英伟达GPU领先,国内创业企业FPGA落地-亚博网页版

本文摘要:云场景:英伟达GPU生态领先,赛灵思FPGA追上,谷歌ASIC或未来计算,世界云场景AI芯片规模合计约数百亿美元,目前仅次于AI应用于场景。其中,英伟达的GPU被广泛使用,英特尔的CPU、阿尔特纳的FPGA等也被使用,谷歌被用于自我研究的ASIC芯片TPU。

领域

上篇提到CPU、GPU、FPGA、ASIC和类脑芯片在芯片界发挥着重要作用,但由于AI芯片对计算能力的拒绝,CPU在AI芯片中只发挥了辅助和控制功能,类脑芯片过于成熟,还没有着陆。因此,以下是GPU、FPGA、ASIC三种芯片的讨论。

在场景中,人工智能芯片的应用主要分为云和终端,这也是目前芯片领域的另一个分歧。根据深度自学的算法,云人工智能硬件负责管理训练、推测,终端只负责管理推测,因此终端的计算量更小,没有传输问题,更适合防盗、汽车等消耗电力拒绝低、安全性拒绝低的场景,终端也被视为未来的发展方向。

以下将AI硬件应用于场景分为云和终端,云是服务器方面,包括各种共计云、私有云、数据中心等终端是指安全、车载、手机等领域。云场景:英伟达GPU生态领先,赛灵思FPGA追上,谷歌ASIC或未来计算,世界云场景AI芯片规模合计约数百亿美元,目前仅次于AI应用于场景。基于云平台,各大科技巨头大力配置人工智能。

然而,在科普之下,什么是云计算平台?云计算获得可用、方便、必要的网络采访,转入可配备的计算资源共享池(资源包括网络、服务器、存储、应用软件、服务),包括IaaS(基础设施即服务)、Paas(平台即服务)、Saas(软件即服务)三层。目前,各大科技巨头在自己的云平台上配备人工智能系统,主要有IBMwaston、亚马逊AWS、国内蚂蚁云、百度云平台等。其中,英伟达的GPU被广泛使用,英特尔的CPU、阿尔特纳的FPGA等也被使用,谷歌被用于自我研究的ASIC芯片TPU。

GPU应用于研发周期短、成本低、技术体系成熟期,目前世界各大企业云计算中心如谷歌、微软公司、亚马逊、阿里巴巴等主流公司使用GPU开展AI计算,GPU是目前云应用范围最广的芯片2017年5月,英伟达发表了TeslaV100,使用台积电12nm的FFN工艺,统一了210亿个电晶体,深度自学的性能相当于250个CPU。但是,面对次子AMD的不利挑战。

野村证券称英伟达正试图停止将15-20%的数据中心处理器份额转让给AMD。今年第二季度,AMD为数据中心开发的EPYC处理器包括惠普企业、思科系统、腾讯云、意大利国家核物理研究所等,销售额比去年急速增加53%。AMD称EPYC今年年底有望超过中位数份额此外,赛灵思、英特尔、百度等制造商也大力使用FPGA加快云开展。目前,世界FPGA市场主要分为赛灵思和阿尔特纳,两者共占市场份额约90%。

世界七大超大型云服务公司使用赛灵思FPGA。去年8月,百度也与赛灵思合作发布了基于FPGA的云计算加速芯片XPU。

次子阿尔特纳于2015年被英特尔收购,今年4月,英特尔阿尔特纳的FGPA每月应用于主流数据中心OEM制造商,客户包括戴尔、富士通等。除GPU和FPGA外,AI领域的专用框架芯片ASIC因其更好的性能和功耗,成为云领域的新搅拌者,谷歌是ASIC在数据中心应用的先驱。谷歌于2017年5月发售TPU,与GPU相比功耗减少了60%,芯片面积上升了40%,可以拒绝符合相当大的AI计算能力。今年2月,Google以Beta测试的形式对外开放TPU,5月份宣布TPU3.0,8月份又上市为边缘计算定制的EdgeTPU。

但是,TPU现在没有对外发售,对于英特尔、英伟达等传统数据中心业务的大男子来说,也不足以构成威胁。总的来说,目前GPU仍然是数据中心的主力,FPGA的作用也越来越重要,TPU等因其良好的性能和功耗而成为未来的主流方向的可能性很高,但其性能必须进一步检查。

