各類處理器大顯身手 人工智能進(jìn)駐物聯(lián)網(wǎng)終端

　　人工智能終端應(yīng)用的可能性無限，舉凡智能型手機(jī)、汽車、照明等，都有機(jī)會(huì)成為所謂的邊緣運(yùn)算裝置。 但在過去，運(yùn)算處理器是在數(shù)據(jù)中心有較為明顯的需求。 目前邊緣運(yùn)算此一產(chǎn)業(yè)走向的大逆轉(zhuǎn)，已可從各芯片供貨商，如GPU、CPU等，以及硅智財(cái)(IP)授權(quán)商紛紛針對(duì)人工智能展開布局，推出各自處理器縮小化的解決方案，明顯可見一斑。

　　隨著人工智能的發(fā)展，有越來越多應(yīng)用產(chǎn)品開始在終端上進(jìn)行實(shí)時(shí)運(yùn)算，也就是所謂的邊緣運(yùn)算。 不過，目前的處理器核心對(duì)許多終端裝置來說，功耗仍嫌偏高。

　　AIoT浪潮興起 小型處理器核心滿足邊緣運(yùn)算需求

　　索思未來(Socionext)戰(zhàn)略銷售組銷售部銷售項(xiàng)目總監(jiān)張育豪(圖1)表示，目前市場上主流的CPU或GPU核心規(guī)模很大，雖然運(yùn)算效能很強(qiáng)，但功耗也高，而且不易針對(duì)應(yīng)用進(jìn)行客制化設(shè)計(jì)。 有鑒于此，Socionext采取用小型核心堆棧的設(shè)計(jì)架構(gòu)，其好處在于從云到端都可以采用同樣的處理器核心，且也較容易針對(duì)個(gè)別應(yīng)用進(jìn)行客制化，例如將CPU核心跟圖像處理核心(VPU)整合在單芯片上。

　　張育豪觀察，目前的人工智能應(yīng)用大多與影像相關(guān)，但不管是CPU或GPU，在進(jìn)行影像運(yùn)算時(shí)，功耗/性能比都不盡理想。 這是因?yàn)镃PU跟GPU原本就不是為了處理影像而設(shè)計(jì)的芯片。 CPU的強(qiáng)項(xiàng)在于進(jìn)行數(shù)據(jù)運(yùn)算，而GPU則適合用來進(jìn)行3D繪圖處理。 因此，用CPU或GPU來進(jìn)行影像分析，其實(shí)效率不是太好。 相較之下，專門為處理影像而設(shè)計(jì)的VPU，在圖像處理的功耗/性能比方面，是遠(yuǎn)勝過CPU跟GPU的。

　　舉例來說，用CPU來對(duì)4K影像進(jìn)行處理跟分析，功耗預(yù)算大概是230瓦左右;若用GPU來進(jìn)行，功耗更可達(dá)到400∼500瓦。 但如果是用Socionext的解決方案，一顆核心的功耗只有5瓦左右，就算串聯(lián)多顆核心，也會(huì)比CPU或GPU來得省電許多。 因此，張育豪認(rèn)為，在人工智能進(jìn)駐各類終端裝置的趨勢下，如果是與影像分析有關(guān)的人工智能應(yīng)用，VPU將有非常大的發(fā)展?jié)摿Α?Socionext本身擁有業(yè)界領(lǐng)先的VPU技術(shù)，更是目前市場上唯一已經(jīng)有8K圖像處理芯片的芯片業(yè)者。

　　不管是針對(duì)大規(guī)模數(shù)據(jù)中心，或是在各種終端裝置上直接進(jìn)行邊緣運(yùn)算，功耗都是非常關(guān)鍵的考慮。 功耗越高，則系統(tǒng)的散熱設(shè)計(jì)也越昂貴，不僅會(huì)增加終端裝置的生產(chǎn)制造成本，也會(huì)增加系統(tǒng)擁有者的總體持有成本(TCO)。

　　以數(shù)據(jù)中心為例，冷卻系統(tǒng)的電費(fèi)是相當(dāng)可觀的，如果處理器能更省電，空調(diào)冷卻的電費(fèi)也可以隨之降低。 其他形形色色的終端裝置也一樣，當(dāng)芯片的功耗太高時(shí)，就得采用更大的散熱片，甚至用風(fēng)扇來散熱，這些都會(huì)造成產(chǎn)品的生產(chǎn)成本跟總體持有成本增加。

　　單一叢集配置更彈性 DynamIQ推升大小核效率

　　針對(duì)小型處理器需求的增加，安謀國際(ARM)日前在處理器架構(gòu)上，也宣布了大幅度調(diào)整，也就是DynamIQ技術(shù)。 DynamIQ達(dá)成了上一代big.LITTLE架構(gòu)在單一運(yùn)算叢集上無法實(shí)現(xiàn)的大小核彈性配置，對(duì)異質(zhì)運(yùn)算及人工智能這類應(yīng)用帶來相當(dāng)明顯的效率提升。 其將作為未來ARM Cortex-A系列處理器的基礎(chǔ)，亦同時(shí)代表了業(yè)界在多核處理程序設(shè)計(jì)上的新紀(jì)元。

　　ARM行動(dòng)通訊暨數(shù)字家庭市場資深營銷經(jīng)理林修平(圖2)表示，DynamIQ可以說是ARM big. LITTLE的第二代硬件架構(gòu)，其最主要的特點(diǎn)在于其可以在同一個(gè)叢集(Cluster)中同時(shí)擺放大小核，且電源(Power)與頻率(Clock)都可以單獨(dú)作管理。 在第一代的大小核架構(gòu)中，一個(gè)叢集只能擺放大核或小核，因此在執(zhí)行轉(zhuǎn)換任務(wù)時(shí)，必須經(jīng)過快取(Cache)轉(zhuǎn)換。 但在DynamIQ中，由于所有任務(wù)都將能在同個(gè)叢集中運(yùn)作，在任務(wù)切換上，便會(huì)相對(duì)迅速很多。

　　林修平指出，由于人工智能所需要的運(yùn)算量很大，同時(shí)需要很多矩陣乘法，透過DynamIQ的架構(gòu)，將能做1+3、1+7、2+2+4等設(shè)計(jì)配置。 在過去的big. LITTLE架構(gòu)中，由于一個(gè)叢集最多即是4核(大核(Big)4核，小核(LITTLE)4核)，是沒有辦法做到1+7的。 DynamIQ所帶來的多元變化SoC設(shè)計(jì)配置，將能幫助應(yīng)用達(dá)到CPU優(yōu)化，進(jìn)而讓效能與功耗能更往上提升。

　　DynamIQ的頻率可以單獨(dú)管理，也將帶來很大好處。 第一代的大小核，在同一個(gè)叢集當(dāng)中，頻率是統(tǒng)一的，但DynamIQ可以讓同一叢集中的不同核心，依據(jù)運(yùn)算需求在不同的頻率下運(yùn)作。

　　此外，林修平也表示，DynamIQ還可連接外部的硬件加速器。 以人工智能來說，不同應(yīng)用會(huì)有不同的軟硬件加速需求，例如加速器、DSP、CPU、GPU等，像是在高階智能型手機(jī)上，可能會(huì)放置加速器，來使其表現(xiàn)度達(dá)到最好、功耗達(dá)到最低，不過這也會(huì)增加集成電路的成本。 因此，若是比較大眾化的產(chǎn)品，則可能會(huì)利用系統(tǒng)上現(xiàn)有的CPU、GPU，來滿足人工智能的需要。

　　GPU模型推論效能升級(jí) 邊緣運(yùn)算裝置AI能力更強(qiáng)大

　　然而，隨著各種邊緣運(yùn)算裝置上所內(nèi)建的人工智能(AI)能力變得更加強(qiáng)大，GPU模型的推論效能也必須隨之提升。 輝達(dá)(NVIDIA)旗下軟件目前已可協(xié)助客戶做8位與16位的神經(jīng)網(wǎng)絡(luò)運(yùn)算優(yōu)化，不僅讓GPU模型的推論(Inference)更形完善，同時(shí)對(duì)硬件資源的需求也明顯降低，只需要一小塊電路板就能支持AI算法。

