人工智能終端應用的可能性無限，舉凡智能型手機、汽車、照明等，都有機會成為所謂的邊緣運算裝置。 但在過去，運算處理器是在數據中心有較為明顯的需求。 目前邊緣運算此一產業走向的大逆轉，已可從各芯片供貨商，如GPU、CPU等，以及硅智財(IP)授權商紛紛針對人工智能展開布局，推出各自處理器縮小化的解決方案，明顯可見一斑。
隨著人工智能的發展，有越來越多應用產品開始在終端上進行實時運算，也就是所謂的邊緣運算。 不過，目前的處理器核心對許多終端裝置來說，功耗仍嫌偏高。
AIoT浪潮興起 小型處理器核心滿足邊緣運算需求
索思未來(Socionext)戰略銷售組銷售部銷售項目總監張育豪(圖1)表示，目前市場上主流的CPU或GPU核心規模很大，雖然運算效能很強，但功耗也高，而且不易針對應用進行客制化設計。 有鑒于此，Socionext采取用小型核心堆棧的設計架構，其好處在于從云到端都可以采用同樣的處理器核心，且也較容易針對個別應用進行客制化，例如將CPU核心跟圖像處理核心(VPU)整合在單芯片上。
圖1 Socionext戰略銷售組銷售部銷售項目總監張育豪表示，VPU在圖像處理的功耗/性能比，遠勝過CPU跟GPU
張育豪觀察，目前的人工智能應用大多與影像相關，但不管是CPU或GPU，在進行影像運算時，功耗/性能比都不盡理想。 這是因為CPU跟GPU原本就不是為了處理影像而設計的芯片。 CPU的強項在于進行數據運算，而GPU則適合用來進行3D繪圖處理。 因此，用CPU或GPU來進行影像分析，其實效率不是太好。 相較之下，專門為處理影像而設計的VPU，在圖像處理的功耗/性能比方面，是遠勝過CPU跟GPU的。
舉例來說，用CPU來對4K影像進行處理跟分析，功耗預算大概是230瓦左右；若用GPU來進行，功耗更可達到400?500瓦。 但如果是用Socionext的解決方案，一顆核心的功耗只有5瓦左右，就算串聯多顆核心，也會比CPU或GPU來得省電許多。 因此，張育豪認為，在人工智能進駐各類終端裝置的趨勢下，如果是與影像分析有關的人工智能應用，VPU將有非常大的發展潛力。 Socionext本身擁有業界領先的VPU技術，更是目前市場上唯一已經有8K圖像處理芯片的芯片業者。
不管是針對大規模數據中心，或是在各種終端裝置上直接進行邊緣運算，功耗都是非常關鍵的考慮。 功耗越高，則系統的散熱設計也越昂貴，不僅會增加終端裝置的生產制造成本，也會增加系統擁有者的總體持有成本(TCO)。
以數據中心為例，冷卻系統的電費是相當可觀的，如果處理器能更省電，空調冷卻的電費也可以隨之降低。 其他形形色色的終端裝置也一樣，當芯片的功耗太高時，就得采用更大的散熱片，甚至用風扇來散熱，這些都會造成產品的生產成本跟總體持有成本增加。
單一叢集配置更彈性 DynamIQ推升大小核效率
針對小型處理器需求的增加，安謀國際(ARM)日前在處理器架構上，也宣布了大幅度調整，也就是DynamIQ技術。 DynamIQ達成了上一代big.LITTLE架構在單一運算叢集上無法實現的大小核彈性配置，對異質運算及人工智能這類應用帶來相當明顯的效率提升。 其將作為未來ARM Cortex-A系列處理器的基礎，亦同時代表了業界在多核處理程序設計上的新紀元。
ARM行動通訊暨數字家庭市場資深營銷經理林修平(圖2)表示，DynamIQ可以說是ARM big. LITTLE的第二代硬件架構，其最主要的特點在于其可以在同一個叢集(Cluster)中同時擺放大小核，且電源(Power)與頻率(Clock)都可以單獨作管理。 在第一代的大小核架構中，一個叢集只能擺放大核或小核，因此在執行轉換任務時，必須經過快取(Cache)轉換。 但在DynamIQ中，由于所有任務都將能在同個叢集中運作，在任務切換上，便會相對迅速很多。
圖2 ARM行動通訊暨數字家庭市場資深營銷經理林修平表示，DynamIQ技術可在同一個叢集中同時擺放大小核
林修平指出，由于人工智能所需要的運算量很大，同時需要很多矩陣乘法，透過DynamIQ的架構，將能做1+3、1+7、2+2+4等設計配置。 在過去的big. LITTLE架構中，由于一個叢集最多即是4核(大核(Big)4核，小核(LITTLE)4核)，是沒有辦法做到1+7的。 DynamIQ所帶來的多元變化SoC設計配置，將能幫助應用達到CPU優化，進而讓效能與功耗能更往上提升。
