人工智能

随着处理器技术和大数据的普及,人工智能技术应用在快速发展,2017年堪称人工智能元年,而2018年将成为人工智能应用深化和细化的一年,本土多家公司如寒武纪、杭州国芯、地平线等都推出了人工智能处理芯片,在人工智能算法方面,商汤科技、旷视科技等开发的算法广为使用,而华为云已经在把人工智能领域应用到安防等应用, Imagination公司则推出了人工智能加速IP ,已在安防、视频领域获得应用,人工智能应用可谓如火如荼进行!

“人工智能垂直应用与生态”研讨会报名了!席位有限,先到先得!

为了更好地把人工智能技术普及到更多领域,电子创新网联合Imagination、中星微电子、商汤科技、全志科技、华为云等共同举办“人工智能垂直应用与生态”研讨会,邀请人工智能产业链代表聚集一堂,共同分享人工智能应用经验,我们诚挚地邀请来自安防、智能家居、消费电子、汽车电子、工业领域的业内人士报名参会,与嘉宾们零距离互动,共同发掘人工智能应用蓝海!

欢迎大家报名!本次研讨会参加者免费!

报名

研讨会具体安排

1. 时间:2018年6月4日下午

2. 地点:康佳研发大厦康佳之星孵化器(科技园科技南路十二路28号康佳研发大厦7层B区(康佳之星))

3. 会议议程(具体内容以主办方最新通知为主)

“人工智能垂直应用与生态”研讨会报名了!席位有限,先到先得!

参会受众:本土安防、智能家居、消费电子、汽车电子、工业领域AI应用开发者、方案提供商、系统厂商代表。人数大约60到80人。

活动地点介绍:“康佳之星”是华侨城集团与康佳集团旗下的双创品牌,承载运营包括孵化器、加速器、创新基地以及创投基金等在内的一系列双创业务。依托华侨城集团与康佳集团的产业生态资源及开放的社会资源,深度参与产业对接,为创业者提供包括市场、投资、媒体、空间、供应链、定制生产、创新技术等一站式孵化服务。

“人工智能垂直应用与生态”研讨会报名了!席位有限,先到先得!

深圳地铁一号线高新园站D出口出来后步行300米即到

“人工智能垂直应用与生态”研讨会报名了!席位有限,先到先得!

快快报名吧!与嘉宾们零距离互动,共同发掘人工智能应用蓝海!

席位有限,报名从速!
围观 4
5

作者:张国斌

被业被誉为“IC设计教父”的联发科董事长蔡明介有个著名的S曲线战略,就是联发科总会选择在一个新技术普及爆发的前夜进入市场,享受技术大爆发带来的红利,这个战略屡试不爽,从DVD芯片到功能机方案到3G、4G手机平台,联发科在享受一次次技术红利的同时不断壮大,近日,联发科公布了人工智能战略,虽然比其他家晚点但是灵活性和效率更高,依据联发科过往的成功经验看,这意味着人工智能大普及时代就要来临了!盆友们,准备好了吗?

联发科发力,人工智能大普及时代来了!

一、兼得灵活性和效率的异构架构

2017年是人工智能元年,多家公司推出了瞄准终端应用的人工智能平台,华为,苹果推出的方案中有独立的神经网络处理器单元,对人工智能做辅助处理,而高通的骁龙845则没有独立的神经网络处理单元采用DSP完成人工智能处理,瑞芯微则用优化的DSP做人工智能处理,业界在对待端侧人工智能处理方面也分化为两个阵营,一个认为用平台中的DSP处理人工智能算法已经足够,一个认为要用独立的神经网络单元做人工智能加速,现在,联发科的策略公布,它采用独立的神经网络单元做人工智能加速,看来,独立加速方案是未来主流,我看联发科方案的灵活性更高。

联发科发力,人工智能大普及时代来了!

联发科技 CTO 办公室协理林宗瑶在联发科AI策略沟通会上表示联发科的人工智能平台NeuroPilot 采用的是异构架构,最底层的处理器有CPU,GPU和APU,APU--是人工智能处理单元的缩写,“CPU 负责控制功能, GPU 负责运算,APU 对整个 AI 运算做特殊加速,从灵活性来看,CPU 灵活性好什么都能做,但效率最差,而 APU可以对AI优化做到效率最高,实际上,我们考虑一些AI 功能都可以放在 CPU、GPU、APU 上,根据工作特质,系统自动分配到APU、CPU、GPU上。如果操作运算量高,而且需要浮点运算,我们就把它放 GPU上。如果它需要定点运算,且需要长时间运算,需要低功耗就放到 APU上。如果是一个多控制运算,就把它放到CPU上。我们会根据它下下一个指令与下下一个工作的分配,确定放到 CPU、GPU 还是 APU上,这跟CorePilot 的大小核分派类似。”他详细介绍了底层处理单元的功能,“APU是人工智能处理单元,它不是一个固定架构的处理器,可以是DSP 也可以是硬件加速单元,例如针对语音识别可以放置2个DSP ,针对其他应用可以放置几个加速单元,它的架构根据需求而定,因此灵活性很高。”

