(本文由新思科技供稿,電子發(fā)燒友平臺(tái)發(fā)布)

過(guò)去十年間,幾項(xiàng)技術(shù)的進(jìn)步使人工智能 (AI)成為最令人振奮的技術(shù)之一。2012年,Geoffrey Everest Hinton在Imagenet挑戰(zhàn)賽中展示了他的廣義反向傳播神經(jīng)網(wǎng)絡(luò)算法,該算法使計(jì)算機(jī)視覺(jué)領(lǐng)域發(fā)生了革命性變化。然而,機(jī)器學(xué)習(xí)理論早在2012年之前就有人提出,并且Nvidia GTX 580圖形處理器單元等微處理器使這一理論得以實(shí)現(xiàn)。這些處理器具有相對(duì)較高的內(nèi)存帶寬能力且擅長(zhǎng)矩陣乘法,可將該神經(jīng)網(wǎng)絡(luò)模型的AI訓(xùn)練時(shí)間縮短至大約一周。理論與算法的結(jié)合開(kāi)啟了新一代技術(shù)進(jìn)步,帶來(lái)了與AI相關(guān)的全新可能性。本文概述了人工智能設(shè)計(jì)新時(shí)代及其多樣化處理、內(nèi)存和連接需求。

人工智能剖析

我們將神經(jīng)網(wǎng)絡(luò)定義為深度學(xué)習(xí),它是機(jī)器學(xué)習(xí)及人工智能的一個(gè)子集,如圖1所示。這是一個(gè)重要的分類(lèi),深度學(xué)習(xí)該子集改變了芯片系統(tǒng)架構(gòu)設(shè)計(jì)。

圖1:人工智能采用深度學(xué)習(xí)算法模仿人類(lèi)行為

深度學(xué)習(xí)不僅改變了芯片架構(gòu),而且催生了半導(dǎo)體市場(chǎng)的新一輪投資。深度學(xué)習(xí)算法模型是研發(fā)和商業(yè)投資的熱點(diǎn),例如卷積神經(jīng)網(wǎng)絡(luò) (CNN)。CNN一直是機(jī)器視覺(jué)的主要焦點(diǎn)。遞歸神經(jīng)網(wǎng)絡(luò)等模型因其識(shí)別時(shí)間的能力而在自然語(yǔ)言理解中得以應(yīng)用。

人工智能的應(yīng)用

深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)應(yīng)用于許多不同的場(chǎng)景,為使用它們的人提供了強(qiáng)大的新工具。例如,它們可以支持高級(jí)安全威脅分析、預(yù)測(cè)和防止安全漏洞,并通過(guò)預(yù)測(cè)潛在買(mǎi)家的購(gòu)物流程來(lái)幫助廣告商識(shí)別和精簡(jiǎn)銷(xiāo)售流程。

但AI設(shè)計(jì)并未局限于數(shù)據(jù)中心,諸如用于物件和人臉識(shí)別的視覺(jué)系統(tǒng)、用于改進(jìn)人機(jī)接口的自然語(yǔ)言理解以及周?chē)h(huán)境感知等許多新功能可基于傳感器輸入的組合而使機(jī)器理解正在發(fā)生的活動(dòng)。這些深度學(xué)習(xí)能力已融入到不同場(chǎng)景所需的芯片設(shè)計(jì)中,包括智能汽車(chē)、數(shù)字家庭、數(shù)據(jù)中心和物聯(lián)網(wǎng) (IoT),如圖2所示。

圖2:AI處理能力已結(jié)合到大量應(yīng)用中

手機(jī)利用神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)上述多種AI功能。手機(jī)可運(yùn)行人臉識(shí)別應(yīng)用、物件識(shí)別應(yīng)用、自然語(yǔ)言理解應(yīng)用。此外,它在內(nèi)部使用神經(jīng)網(wǎng)絡(luò)進(jìn)行5G自組織,因?yàn)闊o(wú)線(xiàn)信號(hào)在其他介質(zhì)、不同的光譜上會(huì)變得更密集,并且所傳輸?shù)臄?shù)據(jù)有不同的優(yōu)先級(jí)。

