軟銀旗下的英國半導體設計公司Arm Holdings周一公布了兩款用于人工智能應用的芯片設計。

一款名為Arm Cortex-M55處理器的芯片是Arm的微控制器系列中的最新產(chǎn)品，它是一款相對低成本，高能效的芯片，用于運行傳感器和執(zhí)行一些簡單的計算任務，適用于多種領域，包括汽車引擎、遙控玩具以及電動工具等。

在過去，這些類型的芯片通常缺乏足夠的計算能力來有效地執(zhí)行機器學習功能。相反，這些任務中的大多數(shù)必須在更高功率的芯片上執(zhí)行，比如Arm的Cortex-A微處理器，這些微處理器存在于世界上大多數(shù)智能手機中。

另一款新芯片名為Arm Ethos-U55 NPU，其設計是與M55配合運行，以滿足有神經(jīng)網(wǎng)絡加速需求的應用。

在過去的十年里，人工智能的大部分進展來自于在圖形處理單元上運行這些神經(jīng)網(wǎng)絡，這是一款專門的計算機芯片，最初是為了處理用于視頻游戲和動畫的圖像渲染所需的密集數(shù)字運算。

但是，最近，一些公司創(chuàng)建了NPU，即“神經(jīng)處理單元”，專門為運行神經(jīng)網(wǎng)絡設計的芯片。在基準測試中，這些芯片可以比GPU更快、更有效地運行神經(jīng)網(wǎng)絡。Arm聲稱Ethos-U55是業(yè)界的第一個“微型NPU”，換句話說，它是這些神經(jīng)網(wǎng)絡專用芯片中的第一個，足夠小，足夠省電，可以在最小的電子設備上運行。

麥肯錫咨詢公司（Consul tants McKinsey&Company）預測，到2025年，與AI相關的半導體年銷售額可能達到670億美元，約占所有計算機芯片需求的20%。另一家咨詢公司德勤（Deloitte）預測，AI專用芯片的市場今年將達到26億美元，到2024年將翻一番。

Arm在2018年首次進軍AI專用芯片市場，當時推出了機器學習處理器的設計，另一款專門針對檢測圖像中的物體。但這兩種處理器都是為電力效率和成本不那么關鍵的環(huán)境設計的。

這家英國公司并不是唯一一家希望為低成本、高效率的傳感器和電子產(chǎn)品提供機器學習能力的芯片制造商。作為推動5G移動業(yè)務的一部分，華為已經(jīng)投資于廉價的NPU，但它已經(jīng)將這些芯片打包為更高端手機的更大芯片的一部分，比如麒麟970芯片。英特爾在邊緣計算市場通常并不活躍，而是以數(shù)據(jù)中心和個人計算設備為目標。AMD開發(fā)了一些芯片，旨在在智能電視等設備上運行AI應用程序。

Arm公司并不自己制造半導體，而是將其設計授權給其他公司，該公司表示，基于這兩種新設計的芯片將于2021年交付給客戶。雖然該公司拒絕透露這個新設計的客戶名字，但在過去，Arm已將其特定于AI的設計授權給包括三星、STMicroElectronics和NXP在內(nèi)的公司。

該公司表示，通過將這兩種新芯片作為一個組合一起使用，在運行機器學習任務的速度上實現(xiàn)了480倍的增長，這與它以前在基準測試中的CortexM芯片相比。（首批15倍提速來自M55，與Ethos-U55結合后又有32倍的提速。）將這兩種芯片一起使用也會提高25倍的能源效率，這對于許多必須依賴于電池的設備來說是至關重要的。但Arm沒有透露其新芯片與競爭對手的AI芯片相比的性能如何。

Arm的高級副總裁兼汽車和物聯(lián)網(wǎng)業(yè)務總經(jīng)理迪普蒂·Vachani說，新芯片允許將AI應用帶到農(nóng)業(yè)等領域。在這些領域，數(shù)百或數(shù)千個裝有機器學習的低成本傳感器可以用來仔細校準每個工廠應該接收多少水、肥料或殺蟲劑。物聯(lián)網(wǎng)代表了物聯(lián)網(wǎng)，連接各種新設備的想法，從安全攝像機到烤面包機，再到互聯(lián)網(wǎng)。

Vachani還表示，讓AI在相對低功耗的設備上工作，而不是與當今大多數(shù)AI工作負載所在的基于云的數(shù)據(jù)中心保持經(jīng)常通信，對于數(shù)據(jù)安全和隱私至關重要。

例如，她說智能揚聲器，如Alexa或GoogleHome，可以直接在設備上運行語音識別和一些機器學習應用程序。如今，這些設備不得不通過互聯(lián)網(wǎng)將數(shù)據(jù)傳輸?shù)竭h程數(shù)據(jù)中心，引發(fā)了人們對網(wǎng)絡安全和竊聽的擔憂。

她還表示，人工智能在非互聯(lián)，相對低功耗的設備上工作對于實現(xiàn)互聯(lián)汽車以及最終實現(xiàn)無人駕駛汽車的實現(xiàn)以及將機器學習帶入醫(yī)療設備至關重要。

Arm說，M55本身將能夠承擔機器學習任務，從非常簡單的振動檢測——甚至是前幾代Cortex-M都能處理——到檢測圖像中的物體。當與EthosU-55相結合時，它可以承擔更高層次的任務，例如檢測特定的手勢，決定你的指紋或你的臉是否與設備上已經(jīng)存儲的生物特征相匹配，甚至語音識別。但是，更多的計算密集型任務，比如對各種各樣的物體進行分類，或者從人群的視頻中實時識別面孔，仍然需要更多的耗電和昂貴的芯片。

Vachani還說，新的芯片設計只是為了執(zhí)行所謂的AI推理，這涉及到數(shù)據(jù)輸入和使用一個統(tǒng)計模型，已經(jīng)訓練，以作出預測從該數(shù)據(jù)。模型的實際訓練，機器學習的“學習”部分，仍然需要在更強大的芯片上的數(shù)據(jù)中心完成。
責任編輯：tzh