林宗瑶继续解释说这个NeuroPilot平台最上面是应用端,包括脸部识别、美化、人脸辨识、手势检测等等功能。有些功 能 是 在 APP 商店上可以下载下来的应用,有的是 Pre-built 应用。因为有些应用需要跟软件深度结合,例如手机人脸解锁以及手机人脸支付,这就是 pre- built 应用,因为它需要跟软件整合来避免一些安全性问题。“联发科的NeuroPilot平台既可以支持 APP store 里的应用,也可以支持 pre-built 应用。 要支持这样的应用,需要做一些架构上的优化和设计。”他表示。

NeuroPilot 支持目前很多常用的AI framework,例如谷歌的tensorflow、 Facebook 的 caffe1/2、像亚马逊的 MXNet、Sony的NNabla等等,这样可以让合作伙伴开发属于自己的算法和应用。“例如国内的商汤科技、旷世科技等等,他们一方面希望可以定制化,另一方面也希望可以复制到其他平台,所以联发科开发了一个叫Runtime的中间层,把一些比较常用的AI 应用运算概念装在里面。再提供一些定制化的接口给合作伙伴。“他强调。“这样做的好处是,第一 、合作伙伴希望可以定制化的AI指令不希望别人知道, 第二,他们定制化的AI指令能更有效的运行,所以他们希望直接从上面对接到最底层。”Runtime其实是针对深度优化的合作伙伴,可以同时兼顾到垂直应用和定制化。

“联发科的产品覆盖面很广,从手机到电视到穿戴、物联网很多领域,所以我们的人工智能平台考虑的要覆盖很广的领域,”林宗瑶说,“所以我们不是一个固定的平台架构,你可能看到有针对智能音箱的,APU可能采用DSP ,有针对穿戴的,APU又采用了其他处理架构。”

二、开发工具包考虑了兼容性

对于人工智能开发者来说,平台架构很重要,但是开发工具包更重要,工具包要有很好的兼容性和完整性,便于开发者进行移植和使用,联发科的NeuroPilot 的工具包就考虑这因素。

联发科发力,人工智能大普及时代来了!

“我们的工具包是一个跨操作系统的通用架构,因为这要考虑到联发科产品覆盖很多领域,我们的工具包从系统层级到中间的 Runtime 层再到底层的加速器级都有覆盖(这加速器包括 CPU、GPU、APU)。

NeuroPilot是一个跨平台、跨产品线的架构,所以在不同的操作系统上(Android,Linux等等…)AI应用开发者看到的NeuroPilot架构是一样的,当然这个架构会只会在最底层做一些差异化。也就是说,今天我们在Android平台的开发一个AI应用,它可以直接搬到Linux上做运行,可以大幅度减少开发商工作,开发一次就可以在很多平台用。”林宗瑶特别指出。

通过系统级debug 的profiler,AI开发者可以比较把任务派给CPU,GPU和APU的运行情况--电压是多少?频率是多少?各种情况怎么样等。并能看出这个 AI 到底有没有放到错误地方去了?如果一个 AI 应用, 本来是派给 CPU 的,结果系统派给 GPU 了,这样就会有问题。
联发科发力,人工智能大普及时代来了!

第二层 Runtime 中间层,开发者可以观察到运行细节信息,例如感觉有些运算单元花的时间 比较多,到底这个花时间多是下达指令错误还是因为在 CPU 上面运行时间比久(因为存储器不给力)。最后 CPU 效率低是什么原因造成的?合作伙伴就可以很容易的去做一些 debug 的开发工作。
联发科发力,人工智能大普及时代来了!

第三层加速器层级,工具包可以发现处理器在完成AI任务时候的性能瓶颈,如下图示例。
联发科发力,人工智能大普及时代来了!

通过工具包,开发者可以轻松完成开发。

三、终端AI是未来应用主流

林宗瑶表示联发科一直关注人工智能技术的发展,基本上从 2012 年深度学习开始到 2016 年、2017 年,人工智能应用还是在云端开发。但是考虑快速响应、隐私保护、连接成本以及功耗四个因素,联发科技认为在端侧AI有很大机会。

联发科发力,人工智能大普及时代来了!

他认为从云端发展到终端AI有四大提升:

1)端侧响应快,图像识别,图像变化,车载系统都需要快速响应,发送云端然后返回结果显然不会有好的响应。“像最近很红的亚马逊 echo,它的响应就慢,要解决这个问题,就要把云端计算放到终端来。”他解释说。

2)隐私。很多人不想放到云端去,因为放到云端去基本上就没有个人隐私。而在 Edge 这边隐私性会更好

3)连接。连接包括连接的成本和连接有效性。显然任何材料都传至云端成本很高,而且很多地区宽带有限,而Edge AI 的体验会更好。

4)功率。现在整个云端功耗已经占整个地球电力的 5%,所以如果AI在终端实现则可以降低整体能耗。
基于这四点,他认为Edge AI 将为主流。

他强调Edge AI 其实就是 AI anywhere 或 AI everywhere,需要产品布局够广,才能造成很大的影响力。另外因为有这么多产品线,所以除了传统的 Android 之外,还需要考虑到 Linux 或其他的 RTOS, 这样应用广度才会高。

“AI 好比一个人的大脑,一个人既需要大脑,还需要眼睛,需要嘴巴传递信息。你的眼睛就相 当于 camera IC 的功能。你的资料需要跟其他 edge 沟通,需要跟云端沟通,那么就需要各种无线技术,而因为资料量很大因此需要编解码技术。” 他解释说,“基于这些考虑形成了联发科的NeuroPilot 平台。”

