广告

为不同应用慎选AI硬体加速方案

从很多方面来看,AI加速热潮与1990年代末期和2000年代初的DSP淘金热很类似......与DSP协同处理器一样,AI加速器的目标是找到最快速、最节能的方法来执行所需的运算任务...

从云端的大数据(big data)处理到边缘端的关键字识别和影像分析,人工智慧(AI)应用的爆炸式成长促使专家们前仆后继地开发最佳架构,以加速机器学习(ML)演算法的处理。各式各样的新兴解决方案都凸显了设计人员在选择硬体平台之前,明确定义应用及其需求的重要性。gJ6esmc

从很多方面来看,AI加速热潮与1990年代末期和2000年代初的DSP淘金热很类似;在那个时候,随着有线和无线通讯起飞,市场上纷纷推出高性能DSP协同处理器(co-processor )以因应基频处理的挑战。与DSP协同处理器一样,AI加速器的目标是找到最快速、最节能的方法来执行所需的运算任务。gJ6esmc

神经网路处理背后的数学,涉及统计学、多元微积分(multivariable calculus)、线性代数、数值最佳化(numerical optimization)和机率等;虽然很复杂,也是高度可平行化的(parallelizable)。但事实上这是令人尴尬的可平行化──与分散式运算不同,在路径的输出被重组并产生输出结果之前,很容易被分解为没有分支(branches)或从属关系(dependencies)的平行路径。gJ6esmc

在各种神经网路演算法中,卷积神经网路(CNN)特别擅长物件识别类任务——也就是从影像中过滤筛选出感兴趣的物件。CNN以多维矩阵(multidimensional matrices)──即张量(tensor)──架构来理解资料,将超出第三个维度的每个维度都嵌入到子阵列中(如图1),每个添加的维度称为「阶」(order),因此,五阶张量会有五个维度。gJ6esmc

EDNT181005_AIhardware_NT31P1gJ6esmc

图1:CNN以张量架构摄取资料,也就是可被视觉化为3D立方体的数字矩阵(资料集);每个阵列中还有一个子阵列,该数字定义了CNN的深度。
(图片来源:Skymind)gJ6esmc

与数学相关度不高AI重点在于快速反覆运算

这种多维分层对于理解CNN所需之加速的本质很重要,卷积过程使用乘法在数学上将两个函数「卷绕」(roll)在一起,因此广泛使用乘加(multiply-accumulate,MAC )数学运算;举例来说,在物件识别中,一个函数是源影像,另一个函数是用来识别特征然后将其映射到特征空间的筛检程式(filter)。每个筛检程式都要多次执行这种「卷绕」,以识别影像中的不同特征,因此数学运算变得非常重复,且是令人尴尬(或令人愉悦)的可平行化。gJ6esmc

为此,某些AI加速器的设计采用多个独立的处理器核心(高达数百或上千个),与记忆体子系统一起整合在单晶片中,以减轻资料存取延迟并降低功耗。然而,由于业界已设计了绘图处理器(GPU)来对影像处理功能进行高度平行处理,因此它们对于AI所需的这种神经网路处理也可以实现很好的加速。AI应用的多样性和深度,特别是在语音控制、机器人、自动驾驶和大数据分析等方面,已经吸引了GPU供应商将重点转移到AI处理硬体加速的开发。gJ6esmc

然而AI硬体加速的问题,在于有如此多的资料,所需的准确性和回应时间又有如此大的差别,设计人员必须对于架构的选择非常讲究。例如资料中心是资料密集型的,其重点是尽可能快速处理资料,因此功耗并非特别敏感的因素——尽管能源效率有利于延长设备使用寿命,降低设施的整体能耗和冷却成本,这是合理的考量。百度的昆仑(Kunlun)处理器耗电量为100W,但运算性能达到260 TOPS,就是一款特别适合资料中心应用的处理器。gJ6esmc

接下来看另一个极端的案例。如关键字语音辨识这样的任务需要与云端连结,以使用自然语言识别来执行进一步的命令。现在这种任务在采用法国业者GreenWaves Technologies之GAP8处理器的电池供电边缘装置上就可以实现;该处理器是专为边缘应用设计,强调超低功耗。gJ6esmc