DynamIQ的頻率可以單獨管理，也將帶來很大好處。 第一代的大小核，在同一個叢集當中，頻率是統一的，但DynamIQ可以讓同一叢集中的不同核心，依據運算需求在不同的頻率下運作。
此外，林修平也表示，DynamIQ還可連接外部的硬件加速器。 以人工智能來說，不同應用會有不同的軟硬件加速需求，例如加速器、DSP、CPU、GPU等，像是在高階智能型手機上，可能會放置加速器，來使其表現度達到最好、功耗達到最低，不過這也會增加集成電路的成本。 因此，若是比較大眾化的產品，則可能會利用系統上現有的CPU、GPU，來滿足人工智能的需要。
GPU模型推論效能升級 邊緣運算裝置AI能力更強大
然而，隨著各種邊緣運算裝置上所內建的人工智能(AI)能力變得更加強大，GPU模型的推論效能也必須隨之提升。 輝達(NVIDIA)旗下軟件目前已可協助客戶做8位與16位的神經網絡運算優化，不僅讓GPU模型的推論(Inference)更形完善，同時對硬件資源的需求也明顯降低，只需要一小塊電路板就能支持AI算法。
針對邊緣運算日益漸增的需求，NVIDIA近期推出了新款開發板Jetson TX2，將整套人工智能系統縮小在一塊電路板之上，為商用無人機、工業機械、智能型攝影設備等領域，提供進階的導航、影像與語音識別功能。 相較前一代產品Jetson TX1，Jetson TX2的效能提升了兩倍，耗電量則不到7.5瓦，能源效率提升了兩倍多。 這讓Jetson TX2可在終端裝置上運行更大、更深的神經網絡，進而開發出更高智能化的裝置，并提升影像分類、導航以及語音識別等作業的精準度與反應速度。
NVIDIA技術營銷經理蘇家興(圖3)表示，對于訓練好的模型，NVIDIA也提供Tense RT軟件來協助客戶做模型優化、縮小化，其支持整數8位與浮點數16位的運算。 目前的主流是以32位的運算去做訓練，該16位運算也就減少了一半，增加了一倍的效能，8位則增加了四倍的效能，因此在模型推論上能運作的更好。
圖3 NVIDIA技術營銷經理蘇家興表示，以往在多GPU運算時，受限于PCIe的帶寬問題，HGX-1搭載了NVIDIA的8張GP 100的GPU，因此當深度學習在做訓練時，規模效果是相當好的
AI算法日新月異 FPGA靈活特性優勢顯著
即便目前人工智能(AI)算法日新月異，對嵌入式處理器的靈活性帶來許多挑戰，這卻也讓以靈活彈性著稱的現場可編程門陣列(FPGA)組件有了很大的發揮空間。
賽靈思ISM營銷資深技術經理羅霖(圖4)表示，由于人工智能目前還處于發展階段，算法日新月異，目前還沒有一個算法可以固定下來，這為特殊應用集成電路(ASIC)的設計帶來很大挑戰，因客戶往往需要的是十分靈活的架構。
圖4 賽靈思ISM營銷資深技術經理羅霖表示，在賽靈思旗下的芯片產品中，有許多并行運算資源，很適合用于計算量、吞吐量大的卷積運算
有鑒于此，賽靈思推出reVISION堆棧技術，其具備了可重組以及所有形式鏈接的特性，讓開發者能充分運用堆棧技術，快速研發與部署升級方案，這樣的特性對于開發未來需求的智能視覺系統是至關重要的的。 不僅如此，該技術也使開發者在結合機器學習、計算機視覺、傳感器融合與連接的應用時，能夠獲得顯著優勢。 舉例而言，相較于其他嵌入式GPU與傳統SoC，reVISION將機器學習推論的每秒每瓦影像效能，提升了6倍、計算機視覺每秒每瓦每幀處理速度提升了42倍，而延遲卻只有五分之一。
羅霖分析，相較于同等級GPU技術，FPGA在低延遲(Low Latency)的部分，本身就與傳統的架構不同，傳統架構是將收集到的數據送到DDR內存中進行緩存，處理器要再從DDR中取出數據進行運算，運算完成后再送回DDR。 但FPGA則是采用像素流(Stream)的方式，直接可以到模擬進行運算，運算完成后，輸出結果即可，由于省去了存取DDR的時間，因此可以延遲可以降到非常低。
從算法的層面來看，人工智能含有許多智能決策的部分，因此需要有很強的平行運算能力。 這些算法進而對處理器結構產生了不同的需求，像是在神經網絡中，卷積運算強調的是平行運算，適合在FPGA上運行，但在傳感器融合的部分，則比較適合在CPU上運行，因其必須將硬件進行分割，再將不同的算法，放到處理器中。
羅霖指出，在脫機的神經網絡訓練部分，GPU的確是比較有優勢的，由于其要求的浮點運算性能特別高，因此不少深度學習都是采用GPU，而賽靈思的立場是不會以FPGA去進攻這塊市場，不過若是以在線的任務來看，FPGA還是很有優勢的。 目前邊緣運算對嵌入式處理器的要求除了傳感器的接口要夠多，組件的I/O型態也十分多變，可能是高速率、中速率或低速率，這些處理器都要能支持，且在線處理的能力也相當關鍵。
蘇家興則表示，無論是軟件還是硬件公司，都須要對訓練好的深度學習模型進行優化，除了邊緣設備會采用縮小化的模型，在服務器與數據中心端，也會有某些情境需要采用這些優化過的模型去做推論。 舉例而言，Facebook、百度在做語音識別的推論時，若能透過優化的模型讓運作更快，勢必能讓消耗的功耗越少。
不過，并不是所有的應用都適合做前端邊緣運算。 以AlphaGo來看，其是以32臺服務器在做運算，因AlphaGo運算量非常大，所以就不太可能進行邊緣運算，因1臺服務器與32臺服務器運算的精準度，絕對是有差異的。 若以語音識別來看，即便可以同時采用在線與脫機的方式進行，但精準度也勢必會有落差。
蘇家興指出，應用開發商須盡快分辨出哪些運算任務適合采用邊緣運算，哪些部分還是得留在服務器端執行。 舉例來說，當無人機飛到有些沒有網絡的地方，便必須運用邊緣運算，設計出可承載范圍內的推論。 NVIDIA相信，未來數據中心與邊緣運算將會并存，但在瞄準的應用上必定會有所不同。
用DSP驅動CNN引擎邊緣運算效率大增
除了GPU、CPU、FPGA，以DSP架構驅動的卷積神經網絡(Convolutional Neural Network, CNN)引擎，在成本與功耗上也相當具優勢。
全球DSP主要供貨商CEVA認為，若要在嵌入式系統中實現CNN，DSP甚至能取代GPU和CPU，因CNN在本質上，就十分適合運用DSP。 此外，CEVA也推出CDNN網絡產生器，協助將訓練完成的網絡，配置到邊緣運算裝置中，同時為市場提供更形完善的低功耗嵌入式解決方案。
CEVA汽車市場部門總監Jeff VanWashenova(圖5)表示，DSP能有效地達成CNN，是因為DSP的架構能夠實現平行處理，且其為可充分運用的核心。 相較GPU只能達到40?50%的使用率，DSP可以達到90%以上的核心使用率。
圖5 CEVA汽車市場部門總監
Jeff VanWashenova表示，隨著人工智能將導入在手機中，神經網絡處理的功耗與效率，變得更為重要。
VanWashenova進一步表示，與典型的混合式CPU/GPU的處理架構方案相比，建基于DSP架構的CNN引擎，能提供高達近三倍的性能。 而且，DSP引擎除了所需功耗比GPU小30倍之外，所需的內存帶寬，也只有約GPU的五分之一。 CNN算法，屬于乘法和加法密集型(Multiply-accumulate, MAC)，因此本質上十分適合運用DSP。 也就是說，若要在嵌入式系統中實現CNN，DSP不僅能夠取代GPU和CPU，而且成本和功耗更低。
VanWashenova指出，當神經網絡配置到現場進行「推斷」時，CEVA擁有的優勢便可充分發揮，這些優勢不僅展現在處理方面，還在于可采用現有的網絡，并可在嵌入式DSP上運行。
VanWashenova分析，在神經網絡的訓練過程中，是在大型運算平臺上完成，并具有32位浮點精度。 然而，訓練完成的網絡，對于低功耗嵌入式解決方案來說通常太大，因此可運用CEVA的CDNN網絡產生器，將網絡轉換成16位定點，縮小并優化網絡規模。
這也是目前CEVA客戶經常面臨的問題，就是如何把一些在GPU這樣大型且昂貴的運算器平臺上所開發的網絡，進行實際配置。 因為在大規模部署的產品中，功率、尺寸和效能都有所限制，與大型運算平臺并不相同。
對AI而言，要求最嚴苛的領先市場就是汽車產業。 為了確保汽車應用的可靠性和性能，必須降低延遲，而且精度是至關重要的。 除此之外，汽車正在使用的攝影相機功能，從兩百萬像素(MP)到八百萬像素，幀率通常在30fps或更高。 且往往是多個攝影相機一起使用，并有多個并行處理同時地進行。
VanWashenova指出，CEVA目前正與許多領先的一級汽車供貨商和原始設備制造商合作，以確保透過硬件和軟件兩方面，皆能支持神經網絡和拓樸結構。 在硬件方面，CEVA提供視覺和神經網絡處理器和加速器(CEVA-XM、CDNN HWA)，而軟件方面則提供神經網絡軟件框架(CDNN2)。
人工智能這塊大餅究竟有多大，目前還無從確認，但從各大芯片供貨商在邊緣運算的充分布局看來，可以確定的是，目前邊緣裝置的開發進程，已經有了十分穩固的芯片處理基礎。
微信掃一掃
