Reviewing Huawei and Honor's GPU Turbo update
 |
來源：安防展览网
隨著人工智慧的快速發展，對算力提出了更高的要求，傳統CPU已經難以滿足，人工智慧高性能並行計算的需求。雲端 AI 晶片的出現，解決了目前這一瓶頸問題。
相比於前端，後端設備更適合於更大規模的人工智慧的應用。由於後端設備的空間、能耗、環境等的限制相對較少，便於對更大規模的數據進行深度處理。
現階段各大安控監控廠商，也將人工智慧技術競爭的焦點集中於後端，紛紛推出新產品。如海康威視的「臉譜」系列人臉分析伺服器、大華的「睿智」影像伺服器、蘇州科達的Deep Engine 深度學習伺服器等。
另外，智慧化的後端設備，也能更好利用當前的非智慧前端設備，在無需大規模改造前端設備的條件下，實現安全監控系統的智慧化升級。
GPU 是目前主流的深度學習後端晶片方案。對比 CPU， GPU的更多核心和其並行處理架構，使其成為天然的圖形計算系統。利用 GPU 做圖形計算，可以做到比 CPU 計算 5 倍以上性能提升，價格降低 6 倍，功耗降低 10 倍，體積減少 20 倍。
對於安控企業而言，借助基於 GPU 開發的模組，既能夠滿足圖像處理要求，又適合於處理計算密度高、邏輯分支簡單的大規模數據並行負載，將會成為進行海量影像數據結構化處理的關鍵。
但 GPU 方案並非最優，已有基於 FPGA/ASIC 晶片的新嘗試。雖然伺服器端可，以佈置多塊 GPU，但多路影像解碼會對伺服器造成壓力，而這對 GPU 來說並不擅長。
且 GPU 實際上是利用相關成熟的技術，提供一種通用級的解決方法，來滿足深度學習的要求，缺乏針對專業應用解決方案，使得其能效受到限制。為此，各路晶片及安控廠商，在積極尋求更優化的方案。
目前已有廠商針對安全監控後端，推出了 GPU 的替代方案。2018 年 10 月份，對岸中國華為自研的雲端 AI 晶片昇騰系列，以達芬奇架構的華為昇騰 910。
在年底，華為又推出了以 ARM 的伺服器晶片「Hi1620」，採用台積電 7nm 工藝製造，在 ARM v8 架構的基礎上，華為自主設計了代號「TaiShan」(泰山)的核心，支持 48 核心、 64 核心 + 2.6/3.0GHz配置。百度發佈AI「崑崙」晶片，它是目前行業內運行速度快的智慧晶片。
 |
| http://www.arcran.com/tw/ |
成立於2016年的寒武紀，成立之初就發佈了一款，商用深度學習專用處理器，寒武紀 1A 處理器(Cambricon-1A)，並成為一個成功流片，並擁有成熟產品的 AI 晶片公司，擁有終端 AI 處理器 IP ，和雲端高性能 AI 晶片兩條產品線。
其中中科曙光與寒武紀合作，在新的人工智慧伺服器 Phaneron 中搭載寒武紀的深度學習 ASIC 晶片，在深度學習應用中，比傳統的 CPU/GPU 在性能、功耗，和晶片面積方面，均有較大優勢，有望在安全監控領域落地應用。
2017年，比特大陸推出其 AI 品牌 Sophon (算豐)，併發布其*代雲端 AI 晶片張量計算處理器 BM1680，適用於 CNN/RNN/DNN 的訓練和推理。
BM1680 單晶片能夠提供 2TFlops 單精度加速計算能力，單片由 64NPU 構成。2018年比特大陸發佈第二代算豐 AI 單片BM1682，計算力有大幅提升。同時，去年10月份比特大陸基於雲端單片 BM1682 ，還發佈了算豐智慧伺服器 SA3。
 |
| 台灣區電信工程工業同業公會 |
沒有留言:
張貼留言