各大公司競相將各種芯片架構(gòu)作為將AI推向邊緣的首選武器。
隨著機(jī)器學(xué)習(xí)應(yīng)用開始出現(xiàn)在終端設(shè)備和物聯(lián)網(wǎng)網(wǎng)絡(luò)邊緣，實(shí)現(xiàn)AI的加速器可能看起來更像FPGA和SoC模組，而不是英特爾和英偉達(dá)目前的數(shù)據(jù)中心綁定芯片（data-center-bound chip）。
人工智能和機(jī)器學(xué)習(xí)需要功能強(qiáng)大的芯片來從大數(shù)據(jù)集中計(jì)算答案。大多數(shù)AI芯片——包括訓(xùn)練和推理——都是為數(shù)據(jù)中心開發(fā)的。然而，這種趨勢很快就會改變。其中很大一部分處理將發(fā)生在邊緣，即網(wǎng)絡(luò)的邊緣或傳感器和傳感器陣列的內(nèi)部或附近。
幾乎可以肯定，訓(xùn)練將留在云端，因?yàn)閷τ谶@一大塊資源的最有效產(chǎn)品是英偉達(dá)的GPU，它主導(dǎo)著這一部分市場。盡管數(shù)據(jù)中心可能會承擔(dān)包含大量數(shù)據(jù)集的訓(xùn)練部分，但推理可能最終會交給邊緣。市場預(yù)測似乎同意這一點(diǎn)。
Tractica公司研究主管、邊緣設(shè)備AI報(bào)告的作者Aditya Kaul說：“推理硬件市場是一個(gè)新市場，但變化迅速。數(shù)據(jù)中心有一些機(jī)會，并將繼續(xù)存在。基于云的數(shù)據(jù)中心AI芯片市場將繼續(xù)增長。但是推理處于邊緣，這里開始變得引人注目。至少有70家專業(yè)人工智能公司正在研究某種與芯片相關(guān)的人工智能技術(shù)。”
Kaul說：“在邊緣，智能手機(jī)、機(jī)器人、無人機(jī)、相機(jī)、安全攝像頭等所有需要AI處理的設(shè)備都將成為未來的熱點(diǎn)。”
圖1：按市場領(lǐng)域劃分的深度學(xué)習(xí)芯片組收入。 （來源：Tractica）
到2025年，基于云的AI芯片組將帶來146億美元的收入，而基于邊緣的AI芯片組將帶來516億美元的收入，是數(shù)據(jù)中心的3.5倍，邊緣AI芯片組主要由手機(jī)、智能音箱、無人機(jī)、AR/VR耳機(jī)，以及其他所有需要AI處理的設(shè)備組成。
雖然英偉達(dá)和英特爾現(xiàn)在可能主導(dǎo)基于數(shù)據(jù)中心的機(jī)器學(xué)習(xí)應(yīng)用的市場，誰將占據(jù)遠(yuǎn)離數(shù)據(jù)中心的邊緣計(jì)算AI市場？那些芯片會是什么樣子？
AI邊緣芯片需要做什么
根據(jù)Semico Research公司ASIC和SoC分析師Rich Wawrzyniak所言，邊緣計(jì)算、物聯(lián)網(wǎng)和消費(fèi)終端設(shè)備將需要以相對較低的功耗、價(jià)格和較小芯片尺寸進(jìn)行高性能推理處理。這很困難，特別是因?yàn)檫吘壴O(shè)備處理的大多數(shù)數(shù)據(jù)是龐大的視頻和音頻數(shù)據(jù)。
Wawrzyniak說：“數(shù)據(jù)很多，但如果你有監(jiān)控?cái)z像頭，它必須能夠?qū)崟r(shí)識別出壞人，而不是把一張照片發(fā)送到云端，然后等著看有沒有人認(rèn)出他。”
圖2 （來源：Barclays Research于2018年5月的報(bào)告，由Xilinx提供）
將ML級別的智能添加到邊緣設(shè)備的一些愿望來自于需要將這些設(shè)備上的數(shù)據(jù)保密，或者降低將數(shù)據(jù)發(fā)送到云端的成本。然而，大部分需求來自那些希望設(shè)備位于邊緣計(jì)算設(shè)施或掌握在客戶手中的客戶，他們不希望設(shè)備簡單地收集數(shù)據(jù)并定期將其發(fā)送到云端，以便他們可以直接與公司自己的數(shù)據(jù)或其他客戶和路人進(jìn)行實(shí)時(shí)交互。