介于中间的应用,如自动驾驶车辆中的摄影机,则需要尽可能接近即时反应,以识别交通号志、其他车辆或行人,同时仍需要最小化功耗,特别是对于电动车来说;这种情况或许需要选择第三种方案。云端连结在此类应用中也很重要,如此才能即时更新所使用的模型和软体,以确保持续提高准确度、反应时间和效率。gJ6esmc

ASIC还不足以托付AI加速任务

正因为这是一个在软、硬体方面都迅速发展,需要在技术上持续更新的领域,并不建议将AI神经网路(NN)加速器整合到ASIC或是系统级封装(SiP)中——尽管这样的整合具有低功耗、占用空间小、成本低(大量时)和记忆体存取速度快等优点。加速器、模型和神经网路演算法的变动太大,其灵活性远超过指令导向(instruction-driven)方法,只有像Nvidia这种拥有先进技术、资金雄厚的玩家才能够负担得起不断在硬体,而在硬体上根据特定方法进行反覆运算。gJ6esmc

这种硬体加速器开发工作的一个很好的例子,就是Nvidia在其Tesla V100 GPU中增加了640个Tensor核心,每个核心在一个时脉周期内可以执行64次浮点(FP)融合乘加(fused-multiply-add,FMA)运算,可为训练和推理应用提供125 TFLOPS的运算性能。借助该架构,开发人员可以使用FP16和FP32累加的混合精度(mixed precision)进行深度学习训练,运算速度比Nvidia自家上一代Pascal架构高3倍。gJ6esmc

混合精度方法很重要,因为长期以来人们已经认识到,虽然高性能运算(HPC)需要使用32~256位元FP的精确运算,但深度神经网路(DNN)不需要这么高的精度;这是因为经常用于训练DNN的反向传播演算法(back-propagation algorithm)对误差具有很强的弹性,因此16位元半精度(FP16)对神经网路训练就足够了。gJ6esmc

此外,储存FP16资料比储存FP32或FP64资料的记忆体效率更高,从而可以训练和部署更多的网路,而且对许多网路来说,8位元整数运算(integer computation)就足够了,对准确性不会有太大影响。gJ6esmc

这种使用混合精度运算的能力在边缘甚至会更实用,当资料登录的来源是低精度、低动态范围的感测器——例如温度感测器、MEMS惯性感测器(IMU)和压力感测器等——还有低解析度视讯时,开发人员可以折衷精度以取得低功耗。gJ6esmc

AI架构的选择利用雾运算从边缘扩展至云端

可扩充处理(scalable processing)的概念已经扩展到更广泛的网路——利用雾运算(fog computing)概念,透过在网路上的最佳位置执行所需的处理,来弥补边缘和云端之间的能力差距;例如可以在本地物联网(IoT)闸道器或更接近应用现场的本地端伺服器上进行神经网路影像处理,而不必在云端进行。这样做有三个明显的优势:一是能减少由于网路延迟造成的时延,二来可以更安全,此外还能为必须在云端处理的资料释出可用的网路频宽;在更高的层面上,这种方法也通常更节能。gJ6esmc

因此,许多设计师正在开发内建摄影机、影像预处理和神经网路AI讯号链(signal chains)功能的独立产品,这些产品仅在相对较闭回路(closed-loop)的运作中呈现输出,例如已识别标志(自驾车)或人脸(家用保全系统)。在更极端的案例中,例如设置在偏远或难以到达之处,以电池或太阳能供电的装置,可能需要长时间地进行这种处理。gJ6esmc

EDNT181005_AIhardware_NT31P2gJ6esmc

图2:GreenWave的GAP8采用9个RISC-V处理器核心,针对网路边缘智慧装置上的低功耗AI处理进行了最佳化。
(图片来源:GreenWaves Technologies)gJ6esmc

为了帮助降低这种边缘AI影像处理的功耗,GreenWaves Technologies的GAP8处理器整合了9个RISC-V核心;其中一个核心负责硬体和I/O控制功能,其余8个核心则围绕共用资料和指令记忆体形成一个丛集(如图2)。这种结构形成了CNN推理引擎加速器,具备额外的RISC-V ISA指令来强化DSP类型的运算。gJ6esmc

GAP8是为网路边缘的智慧装置量身打造,在功耗仅几十毫瓦(mW)的情况下可实现8GOPS运算,或者在1mW时可实现200 MOPS运算;它完全可以用C/C++语言来编程,最小待机电流为70nA。gJ6esmc

