布局AI边缘运算商机,抢攻边缘运算市场

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Computex 2018更成为各技术阵营的火力展示场合。

 
“人工智能”一词最初是在1956 年Dartmouth学会上提出的。从那以后,研究者们发展了众多理论和原理,人工智能的概念也随之扩展。人工智能(Artificial Intelligence),英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器,该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来,理论和技术日益成熟,应用领域也不断扩大,可以设想,未来人工智能带来的科技产品,将会是人类智慧的“容器”。
 
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(Computex 2018)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
  
Arm IP产品事业群总裁Rene Haas(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。
布局AI边缘运算商机,抢攻边缘运算市场
图1 Arm IP产品事业群总裁Rene Haas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新IP产品,分别为Cortex-A76 CPU、 Mali-G76 GPU,以及Mali-V76 VPU,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Nandan Nayampally(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。
布局AI边缘运算商机,抢攻边缘运算市场
图2 Arm副总裁暨客户事业部总经理Nandan Nayampally指出,5G加AI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-G72 GPU提升30%运算效能,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UHD 8K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(Full HD),并能支持多达16部串流影片组成4×4的电视墙。
  
Project Trillium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Project Trillium平台,包含全新机器学习处理器(ML Processor)、对象侦测处理器(Objects Processor), 以及Arm神经网络软件(Arm NN)。 相较于独立CPU、GPU与加速器,Project Trillium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Jem Davies(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。
布局AI边缘运算商机,抢攻边缘运算市场