都说人工智能落地难。难在哪里?
“目前的平台框架,不管是TensorFlow或是其他,都无法做到对不同的芯片实现全部支持,因此做算法、做方案的公司,在解决最后1公里的落地问题时,甚至需要把前面99公里的东西都再学一遍,因此增加了很大的工作量,造成了落地困难。”Arm中国生态发展副总裁/OPEN AI LAB创始人兼CEO金勇斌表示。
如何扭转这一局面?需实现从芯片、算法到解决方案全部打通,使后端设计人员无需关注底层的差异——这是Arm“周易”平台希望带来的改变。
IoT设备实现人工智能是必然趋势
软银孙正义曾提出,2035年全球将有万亿级IoT设备在线。在这些设备上实现本地人工智能,是未来的必然趋势。要做到这一点,必须进一步将降低人工智能的算力成本。Arm“周易”平台,主打适用性、兼容性、安全性,希望大幅降低人工智能算力、芯片和应用成本、加快应用研发周期,在更多的IoT设备上实现人工智能。“AI要想普及化,必须实现85%以上的智能化都在终端实现。”金勇斌表示。让端侧芯片集成AI能力更容易
“周易”平台的核心包含两部分,一是Tengine软件框架,二是AIPU(人工智能处理单元),主要处理卷积神经网络、深度神经网络为代表的AI计算。
图 1 ,人工智能平台“周易”
从优化端侧芯片开发的角度看,“周易”平台降低了两个门槛:一方面是SoC集成AI功能的设计门槛,另一方面是上层软件的开发门槛。金勇斌强调,之所以叫AIPU而不是AI Chip,主要因为它只是SoC中的一个处理单元,像传统的CPU、GPU一样,只是功能有所不同,能够实现终端SoC的高度集成化,实现灵活性和高效率的平衡。
图2,周易人工智能处理单元AIPU
对于已有的芯片,“周易”平台可以通过Tengine软件框架,进行统一推理,通过定义标准的Tengine API,人工智能应用程序可以使用标准API在不同的硬件上部署,大大节省了移植或者在特定的硬件上进行优化的工作量。而对于新开发的芯片,“周易”平台可以让芯片合作伙伴使用AIPU IP设计新的SoC,并提供了验证测试向量、参考用例和后端实现参考流程等全面支持,以加速新的SoC设计;同时,周易AIPU 仿真软件用于软件应用程序前期开发。这将大大加快产品的上市时间。
当芯片设计出来后,周易Tengine软件框架内包含不同的library,包括Arm全球library,OPEN AI LAB library等。通过这些高性能的library,可以对不同算力做分布和调度。而在上层支持不同的主流算法,比如Caffe、PyTorch等。基于这些框架开发出来的算法可以无缝地应用在Tengine上。
如何赋能现有AI产业?
“在2020年之前,谁的软件最好用,谁就能真正掌控市场”,金勇斌表示,“只要软件工具好用,就能够帮助下游合作伙伴迅速开发产品,抢占落地先机。”也正是如此,Arm提供整套完整的工具链,从IP开发到软件开发,其中包括编译器、性能优化库等。对芯片厂商来说,可以通过其中包含的仿真器和算法示例等来帮助软件开发。因此,“周易”AI处理引擎对用户来说相当于是一键式开发服务,可以把他们想实现的算法一键式地部署到“周易”上。
图3,“一键式”软件工具链
芯片公司不必专门开发基于AIPU的专用AI芯片,或是包含AIPU单元的芯片。哪怕是基于现有的成熟芯片,通过Tengine把算力提取出来,可以直接实现更多现成的算法,能够大幅度提高性能,改善用户体验。如下图所示,可以带来顺流而下的改变,“在上游把一个根本问题解决了,下游的普及速度就会非常快。”金勇斌说道。
图4,Tengine赋能产业链上下游
“周易”平台作为Arm中国首款自主研发产品,在去年11月的世界互联网大会上首次亮相。半年过去了,这款产品取得了哪些实质性的进展?
据了解,一些基于“周易”平台Tengine的使用场景已经落地。比如行车记录、智能停车、ADAS等,包括对司机的行为检测。另外还有一个重要的应用就是安防,比如人脸识别的门禁和闸机。以前需要把采集的人脸数据交由后端服务器处理,而现在通过Tengine,无需硬件改动,可自动在前端进行人脸识别,只需将匹配结果上传。这样极大地降低了网络的部署成本,数据流量实现了指数级减小。根据一个做前端人脸布控系统的用户案例,布一点一线综合成本需要一万八,而基于“周易”成本基本控制在了两千元以内,整体成本几乎实现了十倍节省。据透露,最快明年年中会有基于“周易”AIPU的SoC产品问世。
AI生态需要交叉合作、竞争
金勇斌作为Arm中国生态发展副总裁,同时也是OPEN AI LAB创始人兼CEO。谈及AI目前的生态建设时,他表示,很多AI公司处理器、框架、应用等都是自己垂直在做,这样的做法有点像IBM早期做PC的模式,独立开发处理器、指令集、芯片、设备、应用、系统等。而为什么微软的Windows就能够非常普及?主要因为它开放给第三方做应用程序,这样就形成了巨大的生态。他认为,AIoT时代也一样,一家公司从沙子做到云的模式一定是行不通的,AI生态需要在每个层级上进行交叉合作、竞争,这样才能够把成本降下来,把普及率提高,把渗透性做好,这样才能尽早实现未来的1万亿市场。也许这是AI创业最好的时代。大量涌入的资本,加之强大的平台支持,值得创业者能够更加快速地开发出SoC芯片。但是,即使芯片开发的门槛有所降低,芯片开发一定要谨慎,并且要在设计之初做好产品规划、明确市场应用空间,否则,最终还是难免惨遭淘汰。
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。
举报投诉
-
ARM
+关注
关注
134文章
9091浏览量
367444 -
soc
+关注
关注
38文章
4164浏览量
218200 -
AI
+关注
关注
87文章
30805浏览量
268946 -
人工智能
+关注
关注
1791文章
47229浏览量
238341
发布评论请先 登录
相关推荐
嵌入式和人工智能究竟是什么关系?