AI处理器架构比一比:RISC-V vs. Arm

RISC-V开放性硬体架构在一开始遭到质疑,因为那需要一个忠实稳固的使用者社群,以提供一系列丰富的支援工具和软体;而随着该架构透过各种测试晶片和硬体实作吸引更多开发者加入,那些质疑也逐渐消退。RISC-V吸引人之处在于它正成为Arm处理器的强劲对手,特别是在超低功耗、低成本应用上;只要谈到低成本就会锱铢必较,因此免费方案总是会感觉比需要支付授权费的方案更好。gJ6esmc

不过虽然RISC-V架构的GAP8可以节能并且针对边缘神经网路处理进行了高度最佳化,从系统开发的角度来看仍然需要考虑周边功能,例如摄影机感测器本身和网路通讯介面,以及是采用有线还是无线技术等;依据系统通讯和处理影像的次数频率,这些功能占用的功耗比例可能较高。根据GreenWaves的说法,GAP8若采用3.6Wh的电池供电,能以每3分钟分类一张QVGA影像的频率持续工作长达10年;但该数字并未考量整体系统中其他因素的影响。gJ6esmc

GreenWaves将其GAP8处理器与采用Arm Cortex-M7核心、运作频率216MHz的意法半导体(ST)处理器STM32 F7进行了直接比较(图3);两者以CIFAR-10资料集的影像进行训练,权重量化为8位元定点(fixed point)。gJ6esmc

EDNT181005_AIhardware_NT31P3gJ6esmc

图3:GreenWaves Technologies的GAP8与ST的STM32 F7处理器性能比较。
(图片来源:GreenWaves Technologies)gJ6esmc

虽然GAP8因为拥有八核心架构而呈现更高效率,并能以较低时脉速率与更少的周期实现推理,Arm架构也不遑多让──Arm已经发表了针对行动装置和其他相邻、网路边缘应用的机器学习(ML)处理器,其应用场景包括AR/VR、医疗、消费性电子产品以及无人机等;该架构采用固定功能引擎(fixed-function engines)来执行CNN层,并采用可程式化层(programmable layer)引擎来执行非卷积层以及实现所选基元(primitive)和运算子(operator),参考图4。gJ6esmc

EDNT181005_AIhardware_NT31P4gJ6esmc

图4:Arm的ML处理器设计用于CNN类型固定功能以及可程式化层引擎的低功耗边缘处理。
(图片来源:Arm)gJ6esmc

有趣的是,ML处理器是以高度可扩充架构为基础,因此同一处理器和工具可用于开发从物联网到、嵌入式工业和交通,到网路处理和伺服器等各种应用,运算性能要求从20 MOPS到70 TOPS以上不等。gJ6esmc

如果开发团队希望从云端往下扩充,或从边缘往上扩充,那么这种可扩充性比较适合之前讨论的雾运算概念。此外该处理器本身与主流神经网路学习框架紧密整合,例如Google的TensorFlow和TensorFlow Lite,以及Caffe和Caffe 2;它还针对Arm Cortex CPU和Arm Mali GPU进行了最佳化。gJ6esmc

在异质处理体系架构中部署AI

透过ML处理器,Arm还强调了异质(heterogenous)方法对AI应用之神经网路的重要性,但仅限于其CPU和GPU的狭窄范围内。从更广泛的角度来看,英特尔(Intel)的OpenVINO (Visual Inference & Neural Network Optimization,视觉推理和神经网路最佳化)工具套件可以实现异质混合架构的开发,包括CPU、GPU与FPGA,当然还有英特尔自家的Movidius视觉处理器(VPU)和基于Atom的影像处理器(IPU)。利用通用API以及针对OpenCV和OpenVX最佳化的呼叫(call),英特尔声称其深度学习性能可以提高19倍。gJ6esmc

异质方法对于针对AI的神经网路处理既有好处又不可或缺...gJ6esmc

Patrick Mannion
EDN特约技术编辑。Patrick Mannion是一位自由撰稿人。 他曾担任UBM Electronics媒体的副总裁兼品牌总监,旗下曾包括EE Times、EDN、Embedded.com、Planet Analog、EBN和TechOnline。 他拥有工程学学位。
  • 微信扫一扫,一键转发

  • 关注“国际电子商情” 微信公众号

  • 涉及十余项技术专利,松下在美起诉博通侵权

    国际电子商情11日从外媒获悉,日本 Panasonic 控股公司 (Panasonic Holdings) 上周四 (7 日) 以该公司持有的电脑技术相关专利遭侵害为由,在美国德州的联邦地方法院向美国半导体大厂博通提起专利侵权诉讼。

  • 联发科和高通并列第一?Q1全球智能手机芯片份额排名出炉

    国际电子商情22日讯 市调机构Counterpoint日前公布了最新的智能手机芯片市场的分析报告。从数据来看,2022年第一季度全球智能手机芯片收入最高的是高通,出货量最高的是联发科。曾经被视为高通“最具威胁竞争对手”的三星,如今已经落后很多...

