欢迎来到天天文库
浏览记录
ID:27903111
大小:294.50 KB
页数:8页
时间:2018-12-06
《哪家企业有望实现中国的人工智能梦?.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、哪家企业有望实现中国的人工智能梦? 人工智能无疑是当今科技界最受关注的大事件之一,作为未来几十年科技发展趋势,全球科技龙头企业纷纷将战略重心向人工智能倾斜。而AI芯片对于整个产业来说是至关重要的一环。市场研究顾问公司CompassIntelligence日前发布的关于AI芯片最新调研报告中,在全球前24大人工智能(AI)芯片企业排名表中,七家国内企业榜上有名,分别是华为(海思)、联发科、Imagination、瑞芯微、芯原、地平线、寒武纪。在人工智能的浪潮中,这七家企业,又交出了怎样的成绩单?哪们之中哪家
2、企业有望实现中国的人工智能梦? 华为(海思):从云到端推动AI真正落地 2017年9月,华为在德国柏林国际电子消费品展览会(IFA)上正式推出其第一款AI芯片“麒麟970”(Kirin970)。麒麟970采用行业高标准的TSMC10nm工艺,在指甲大小的芯片上,集成了55亿个晶体管,功耗降低了20%,并实现了1.2Gbps峰值下载速率。麒麟970集成NPU专用硬件处理单元(寒武纪IP),创新设计了HiAI移动计算架构,其AI性能密度大幅优于CPU和GPU。相较于四个Cortex-A73核心,处理相同AI
3、任务,新的异构计算架构拥有约50倍能效和25倍性能优势。但麒麟970到底是不是真正的AI芯片,仍受到业内部分人士质疑。 据称,华为海思麒麟980将于2018年下半年量产问世,将推出采用台积电7nm工艺,并将持续在移动装置人工智能应用上进行深度应用开发。这也是华为海思继麒麟970之后,将推出的第二代人工智能芯片。 联发科:聚焦端侧智能 2018年3月,联发科技发布了首款内建AI功能的芯片HelioP60,性能对标骁龙660。性能上,HelioP60采用了ARM的4个CortexA73及4个A53的8
4、个大小核心架构,对比前代产品HelioP23与P30,CPU及GPU性能均提升达70%;功耗方面,该芯片执行大型游戏时的功耗降低25%,可以大幅延长手机电池的使用时间。 HelioP60与腾讯、商汤、虹软、旷视等多家人工智能厂商合作,手机安全、拍照、人脸辨识等方面达到优秀水平。联发科技还强调,联发科的AI最大亮点在于NeuroPilotAI技术。它是一个独立的NPU单元,通过CPU、GPU、APU进行异构运行,可以提供从入门到高级的完整API支持和开发者工具包,具备性能以及功耗优化、可移植性和客制化等
5、特点。 Imagination:让人工智能应用开发更简单 2017年9月Imagination推出了面向人工智能应用的硬件IP产品PowerVRNNA神经网络加速器,这是全球第一款神经网络加速器。此款神经网络加速器NNA具有完整且独立的IP,不需要和其他CPUGPU配合来做人工智能处理,它可以帮CPUGPU做加速,也可以单独存在。NNA在面积效率、运算性能以及功耗、应用范围方面具有显著优势。2NXNNA的推出让面向物联网、监控和安全的神经网络实现成为可能,这样很多时候可以实现移动端的人工智能,而不一定要
6、通过云端进行人工智能处理和决策。 瑞芯微:提供一站式AI解决方案 2018年1月,瑞芯微电子(Rockchip)向全球发布旗下首款性能超强的AI处理器RK3399Pro,为AI人工智能领域提供一站式Turnkey解决方案,其片上NPU(神经网络处理器)运算性能高达2.4TOPs,具高性能、低功耗、开发易等优势。RK3399Pro具备极强的AI运算性能,是瑞芯微首次采用CPU+GPU+NPU硬件结构设计的AI芯片,其集成的NPU(神经网络处理器)融合了瑞芯微在机器视觉、语音处理、深度学习等领域的多年经
7、验。相较传统芯片,典型深度神经网络InceptionV3、ResNet34、VGG16等模型在RK3399Pro芯片上的运行效果表现出众,获近百倍提升。 瑞芯微RK3399Pro的发布在全球产业链具极大影响力,使AI人工智能业者创新与量产商用门槛大大降低,性能更强、耗能更低,将加速AI人工智能的全面普及。 芯原:在嵌入式设备中实现AI的快速增长 2017年5月,芯原推出一款面向计算机视觉和人工智能应用的处理器VIP8000,可直接导入由Caffe和TensorFlow等框架生成的神经网络。Viva
8、nteVIP8000由高度多线程的并行处理单元、神经网络单元和通用存储缓存单元组成。VIP8000可以直接导入由Caffe和TensorFlow等主流深度学习框架生成的神经网络,并可利用OpenVX框架将神经网络集成到其他计算机视觉功能模块中。它支持当前所有的主流神经网络模型(包括AlexNet、GoogleNet、ResNet、VGG、Faster-RCNN、Yolo、SSD、FCN和SegNet)和层类型(包
此文档下载收益归作者所有