神经网络用于智能工厂和机器人的机会与挑战
Imagination 关注应用人工智能（AI），特别是神经网络技术来应对智能工厂和机器人应用场景这一嵌入式系统新趋势。随着自动化程度的提高，对嵌入式系统的需求不断增加，过去微控制器（MCU）和基础处理器能够满足对嵌入式系统的需求，而现在整个世界正在发生变化。我们所处的世界正向着全自动化迈进，以实现更高的生产率和安全性，智能工厂、工业机器人、数字孪生等概念，以及软件定义环境，甚至“元宇宙”等来自科幻小说的概念，都变得越来越受关注。元宇宙环境首先是在软件中进行模拟，然后通过重新编程和优化来适配现实世界。通过利用远程训练，工厂车间中从传感器到最终组装和物流的工作流程可以由“会思考的机器”和越来越智能的系统来运行。这样可以优化生产率和安全性，但是也依赖于不断提升的神经网络计算能力。Imagination 设计用于AI 芯片的知识产权（IP），可以应对这些新挑战甚至更高的目标，因此对设计人员、开发人员和工程师而言，就不存在任何限制了。他们现在可以去实现自己的梦想。我们先进的GPU 设计具有虚拟化和并行编程功能，可在极小面积、极低延迟且节省功耗和带宽的情况下处理复杂的计算挑战。这些可扩展的设计可以将算力从Gigaflops（每秒10 亿次浮点运算）级别扩展至Teraflops（每秒万亿次浮点运算）级别，因此从注重面积效率的最小嵌入式系统到桌面和数据中心级别的各类需求，其皆可满足。随着AI 和万物互联趋势的发展，其中的每个设备都可以互相交流并实现智能化，我们的神经网络IP 旨在为嵌入式系统中的智能代理（intelligent agent）找到新的应用机会。这不仅适用于工厂内部的工业用途，也可以用于智慧城市、智慧医院、智慧办公室和智慧教育机构的一系列系统。它还可用于在仓库或配送中心搬运货物的托盘机器人的复杂运动控制。这些用途也可以从仓库机器人延伸至自动驾驶汽车的控制能力。
Imagination Technologies人工智能高级总监Andrew Grant
2 工程师或研发人员遇到的挑战
当前，先进的公司正在探索这些AI 场景，并设想它们在未来会需要什么。我们已经在自己的研发实验室中找到了答案，我们可以展示这些能力，它们正在被构建于现今的系统级芯片（SoC）中，并且未来将会被更多SoC 所采用。智慧工厂、智慧仓库、智慧工作场所、智慧城市等场景带来了许多当下需要规划和把握的机会。Imagination 全球领先的技术可以快速实现这些目标，同时降低风险、缩短上市时间并最大限度地发挥差异化的生产率优势。然而，对于工程师和开发人员来说，在前进的道路上仍有一些挑战和障碍，我们也可以一并帮他们克服和清除。首先，必须要看得更高、更远、更广，既要考虑现在的市场需要什么，也要考虑5 年后的市场需要什么。其次，我们创建了软件工具和离线工作流程，可以支持客户轻松转换自己的AI 模型并将它们轻松部署至节能的边缘设备上。无论使用哪种神经网络框架， 如PyTorch、Paddle Paddle 或Tensorflow，我们都可以帮助缩小模型尺寸，从而最小化硅面积并降低成本，同时实现数据中心的质量性能——针对部署在边缘的数据中心。我们的软件工具可以帮助将网络模型缩小至原来的1/2 到1/4；我们的神经网络加速器可以实现TOPS（每秒数万亿次运算）级别的算力，以提供最高的性能、低延迟和智能调度功能，所有这些可以在比针头还小的硅面积上实现。
3 Imagination的解决方案
Imagination 拥有一系列可扩展的IP，例如PowerVRGPU 这样的节能、高性能的计算单元，可用于工业和人工智能物联网（AIoT）应用场景。举例来说，其中的BXE 系列内核，可为人机界面（HMI）提供高像素填充率，还可以近乎线性扩展的方式实现高效扩展，以支持复杂的计算工作负载。我们的设计还包括全球领先且屡获殊荣的IMG 神经网络加速器（NNA）系列，可用于边缘AI 推理。这是一种可扩展的IP，其尺寸可以小于1 mm2，但性能足够强大，每秒可以运行多个推理，单核可达到10 TOPS 的性能，多核可扩展至更高的性能，在单位面积上实现性能的指数级增长。此外，我们拥有一系列软件工具和成熟的编译器，可以适配、调整和运行大多数的现代神经网络和AI 框架，以满足客户的特定应用场景。现在，如果工程师们有梦想，他们就可以实现它。
（本文来源于《电子产品世界》杂志2021年9月）
评论