安全:英伟达GPU领先,国内创业企业FPGA落地,Movidiu的ASIC芯片广泛应用于自然需要处理的视频等非结构化数据,安全现在为AI落地最慢的场景之一。使用AI安全,可以大大提高跟踪效率,防止事后事先切换。目前,有两种人工智能安全方案,包括中后端和前端解决方案。

中后端方案利用普通照相机收集视频信息传输到中后端,展开智能分析,前端将AI芯片构建到照相机,构建视频收集智能。相比之下,中后端可以利用已经部署的照相机进行智能分析,在多数数据处理、算法升级、部署成本方面占优势,但多年来,前端智能可以满足安全快速反应、安全性低的市场需求,也可以满足未来的主流。安全大公司也开始配置AI领域,经过安全行业的高清化和网络化后,留下的海康、大华等大公司们想被人工智能的第三次技术革命所遗弃。

在AI芯片中,海康、大华自由选择了英伟达的GPU,其AI算法和产品是基于英伟达的JetsonTX1的GPU芯片构筑的。2016年,海康威视推出从前端到后端全系列AI产品,基于英伟达GPU和深度自学技术的浅眼相机、超脑NVR等产品。

大华株式会社2016年第3季度正式成立AI研究院,2017年领导英伟达发表了许多机智系列的前端和后端智能设备。但是,利用英伟达GPU芯片,成本更便宜。

因此,为了降低成本,提高性能,大华、东方网力等也与国内创业公司深入合作,推出了基于赛灵思FPGA的DPU产品。在专用ASIC产品频繁出现之前,FPGA成为部分安全场景背叛成本的有效手段。此外,国内安全制造商也希望低成本、低功耗、高计算能力的ASIC成为未来的主流。

2017年8月,英特尔子公司Movidiu发售Myriadx视觉处理器(VPU),广泛应用于大疆无人机、美国菲利尔智能红外线照相机、海康浅眼系列照相机、华机智能工业照相机等产品。未来,ASIC芯片大规模批量生产,成本边际利益增加,使用ASIC方案的AI照相机构建成本大幅度降低,这也有可能向前端智能变化。但是,现在后端需要处理大量的视频,所以传统的照相机在短时间内全部更换,ASIC过于成熟等因素,安全前端的智能发展和ASIC芯片的普及需要时间。汽车:英伟达GPU、高吞吐量CPUGPU的主流,地平线ASIC开拓市场随着自动驾驶热潮背叛,汽车场景也成为AI落地的好场景。

但是,现在商用的自动驾驶芯片基本上处于高级驾驶员辅助系统(ADAS)阶段,可以构筑L1-L2等级的辅助驾驶员和半自动驾驶员的适应环境L4-L5强度的自动驾驶和全自动驾驶的AI芯片,离规模化的商用还有距离。汽车场景的AI芯片,领先的还是英伟达。2016年9月,英伟达发表了对自动驾驶技术和汽车产品的芯片Xavier,使用自定义的八核CPU结构,建立VoltaGPU结构作为计算机视觉加速器,使用16nmFinFET技术,运算性能超过20次TOPS,功耗为20W。

芯片

今年1月,英伟达发表了作为自动驾驶使用的JetsonXavier芯片,使用了12nm的FFN程,消耗电力为30W(比较上一个芯片的消耗电力下降,正式说明为了提高性能)和车载计算机Drive应用程序目前,英伟达在智能汽车领域的客户还包括20多家汽车制造商,其中最重要的客户是特斯拉。但是,英伟达在自动驾驶领域很大,英特尔也很懊悔。

2017年,英特尔收购了Mobileye,开始自动驾驶。Mobileye在汽车领域可以计算战绩辉煌,在汽车驾驶员辅助系统领域,份额达到70%。

从2007年开始与沃尔沃合作撞击警报功能,与宝马、特斯拉、标准化等汽车巨头合作前进司机辅助技术,2016年与宝马、英特尔三方共同开发了自动驾驶汽车。另外,Mobileye于2016年5月发表的EyeQ5(预计今年将发表工程样品,2020年批量生产),主张使用7nm技术,获得每瓦2.4DDLTOPS(兆次/秒)的性能——这个数字比英伟达发表的Xavier低2.4倍。并购Mobileye也是英特尔在无人驾驶领域与英伟达进行的白热化竞争。

另外,移动芯片领域的霸主高吞吐量也在大力配置自动驾驶领域。2016年10月,高通宣布以每股110美元的价格收购汽车芯片大厂恩智浦半导体,这件事当时对半导体行业完全愤慨。之后,由于反垄断审查,收购结束了,但高吞吐量发力车的决心没有增加。