NXP半導(dǎo)體AI技術(shù)主管Markus Levy表示：“客戶意識到，他們不想把大量處理工作轉(zhuǎn)移到云端，因此他們認(rèn)為邊緣是真正的目標(biāo)。既然你可以在邊緣實(shí)現(xiàn)AI，你就可以把物聯(lián)網(wǎng)變成真正具有能力的東西。我們看到消費(fèi)者物聯(lián)網(wǎng)、工業(yè)物聯(lián)網(wǎng)以及嵌入式的增長非常快，這是我們最大的增長領(lǐng)域。”
據(jù)IDC分析師Shane Rau稱，今年接受IDC調(diào)查的商業(yè)技術(shù)客戶表示，他們確定會把機(jī)器學(xué)習(xí)轉(zhuǎn)移到邊緣設(shè)備上，主要是汽車、智能家居、視頻監(jiān)控?cái)z像頭和智能手機(jī)。該公司的客戶調(diào)查將這四種設(shè)備列為ML的候選設(shè)備。
邊緣AI架構(gòu)發(fā)展趨勢
邊緣計(jì)算的需求范圍可能包括數(shù)億計(jì)的工業(yè)和消費(fèi)設(shè)備，因此任何單一的架構(gòu)都不太可能滿足所有這些需求。
NXP的Levy表示：在微控制器和相對低端的芯片上運(yùn)行推理模型是可以的，但大多數(shù)機(jī)器學(xué)習(xí)功能需要從基于FPGA、ASIC和其他SoC配置的一長串可選CPU附加項(xiàng)，以及GPU和CPU的組合，有時(shí)還需要由Google的TPU等特殊用途的ASIC來增強(qiáng)。
大部分的增強(qiáng)都是以加速器的形式出現(xiàn)的。這些FPGA、SoC、ASIC和其他專用芯片旨在幫助資源受限的基于x86的設(shè)備通過一層接一層的分析標(biāo)準(zhǔn)處理大量圖像或音頻數(shù)據(jù)，因此app可以正確地計(jì)算和加權(quán)每個(gè)數(shù)據(jù)的值。
英特爾和英偉達(dá)已經(jīng)向邊緣AI市場發(fā)起沖擊。Kaul說，像英偉達(dá)的Jetson這樣的產(chǎn)品并不能令人信服。Jetson是一個(gè)GPU模塊平臺，具有7.5W的功率預(yù)算，只有英偉達(dá)更典型產(chǎn)品的70W功率的一小部分，但對于一般不超過5W的邊緣應(yīng)用來說還是太高了。
Levy說：“有很多IP公司正在為神經(jīng)網(wǎng)絡(luò)尋求加速，因此有足夠的選擇使加速器開始成為邊緣設(shè)備推理的需求。”
圖3：按類別劃分的AI邊緣設(shè)備出貨量。（來源：Tractica）
但是，要想在潛在的億萬個(gè)設(shè)備上添加ML加速和支持，將需要更多的可定制性、更低的成本，以及更專門針對資源受限設(shè)備上ML應(yīng)用需求的規(guī)范——這意味著，如果要取得成功，整個(gè)市場將需要更好的處理器。
神經(jīng)推理需要數(shù)萬億次乘法累加運(yùn)算，因?yàn)槟Ｐ蛷钠涔骄仃嚨囊粚犹崛?shù)據(jù)，盡管每一層可能需要不同的數(shù)據(jù)大小，而且其中一些設(shè)備可能在輸入設(shè)置為8位整數(shù)而不是16位整數(shù)時(shí)運(yùn)行得更快。