  • 外媒:全球20家增长最快的芯片公司,19家来自中国大陆

    国际电子商情21日讯 据外媒最新报道,在美国对华为技术有限公司(Huawei Technologies Co.)和海康威视(Hikvision)等本土企业实施制裁后,中国芯片行业的增长速度超过了世界其他任何地方...

  • 一文看懂2022年半导体foundry厂发展现状

    值得一提的是,foundry厂的全线看涨与晶圆ASP(average selling price)上涨有很大的关系。毕竟在市场缺芯大环境下,foundry厂涨价相当稀松平常。很多企业在这波浪潮下获得了业绩的大幅增长...

  • 卷起来了?传英国力促Arm伦敦上市

    国际电子商情13日讯 在英伟达收购计划告吹后,全球最大的芯片IP供应商Arm的动向备受关注。在软银表态将寻求Arm赴美纳斯达克上市后,英国为开始采取行动,力求被视作英国“技术王冠上的一颗明珠”的Arm公司留在伦敦上市...

  • 跌破建议零售价,GPU市场正全面走向供过于求...

    截至5月为止,PC GPU价格还在稳步下探;此前我们总结GPU价格下跌主要是因为比特币、以太坊之类的加密数字货币正面临剧烈震荡,这导致挖矿市场越来越无利可图;与此同时,游戏GPU市场供不应求——因为GPU都被“矿老板”们买去挖矿了。

  • 紫光展锐处理器被曝严重安全漏洞,约1成手机受影响

    国际电子商情7日讯 据以色列网络安全公司 Check Point发布的报告称,UNISOC芯片存在严重的安全漏洞,或影响数百万Android智能手机...

  • PC行业2年来首度下滑:下挫起点,还是震荡整理?

    PC这个门类的消费品,借助新冠所致居家办公、在家上课的热潮,过去两年的发展算是异军突起的。在连续2年多的时间里,PC出货量持续稳步提升,让这个原本在众人眼中已经十分成熟的市场重新焕发了活力。

  • 市场份额大增!高通第二财季收入创纪录,达111.6亿美元...

    国际电子商情讯 当地时间周三(28日),移动处理器大厂高通在28日美股盘后发布了创纪录的Q2财季(截止至3月27日)收入,并表示顺利抢下竞争对手的市场份额...

  • 三星面临的大麻烦,又岂止是3nm工艺落后

    最近研究机构SemiAnalysis撰文,从大方向上直指三星电子企业内部的“文化问题(culture issue)”,虽然并未明确点出,但基本可以官僚主义以及内耗严重来做概括,以言及三星电子目前可能正在遭遇大麻烦。不过需要注意的是,这篇文章集合了韩国媒体报道的各路小道消息,某些信息并未得到确认。本文仅尝试呈现其中的一部分。本文将不会着力在对三星电子企业文化的恶意揣测上,而仅给出一些资讯,并加上《国际电子商情》的一些思考和评论。

  • 不再“芯慌”了?今年下半年半导体短缺可望得到显著缓解

    半导体短缺问题在过去两年多时间里持续困扰着许多行业,如今,缺芯问题有了转好的迹象。国际电子商情21日讯,市调机构在当地时间周三发布调研报告结果显示,随着供需缺口缩小,半导体短缺情况可望在2022年下半年继续得到缓解...

  • 继英伟达后,又一家国际半导体大厂计划收购Arm...

    尽管英伟达收购Arm交易在上个月宣告失败,但仍有半导体大厂试图从软银手里买走Arm。国际电子商情31日从韩媒获悉,韩国半导体大厂——SK海力士副会长称“单靠一家公司是收购不了”,因此考虑“组团”方式加大收购Arm的成功率...

近期热点

广告
广告

EE直播间

更多>>

在线研讨会

更多>>