他指出目前全球 IC 设计公司中,唯一能够同时拥有智能手机、数字电视、AP Router、VAD、物联网设备、 车载电子的就是联发科一家,“其他有些公司可能 AI 不错,但 缺乏互补性技术。有些是有互补性技术可是 AI 比较差,有些有核心技术和互补性技术,但产品线布局不够广。”他结合联发科的优势来解释平台,“以下图来看,AI 核心搭配互补性技术,就可以构成一个 AI 平台。有 AI 平台之后,在考虑移植哪些产品上,那就要看 可以应用到什么样的产品上面去,比如智能手机、数字电视、AP Router、VAD、物联网设备、 车载等等。所以联发科技的 AI 策略就是从基本的 AI engine 做起,然后搭配其传统强项 - ISP, 连接和WiFi 等技术, 再应用到联发科的产品线上面。”

联发科发力,人工智能大普及时代来了!

四、提供的是平台不是turnkey方案

“联发科不做人工智能的先行者,我们做AI的普及者。我们要做的就是把AI技术普及到更多领域、更多产品上。”林宗瑶指出,“联发科技在AI 的策略跟过去不一样,过去提供turn key方案,现在我们的 AI 是一个平台的策略 ,而且这个平台是个开放的平台,我们会开放给所有合作伙伴 ,包括一些非专业用户都可以来我们平台做开发。”

他特别指出联发科技 AI平台有三个优势:

1)能够同时拥有很多技术,同时又可以应用这么多产品线的,放眼全球就联发科技一家公司。因AI 的平台除了提供最基本 AI 功能之外,还搭配一些技术,一起去支持这些产品线。而在开发上只需一次变化,就可以同时分散到很多产品线,因此可以把AI的应用扩散到很多领域。

2)开放性更高,NeuroPilot 平台同时支持支持高中低阶 API,所以可以兼顾到客户可移植性和客制化的需求。

3)异构运算优势--有自己的 APU,系统还可以根据不同的 CPU、APU、GPU 架构选出最适合进行处理。

“我们的架构支持安卓、Linux 和其他的操作系统通用架构。我们的产品线则从电视到语音助手设备、智能手机到发展平板,甚至是汽 车 电 子 , 我们都会用一样的架构。合作伙伴一次编程就可以处处部署,可以大幅度减少合作伙伴的开发时程。”他指出,“以上就是我们在 AI 这边的策略、想法跟布局,未来AI应用会非常火爆。”

林宗瑶透露联发科第一款采用这样架构的AI芯片将在2018世界移动通信大会(MWC2018)上亮相,另外,今年还会有针对其他领域的AI芯片推出,敬请期待。

联发科全面发力人工智能,我看人工智能大普及时代真的来了!

声明:本文为原创文章,转载需注明作者、出处及原文链接,否则,本网站将保留追究其法律责任的权利

围观 18
1005

作者:张国斌

2017年9月2日,华为消费者业务CEO余承东在德国柏林IFA2017大会官方论坛发表“Mobile AI. The Ultimate Intelligent Experience”为主题的演讲,全面阐释了华为消费者业务的人工智能战略,并正式发布了麒麟970芯片。这款有55亿晶体管、全球首款内置神经网络处理单元(NPU)的人工智能处理器震撼了产业,震撼了全球!从公布的数据来看,NPU运算能力达到1.92T FP16 OPS!是同等CPU处理器能力的25倍!能效是其50倍!这款处理器让华为一举站在了全球移动人工智能(AI)领域的最前沿!

深度揭秘麒麟970 人工智能处理器,它的强大超出你想象!

深度揭秘麒麟970 人工智能处理器,它的强大超出你想象!

麒麟970 AI处理器对人工智能产业发展有何意义?它对智能手机发展有何重要意义?为何在两年前定义的这款芯片能赶上了全球人工智能大潮?结合我和产业人士的交流谈谈自己的感受。

一、异构与端云结合实现人工智能非常有价值

几年前,产业都在讨论如何在云端实现人工智能,而华为探索了新的模式,就是端云结合实现人工智能,云端智能的优势在于强大的运算能力,基于大数据给出大智慧,在策略性输出上有极大优势。而端侧在具备了强大的感知能力之后,手机就会成为帮助用户思考的分身和伙伴。两者达成平衡与协调,才是未来终端发展的出路。这次麒麟970也是人工智能处理器从服务器走向便携化的一个重要里程碑,意义非常重大,借用一位大佬的评论:“这也许是手机的一小步,但是一定是人类生活的一大步。”

由于人工智能处理器需要进行大量的计算因此需要消耗大量功耗,按照以前的思路,人工智能处理器需要将在云端处理利用服务器的计算资源完成处理,但是显然这不现实,因为大量数据需要上传不仅占用带宽还有延时问题,不能实现真正的实时人工智能处理器,在麒麟970之前,移动端还没有一款可以真正支持人工智能出来的ASIC芯片,因此这个探索意义非常大。

麒麟970采用异构架构完成人工智能处理,芯片括了CPU、GPU、NPU、ISP、DSP。以前大家从人工智能角度来看,认为NPU是做AI的,AI就是要靠NPU去实现的,但从麒麟970来看不完全是。NPU在实现AI上承担了很多主要工作,但是CPU、GPU也参与了处理,例如ISP也参与很多相关工作。所以,未来以异构架构实现人工智能将成为主流,这个异构SoC将成为一个AI计算平台。

深度揭秘麒麟970 人工智能处理器,它的强大超出你想象!

