积极布局边缘运算市场，建构完善AI生态.doc

《积极布局边缘运算市场，建构完善AI生态.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、积极布局边缘运算市场，建构完善AI生态　　AI迅速崛起，运算分析已开始从云端迈向终端装置，边缘运算势在必行，其发展备受半导体产业关注，且各领域业者也竞相投入开发关键组件/技术，而Computex2018更成为各技术阵营的火力展示场合。　　人工智能(AI)发展愈加快速，并开始大举进军终端装置，运算分析已开始从云端转向终端节点，边缘运算发展可说是目前半导体产业热门议题，而2018台北国际计算机展(Computex2018)也成为各领域业者(如IP、芯片、储存)火力展示的绝佳场合，纷纷于展会期间发布新的解决方案或市场布局规画。　　抢攻边缘运算市场Arm动作频频　　ArmIP产品事

2、业群总裁ReneHaas(图1)表示，随着物联网的蓬勃发展，Arm预测至2035年全球将会有超过1兆台的联网装置，运用于医疗、汽车、灯具及道路等范畴，而联网装置数量的大幅成长也将带领终端及云端运算的持续发展。智能运算将持续推动物联网崭新时代，带领AI变革，促使物联网智能运算无所不在。　　　　图1ArmIP产品事业群总裁ReneHaas表示，物联网蓬勃发展将使联网装置快速增加，智能运算未来将无所不在。　　因应此一趋势，且为整合生态系统的AI/机器学习(ML)应用、演算与框架，并结合软件优化与硬件IP产品，让各式装置及平台都能支持最常使用的机器学习框架，Arm近期宣布推出三款全

3、新IP产品，分别为Cortex-A76CPU、Mali-G76GPU，以及Mali-V76VPU，以提升游戏与AR/VR体验，AI和机器学习能力。透过这三款新产品，Arm将持续强化该公司于行动领域的竞争优势，也再度增强了智能手机、平板计算机、PC等行动终端装置的运算效能。　　Arm副总裁暨客户事业部总经理NandanNayampally(图2)表示，未来5G将推动整个行动产业创新，即将到来的5G联网应用，包含VR、AI或是手机游戏等将会带动更多运算量成长，未来将会有更多不同运算需求产生。　　　　图2Arm副总裁暨客户事业部总经理NandanNayampally指出，5G加A

4、I将推动整个行动产业创新，Arm为此推出全新IP产品因应市场需求。　　Nayampally进一步指出，游戏也是推动行动装置运算持续攀升的关键因素之一。游戏产业已成目前全球营收规模最大的市场之一，预计在2018年可达到1,379亿美元的产值，这也驱动了消费者对于运算效能的需求。　　据悉，Cortex-A76是基于Arm旗下的DynamIQ技术打造，和去年所发布的Cortex-A75相比，提升了35%的效能与40%的效率;可为终端装置上的AI/ML提供4倍的运算效能，于PC和智能手机上实现快速且安全的体验。　　Mali-G76则比前一代的Mali-G72GPU提升30%运算效能

5、，以及增加了30%的效能密度，不仅可满足消费者随时游玩高阶游戏的需求，也为开发人员提供更多的效能空间，使他们能编写更多新的应用程序，为行动应用带来更多高阶游戏，或是将AR/VR整合至生活当中。　　最后，随着UHD8K需求逐渐攀升，为确保IP能支持智能手机和其他装置编码译码运算，Arm便推出Mali-V76，可支持高达60fps的8K分辨率或四部60fps的4K串流影片，消费者能同时串流四部4K分辨率的电影、在视频会议中录制影片，或者以4K观看四场比赛;或在较低分辨率的状况下，仍能呈现高分辨率画质(FullHD)，并能支持多达16部串流影片组成4×4的电视墙。　　

6、ProjectTrillium亮相加速建构ML生态系　　与此同时，为提升终端装置机器学习效能，Arm也于2018年初发表ProjectTrillium平台，包含全新机器学习处理器(MLProcessor)、对象侦测处理器(ObjectsProcessor)，以及Arm神经网络软件(ArmNN)。相较于独立CPU、GPU与加速器，ProjectTrillium平台效能更远远超越传统DSP的可编程逻辑。　　Arm副总裁、院士暨机器学习事业群总经理JemDavies(图3)指出，边缘运算发展潜力十分庞大，目前市面上的确有许多独立的解决方案，像是ASIC加速器、CPU/GPU等。终

7、端业者当然可以选择自己想要的方案，不过缺点在于须花费时间自行进行硬件与软件(TensorFlow、Caffe)的整合。　　　　图3Arm副总裁、院士暨机器学习事业群总经理JemDavies认为，ProjectTrillium可望为终端装置打造完整的机器学习生态系。　　Davies说明，ProjectTrillium的优势在于，是以平台的架构呈现，硬件方面不仅有MLProcessor和ObjectsProcessor可供选择，同时也能透过ArmNN软件，协助用户简化TensorFlow、Caffe与AndroidNN