邊緣AI架構正在不斷演進 多核心、三角架構與軟體值得關注
科技產業資訊室 (iKnow) - Gloria 發表於 2021年2月18日
圖、邊緣AI架構正在不斷演進 多核心、三角架構與軟體值得關注
以下，邊緣AI架構的現狀與改變！
首先，具有多核心的處理將改變微控制器和DSP市場的創新。長期以來，廠商已經在相同周邊裝置上重複使用相同的架構，來改進MCU與DSP。雖然在處理器市場，多核心已經成為必備的技術，但是在低成本的MCU和DSP中，其仍然是一種新的嘗試。使用較小的Cortex-M0或Cortex-M4架構而不是Cortex-M7來處理輸出入介面是有意義的。
因為AI改變了產業遊戲規則，並使多核心的MCU或 DSP變得有意義。擁有專用於機器學習的加速器可以立即將性能和功能提升幾個等級。此外，在感測器數據上執行AI，需要大量的訊號處理以進行去噪和特徵萃取（feature extraction）。使用專屬多核心DSP更具有相乘效果。
其次，透過三角架構成為重點。在邊緣機器學習方面，許多公司與機構進行了很多試驗和錯誤的實驗，進而逐步找出最有效的方式。儘管像神經形態結構和光子處理的實驗仍在繼續，但是有一種結構似乎在業內獲得了大多數參與者的認可。那就是將MCU，DSP和加速器混合在一起架構。
因為MCU負責過程編程，標準運算，網路和安全管理。DSP則加速感測器調節，降噪，具有時頻領域轉換的特徵萃取，以及傳統的機器學習。加速器則加速了深層神經網路的運行，例如：矩陣乘法，卷積（convolution），池化（Pooling）和激活函數。
現今，意法半導體，恩智浦，瑞薩，Synaptics和Eta Compute等所有領先廠商都在推出採用此類架構之AI為中心的裝置。儘管有些伺服器具有客製化的DSP和加速器，但不乏來自Arm，Cadence，Synopsys，CEVA和Imagination等IP供應商的IP核心。
最後，在循環中使用軟體進行設計。在三管齊下之雲端、系統與晶片下，軟體開發所帶來的靈活性和友好性變得很重要。例如：Cerebras和Grahcore通過其晶圓級加速器和IPU在伺服器端實現了這一目標。
軟體解決方案包括：應用程式，網路，安全性，IoT協議，遠程更新，用戶介面，感測器管理，訊號處理和決策邏輯等。對於解決方案架構師來說，軟體才能夠實現差異化，而非硬體。
根據Research Dive報告，2019年全球邊緣AI軟體市場價值為4.359億美元，預計到2027年將超過30.932億美元，年複合成長率為28.8%。
總之，邊緣AI架構仍在不斷轉變，2021年AI對於低功耗，低成本處理器，微控制器和DSP上的影響將最為明顯，而且軟體將扮演關鍵性角色。（745字）
參考資料：
The Edge: What Does It Mean For Artificial Intelligence? Forbes，2021/1/8
Researchers take a 3-pronged approach to Edge AI. Stacey On IoT, 2020/12/14
相關文章：
1. 邊緣AI應用仍集中於消費性市場，未來發展在邊緣與雲端之結合
2. 2025年邊緣AI晶片組將超越雲端AI晶片組市場規模
3. 邊緣AI晶片正進入架構創新且應用增加之新趨勢
4. SEMI：AI人工智慧和未來新興運算架構
5. AI處理器於2020年成長58%，未來幾年年複合成長率亦高達42%
--------------------------------------------------------------------------------------------------------------------------------------------
【聲明】
1.科技產業資訊室刊載此文不代表同意其說法或描述，僅為提供更多訊息，也不構成任何投資建議。
2.著作權所有，非經本網站書面授權同意不得將本文以任何形式修改、複製、儲存、傳播或轉載，本中心保留一切法律追訴權利。
|