頭條楓林網
長按識別二維碼，報名2018十大突破技術全球直播首發
英國芯片廠商ARM推出了兩款最新處理器設計，帶著定制硬件加入了人工智能的戰場。 它承諾，將為研發機器學習設備的公司提供“革命性的計算能力”。
這些設計適用於ARM機器學習處理器，它能夠加速一般的人工智能程序，從機器翻譯到面部識別均可適用。 它還適用於ARM對象檢測處理器，這是專為處理可視數據，以及檢測人員和物品而優化的第二代設計。 對象檢測處理器將在本月底提供給商業客戶，而機器學習處理器將在今年年中推出。
ARM 官方表示， 這款處理器理論上在 1.5W 功率下可以超過 4.6TOP 的吞吐量，最高能達到 3TOP/W 。 ML 處理器可以作為一個完全專用的獨立 IP 模塊，它有自己的 ACE-Lite 接口，可以集成到 SoC 中，也可以集成到 DynamiQ 集群中。 這就意味著吞吐量高低並不是其性能的直接表現形式，只能作為一種參考。
圖丨對象檢測處理器
除此之外，ARM的機器學習處理器還搭載了最新的對象檢測處理器。 這是一種針對物體檢測進行優化的傳統視覺處理器，雖然機器學習處理器可以通過神經網絡完成相同的任務，但OD處理器（Object Detection Processor）在面對特定問題時效率更高， 因此ARM方面仍選擇搭載此配置。
ARM的機器學習副總裁Jem Davies表示：“這些都是全新設計，不是基於現有的CPU或GPU架構。”
與所有的ARM芯片一樣，ARM不會自己製造處理器，而是將設計授權給第三方製造商。 過去，ARM的客戶包括Broadcom等芯片製造商，還包括像蘋果這樣的硬件公司，他們會為了自己的設備調整ARM的（芯片）設計。 機器學習處理器將主要吸引平板電腦和智能手機製造商的興趣，而對象檢測處理器可能被用於更廣泛的用途，從智能安防攝像機到無人機。
Davies表示，有許多對“機器學習芯片”感興趣的手機製造商，ARM已經與它們進行了會談，但不會透露任何具體的公司信息。 目前， 特製的人工智能處理器僅出現在高端設備上，例如蘋果iPhone X和華為Mate 10。 但是，Davies相信，隨著人工智能應用的普及，這些芯片將迅速成為各個價格區間設備的標準配置。
“通過與市場的對話，我們相信它的普及速度會非常非常快。”Davies表示。 “ 在中國，他們已經在談論從明年開始將其應用在入門級智能手機上。 ”
這些芯片設計不僅適用於智能手機，而且將有助於推動下一代物聯網（IoT）設備的發展。 和許多開發人工智能芯片的公司一樣，ARM對邊緣計算的重要性進行了大規模宣傳——這意味著要在設備上進行本地化運算，而不是將數據發回雲端計算。 這已經成為手機製造公司採用人工智能芯片的一個重要因素，因為相比雲計算，設備上的本地運算具有許多優勢。 首先本地運算更安全，因為數據無法在傳輸中被攔截。 其次它更快更可靠，因為用戶不必等待遠程服務器處理其數據。 最後，用戶和供應商的成本都較為低廉。
“ 谷歌表示， 如果每個用戶每天只用 3 分鐘的語音搜索，那麼他們將不得不加倍服務器數量 。 ”Davies 說。 隨著越來越多的智能設備開始運行計算量更大的人工智能程序， “ 網絡上將沒有足夠的可用帶寬，互聯網將會被破壞 ” 。 Davies 補充說，儘管目前的芯片設計是針對移動設備的，但是更廣泛的芯片架構可以擴展到服務器上的人工智能芯片。
Moor Insights & Strategy 首席分析師 PatrickMoorhead 表示， 面對繁重的計算任務，越來越多的公司開始從聘請分析師轉向研究機器學習，新的芯片設計對 ARM 來說意義重大。 不過，他認為這些芯片對移動行業的影響是有限的。 Moorhead 表示： “ 移動市場目前表現平穩，我認為這種新型技術將有助於推動消費者更新（升級他們的手機），但不會使智能手機銷量再次大規模增長。 ”
當然，ARM並不是唯一一家試圖通過優化芯片， 在人工智能領域弄潮的公司。 高通正在開發自己的人工智能平台，英特爾去年推出了一系列新的人工智能特製芯片，谷歌正在為其服務器研發機器學習芯片，並試圖在這動盪時期佔據優勢。 同時，像Graphcore這樣的雄心勃勃的創業公司也在進軍，並由風險投資推動，渴望顛覆現有的巨頭。
正如Davies所說的那樣，這是一個“時代性的變革”，幾乎影響世間一切，“包括所有需要計算的領域”。
-End-
編輯：Ren 校審：苗正
參考：https://www.theverge.com/2018/2/13/17007174/ai-chip-designs-arm-machine-learning-object-detection