从余承东公布的华为人工智能战略来看,在未来终端上的人工智能实现需通过端云协同,华为构建芯、端、云协同发展,通过结合云端和终端的能力,实现手机从智能终端到智慧终端的跨越,给用户带来颠覆性的体验。这可能引发智能手机巨大的新变革。

二、吹响智能手机“十年一变”号角

在手机产品界及手机领域有个“十年一变”的规律,1997年11月诺基亚发布了全球首款内置游戏的移动电话诺基亚6110,其贪吃蛇游戏是有史以来第一款手机游戏,这款手机相信很多人都买过,它成为诺基亚在功能机时代封王的奠基者。

深度揭秘麒麟970 人工智能处理器,它的强大超出你想象!

2007年11月5日,安卓系统正式发布,Android一词最早出现于法国作家利尔亚当(Auguste Villiers de l'Isle-Adam)在1886年发表的科幻小说《未来夏娃》(L'ève future)中。他将外表像人的机器起名为Android。这个绿色小机器人颠覆了功能机,也是在2007年,苹果iPhone惊艳面市,以此为标志,我们正式进入了智能手机时代。
深度揭秘麒麟970 人工智能处理器,它的强大超出你想象!

时间到了2017年,智能手机将再次面临重大分化,人工智能在2017年将成为智能手机的分水岭,未来手机将只有人工智能手机和非人工智能手机两种。

从现在往前看,原来的手机是纯粹的通信工具,后来加入计算器、录音机等一堆硬件。到了智能手机,本质上其还是工具属性较强,把互联网变成了移动互联网,同时具有一个开放生态,可以往里做各种各样的应用创新。但是智能手机对人的理解,对环境的理解还没有本质的变化,所以智能手机还是一个升级版的工具。但当人工智能引进以后,手机本身有足够强的处理能力,有传感器,才有可能把手机从工具属性变成更加类似像宠物一样的东西,具备理解能力,一开始做不到那么懂你,但是慢慢还是能懂的。不同的手机拿到不同的人手里,表现也会不同。

因为手机有了人工智能,它带来了无限可能。人工智能应用场景非常多,几乎无所不包,以手机拍照为例,就像单反里基本的光学部分都很好,但如何设置出恰当的参数是很麻烦的事情,未来AI手机在这方面可以更加有效,能够对环境有足够的了解,对拍摄对象有识别,进行一定的校正,可以说AI手机成了一部懂得拍照的手机。降噪方面,以前我们理解降噪就是做相位对消,而采用了人工智能处理以后,它能使用我们目前还未知的方式进行消噪,就如同图像识别,人工智能CNN卷积神经网络,经过逐层的神经网络卷积等运算,自动提取和发现了我们目前难以理解的特征值一样,这个确实令人非常兴奋。

有了人工智能能力的手机,不但可以解析出用户的语言,更能分辨情绪,当手机能够分辨你在哪里,你是谁,并“猜”到你的心意,这样的手机真的更贴心了,人工智能手机还能基于用户画像和过往行为习惯及结合当前的使用场景,推测出用户的行为意图。以这样的路径发展下去,未来手机一定非常强大,它可以成为人的伙伴甚至教练,例如阿法狗就完全可以成为围棋教练。

在专业知识背景和本地结合下,可以把手机作为教练级伙伴。随着手机性能的不断提升,用户不断的使用,手机会不停的进化学习,到某一天,手机能全面与互联网结合,直接帮助人、甚至可能陪伴人。
不过,人工智能技术发展后,手机将变成了一部值不值得去偷的手机,因为它只服务特定的用户,这个变化也是挺有意思。

三、开放人工智能开发环境,让华为手机超越苹果成为可能

余承东在9月2日的演讲中说:“华为将会把麒麟作为人工智能移动计算平台开放给更多的开发者和合作伙伴,让开发者利用麒麟970的强大AI算力,开发出更具想象力和全新体验的应用,共同造就移动AI计算应用的美好未来。”,华为一位技术大牛也说:“我们今年不只是发布一款芯片,还要发布整个开发环境,第三方可以尽早参与开发。”由此可以想象,华为凭借领先的人工智能平台,构建一个开放的人工智能开发环境,让更多第三方可以开发人工智能应用,这个有点类似目前的APP开发,未来开发者可以为华为人工智能开发不同的算法,一起开发AI应用。

这样的开发环境和先发优势让华为在人工智能生态系统建设上占领了优势,未来华为凭借这个优势完全有超过苹果的可能。(三星已经不在考虑范围之内了)

四、 谈点产品定义的思路

麒麟970是两年前定义的产品,为何在当时大家还在热衷于多核架构的时候,华为麒麟团队人就看到了人工智能的曙光?这里结合一些获取的信息谈谈产品定义。

首先,据华为公布的资料显示,在2012年以前,华为就开始思考智慧终端该有一颗什么样的大脑,以及Ta会干些什么?学习什么?如何思考?为了创造“A new brain”,华为做了各种相关的科学研究和应用尝试。例如通过“诺亚方舟实验室”做过探索。