人類(lèi)大腦

最近,深度學(xué)習(xí)通過(guò)數(shù)學(xué)和半導(dǎo)體硬件的進(jìn)步變得可行。業(yè)界已開(kāi)展多項(xiàng)舉措,在下一代數(shù)學(xué)模型和半導(dǎo)體架構(gòu)中更好地復(fù)制人腦,這通常被稱(chēng)為神經(jīng)形態(tài)計(jì)算。人類(lèi)的大腦可以達(dá)到難以置信的高效率,但技術(shù)在復(fù)制人類(lèi)大腦等方面才剛開(kāi)始觸及皮毛。人類(lèi)大腦包含超過(guò)1 PB (Petabyte=1024TB)的存儲(chǔ)空間,相當(dāng)于大約540萬(wàn)億個(gè)晶體管,且功率小于12瓦。從這點(diǎn)來(lái)說(shuō),復(fù)制大腦是一個(gè)長(zhǎng)遠(yuǎn)的目標(biāo)。然而,ImageNet挑戰(zhàn)賽已從2012年的第一個(gè)反向傳播CNN算法發(fā)展到2015年更高級(jí)的AI模型ResNet 152,市場(chǎng)正在快速發(fā)展,新的算法層出不窮。

AI設(shè)計(jì)挑戰(zhàn)

融合深度學(xué)習(xí)能力的芯片架構(gòu)促使了多項(xiàng)關(guān)鍵技術(shù)的進(jìn)步,從而達(dá)到高度集成的解決方案和更通用的AI 芯片,包含專(zhuān)用處理需求、創(chuàng)新內(nèi)存架構(gòu)和實(shí)時(shí)數(shù)據(jù)連接。

? 專(zhuān)用處理需求

融合神經(jīng)網(wǎng)絡(luò)能力的芯片必須同時(shí)適應(yīng)異構(gòu)和大規(guī)模并行矩陣乘法運(yùn)算。異構(gòu)組件需要標(biāo)量、矢量DSP和神經(jīng)網(wǎng)絡(luò)算法能力。例如,機(jī)器視覺(jué)需要獨(dú)立的步驟,每一步都需要執(zhí)行不同類(lèi)型的處理,如圖3所示。

圖3:神經(jīng)網(wǎng)絡(luò)能力需要獨(dú)特的處理

預(yù)處理需要更簡(jiǎn)單的數(shù)據(jù)級(jí)并行性。對(duì)所選區(qū)域的精確處理需要更復(fù)雜的數(shù)據(jù)級(jí)并行性,可以通過(guò)具有良好矩陣乘法運(yùn)算能力的專(zhuān)用CNN加速器有效地處理。決策階段通?？梢酝ㄟ^(guò)標(biāo)量處理的方式來(lái)處理。每個(gè)應(yīng)用都是獨(dú)一無(wú)二的,但很明顯的是,包括神經(jīng)網(wǎng)絡(luò)算法加速的異構(gòu)處理解決方案需要有效地處理AI模型。

創(chuàng)新內(nèi)存架構(gòu)

AI模型使用大量?jī)?nèi)存,這增加了芯片的成本。訓(xùn)練神經(jīng)網(wǎng)絡(luò)要求達(dá)到幾GB甚至10GB的數(shù)據(jù),這就需要使用DDR最新技術(shù),以滿(mǎn)足容量要求,例如,作為圖像神經(jīng)網(wǎng)絡(luò)的VGG-16在訓(xùn)練時(shí)需要大約9GB的內(nèi)存;更精確的模型VGG-512需要89GB的數(shù)據(jù)才能進(jìn)行訓(xùn)練。為了提高AI模型的準(zhǔn)確性,數(shù)據(jù)科學(xué)家使用了更大的數(shù)據(jù)集。同樣,這會(huì)增加訓(xùn)練模型所需的時(shí)間或增加解決方案的內(nèi)存需求。由于需要大規(guī)模并行矩陣乘法運(yùn)算以及模型的大小和所需系數(shù)的數(shù)量,這就要求配備具有高帶寬存取能力的外部存儲(chǔ)器及新的半導(dǎo)體接口IP,如高帶寬存儲(chǔ)器 (HBM2)和衍生產(chǎn)品 (HBM2e)。先進(jìn)的FinFET技術(shù)支持更大的芯片SRAM陣列和獨(dú)特的配置,具有定制的存儲(chǔ)器到處理器和存儲(chǔ)器到存儲(chǔ)器接口,這些技術(shù)正在開(kāi)發(fā)中,為了更好地復(fù)制人腦并消除存儲(chǔ)器的約束。

