀹夐柣銏╃厜缁遍亶宕濋埡鍌氫憾闁烩偓鍔嶅〒鍫曟儗椤撶姵鐣遍柡鍐ㄧ埣濡法鈧冻缂氱槐鐧咲S...
- HFSS閻庢冻缂氱弧鍕春绾拋鍞查悹鍥у⒔閳诲吋绺藉Δ鍕垫
閻犙冨缁讳焦绋夐幘鎰佸晙闁瑰搫鐗愰鎶芥晬鐏炶棄寮块梻鍫涘灱椤斿骞掗崷娆禨S闁汇劌瀚慨娑㈡嚄閽樺瀚查幖瀛樻⒒閺併倝鏁嶇仦钘夌盎闁告柡鏅滈崑宥夊礂閵娾晜妗ㄧ紒顖濆吹缁椽宕烽弶娆惧妳濞戞梻濮电敮澶愬箵椤″锭SS...
- CST鐎甸偊鍠楃亸婵嗩啅閵夈倗绋婇悗骞垮€曢悡璺ㄦ媼椤撶喐娈岀紒瀣儏椤ㄦ粎鎲楅敓锟�
闁哄瀛╁Σ鎴澝虹€b晛鐦滈悹浣筋嚋缁辨繈宕楅妸鈺傛〃閻犱礁寮跺绶維T闁告艾瀚伴妴宥夊礉閻旇鍘撮柛婊冭嫰娴兼劗绮欑€n亞瀹夐柣銏╃厜缁辨繈宕濋埡鍌氫憾闊浂鍋婇埀顒傚枙閸ゆ粎鈧冻闄勭敮澶愬箵椤″T閻犱焦宕橀鍛婃償閺冨倹鏆�...
- 閻忓繐瀚伴。鍫曞春閾忚鏀ㄩ柛鈺冾攰椤斿嫮鎷犻崜褉鏌�
濞戞挸娲g粭鈧Δ鍌浬戦妶濂哥嵁閸愬弶鍕鹃悹褍鍤栫槐婵囨交濞嗗海鏄傞悹鍥у⒔閳诲吋绋夋潪鎵☉闁革负鍔岄惃鐘筹紣閹寸偛螚闁哄牜鍨堕。顐﹀春閻旀灚浜i悘鐐存礃鐎氱敻鎳樺鍓х闁瑰灚鎸风粭鍛村锤濮橆剛鏉介柣銊ュ缁楁挻绋夊顒傚敤缁绢厸鍋�...
- 鐎甸偊鍠楃亸婵堜焊閸曨垼鏆ユ繛鏉戭儔閸f椽骞欏鍕▕闁糕晝顢婇鍕嫚閸撗€鏌ら柛姘墦濞夛拷
閻犳劦鍘洪幏閬嶅触閸儲鑲犻柡鍥ㄦ綑閻ゅ嫰骞嗛悪鍛缂傚啯鍨甸崹搴ㄥΥ娓氣偓椤e墎鎷崣妯哄磿闁靛棔鑳堕妵姘枖閵忕姵鐝ら柕鍡曟娣囧﹪宕i柨瀣埍闁挎稑鏈崹婊呮啺娴e湱澹夐柡宥夘棑缁ㄥ潡鏌呴敓锟�...