　　針對(duì)邊緣運(yùn)算日益漸增的需求，NVIDIA近期推出了新款開發(fā)板Jetson TX2，將整套人工智能系統(tǒng)縮小在一塊電路板之上，為商用無人機(jī)、工業(yè)機(jī)械、智能型攝影設(shè)備等領(lǐng)域，提供進(jìn)階的導(dǎo)航、影像與語音識(shí)別功能。 相較前一代產(chǎn)品Jetson TX1，Jetson TX2的效能提升了兩倍，耗電量則不到7.5瓦，能源效率提升了兩倍多。 這讓Jetson TX2可在終端裝置上運(yùn)行更大、更深的神經(jīng)網(wǎng)絡(luò)，進(jìn)而開發(fā)出更高智能化的裝置，并提升影像分類、導(dǎo)航以及語音識(shí)別等作業(yè)的精準(zhǔn)度與反應(yīng)速度。

　　NVIDIA技術(shù)營銷經(jīng)理蘇家興(圖3)表示，對(duì)于訓(xùn)練好的模型，NVIDIA也提供Tense RT軟件來協(xié)助客戶做模型優(yōu)化、縮小化，其支持整數(shù)8位與浮點(diǎn)數(shù)16位的運(yùn)算。 目前的主流是以32位的運(yùn)算去做訓(xùn)練，該16位運(yùn)算也就減少了一半，增加了一倍的效能，8位則增加了四倍的效能，因此在模型推論上能運(yùn)作的更好。

　　AI算法日新月異 FPGA靈活特性優(yōu)勢顯著

　　即便目前人工智能(AI)算法日新月異，對(duì)嵌入式處理器的靈活性帶來許多挑戰(zhàn)，這卻也讓以靈活彈性著稱的現(xiàn)場可編程門陣列(FPGA)組件有了很大的發(fā)揮空間。

　　賽靈思ISM營銷資深技術(shù)經(jīng)理羅霖(圖4)表示，由于人工智能目前還處于發(fā)展階段，算法日新月異，目前還沒有一個(gè)算法可以固定下來，這為特殊應(yīng)用集成電路(ASIC)的設(shè)計(jì)帶來很大挑戰(zhàn)，因客戶往往需要的是十分靈活的架構(gòu)。

　　有鑒于此，賽靈思推出reVISION堆棧技術(shù)，其具備了可重組以及所有形式鏈接的特性，讓開發(fā)者能充分運(yùn)用堆棧技術(shù)，快速研發(fā)與部署升級(jí)方案，這樣的特性對(duì)于開發(fā)未來需求的智能視覺系統(tǒng)是至關(guān)重要的的。 不僅如此，該技術(shù)也使開發(fā)者在結(jié)合機(jī)器學(xué)習(xí)、計(jì)算機(jī)視覺、傳感器融合與連接的應(yīng)用時(shí)，能夠獲得顯著優(yōu)勢。 舉例而言，相較于其他嵌入式GPU與傳統(tǒng)SoC，reVISION將機(jī)器學(xué)習(xí)推論的每秒每瓦影像效能，提升了6倍、計(jì)算機(jī)視覺每秒每瓦每幀處理速度提升了42倍，而延遲卻只有五分之一。

　　羅霖分析，相較于同等級(jí)GPU技術(shù)，F(xiàn)PGA在低延遲(Low Latency)的部分，本身就與傳統(tǒng)的架構(gòu)不同，傳統(tǒng)架構(gòu)是將收集到的數(shù)據(jù)送到DDR內(nèi)存中進(jìn)行緩存，處理器要再從DDR中取出數(shù)據(jù)進(jìn)行運(yùn)算，運(yùn)算完成后再送回DDR。 但FPGA則是采用像素流(Stream)的方式，直接可以到模擬進(jìn)行運(yùn)算，運(yùn)算完成后，輸出結(jié)果即可，由于省去了存取DDR的時(shí)間，因此可以延遲可以降到非常低。