AI模型可以壓縮,確保模型在位于手機(jī)、汽車(chē)和物聯(lián)網(wǎng)應(yīng)用邊緣的芯片中受限的存儲(chǔ)器架構(gòu)上運(yùn)行所必需的。壓縮采用剪枝和量化技術(shù)進(jìn)行且不能降低結(jié)果的準(zhǔn)確性,這就要求傳統(tǒng)芯片架構(gòu)(具有LPDDR或在某些情況下沒(méi)有外部存儲(chǔ)器)支持神經(jīng)網(wǎng)絡(luò)。隨著這些模型的壓縮,不規(guī)則的存儲(chǔ)器存取和計(jì)算強(qiáng)度增加,延長(zhǎng)了系統(tǒng)的執(zhí)行時(shí)間。因此,系統(tǒng)設(shè)計(jì)人員正在開(kāi)發(fā)創(chuàng)新的異構(gòu)存儲(chǔ)器架構(gòu)。

實(shí)時(shí)數(shù)據(jù)連接

一旦AI模型經(jīng)過(guò)訓(xùn)練并可能被壓縮,就可以通過(guò)許多不同的接口IP解決方案執(zhí)行實(shí)時(shí)數(shù)據(jù)。例如,視覺(jué)應(yīng)用由CMOS圖像傳感器支持,并通過(guò)MIPI攝像頭串行接口 (CSI-2)和MIPI D-PHY IP連接。LiDAR和雷達(dá)可通過(guò)多種技術(shù)支持,包括PCI Express和MIPI。麥克風(fēng)通過(guò)USB、脈沖密度調(diào)制 (PDM) 和I2S等連接傳輸語(yǔ)音數(shù)據(jù)。數(shù)字電視支持HDMI和DisplayPort連接,以傳輸視頻內(nèi)容,而這些內(nèi)容可通過(guò)神經(jīng)網(wǎng)絡(luò)傳輸后得到改善,實(shí)現(xiàn)超高圖像分辨率,從而以更少的數(shù)據(jù)生成更高質(zhì)量的圖像。目前,大多數(shù)電視制造商正在考慮部署這項(xiàng)技術(shù)。

混合AI系統(tǒng)是另一個(gè)預(yù)計(jì)會(huì)大量采用的概念。例如,心率算法通過(guò)健身帶上的AI系統(tǒng)可以識(shí)別異常,通過(guò)將信息發(fā)送到云端,對(duì)異常進(jìn)行更準(zhǔn)確的深入AI神經(jīng)網(wǎng)絡(luò)分析,并加以提示。這類(lèi)技術(shù)已經(jīng)成功地應(yīng)用于電網(wǎng)負(fù)載的平衡,特別是在電線(xiàn)中斷或出現(xiàn)意外重負(fù)荷的情況下。為了支持快速、可靠的網(wǎng)絡(luò)與云端連接,上述示例中的聚合器需要以太網(wǎng)連接。

消除瓶頸

盡管復(fù)制人類(lèi)大腦還有很長(zhǎng)的路要走,但人類(lèi)大腦已被用作構(gòu)建人工智能系統(tǒng)的有效模型,并繼續(xù)由全球領(lǐng)先的研究機(jī)構(gòu)來(lái)建模。最新的神經(jīng)網(wǎng)絡(luò)試圖復(fù)制效率和計(jì)算能力,芯片架構(gòu)也開(kāi)始通過(guò)緊密耦合處理器和內(nèi)存來(lái)復(fù)制人類(lèi)大腦。ARC子系統(tǒng)包括AI及其APEX擴(kuò)展和普遍存在的RISC架構(gòu)所需的處理能力。子系統(tǒng)將外設(shè)和存儲(chǔ)器緊密耦合到處理器,以消除關(guān)鍵的存儲(chǔ)器瓶頸問(wèn)題。

