人工智能将会无处不在，ai处理器领跑人工智能.doc

《人工智能将会无处不在，ai处理器领跑人工智能.doc》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、人工智能将会无处不在,ai处理器领跑人工智能　　经历了十数年的高速发展之后，以智能手机为代表的移动设备开始迈入下半场。大家对新设备的关注重点从过往的多核、RAM和ROM大小转移到了人工智能、3D游戏和混合现实等新方向上来。这就吸引了包括高通、华为、苹果和联发科等众多移动SoC厂商密锣紧鼓地投入其中。作为全球移动芯片基石的Arm也正在加紧布局，拥抱新时代。　　Arm资深市场营销总监IanSmythe表示，现代人类使用设备的的方式增加了对设备性能的期望值，这就促使Arm达到一个新的愿景——所有人都能够使用这些新技术。这就要求Arm让这些

2、处理器能够胜任各种各样的计算任务，这首先体现在人工智能方面。其实Arm现在在人工方面的表示也不错。根据IDC的调查数据显示，现在市场上有人工智能能力的设备，80%是基于Arm的处理器实现的。但在IanSmythe看来，这还不够。　　Arm的人工智能策略　　根据他的看法，人工智能将会无处不在，应用也会多元化，实现人工智能的关键——机器学习往“边缘”转移是一个必然的趋势，因为只有在“边缘”部署，才能解决带宽、功耗、成本、延迟、可靠性和安全等几方面的问题。针对AI的这些特点，Arm升级了他们的AI布局，首先祭出了他们的项目：机器学习运算平

3、台ProjectTrillium。这是一套包括新的高度可扩展处理器的ArmIP组合，这些产品可以提供增强的机器学习和神经网络功能。　　　　ArmProjectTrillium项目　　从上图我们可以看出，在Arm的这个项目里，Arm本身的CPU、GPU、ML（MachineLearning）和OD（ObejectDetect）处理器，加上合作伙伴的DSP、FPGA等加速器IP会是整个项目中最基本的硬件支持。　　在中间的软件产品层，ProjectTrillium提供了专门针对Arm硬件优化的软件库，其中包括了ArmNN、CMSIS-NN

4、、ComputeLibrary和ObjectDetectionLibraries。　　在应用方面，项目会对TsensorFlow、Caffe、Caffe2、Mxnet和AndroidNNAPI等主流框架的支持。　　IanSmythe告诉记者：“ArmProjectTrillium提供了相应的接入硬件、软件的框架，并相应地为CPU和GPU提供了针对机器学习的加速，这样开发人员就能更好地基于Arm的所有硬件去进行开发，还能非常方便地获得这些开发框架和一些工具系统”。那就意味着开发者如果要开发一个手机应用，不需要去担心这个手机硬件本身的适

5、配性能问题，只需要关心出来的手机应用的性能是最好的。　　举个例子，如果开发人员用的是安卓神经网络的API，那么底层的硬件无论是CPU、GPU还是OD、ML都不重要，因为ProjectTrillium都能够实现最优的处理器的性能，同时也会提供去访问这些Arm底层硬件处理器的软件库，这样就可以节约开发人员大量的精力。　　CPU和GPU是ArmAI芯片先锋　　由上可知，底层硬件是Arm人工智能策略的关键，而其实对于这些芯片的应用，Arm方面也有了明确清晰的定位。如应用广泛的CPU和GPU将会是他们的AI芯片先锋。　　　　首先是Cortex

6、-A系列处理器。IanSmythe表示，经过了多年的迭代，Arm的Cortex-A系列处理器的SIMD性能有了极大的提升，尤其是在引入了DynamIQ技术之后，这系列处理器对人工智能的支持有了质的飞跃。　　DynamIQ是Arm公司针对机器学习和人工智能应用，面向新一代Cortex-A处理器推出的技术，不同于之前的多核处理设计，DynamIQ能够对单一计算集群上的大小核进行配置，例如1+3或者1+7的SoC设计配置，而这在过去是不可能的。　　　　ArmDynamIQ的作用　　据Arm介绍，第一代采用DynamIQ的Cortex-A系

7、列处理器在优化应用后，能够在未来三到五年内实现比基于Cortex-A73的设备高50倍的人工智能性能，最多可将CPU和SoC上特定硬件加速器的反应速度提升10倍；　　同时，SoC设计者还可以在单个集群中最多部署8个核心，而且每一个核心都可以有不同的性能特性。这些先进的能力可以为机器学习和人工智能带去更快的响应速度。全新设计的内存子系统也将实现更快的数据读取和更加高效的节能特性；　　另外还能通过对每一个处理器进行独立的频率控制，高效地在不同的任务间切换最合适的处理器，所以能够在严苛的发热限制实现更高的性能。当然还有更安全的自动安全系统

8、，能够让合作伙伴在故障情况下也能实现安全运行。　　Arm同时也为Cortex-M系列其引入包括机器学习、内核加速的计算库，也就是CMSIS-NN，这就让这系列的处理器能够很好地支持机器学习的算法。　　　　ArmCortex-A、Cor