　　從算法的層面來看，人工智能含有許多智能決策的部分，因此需要有很強(qiáng)的平行運(yùn)算能力。 這些算法進(jìn)而對(duì)處理器結(jié)構(gòu)產(chǎn)生了不同的需求，像是在神經(jīng)網(wǎng)絡(luò)中，卷積運(yùn)算強(qiáng)調(diào)的是平行運(yùn)算，適合在FPGA上運(yùn)行，但在傳感器融合的部分，則比較適合在CPU上運(yùn)行，因其必須將硬件進(jìn)行分割，再將不同的算法，放到處理器中。

　　羅霖指出，在脫機(jī)的神經(jīng)網(wǎng)絡(luò)訓(xùn)練部分，GPU的確是比較有優(yōu)勢的，由于其要求的浮點(diǎn)運(yùn)算性能特別高，因此不少深度學(xué)習(xí)都是采用GPU，而賽靈思的立場是不會(huì)以FPGA去進(jìn)攻這塊市場，不過若是以在線的任務(wù)來看，F(xiàn)PGA還是很有優(yōu)勢的。 目前邊緣運(yùn)算對(duì)嵌入式處理器的要求除了傳感器的接口要夠多，組件的I/O型態(tài)也十分多變，可能是高速率、中速率或低速率，這些處理器都要能支持，且在線處理的能力也相當(dāng)關(guān)鍵。

　　蘇家興則表示，無論是軟件還是硬件公司，都須要對(duì)訓(xùn)練好的深度學(xué)習(xí)模型進(jìn)行優(yōu)化，除了邊緣設(shè)備會(huì)采用縮小化的模型，在服務(wù)器與數(shù)據(jù)中心端，也會(huì)有某些情境需要采用這些優(yōu)化過的模型去做推論。 舉例而言，F(xiàn)acebook、百度在做語音識(shí)別的推論時(shí)，若能透過優(yōu)化的模型讓運(yùn)作更快，勢必能讓消耗的功耗越少。

　　不過，并不是所有的應(yīng)用都適合做前端邊緣運(yùn)算。 以AlphaGo來看，其是以32臺(tái)服務(wù)器在做運(yùn)算，因AlphaGo運(yùn)算量非常大，所以就不太可能進(jìn)行邊緣運(yùn)算，因1臺(tái)服務(wù)器與32臺(tái)服務(wù)器運(yùn)算的精準(zhǔn)度，絕對(duì)是有差異的。 若以語音識(shí)別來看，即便可以同時(shí)采用在線與脫機(jī)的方式進(jìn)行，但精準(zhǔn)度也勢必會(huì)有落差。

　　蘇家興指出，應(yīng)用開發(fā)商須盡快分辨出哪些運(yùn)算任務(wù)適合采用邊緣運(yùn)算，哪些部分還是得留在服務(wù)器端執(zhí)行。 舉例來說，當(dāng)無人機(jī)飛到有些沒有網(wǎng)絡(luò)的地方，便必須運(yùn)用邊緣運(yùn)算，設(shè)計(jì)出可承載范圍內(nèi)的推論。 NVIDIA相信，未來數(shù)據(jù)中心與邊緣運(yùn)算將會(huì)并存，但在瞄準(zhǔn)的應(yīng)用上必定會(huì)有所不同。

　　用DSP驅(qū)動(dòng)CNN引擎邊緣運(yùn)算效率大增

　　除了GPU、CPU、FPGA，以DSP架構(gòu)驅(qū)動(dòng)的卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network, CNN)引擎，在成本與功耗上也相當(dāng)具優(yōu)勢。

　　全球DSP主要供貨商CEVA認(rèn)為，若要在嵌入式系統(tǒng)中實(shí)現(xiàn)CNN，DSP甚至能取代GPU和CPU，因CNN在本質(zhì)上，就十分適合運(yùn)用DSP。 此外，CEVA也推出CDNN網(wǎng)絡(luò)產(chǎn)生器，協(xié)助將訓(xùn)練完成的網(wǎng)絡(luò)，配置到邊緣運(yùn)算裝置中，同時(shí)為市場提供更形完善的低功耗嵌入式解決方案。

