|
互連 IP可以有效地快速整合數十個或數百個異構神經網絡硬件加速器 ArterisIP今天宣布，在過去兩年中，有十五家公司已經批準使用ArterisIP的FlexNoC互連（FlexNoC Interconnect）或者Ncore緩存一致互連IP（Ncore Cache Coherent Interconnect IP），作為新的人工智能（AI）和機器學習系統芯片的關鍵元件。 有九個ArterisIP的客戶公開宣布，它們已經針對數據中心、汽車、消費類產品和移動應用，設計了或者正在開發機器學習和AI 系統芯片。這九家公司是： 一、Movidius (英特爾) – Myriad™超低功耗機器學習視覺處理器（VPU） 二、Mobileye (英特爾) – 自從2010年起，高級駕駛輔助系統（ADAS）EyeQ®3、EyeQ®4 和 EyeQ®5使用了多個異構處理元件進行視覺處理和機器學習 三、恩智浦 – 多種ADAS和自主駕駛系統芯片在緩存一致性和功能安全機制的基礎上實現了機器學習 四、東芝(Toshiba) – 在汽車ADAS 系統芯片中使用緩存一致性和功能安全機制 五、海思 (華為) – 自2013年起，包括含有神經處理單元（NPU）的新型麒麟970移動AI處理器 六、Cambricon (寒武紀)– 含有多個處理單元的神經網絡處理器 七、Dream Chip Technologies – ADAS圖像傳感器處理器，其中含有多個數字信號處理器（DSP）和單指令多數據（SIMD）硬件加速器 八、Nextchip –含有多個處理器的視覺 ADAS系統芯片 九、Intellifusion(云天勵飛) – 機器學習視覺智能，其中含有多個異構片上硬件引擎 除了上述九家客戶已經公開宣布之外，還有六家公司也在使用ArterisIP的產品來實現新的AI和機器學習硬件架構。這六家公司是： 兩家針對自主駕駛的主要半導體和系統供應商 一家針對消費電子的主要半導體供應商 一家主要的自主飛行器供應商 一家在新型汽車傳感器技術方面領先的公司 一家在數據中心分析領域從事創新的公司 所有這些在創新方面領先的公司所設計的系統芯片，都用了多個異構處理元件來加速機器學習和神經網絡算法。每種系統芯片的片上互連都是針對具體的任務而配置的，各種系統芯片的架構，都是在這個基礎上，根據目標市場的需要專門設計的。這些公司之所以都批淮使用ArterisIP互連技術，是因為： 它簡化了這些不同處理引擎在芯片上的整合，同時設計團隊可以精細調整電源管理和服務質量（QoS）特性，例如路徑延遲和帶寬； 它支持系統中關鍵部分的緩存一致性，從而簡化了軟件開發并且支持定制的數據流處理。因而系統能夠在共享高速緩存中重復使用數據并利用本地累加功能，從而減少裸片面積并增大內存帶寬，同時減少處理延遲和功耗； 保護傳輸中的數據和靜止數據，從而提高功能安全性診斷的覆蓋率，這樣大型超級計算機系統芯片能夠達到汽車ISO 26262規范的嚴格要求。 ArterisIP技術總監Ty Garibay說：“要在商業上可行的系統中有效地實現機器學習和可視化計算，硬件團隊需要使用多種類型的硬件加速器來加速神經網絡功能，而加速器的類型和數量則根據性能、功耗、面積及成本方面的要求。＂他表示， “ArterisIP的技術為這些團隊提供了將這些處理元件快速有效地整合到系統中的方法，確保他們能夠滿足進度安排和功能安全的要求。” ArterisIP總裁兼行政總監K. Charles Janac說：“機器學習已經成為我們高級互連IP的‘殺手锏＇，它所需要的服務質量（QoS）、功耗和性能，與FlexNoC和Ncore互連所提供的功能是完全一致的。 ”他表示，“我們的團隊很高興能夠在推動新一代神經網絡、機器學習和人工智能芯片方面起到關鍵的作用。” 關于講演文稿的下載 有關的更多信息，請下載標題為《使用片上互連IP實現機器學習和神經網絡芯片架構》（Implementing Machine Learning and Neural Network Chip Architectures using Network-on-Chip Interconnect IP）的講演文稿。 |