诺亚方舟实验室成立于2012年。作为人工智能算法的研究、管理 AI 的技术合作、识别 AI 主要应用场景和需求管理等研究的前沿阵地,诺亚方舟实验室的创新产品和技术主要聚焦在数据挖掘、人机交互、智能系统以及大数据系统领域,主要致力于“从大数据到大智慧”,对未来5-10年的技术发展方向做前瞻性的研究。

自2016年起,诺亚方舟实验室的研究成果就已经逐步应用到华为的手机产品上——Mate 9、P10 所采用的人工智能,应用在传感器算法、计算机视觉、搜索引擎和语义理解等领域。例如Mate9应用了智能感知学习技术,能够跟踪趋势和行为模式,从而确保手机持续运行的快速和顺畅,避免出现像手机使用时间越长,反应越慢的情况;P10 & P10 Plus新增的Ultra Memory功能,结合智能感知和深度学习,实现了自动内存压缩和回收,以及自动碎片处理功能,极大提高了手机的响应速度,也缩短了应用启动时间。这些基础研究对于产品定义都非常有益。

其次,至于麒麟970芯片为何考虑加入人工智能?按照一位技术大牛的说法是华为考虑的是随着传感器能力慢慢达到人类水平,则需要智能处理的介入。

为什么呢?这是因为超越人体感官和人体智能这两者之间是有因果关系的。例如戴眼镜的人摘了眼镜看不清楚,收集不到合适的信息,其实就相当于智商下降,虽然有智力但是不能做判断和决策,对于手机也是一样,如果图像传感器或者麦克风很强大,但是没有智能介入,手机还只是硬件升级而已。

还有就是,即使手机图像处理做的再好跟人眼也还是有差别,其中的原因就是人脑里有感光视觉。举例来说,如果一个人对某个人很熟悉,则对着他的侧脸或者光线较暗的环境下大脑也能把那个人的样子补出来,而不熟的人就做不到,因为人脑没有足够多的细节去主动补充,这也是人工智能干预的例子。

这样,麒麟970的架构定义者就发现了感官和人工智能中间的关联,有了人工智能干预以后,sensor信号和人工智能结合就会跟人类视觉处理类似了,而如果手机的某些感官超过人类,则就可以能帮助到人类,顺着这个逻辑再推导,自然就会推导出麒麟970的架构,就是把感测信号和人工智能处理结合起来这才是手机架构的大的升级,这样,今天的明星麒麟970就应运而生了!这个思路很值得本土IC公司借鉴。

深度揭秘麒麟970 人工智能处理器,它的强大超出你想象!

从2008年海思K3V1开始到现在麒麟970,华为手机处理器经过十年发展,一举登顶全球手机处理器巅峰,凭借的就是务实和努力,为了这个荣耀,华为人付出了艰辛的劳动,如余承东在演讲中所言仅仅为了优化麒麟在高铁场景的通信体验,就在高铁上进行了40万公里场测。现在,华为已经规划麒麟990芯片,希望2年后的麒麟990继续震撼全球!

本文为原创文章,转载需注明作者、出处及原文链接

来源: 张国斌

围观 25
1007

Vicor 公司(NASDAQ 股票交易代码:VICR)今日宣布推出适用于高性能、大电流 CPU/GPU/ASIC(“XPU”)处理器合封的模块化电流倍增器。Vicor 合封电源方案不仅可以减少 XPU 插座的引脚数,还可减少从主板向 XPU 提电相关的损耗,从而可增大电流供给,实现最大的 XPU 性能。

Vicor 高密度合封电源方案​助力人工智能处理器实现更高的性能

为了应对人工智能、机器学习、大数据挖掘等高性能计算应用日益增长的需求,XPU 工作电流已上升至数百安培。毗邻XPU放置的大电流负载点电源架构可降低主板内的配电损耗,但无法解决 XPU 和主板之间的互联难题。随着 XPU 电流的增加,负载点与 XPU 之间的“最后一英寸”(包括主板PCB以及 XPU 插座内的互联)已成为限制 XPU 性能和总体系统效率的一个因素。
Vicor 高密度合封电源方案​助力人工智能处理器实现更高的性能

Vicor的电流倍增器已经被大规模用于从48V直接为XPU供电的主板中,最新的合封装模块化电流倍增器 (MCM) 将与XPU内核一道封装在 XPU基板中,可进一步展现出 Vicor 分比式电源架构在转换效率、功率密度以及电源带宽诸方面的优势。合封在 XPU 基板(位于 XPU 封装盖下或其侧面)上的电流倍增器 MCM 由来自基板外的模块化电流驱动器 (MCD)驱动,实现电流倍增,如1:64的电流倍增。MCD置于主板上,支持高带宽和低噪声,不仅可驱动 MCM实现电流倍增,而且还可为 XPU 提供精准电压调节。当前推出的合封解决方案包含两个 MCM 和一个 MCD,可为 XPU 提供高达 320A 的稳态电流,峰值电流更可高达 640A。采用正弦幅值变换器的MCM由于采用零电压零电流软开关技术,实现业界最低的噪声水平。

