广 东 安 防 资 质 网

新闻详情
专用定制、高性价比ASIC芯片将成为AI芯片的未来
发表时间:2019-01-03 11:10

 ASIC的特点是面向特定用户的需求,品种多、批量少,要求设计和生产周期短,它作为集成电路技术与特定用户的整机或系统技术紧密结合的产物,与通用集成电路相比具有体积更小、重量更轻、功耗更低、可靠性提高、性能提高、保密性增强、成本降低等优点。长期来看无论在云端和终端,ASIC都代表AI芯片的未来。

  据相关机构预测,预计AI硬件消费市场在2025年将达到1090亿美元的规模。而在这千亿美元级别的市场规模中,已经凸显出的领头者是人工智能处理器——GPU、FPGA、ASIC等AI硬件的制造商。同时预计在2017年至2025年间,ASIC、FPGA和GPU将迎来最快速的增长。其中,ASIC增速最快,达92%。

  近年来涌现的类似TPU、NPU、VPU、BPU等令人眼花缭乱的各种芯片,本质上都属于ASIC。谷歌除大量使用GPU外,努力发展自己的AI专属的ASIC芯片。去年5月推出的TPU与GPU相比耗电量降低60%,芯片面积下降40%,能更好的满足其庞大的AI算力要求,但由于目前人工智能算法迭代较快,目前TPU只供谷歌自身使用,后续随着TensorFlow的成熟,TPU也有外供可能,但通用性还有很长路要走。

   另外,国内众多人工智能初创企业在芯片领域的投入也在日益加强。2015年成立的地平线,致力于将算法和芯片集合在一起,去创造推动边缘AI人工智能计算和推广。2017年底,地平线发布了首款嵌入式AI专用芯片,可每秒处理30帧1080P视频,延时小于30毫秒,典型功耗仅1.5瓦。

   比特大陆张量处理器BM1680芯片也是一款面向深度学习应用的ASIC芯片,其加速核采用改造型脉动阵列架构技术,具备4096个并行执行单元,适用于CNN/RNN/DNN等神经网络的预测和训练。算丰BM1680从2015年底开始设计,历时一年多成功流片,在2017年6月拿到了样品,并在当年内实现量产。目前,第二代芯片BM1682也已经面世,实际性能相比第一代提升了约5倍。

  假如把FPGA比作科研研发专用芯片,那么ASIC就是确定应用市场后,大量生产的专用芯片。基于此,厂家可以针对特定用户场景使用FPGA进行研发,当算法成熟、芯片设计固定后可以以ASIC的方式进行大规模生产。因此,作为全定制设计的ASIC芯片,针对适用的应用场景,ASIC的性能和能耗都要优于市场上的现有芯片,包括FPGA和GPU。

  以应用最为广泛的AI人脸识别技术为例,常见的人脸识别其实是一个“扫描检测”加“结果判别”的过程,而这个“扫描检测”的过程中包括五官坐标定位、人脸属性识别、人脸特征提取等等,在“结果判别“中更涉及到人脸验证、人脸识别、活体验证等多个特性,它已经不是一个简单的算法,而是涉及到CPU、GPU、VPU、DLA等多个运算单元,跨单元的运算很显然会造成消费体验的不佳,更别提到结果涉及的端运行或是云运行问题,所以开发与之相应的AI人工智能神经网络算法是趋势,即ASIC专核专用是未来人工智能终端最基本的要求。

  基于AI的人脸识别技术目前最热门的商业应用场景为安防行业,从AI芯片来看,其主要是专注于处理动态视频中的人和物,抓取事物的典型特点。随后在前端完成特征压缩和后台的特征比对,以有效降低对传输线路的冲击,获取更好的性能。同时安防AI芯片还要能够完成和现有传统安防前端的场景数据对接适配,在前端解决问题,这样能有效的降低成本。简而言之,安防AI芯片的特点必须灵活性高、性能好、成本低。因此,专用定制的、高性价比的ASIC芯片的优势越来越明显,经过专门设计优化的ASIC芯片,有着更高性价比、更容易大规模部署的优势。


分享到: