AI應用需要怎樣的硬體加速? - 電子工程專輯
文章推薦指數: 80 %
對於人工智慧/機器學習應用,需要有高運算能力的運算單元、高效高速資料傳輸以及高儲存頻寬。
摩爾定律從2003年開始放緩。
為了延續性能倍增、功耗減半, ...
【下周直播】工業大數據即服務,以數據驅動製造業數位化轉型!
立即報名>>
登入
註冊
聯繫
首頁
新聞
TechRoom
產品新知
網通技術
電源技術
控制技術
可程式邏輯技術
處理器技術
感測器/MEMS技術
EDA/IP技術
光電技術
儲存技術
介面技術
無線技術
製造技術
放大/轉換技術
嵌入式系统
測試/量測技術
下載
線上研討會
小測驗
影音
視訊
onAir
申請中心
研討會與活動
EEAwardsAsia
雜誌
各期雜誌線上看
2022年2月雜誌
編輯計劃表
訂閱雜誌
X
首頁»市場脈動»AI應用需要怎樣的硬體加速?
AI應用需要怎樣的硬體加速?
作者:FranklinZhao,EDNChina
類別:市場脈動
2019-01-09
(0)評論
摩爾定律現已打破。
未來性能成長需要依賴架構上的改變,即需要利用可程式的硬體加速器來實現性能成長。
對於人工智慧/機器學習應用,需要有高運算能力的運算單元、高效高速資料傳輸以及高儲存頻寬。
摩爾定律從2003年開始放緩。
為了延續性能倍增、功耗減半,英特爾(Intel)CPU採用多核心來實現。
然而,到2015年以後,多核心也達不到了。
核心數每增加一倍,運算性能並不能成倍成長。
因此,業界需要尋找新的方法來實現延續,比如針對應用進行硬體加速。
人工智慧(AI)的硬體加速,如果想要做得好的話,需要具備三個條件:運算能力很強、資料傳輸高效、記憶體頻寬高。
業界衡量性能的指標包括性能功耗比和性能價格比。
硬體加速應用六大應用場景【白皮書免費下載】解密RF訊號鏈:特性和性能指標
日前,AchronixSemiconductor行銷副總裁SteveMensor指出,硬體加速應用有幾大類應用場景:
Achronix行銷副總裁SteveMensor
雲端加速。
涉及壓縮解壓縮、區塊鏈和安全等,需要很高的運算能力和功耗成本比。
邊緣運算。
很多應用由於需要低延遲,不允許將數據傳到資料中心處理,而需要在邊緣處理,並且需要低功耗。
儲存。
有些應用需要高效率,因而要求在記憶體中進行資料處理。
5G基礎設施。
5G網路中的BBU(基頻單元)和RRU(射頻遠端單元),其協定處理有很大不確定性,需要用FPGA來程式設計。
傳統的網路加速需要用FPGA,而現在網路中出現了新的智慧網卡,要求在發給伺服器之前進行加解密、壓縮解壓縮等各種處理。
自動駕駛。
涉及人工智慧、資料運算和感測器融合等,需要具有可程式設計性。
人工智慧/機器學習應用為何需要FPGA?
FPGA在人工智慧/機器學習(AI/ML)上扮演重要角色。
AI涵蓋各種應用和層面,工業、教育、政府、農業等各行各業都可以運用。
個人電腦在1980年到2000年成長很快。
從2000年開始(包括智慧型角手機的出現),無線網路成長更快。
而在未來,據估計,隨著5G的到來,AI的成長又將會更快。
據估計,在半導體業務方面,到2024年,AI將佔有約500億美元市場。
Mensor介紹,硬體加速從實現上看可以有幾種不同選擇:CPU、GPU、FPGA和ASIC。
CPU最有靈活性,能夠覆蓋各種不同應用,但它的能力(效率)最弱。
ASIC的成本、性能和功耗最好,但它不能改變。
目前AI演算法層出不窮,ASIC不能滿足各種要求。
可程式硬體加速的選擇(來源:AchronixSemiconductor)
若要同時具有可程式設計性和效率,則可以採用GPU和FPGA。
在功耗和效率上,FPGA比GPU更強。
尤其是在AI推理上,對於低精度場景,FPGA的性能功耗比比GPU大16倍。
Mensor補充說:「GPU更適合用在伺服器側,而FPGA則更適合用在邊緣側。
」FPGA適合做推理,GPU適合做訓練。
FPGA的優勢(來源:AchronixSemiconductor)
7nmeFPGA性能增強
日前,Acronix推出新的7nm架構IP——Speedcore7t,在功耗、性能和晶片尺寸(PPA)上均有改進。
從製程上看,7nm比16nm快60%。
同時,它針對AI/ML做了新的架構改進(第四代架構),對於AI/ML應用,性能比16nm成長3倍。
此外,相比16nm,其功耗降低50%,裸片面積減少2/3。
7nm相對16nm在架構上做了很大改變,例如演算邏單元(ALU)增加一倍,佈線佈局做了改善,並且針對AI/ML運算增加了新的模組(詳見下圖)。
ALU和MAX針對AI/ML更有效率,其他四個則適用於所有應用,他補充說。
從走線架構來看,相對於傳統架構,它增加了bus走線,這對很多應用都很有用,例如現在有的AI應用資料高達512位元。
Bus走線是在傳統走線之上,是另外一層,沒有佔用傳統LE(邏輯單元)和開關等等。
尤其是在AI/ML方面更有效率,Mensor指出。
下一代佈線結構(來源:AchronixSemiconductor)
除了bus走線以外,它還增加了busmux,例如4進1出(不固定,也可以是2或3個)。
AI/ML應用可能有幾個不同記憶體輸入,如果用傳統方法來做,則可能消耗很多LUT/LE資源以及佈線佈局資源。
而新的bus佈線則不會佔用到這些資源。
此外,其性能比傳統方法實現2倍成長。
…繼續閱讀請連結EDNTTaiwan網站
訂閱EETimesTaiwan電子報
加入我們官方帳號LINE@,最新消息一手掌握!
分享TwitterFacebookLinkedInPrintMoreRedditTumblrPinterestPocketTelegramWhatsAppSkype
Related
文章Tag:
人工智慧可程式邏輯技術運算
發表評論
取消回覆
YoumustRegisteror
Logintopostacomment.
訂閱EETimesTaiwan電子報
最新文章
最熱門文章
2022-03-11
美分析師:Nvidia被駭是國家災難
2022-03-11
技術再進化 SiC半導體2022年榮景可期
2022-03-11
A2B如何為汽車應用SOTA帶來變革
2022-03-11
「車輪上的資料中心」全球汽車調查結果
2022-03-11
裝置安全性將直接影響企業盈虧
2021-10-21
新標準讓嵌入式快閃記憶體元件更容易替換
2022-03-02
元件造假新套路:「木馬」嵌入FPGA或記憶體
2022-03-07
2025年Intel真有機會重回王座嗎?
2020-01-13
用AI幫你的廣告文案找靈感!
2019-07-03
從雲端走入凡間:「AIattheEdge」商機發酵中
2020-12-07
又是不怎麼智慧的智慧家庭設定…
2020-10-26
AiP技術為毫米波雷達帶來的演進與創新
2020-09-23
振興美國晶片製造業就對了?學者提異見
2020-08-12
H1-B簽證凍結 美科技業憂人才流失
2020-06-24
為何從不曾在高壓電線上看到鳥兒?
最新文章
GPU
2022-03-11
美分析師:Nvidia被駭是國家災難
MOSFET
2022-03-11
技術再進化 SiC半導體2022年榮景可期
ECU
2022-03-11
A2B如何為汽車應用SOTA帶來變革
5G天線
2022-03-11
「車輪上的資料中心」全球汽車調查結果
數位轉型
2022-03-11
裝置安全性將直接影響企業盈虧
最熱門文章
JEDEC
2021-10-21
新標準讓嵌入式快閃記憶體元件更容易替換
Counterfeitpart
2022-03-02
元件造假新套路:「木馬」嵌入FPGA或記憶體
Core處理器
2022-03-07
2025年Intel真有機會重回王座嗎?
CES
2020-01-13
用AI幫你的廣告文案找靈感!
EDA/IP技術
2019-07-03
從雲端走入凡間:「AIattheEdge」商機發酵中
EET電子工程專輯©2022本網站內之全部圖文,係屬於eMediaAsiaLtd所有,非經本公司同意不得將全部或部分內容轉載於任何形式之媒體
關於我們
隱私政策
用戶協議
繼續瀏覽網站
延伸文章資訊
- 1孔祥重教授人工智慧加速器(AI Accelerators) 短期課程招生中!
這些加速器正在拓展人工智慧應用,並重新定義計算平台,在此同時人工智慧加速器相關架構及軟硬體也持續快速演化改變中,相關研究與從業人士應該善用此一 ...
- 2高可擴充性之多通道人工智慧加速器架構- 技術探索
目前人工智慧加速器的架構一般由一個直接記憶體存取(Direct Memory Access, DMA)、總體緩衝器(Global Buffer, GLB)與多核心矩陣(Processing El...
- 3AI,AI人工智慧,AI加速器,AI運算,AI 超頻運算精靈,AI ... - 捷而思
讓一般的通用晶片即可在端點完成複雜的AI運算獨到的軟體架構,沒有專用的AI加速晶片也跑得動! 使用捷而思的軟體,用現有的行動設備就可以完成即時的AI運算不需要AI ...
- 4人工智能加速器 - Wikiwand
人工智能加速器(英語:AI accelerator)是一類專用於人工智能(特別是人工神經網絡、機器視覺、機器學習等)硬件加速的微處理器或計算系統。 ... 典型的應用包括機械人學、 ...
- 5AI應用需要怎樣的硬體加速? - 電子工程專輯
對於人工智慧/機器學習應用,需要有高運算能力的運算單元、高效高速資料傳輸以及高儲存頻寬。 摩爾定律從2003年開始放緩。為了延續性能倍增、功耗減半, ...