MCM将直接合封在 XPU的基板上,XPU所需的电流直接由 MCM 提供,而不需要通过 XPU的 插座引脚。而且由于 MCD 驱动与倍增器 MCM之间 的电流很小,XPU基板所需的90% 的电源引脚都可用作其他用途,用以提高系统性能,例如扩展I/O 功能性等。与此同时,由于MCD和MCM之间的电流极大减少,它们之间的互连导通损耗将降低达10倍。其它优势还包括简化主板设计以及 XPU 动态响应所需的储能电容大幅减少。

8月22日,将在于中国北京召开的开放数据中心峰会 (ODCC) 上推出两款最新的合封电源器件:MCM3208S59Z01A6C00 模块化电流倍增器 (MCM) 和 MCD3509S60E59D0C01 模块化电流驱动器 (MCD)。多个 MCM 可并列工作,提高电流容量。MCM 具有小型(32 毫米 x 8 毫米 x 2.75 毫米)封装和极低噪音特性,非常适合与噪音敏感型高性能 ASIC、GPU 和 CPU 共同封装。这些器件工作温度为 -40°C 至 +125°C,是合封电源方案产品系列的首批产品。

在过去 10 年间,Vicor 一直是 48V 直接 为XPU供电方案的领导者。在提高电源系统密度和成本效益的同时,平均每隔两年便可将损耗降低 25%。今天推出的 MCM-MCD 套件将继续书写这一发展的华彩篇章。Vicor 合封电源方案解决了传统“最后一英寸”给 XPU 性能带来的障碍,这不仅可提高性能,简化主板设计,而且还可帮助 XPU 实现以前根本无法实现的性能,助力人工智能的蓬勃发展。

围观 8
1050

IDC日前发布《中国人工智能市场生态体系研究报告,2017》,报告从AI基础支撑资源、关键技术及应用解决方案层面研究分析了中国市场的进展、机会和挑战。近五年大数据的发展提高了行业企业的信息化、数字化程度,数据的体量、价值密度不断提升,为人工智能模型训练提供了数据支撑。数据处理、模型训练需要有计算能力的支撑,能够加速数据处理的芯片是人工智能市场发展的重要驱动力。

NVIDIA、Intel等芯片厂商提供硬件和软件平台,赋能开发者快速进入应用开发环节,推动了市场的发展。开源框架诸如Tensorflow, Caffe,以及国内BAT的开放平台则提供了大量的算法库,帮助开发者依托已有的积累快速进行优化。数据体量增长、算力快速提高,成为人工智能市场发展最重要的驱动因素。

另外,云计算服务平台不仅提供了AI开发的基础存储资源,也在不断推出云化GPU/FPGA服务器,并通过云平台输出AI服务,是市场发展的重要驱动力之一,同时也是2017年以来发展速度最快的一个细分市场。截至2017年上半年,共有10家云计算服务厂商加入了这一市场,而到2017年底,这一数字可能会翻倍。

在关键技术领域,报告重点解读了包括自然语言处理、智能语音、计算机视觉在内的市场进展,典型的商业模式,应用场景以及典型厂商。

自然语言处理中的语义理解、分析,知识模型生成及预测,是上层应用能否真正实现智能的重要环节。机器需要读懂语言才能与人类实现多轮自然交互,图像、视频结构化后也需要基于知识模型去推理、预测。知识模型的生成离不开大量的语料库和精准的算法模型,当前能够在语义理解、分析领域投资并取得优势的仍以有大量语料库积累的大公司为主。

语义理解+语音交互的人工智能软件平台逐渐被广泛的应用在智能家电、儿童玩具、教育产品、车载系统中,用户既包括传统行业的巨头,又有各种开发者创新团队。这一领域厂商的关注点在于打造包括内容、渠道、开发者在内的整体生态。而终端用户通常会选择2到3家的单点技术合成一套解决方案,给技术提供商带来了更多机会也带来了一定挑战。

计算机视觉场景待深挖。广义的计算机视觉又分机器视觉和计算机图像识别,当前计算机图像识别领域的人脸识别应用最为成熟。在平安城市安防行业解决方案中,已落地多套人脸检测系统,并为公安破案提供了有效的支撑。在航空业,国内也有近20家机场在探索使用人脸识别进行安检。在金融业远程身份认证环节,招商银行预计将于2017年底在所有ATM机使用刷脸取款。澳门今年5月宣布将推出ATM机先人脸识别再取钱的新规,要求中国大陆银联持卡人在澳门ATM机取款必须要先通过人脸识别才能取钱,以此来监控洗钱行为。另外,机器视觉也在不断的应用到机器人的感知系统中。尽管项目在不断落地,应用场景仍然比较单一,企业需克服技术挑战,在场景纵深方向继续发力。

此外,作为底层技术,机器学习逐渐被大数据厂商引入到分析架构中,进行高级预测分析;深度学习则被引入到有大量图像数据需要处理的场景中,如医疗服务业MRI图像等。

未来,所有B2B、B2C的业务都将全面的应用AI来获得更多收益。

AI+企业级运营管理,仍以企业级应用厂商为主,将机器学习融入到企业级解决方案中,以企业级应用厂商为主。未来,AI在企业中将全面应用到IT运营、OT运营自动化中,以数据和智能连接客户,连接产品,连接资产。

