最佳日常交易
最佳日常交易

关于Androidbob体育提现bob哪个彩靠谱权威的链接可能会使我们赢得佣金。学到更多。

为什么智能手机芯片突然在内,包括AI处理器?

智能手机芯片制造商越来越多地谈论其最新SOC中AI处理器技术的引入,但是为什么这种趋势如此之快?
经过
2017年9月30日
Kirin 970处理器。

如果虚拟助手是今年智能手机软件中的突破性技术,那么AI处理器肯定是硬件方面的等效物。

苹果公司因其新的AI“神经发动机”而称其为最新SOC为A11仿生。华为的最新消息基林970拥有专用的神经加工单元(NPU),并将即将到来的伴侣10作为“真正的AI手机“。三星的下一个Exynos Soc是有传言说是专门的AI芯片也。

高通实际上有领先于曲线自开放六边形DSP以来(数字信号处理器)在几代人之前,在其Snapdragon旗舰旗舰上涉及异质计算和神经网络SDK。英特尔,NVIDIA和其他人也都在开发自己的人工智能处理产品。比赛确实很好。

有一些充分的理由将这些额外的处理器包括在当今的智能手机Soc中。实时语音处理和图像识别的需求正在迅速增长。但是,像往常一样,有很多营销胡说八道,我们必须破译。

面部识别技术解释了
特征
华为P20上的面部识别软件徽标

AI脑芯片,真的吗?

公司希望我们相信他们已经开发了一个足够聪明的芯片,可以自己思考或可以模仿人脑的芯片,但即使是今天的尖端实验室项目不太接近。在商业智能手机中,这个想法简直是幻想。现实有点无聊。这些新的处理器设计只是使软件任务(例如机器学习)更有效。

这些新的处理器设计只是使软件任务(例如机器学习)更有效。

值得区分的人工智能和机器学习之间存在重要的区别。AI是一个非常广泛的概念,用于描述可以“像人类一样思考”或具有某种形式的人造大脑具有与我们自己的能力相似的机器。

机器学习不是无关的,而仅封装旨在根据结果处理数据并做出决策的计算机程序,甚至可以从结果中学习以为未来的决策提供信息。

神经网络是计算机系统,旨在帮助机器学习应用程序通过数据进行分类,从而使计算机能够以类似于人类的方式对数据进行分类。这包括诸如在图片中挑选地标或识别汽车的品牌和颜色之类的过程。神经网络和机器学习很聪明,但绝对不是有吸引力的智能。

在谈论AI时,营销部门将更加普遍的说法与新的技术领域相关,这使得更难解释。这也是将自己与竞争对手区分开来同样的努力。无论哪种方式,所有这些公司的共同点都是,它们只是在其SOC中实施新组件,以提高我们现在与Smart或AI助手关联的任务的绩效和效率。这些改进主要涉及声音和图像识别,但也有其他用例。

新类型的计算

也许尚未回答的最大问题是:为什么公司突然将包括这些组件在内?他们的包容性使它更容易做到?为什么现在?

您可能已经注意到最近关于神经网络,,,,机器学习, 和异质计算。这些都与智能手机用户以及更广泛的领域的新兴用例有关。对于用户而言,这些技术正在帮助增强音频,图像和语音处理,人类活动预测,语言处理,加快数据库搜索结果以及增强数据加密等的新用户体验。

什么是机器学习?
消息

但是,尚未回答的问题之一是,计算这些结果是否最好在云中或设备上完成。尽管OEM或另一个说话更好,但它更有可能取决于所计算的确切任务。无论哪种方式,这些用例都需要一些新的且复杂的计算方法,当今的大多数64位CPU中的大多数都不特别适合处理。8和16位浮点数学,图案匹配,数据库/钥匙查找,位场操作和高度并行处理只是一些示例,这些示例可以在专用硬件上比通用CPU更快地完成。

为了适应这些新用例的增长,设计一种在这些类型的任务上更好的定制处理器更有意义,而不是在传统硬件上运行良好。这些芯片也肯定有未来证明的元素。尽早添加AI处理器将为开发人员提供一个可以针对新软件的基线。

效率是关键

值得注意的是,这些新芯片不仅仅是提供更多的计算能力。它们还建立在三个主要领域的效率:大小,计算和能源。

当今的高端SOCS包装有很多组件,从展示驱动程序到现代。这些零件必须适合小包装和有限的电力预算,而不会破坏银行(请参阅摩尔定律了解更多信息)。SOC设计师在引入新的神经网处理功能时也必须遵守这些规则。

智能手机SOC中的专用AI处理器围绕着一定的数学任务,围绕区域,计算和功率效率进行设计。

智能手机芯片设计师可能会建立更大,更强大的CPU内核,以更好地处理机器学习任务。但是,这将大大增加核心的大小,考虑到当今的八核设置,占据了相当大的模具尺寸,并使它们的生产更加昂贵。更不用说这也会大大提高其功率需求,这根本没有5W TDP智能手机的预算。

异构计算全部是为最适合其的任务分配最有效的处理器,而AI处理器,HPU或DSP都擅长于机器学习数学。

取而代之的是,设计自己的一个专用组件是更为精明的,可以非常有效地处理一组特定的任务。从处理器开发过程中,我们已经看到了很多次,从早期CPU的可选浮点单元到高通公司的高端SOC中的Hexagon DSP。多年来,由于计算功率与成本和功率效率的潮起潮落,DSP多年来一直在音频,汽车和其他市场中使用。移动空间中机器学习的低功率和重型数据处理要求现在有助于恢复需求。

专门用于复杂的数学和数据分类算法的额外处理器只会帮助设备更快地处理数字。

包起来

质疑公司对神经网络和AI处理器的刻画是否真的很准确,这并不愤世嫉俗。但是,添加专门用于复杂数学和数据分类算法的额外处理器只会帮助智能手机以及其他技术,更好的处理数字,并启用各种新的有用技术,从自动图像增强到更快的视频库搜索。

尽管公司可能会吹捧虚拟助手,并将AI处理器纳入您的手机更聪明,但我们几乎看不到智能手机内的真正智能。话虽如此,这些新技术与新兴的机器学习工具相结合将使我们的手机比以往任何时候都更有用,因此一定要观看此空间。