用于AI的DesignWare IP

AI是最令人振奮的技術(shù)之一,特別是深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò),通過(guò)結(jié)合神經(jīng)網(wǎng)絡(luò)算法的創(chuàng)新以及高帶寬、高性能半導(dǎo)體設(shè)計(jì)的創(chuàng)新而飛速發(fā)展。

新思科技正在與世界各地細(xì)分市場(chǎng)中領(lǐng)先的AI 芯片供應(yīng)商合作,提供采用經(jīng)過(guò)驗(yàn)證的可靠IP解決方案,幫助他們降低芯片設(shè)計(jì)風(fēng)險(xiǎn),加快產(chǎn)品上市速度,并為AI設(shè)計(jì)人員帶來(lái)關(guān)鍵的差異化優(yōu)勢(shì)。

專(zhuān)用處理需求、創(chuàng)新內(nèi)存架構(gòu)和實(shí)時(shí)數(shù)據(jù)連接構(gòu)成了人工智能芯片的DNA,面對(duì)AI設(shè)計(jì)挑戰(zhàn),新思科技提供了許多專(zhuān)業(yè)處理解決方案來(lái)消除存儲(chǔ)器瓶頸,包括存儲(chǔ)器接口IP、帶有TCAM和多端口存儲(chǔ)器的芯片SRAM編譯器等,同時(shí)提供了全面的實(shí)時(shí)數(shù)據(jù)連接選項(xiàng)。這些IP解決方案是下一代AI設(shè)計(jì)的關(guān)鍵組件。

關(guān)于新思

新思科技(Synopsys, Inc.,納斯達(dá)克股票市場(chǎng)代碼: SNPS)致力于創(chuàng)新改變世界,在芯片到軟件的眾多領(lǐng)域,新思科技始終引領(lǐng)技術(shù)趨勢(shì),與全球科技公司緊密合作,共同開(kāi)發(fā)人們所依賴(lài)的電子產(chǎn)品和軟件應(yīng)用。新思科技是全球排名第一的芯片自動(dòng)化設(shè)計(jì)解決方案提供商,全球排名第一的芯片接口IP供應(yīng)商,同時(shí)也是信息安全和軟件質(zhì)量的全球領(lǐng)導(dǎo)者。作為半導(dǎo)體、人工智能、汽車(chē)電子及軟件安全等產(chǎn)業(yè)的核心技術(shù)驅(qū)動(dòng)者,新思科技的技術(shù)一直深刻影響著當(dāng)前全球五大新興科技創(chuàng)新應(yīng)用:智能汽車(chē)、物聯(lián)網(wǎng)、人工智能、云計(jì)算和信息安全。

新思科技成立于1986年,總部位于美國(guó)硅谷,目前擁有13000多名員工,分布在全球100多個(gè)分支機(jī)構(gòu)。2018財(cái)年預(yù)計(jì)營(yíng)業(yè)額31億美元,擁有3000多項(xiàng)已批準(zhǔn)專(zhuān)利,為美國(guó)標(biāo)普500指數(shù)成分股龍頭企業(yè)。

自1995年在中國(guó)成立新思科技以來(lái),新思科技已在北京、上海、深圳、廈門(mén)、武漢、西安、南京、香港、澳門(mén)九大城市設(shè)立機(jī)構(gòu),員工人數(shù)超過(guò)1100人,建立了完善的技術(shù)研發(fā)和支持服務(wù)體系,秉持“加速創(chuàng)新、推動(dòng)產(chǎn)業(yè)、成就客戶(hù)”的理念,與產(chǎn)業(yè)共同發(fā)展,成為中國(guó)半導(dǎo)體產(chǎn)業(yè)快速發(fā)展的優(yōu)秀伙伴和堅(jiān)實(shí)支撐。