AI+行业,以金融、医疗最多。其中医疗行业处于A轮以上的创新企业最多,多以结合云计算、大数据、机器学习进行诊疗图像处理、辅助诊断应用为主,未来将从就诊前交互环节向下延伸至临床诊疗、精准用药,向上拓展至新药研发环节。金融行业应用场景以风险监测、反欺诈、信用评估为主,如SAS、国内的金融科技厂商同盾科技,明略数据等,智能投顾的落地应用相对较少。在制造行业,工业物联网+实时数据分析用于故障诊断、个性化定制为主,目前市面上厂商多处于探索阶段。

AI+B2B服务,包括跨行业通用的B2B产品或服务,如法律服务、服务机器人等。在这一分类下,应用案例相对较多的还是仓储及物流环节的无人车、社区摆渡车等。

AI+B2C产品,包括智能硬件、智能家居、消费级机器人、智能驾驶汽车等。在这一分类下,企业已经推出众多AI增强的产品,未来多模态的人机交互方式也将带来更多商机。

人工智能的应用,不仅是人工智能技术提供商的机会,也是众多IT厂商的机会:非结构化数据存储和处理为大数据厂商带来新机会;边缘计算为云计算、物联网的数据传输以及分析提供了新模式。对于传统行业,人工智能更是重要的数字化转型加速器,结合大数据、人工智能,企业能够为用户提供智能增强的产品、服务,促进数字化运营流程,改进用户体验。

IDC中国研究经理卢言霞认为:"未来,所有的企业都将是与AI相关的企业。新的人机交互方式、增强的数字化流程,将直接或间接的影响到组织当前的业务流程、产品服务客户的形式。所有的企业,不论是IT企业还是传统行业,都需要积极的评估人工智能的发展带来的影响。

围观 18
1084

作者:何立民

“思考”与“行为”是人类智能的两种类型。“思考”是大脑独立的思维方式,“行为”是作用于客体的智力表现。

两种不同的智能类型决定了人工智能两种形式、两条道、两种工具、两个领域。人工智能源自图灵机模型,图灵机在实现了人工智能的实用化智力内核(微处理器)后,迅速分化成两种不同的智力内核(通用微处理器与嵌入式微控制器),以满足人工智能两个领域的全面需求。

人类智能的两种表现

思维与智力行为是人类智能的两种表现方式,人类思考方式是思维,人类的行为方式是智力。无论是思维还是智力,都是知识基础上的能力与行为。动物没有知识,人们很难窥见动物思考,只能从动物的行为中了解它们的智力。人们常常喜欢将某些宠物的智力与人类相比,殊不知两者有本质不同:马戏团的小狗会数数,只是条件反射的训练结果,没有任何知识内涵。因此,人类智能是知识基础上的行为与能力。

人类智能与动物智力的本质差异是人类几百万年演化的结果。人类与动物的根本差异在于:动物们在自然竞争中演化,人类摆脱了自然竞争,进入到“认识世界、改造世界”的特殊演化道路。认识世界的思考与改造世界的行为能力构成了人类特殊智能。人们可以从人类大脑的特殊进化中,了解到这种特殊智能的演化结果。

首先是大脑容量的异常进化。百万年来,人类相对于其他物种,唯一明显的进化特征,是脑容量的急剧增长。

据人类学家统计,几百万年前,黑猩猩的脑量平均为400毫升,作为人类祖先的“南方古猿”,脑量为400~770毫升,其后进化的“爪哇人”为775~900毫升、“北京人”为850~1300毫升,现代人脑量平均为1400毫升。与此同时演化的黑猩猩,其脑容量却没有明显变化。现代神经医学研究指出,人类大脑容量的增加,主要是大脑皮层的异常发育所致。大脑皮层主管高级神经活动,体现了人类感知、认知、思维、思考的知识效应,充分表明人类智能的基础是知识。

其次,是人类左大脑的异常进化。20世纪60年代,美国心理生物学家斯佩里博士发现了人类左右大脑的割裂现象,提出了大脑不对称性的“左、右脑分工理论”,荣获1981年诺贝尔生理学或医学奖。人类左右大脑不同功能的分工现象表现在:左半脑主要负责逻辑、理解、记忆、时间、语言、判断、排列、分类、逻辑、分析、书写、推理、抑制、感觉(视、听、嗅、触、味觉)等,其思维方式具有连续性、延续性和分析性,因此左脑可以称作“意识脑”、“学术脑”、“语言脑”。右半脑主要负责空间形象记忆、直觉、情感、身体协调、视知觉、美术、音乐节奏、想象、灵感、顿悟等,思维方式具有无序性、跳跃性、直觉性等,因此右脑又可以称作“本能脑”、“潜意识脑”、“创造脑”、“音乐脑”、“艺术脑”。

百万年来,在认识世界、改造世界中演化,为了生存成为人类进化的主旋律,人类的智能最终形成了以左脑为主的思维、行为方式。可以看出,人类智能主要是知识基础上左大脑的思维(思考)与行为(智力)能力。现阶段,人工智能也将沿着这两种能力表现进行探索与实践。