在GMIC2016年,高吞吐量发表了智能汽车芯片小龙820A,该处理器使用CPU超越GPU的异构计算模式。2017年9月,高吞吐量公司发售了新的汽车芯片组-C-V2X,该芯片组提高了自动驾驶所需通信系统的应对性。目前,奥迪、福特特、上气集团等的接受和关注,上市时间预计今年下半年。我国芯片企业也参加了这场自动驾驶领域的芯片争夺战。

2016年3月奇点汽车发布会上,地平线首次展示了先进的设备辅助驾驶员系统(ADAS)原型系统雨果平台。在2017年1月的CES中,地平线和英特尔发表了基于BPU结构(ASIC结构)的最近的高级辅助驾驶员系统。根据产业调查,地平线也是目前四大汽车市场美国、德国、日本和中国唯一一家与顶级OEMs和Tier1s建立最重要客户关系的中国创业企业。2017年12月,地平线公布了旭日和旅行两种嵌入式AI芯片,分别面向智能驾驶和智能照相机今年4月,地平线公布了旅行2.0芯片和MATRIX1.0自动驾驶计算平台。

总的来说,ASIC可以更好地适应车载应用于以下关注的最佳情况处理延迟问题。但是,由于研发周期长,目前车载场景下,制造商仍然考虑GPU作为主流方案,随着ADAS定制市场需求的减少,预计未来ASIC将成为主流。

智能手机:苹果、华为配备ASIC芯片,高吞吐量、ARM发表了新的AI架构AI。也是现在最受欢迎的AI概念之一。目前,I在手机中主要是辅助处理图形图像的识别(例如照片慢的美颜)和语音语义的识别等场景。

但是,目前这种应用对AI算法处理速度的拒绝并不低。同时,手机拒绝消耗电力极低,ASIC成本低,消耗电力低,面积低占核心优势。在AI芯片转移到手机上,华为和苹果相继发表了拥有自己独立国家AI处理单元的芯片。

2017年9月,华为宣布世界上第一个移动终端AI芯片麒麟970,应用于Mate10。这是业内首次在手机芯片中,经常出现作为开展AI计算的处理单元,构筑了国内芯片创业企业寒武纪的NPU。

今年8月,华为宣布麒麟980首次使用7nm技术,双核NPU。随后,苹果也在9月份发布了iPhoneiPhoneiPhoneX及其专用神经网络处理芯片A11Bionic神经发动机。该芯片将CPU和GPU大量计算分离,将面部识别、语音识别等AI相关任务修理为AI专用模块(ASIC)。华为和苹果之后,高通也在12月发布了小龙845,使用了10nm的技术,反对了Adreno630GPU,比835,AI的计算能力提高了3倍,反对了多平台的神经网络系统。

未来高吞吐量的战略是向合作伙伴获得对外开放AI平台的生态系统。但是,高吞吐量的AI芯片没有针对AI的独立国家运算单元,是传统的CPU/GPU和DSP/ISP等特定场景处理器全职处理AI。

现在世界上获得95%的智能手机和平板电脑IP的ARM,在AI方面有点晚。但是,今年2月,ARM也发表了移动终端的AI芯片结构、机械学习处理器和物体检测处理器。

机器学习处理器主要有平板电脑和智能手机制造商,计划今年第一季度发货的对象检测处理器,可能作为智能安全照相机、无人机和普遍用途,预计年度发货。总结:各结构芯片百花齐放,终极形态向ASIC发展的现在,在云领域,英伟达以FPGA稳定占有仅次于市场份额,次子AMD正在迎击,基于FPGA的赛灵思和英特尔阿尔特纳也在扩大,ASIC领域以谷歌TPU为威胁者在汽车领域,英伟达仍然是巨头,英特尔Mobileye需要对标英伟达,高吞吐量占有,中国企业的地平线也用BPU(ASIC)配置了这个市场。在安全领域,英伟达地位一定,赛灵思深鉴的FPGA也应用于Movidiu的AS。

IC也关闭了一些市场。在手机领域,华为和苹果先发基于ASIC的AI芯片,高吞吐量和ARM之后发售了自己的AI结构。

性能

GPU、FPGA、ASIC可以说是各个结构的百花齐发,ASIC也回顾主流应用的道路。

本文关键词:亚博网页登录注册,芯片,汽车,性能,自动驾驶,赛灵思

本文来源:亚博网页版-www.verystyles.com