以AI技術(shù)最佳化的SoC今年將應(yīng)用在行動與邊緣
IDC最新發(fā)布的《Worldwide Enabling Technologies and Semiconductors 2018–Top 10 Trends》報告指出2項由人工智慧（Artificial Intelligence；AI）驅(qū)動的關(guān)鍵趨勢：首先2018年將是AI在邊緣（edge）的肇始，其次以AI技術(shù)最佳化與整合的SoC解決方案將開始出現(xiàn)在行動與邊緣應(yīng)用。隨著邊緣運(yùn)算能力日益強(qiáng)大，將促成機(jī)器學(xué)習(xí)（Machine Learning；ML）大量應(yīng)用于邊緣裝置。
根據(jù)Semiconductor Engineering報導(dǎo)，許多科技的大變革得以實現(xiàn)是由于半導(dǎo)體的重大創(chuàng)新，以及1970年代開始的微型化、制程良率改善、生產(chǎn)效率提升、工具進(jìn)步所促成，在可預(yù)見的未來仍會是科技發(fā)展的重要基石。不過科技的大變革也可能是基于單純的觀點轉(zhuǎn)換。
人類日常生活中各種裝置，不僅能協(xié)助上網(wǎng)、傳送短信，更可提供全然不同的功能，包括為人類駕駛車輛、監(jiān)測住家、提升人身與數(shù)據(jù)安全、理解人類。例如智慧型手機(jī)不僅只是可隨身攜帶的便利電話，廠商更將其設(shè)想為使用者可隨時隨地使用的運(yùn)算裝置。不同的觀點讓邊緣運(yùn)算能促成更有趣與更具挑戰(zhàn)性的應(yīng)用。
全球連網(wǎng)裝置日增趨勢已成定局，預(yù)估數(shù)量將從80億增加至1兆，分布式運(yùn)算（distributed computing）已開始成形，例如屬于邊緣裝置的Lumo Bodytech穿戴式裝置，2017年時已能執(zhí)行ML軟件以最佳化配戴者的活動方式。而傳統(tǒng)的處理模式是在邊緣擷取數(shù)據(jù)，傳送至數(shù)據(jù)中心處理，再將結(jié)果回傳邊緣裝置，不僅費(fèi)時且耗能。
隨著邊緣裝置的運(yùn)算能力不斷提升，將可承擔(dān)各種ML應(yīng)用與AI工作負(fù)載，為人類帶來極大價值。而將執(zhí)行ML算法所需的適切運(yùn)算能力建置于邊緣，則可提升處理效率與節(jié)約能源。IDC的研究報告指出，2018年供應(yīng)商紛紛定位現(xiàn)有產(chǎn)品或增加新功能，以處理AI工作負(fù)載與編碼構(gòu)架（programming framework）。
安謀（ARM）已最佳化其先進(jìn)世代CPU與GPU的IP核心，以提升處理AI推論（AI-inferencing）的效率；Google、聯(lián)發(fā)科、高通（Qualcomm）、Rockchip等半導(dǎo)體供應(yīng)商都已轉(zhuǎn)向?qū)?shù)位信號處理（DSP）核心整合至一般用途處理器或協(xié)同處理器，以加速處理電腦視覺等AI工作負(fù)載。
基于能耗、延遲（latency）與安全考察，AI相關(guān)工作負(fù)載也應(yīng)移到邊緣。例如監(jiān)視攝像機(jī)若能配備足夠運(yùn)算能力，便能直接執(zhí)行ML算法，過濾所擷取的大量圖像數(shù)據(jù)，僅將可疑數(shù)據(jù)上傳云端作進(jìn)一步分析或觸發(fā)警示，即可避免直接將所有數(shù)據(jù)串流云端的耗時、浪費(fèi)資源與數(shù)據(jù)安全疑慮。
而以人臉辨識解鎖智慧型手機(jī)，最合理的方式也是直接在要解鎖的智慧型手機(jī)上執(zhí)行辨識算法。此外，智慧音響的語音辨識功能，若所有處理程序都能直接在裝置上完成，則執(zhí)行效率更佳、無須依賴良好的網(wǎng)絡(luò)質(zhì)量、數(shù)據(jù)安全更有保障。
IDC Market Perspective報告對2018年的市場趨勢預(yù)測還包括：車用半導(dǎo)體、車用電子的投資與整合將持續(xù)加溫，自駕車感測器技術(shù)與感測器融合將成趨勢；數(shù)據(jù)中心內(nèi)的GPU將持續(xù)作為執(zhí)行AI訓(xùn)練的主力，NVIDIA占比最高，而超威（AMD）在2019年也將有所斬獲。
編輯：admin 最后修改時間：2018-04-21
