人工智能的较量 软件才是制胜的关键

未来的很多电子设备将更加智能，意味着将添加更多的人工智能。但不难发现，人工智能的硬件趋于相似，真正有实力的软件才是制胜的关键。

人工智能的较量 软件才是制胜的关键

终端人工智能芯片硬件比拼

据预测，2018年到2022年，全球半导体市场的复合年均增长率（CAGR）将为5-6%，而同期AI半导体市场的复合年均增长率将高达59%。这其中的增长应该很大一部分源于终端设备。因此，来自视觉、语音等应用促使等越来越多的公司开始设计通用的AI芯片，并进一步促使半导体IP提供商推出AI处理器IP。

AI还处于一个早期的阶段，现在的情况是各家的AI处理器IP在SoC中所占的面积都不小，未来将不断的演进，十年后回过头看肯定会觉得现在的AI处理器很庞大。在AI处理器的设计上，虽然每家的产品会各有特色，但又很相似，因为大家都在堆MAC单元，用更多的MAC单元实现更高的硬件指标，但在同样的工艺下，面积和功耗都很接近。这时我们还需要思考，MAC单元的成本、利用率以及最终的功耗和面积。因此，如何延长产品的周期更好地适应OEM厂商不断变化的需求非常关键，这时软件的作用尤为明显。

软件才是人工智能处理器成功的关键

据介绍，与NeuPro系列处理器配合的是CDNN神经网络软件框架，它的主要作用是把用户使用不同框架训练好的神经网络进行量化、压缩等处理，然后自动地部署到底层的硬件。

Moshe Sheier强调，CDNN所能实现的自动化是基于CEVA对应用和协议的深入了解和分析，加上长期的积累判断哪些工作适合什么样的硬件，另外，CEVA不同的硬件平台软件使用的都是同一套框架。

可以看到，CEVA也在不断完善CDNN，最近发布的最新CDNN版本具有开放式神经网络交换(ONNX，由Facebook、微软和AWS创建的开放格式，用于实现AI社群内的互操作性和可移植性，可让开发人员针对项目使用合适的工具组合)支持。

CEVA副总裁兼视觉业务部门总经理Ilan Yona 表示："CEVA为实现开放、可互操作的AI生态系统，人工智能应用程序开发人员能够充分利用生态系统中各种不同深度学习框架，考虑其功能和易用性，为所需特定应用选择最合适的深度学习框架。通过为CDNN编译器技术添加ONNX支持，我们为CEVA-XM和NeuPro的客户及生态系统合作伙伴提供了更广泛的功能，用于培训和丰富其神经网络应用。"

Moshe Sheier表示："如果看语音处理，无论是唤醒还是关键字识别都已经从传统的算法全面转变到神经网络处理，这种算法的更新和软件的更新反过来会对硬件提出更高的要求，也就是说算法和平台会不断的更新。因此在AI处理器演进过程当中，我们应该适当的多用软件，少用固定的硬件，尽量延长产品生命周期。AI处理器需要考虑到盈利的问题，一代产品的寿命如果过短的，对公司本身和产业的发展其实是不利的。"

还需指出的是，硬件和软件的发展是相互影响。Moshe Sheier举例说："如果用今年的AI算法和2016年的AI算法比较，会发现今年的AI的算法精度可能比2016年略微的提升，但它的网络的大小和带宽有大幅度下降。因此在硬件功耗和面积达到极限的情况下，算法只有进一步做简化才能向前发展，这也有助于功耗的降低。"

声明： 本网站原创内容，如需转载，请注明出处；本网站转载内容（文章、图片、视频等资料）的版权归原网站所有。如我们转载或使用了您的文章或图片等资料的，未能及时和您沟通确认的，请第一时间通知我们，以便我们第一时间采取相应措施，避免给双方造成不必要的经济损失或其他侵权责任。如您未通知我们，我们有权利免于承担任何责任。 我们的联系邮箱：news@cecb2b.com。