嵌入式和人工智能究竟是什么关系?
嵌入式系统是一种特殊的系统,它通常被嵌入到其他设备或机器中,以实现特定功能。嵌入式系统具有非常强的适应性和灵活性,能够根据用户需求进行定制化设计。它广泛应用于各种
发表于 11-14 16:39
解决验证“最后一公里”的挑战:芯神觉Claryti如何助力提升调试效率
过程中必不可少的一环,它帮助工程师找到问题的根源并进行优化。随着设计复杂性的提升,调试作为验证的“最后一公里”正面临越来越多的挑战。如何有效提升调试效率,已成为行
《AI for Science:人工智能驱动科学创新》第6章人AI与能源科学读后感
和国际合作等多个层面。这些内容让我更加认识到,在推动人工智能与能源科学融合的过程中,需要不断探索和创新,以应对各种挑战和机遇。
最后,通过阅读这一章,我深刻感受到人工智能对于能源科学的
发表于 10-14 09:27
AI for Science:人工智能驱动科学创新》第4章-AI与生命科学读后感
阅读这一章后,我深感人工智能与生命科学的结合正引领着一场前所未有的科学革命,以下是我个人的读后感:
1. 技术革新与生命科学进步
这一章详细阐述了人
发表于 10-14 09:21
《AI for Science:人工智能驱动科学创新》第一章人工智能驱动的科学创新学习心得
,无疑为读者铺设了一条探索人工智能(AI)如何深刻影响并推动科学创新的道路。在阅读这一章后,我深刻感受到了人工智能技术在科学领域的广泛应用潜力以及其带来的革命性变化,以下是我个人的学习
发表于 10-14 09:12
制造业人工智能的场景应用落地现状、难点和建议
制造业应用人工智能可以提高制造业的生产效率,推动制造业高质量发展和竞争力提升,促进国民经济的持续稳定增长。近年来,制造业人工智能的场景化应用落地不断推进,但在落地过程中遇到
risc-v在人工智能图像处理应用前景分析
RISC-V在人工智能图像处理领域的应用前景十分广阔,这主要得益于其开源性、灵活性和低功耗等特点。以下是对RISC-V在人工智能图像处理应用前景的详细分析:
一、RISC-V的基本特点
RISC-V
发表于 09-28 11:00
名单公布!【书籍评测活动NO.44】AI for Science:人工智能驱动科学创新
芯片设计的自动化水平、优化半导体制造和封测的工艺和水平、寻找新一代半导体材料等方面提供帮助。
第6章介绍了人工智能在化石能源科学研究、可再生能源科学研究、能源转型三个方面的落地应用。
第7章从环境监测
发表于 09-09 13:54
报名开启!深圳(国际)通用人工智能大会将启幕,国内外大咖齐聚话AI
呈现、产业展览、技术交流、学术论坛于一体的世界级人工智能合作交流平台。本次大会暨博览会由工业和信息化部政府采购中心、广东省工商联、前海合作区管理局、深圳市工信局等单位指导,深圳市人工智能产业协会主办
发表于 08-22 15:00
言犀智能体平台上线了!赶紧来试试!连接大模型与企业应用的“最后一公里”
言犀智能体平台是企业级一站式 AI 智能体搭建与发布平台。聚合大模型、知识库、插件、工作流等能力,为用户提供低成本将LLM落地为企业应用的SaaS平台。无需代码基础亦可便捷的使用大模型
亿铸科技谈大算力芯片面临的技术挑战和解决策略
随着人工智能技术的飞速发展,算力已成为推动产业变革的关键力量,但大模型的快速发展,参数的爆发,对于算力需求也提出了更高的要求,带来了全新的挑战。那大算力芯片应对这些挑战,如何才能够助力人工智能技术的发展,实现算力的落地和
FPGA在人工智能中的应用有哪些?
FPGA(现场可编程门阵列)在人工智能领域的应用非常广泛,主要体现在以下几个方面:
一、深度学习加速
训练和推理过程加速:FPGA可以用来加速深度学习的训练和推理过程。由于其高并行性和低延迟特性
发表于 07-29 17:05
从10个地产客户案例里,我们发现智能语音电子工牌在提升案场转化中的价值
地产竞争进入白热化阶段,面对获客转化困境,提升客户体验和到访转化率是房企必须着手的破局点。 到底如何把握成交前的最后一公里,深入剖析客户需求及抗性、复制销冠能力、最终提升案场转化率? 随着人工智能
5G智能物联网课程之Aidlux下人工智能开发(SC171开发套件V1)
课程类别
课程名称
视频课程时长
视频课程链接
课件链接
人工智能
参赛基础知识指引
14分50秒
https://t.elecfans.com/v/25508.html
*附件:参赛基础知识指引
发表于 04-01 10:40
嵌入式人工智能的就业方向有哪些?
嵌入式人工智能的就业方向有哪些? 在新一轮科技革命与产业变革的时代背景下,嵌入式人工智能成为国家新型基础建设与传统产业升级的核心驱动力。同时在此背景驱动下,众多名企也纷纷在嵌入式人工智能
发表于 02-26 10:17
评论