Flex Logix聯(lián)合創(chuàng)始人兼首席執(zhí)行官Geoff Tate表示：“為了在數(shù)據(jù)中心獲得良好的吞吐量，大多數(shù)架構(gòu)依賴于必須使用相同的權(quán)重集來創(chuàng)建批處理的數(shù)十或數(shù)百個(gè)任務(wù)。如果你有28張圖片，你加載圖片，加載第一階段的權(quán)重，對第一階段做數(shù)學(xué)運(yùn)算，保存結(jié)果，然后加載第二階段的權(quán)重。通過在每一層上完成所有28個(gè)批次，你可以將權(quán)重加載時(shí)間縮減到一次只加載一個(gè)的1/28。如果加載和管理權(quán)重是你不擅長的，那么你可以通過批處理來解決它。這就是為什么你會看到基準(zhǔn)測試顯示第28批的運(yùn)行效率低于第1批。如果加載權(quán)重的速度很慢，則難以擴(kuò)展。但在數(shù)據(jù)中心之外的任何地方都必須這樣做。如果你有監(jiān)控?cái)z像頭，則必須在圖像傳入時(shí)對其進(jìn)行處理，以便批大小始終等于1。如果你在測量性能，則數(shù)據(jù)中心外的批大小始終等于1。”
Flex Logix開發(fā)的神經(jīng)網(wǎng)絡(luò)引擎可以避免批處理問題。Tate說：“因?yàn)槲覀兗虞d權(quán)重的速度非常快，所以我們不需要進(jìn)行批處理，我們的性能在第1批和第28批時(shí)相同，這在邊緣應(yīng)用中非常重要。”
推理硬件方面的兩項(xiàng)新工作
Xilinx試圖利用其在FPGA和系統(tǒng)級設(shè)計(jì)方面的經(jīng)驗(yàn)，推出新的產(chǎn)品系列和路線圖，以滿足盡可能多的邊緣/設(shè)備市場的需求。
Xilinx在去年春天討論了這個(gè)想法，但直到10月才正式宣布，該公司描述了一個(gè)自適應(yīng)計(jì)算加速平臺，該平臺“利用CPU、GPU和FPGA的力量來加速一切應(yīng)用”。
Xilinx的演示描述了一個(gè)廣泛的產(chǎn)品線、使用案例列表和有關(guān)其AI引擎核心的詳細(xì)信息，其目標(biāo)是提供比傳統(tǒng)方法的單位芯片面積高出3~8倍的性能，并提供高性能DSP能力。
與此同時(shí)，F(xiàn)lex Logix創(chuàng)建了一個(gè)使用低DRAM帶寬的可重構(gòu)神經(jīng)加速器。芯片的面積和功率的目標(biāo)規(guī)格將在明年上半年完成，并在下半年流片。推理引擎將充當(dāng)CPU，而不僅僅是一個(gè)更大，更漂亮的加速器。它提供了模塊化、可擴(kuò)展的架構(gòu)，旨在通過減少移動數(shù)據(jù)的需要以及通過改進(jìn)數(shù)據(jù)和矩陣計(jì)算的加載方式來減少瓶頸，從而降低移動數(shù)據(jù)的時(shí)間和精力成本。
該芯片將DRAM專用于單個(gè)處理器塊，而不是將其作為一個(gè)大內(nèi)存池進(jìn)行管理。DRAM不能同時(shí)將數(shù)據(jù)饋送到芯片的多個(gè)部分。Tate說：“將DRAM作為流入一個(gè)處理器塊的大內(nèi)存池處理，這是范諾依曼架構(gòu)的典型特征，但它不會成為神經(jīng)網(wǎng)絡(luò)的成功架構(gòu)。”
早期
Wawrzyniak表示，Xilinx，F(xiàn)lex Logix和其他公司蜂擁到了一個(gè)仍處于發(fā)展中的邊緣推理市場，顯示出市場和SoC、FPGA制造商提供良好技術(shù)以應(yīng)對它們的能力的廣泛信心，但這并不能保證他們能夠克服安全、隱私、現(xiàn)狀的慣性和其他無形的問題。同樣，F(xiàn)PGA、ASIC和SoC加速M(fèi)L的市場仍處于起步階段。
Linley Group的Linley GwenNap表示，當(dāng)一個(gè)新市場發(fā)展起來時(shí)，看到許多新的參與者和新方法是正常的。FPGA和ASIC供應(yīng)商也在其中，因?yàn)檫@些技術(shù)使一家知道自己在做什么的公司能夠快速生產(chǎn)出合理的產(chǎn)品。不過，標(biāo)準(zhǔn)最終將在一兩年內(nèi)回歸，這將穩(wěn)定所涉及的參與者的數(shù)量和專長，并確保與其他市場的互通性。