　　CEVA汽車市場部門總監(jiān)Jeff VanWashenova(圖5)表示，DSP能有效地達(dá)成CNN，是因?yàn)镈SP的架構(gòu)能夠?qū)崿F(xiàn)平行處理，且其為可充分運(yùn)用的核心。 相較GPU只能達(dá)到40∼50%的使用率，DSP可以達(dá)到90%以上的核心使用率。

　　Jeff VanWashenova表示，

　　隨著人工智能將導(dǎo)入在手機(jī)中，

　　神經(jīng)網(wǎng)絡(luò)處理的功耗與效率，變

　　得更為重要。

　　VanWashenova進(jìn)一步表示，與典型的混合式CPU/GPU的處理架構(gòu)方案相比，建基于DSP架構(gòu)的CNN引擎，能提供高達(dá)近三倍的性能。 而且，DSP引擎除了所需功耗比GPU小30倍之外，所需的內(nèi)存帶寬，也只有約GPU的五分之一。 CNN算法，屬于乘法和加法密集型(Multiply-accumulate, MAC)，因此本質(zhì)上十分適合運(yùn)用DSP。 也就是說，若要在嵌入式系統(tǒng)中實(shí)現(xiàn)CNN，DSP不僅能夠取代GPU和CPU，而且成本和功耗更低。

　　VanWashenova指出，當(dāng)神經(jīng)網(wǎng)絡(luò)配置到現(xiàn)場進(jìn)行「推斷」時(shí)，CEVA擁有的優(yōu)勢便可充分發(fā)揮，這些優(yōu)勢不僅展現(xiàn)在處理方面，還在于可采用現(xiàn)有的網(wǎng)絡(luò)，并可在嵌入式DSP上運(yùn)行。

　　VanWashenova分析，在神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程中，是在大型運(yùn)算平臺(tái)上完成，并具有32位浮點(diǎn)精度。 然而，訓(xùn)練完成的網(wǎng)絡(luò)，對(duì)于低功耗嵌入式解決方案來說通常太大，因此可運(yùn)用CEVA的CDNN網(wǎng)絡(luò)產(chǎn)生器，將網(wǎng)絡(luò)轉(zhuǎn)換成16位定點(diǎn)，縮小并優(yōu)化網(wǎng)絡(luò)規(guī)模。

　　這也是目前CEVA客戶經(jīng)常面臨的問題，就是如何把一些在GPU這樣大型且昂貴的運(yùn)算器平臺(tái)上所開發(fā)的網(wǎng)絡(luò)，進(jìn)行實(shí)際配置。 因?yàn)樵诖笠?guī)模部署的產(chǎn)品中，功率、尺寸和效能都有所限制，與大型運(yùn)算平臺(tái)并不相同。

　　對(duì)AI而言，要求最嚴(yán)苛的領(lǐng)先市場就是汽車產(chǎn)業(yè)。 為了確保汽車應(yīng)用的可靠性和性能，必須降低延遲，而且精度是至關(guān)重要的。 除此之外，汽車正在使用的攝影相機(jī)功能，從兩百萬像素(MP)到八百萬像素，幀率通常在30fps或更高。 且往往是多個(gè)攝影相機(jī)一起使用，并有多個(gè)并行處理同時(shí)地進(jìn)行。

　　VanWashenova指出，CEVA目前正與許多領(lǐng)先的一級(jí)汽車供貨商和原始設(shè)備制造商合作，以確保透過硬件和軟件兩方面，皆能支持神經(jīng)網(wǎng)絡(luò)和拓樸結(jié)構(gòu)。 在硬件方面，CEVA提供視覺和神經(jīng)網(wǎng)絡(luò)處理器和加速器(CEVA-XM、CDNN HWA)，而軟件方面則提供神經(jīng)網(wǎng)絡(luò)軟件框架(CDNN2)。

　　人工智能這塊大餅究竟有多大，目前還無從確認(rèn)，但從各大芯片供貨商在邊緣運(yùn)算的充分布局看來，可以確定的是，目前邊緣裝置的開發(fā)進(jìn)程，已經(jīng)有了十分穩(wěn)固的芯片處理基礎(chǔ)。