一个源头的两个分支

1956年夏天,一批有远见卓识的年轻科学家聚在一起,共同研究和探讨用机器模拟人类智能的一系列有关问题,并首次提出了“人工智能”这一概念,人们认为它标志着“人工智能”这门新兴学科的正式诞生。

人工智能,除了理论研究,还必须有能实现人工智能的先进技术与工具,这就是现代计算机。因此,不少人把人工智能看成是计算机的一个分支,其源头则是图灵学者们对“可计算原理”的开创性研究成果。

图灵学者们提出“万物皆可为函数”的可计算原理,1936年5月,图灵发表了著名论文《论可计算数及其在判定问题上的应用》,并提出了图灵机概念。1946年,在图灵机思想影响下,第一台数字计算机“ENIAC”在美国宾夕法尼亚大学诞生,但体积庞大、造价高昂,与图灵理想的人工智能机相距甚远,“ENIAC”的实用化发展也受到诸多限制,直到半导体微处理器诞生,情况才得到根本的转变。

人工智能之父图灵

20世纪60年代半导体集成电路诞生后,Intel于1971年、1972年相继推出了第一代4位微处理器4004与第一代8位微处理器8008。紧随其后的是微处理器的不断改进与微处理器基础上现代计算机的快速发展。在嵌入式系统领域,1974年仙童半导体公司推出了第一个微控制器系列F8,随后微控制器开始了爆发式的创新热潮。

1976年Intel公司开始了MCS 48探索,1980年又完善成经典的8位微控制器MCS 51系列。在通用计算机领域,1981年IBM 公司在8088微处理器基础上,创建了通用计算机IBMPC。

从上面的追溯中可以看出,20世纪30年代,一批图灵学者们以“一切皆可计算”的理论与模型,成为人工智能的源头;1955年,由约翰·麦卡锡(John McCarthy)等人发起的达特茅斯会议上正式定义“人工智能”,催生了人工智能革命;20世纪70年代微处理器诞生,开启了人工智能的实践时代,其后“人工智能”大行其道,成为20世纪与空间技术、能源技术并列的三大尖端科技,又与基因工程、纳米科学一起成为21世纪三大前沿技术。

两个并行发展的人工智能领域

与人类智能的两个领域(思维与行为)相对应,微处理器诞生后,也迅速分化为通用微处理器与嵌入式微处理器,这是一个十分有趣的科技现象。“思考”是大脑在知识基础上的“思维能力”;“行为能力”是人类个体与客观世界的交互状态,除知识以外,还必须有对外部世界的感知与控制。微处理器诞生后,现代计算机智力革命就是沿着这两个领域并行发展。通用微处理器基础上的通用计算机用于实现人类大脑思维能力仿真;嵌入式微处理器基础上的嵌入式系统用于实现人类智力行为替代的智能化工具。

早期,人们以为人工智能就是对人类思维信息过程的模拟,它包括人脑的结构机制模拟与制造“类人脑”的功能模拟。微处理器诞生后,通用计算机承担了思维信息过程模拟的重任;嵌入式系统以智能化工具来替代人类智力行为,这无疑将早先人工智能的“思维仿真”进一步扩大到“行为替代”的广义领域,从此掀开了人工智能历史的新篇章。对此,有人用“强人工智能”与“弱人工智能”来区别这两种不同的人工智能领域。

“强人工智能”,是研究人类大脑及大脑思维仿真的人工智能领域。1980年,美国加州大学伯克利分校哲学教授约翰·罗杰斯·希尔勒(JohnRogersSearle)认为:“计算机不仅是用来研究人的思维的一种工具,而且,只要运行适当的程序,计算机本身就是有思维的。”因此,强人工智能领域有两类,即类人的人工智能与非类人的人工智能。类人的人工智能目标是实现人造大脑,使机器能像人类一样思考和推理,是人工智能的顶级工程,也有人称它为超强人工智能。非类人的人工智能,即机器对人脑功能的仿真。深蓝计算机“国际象棋大师”、沃森计算机“智力竞赛”、AlphaGo“围棋大师”都是机器对人脑的功能仿真,它们起源于20世纪70年代计算机的专家系统研究。

“弱人工智能”,是指用机器实现人类的智能行为,用于代替人类个体的脑力劳动。由于现代计算机的完善与广泛应用,用专家系统及智能化工具形式实现的人工智能比比皆是,充斥在人们周围,人们却视而不见。约翰·麦卡锡这位在20世纪50年代提出人工智能概念的学者也感叹于我们日常生活中每天都在使用人工智能,同时也抱怨于“一旦一样东西用人工智能实现了,人们就不再叫它人工智能了”。另外,不要一提到人工智能就想着机器人,所有内部嵌有微控制器的工具,或在计算机上实现人类思维能力的计算机软件,都是人工智能的表现形式。

全方位渗透的人工智能革命

结合现代人工智能学者温斯顿教授的简明观点—人工智能就是研究如何使计算机去做过去只有人才能做的智能工作,可以看出,20世纪50年代人工智能诞生后,由于计算机工具的滞后,人工智能领域一直没有实质性的进展。20世纪70年代半导体微处理器诞生后,微处理器基础上的现代计算机才成为实现人工智能应用的有力武器,从此开始了以人工智能为中心的现代计算机智力革命。由此构成形形色色、用于替代人类智能的工具,如集成电路芯片、通用计算智力仿真的专家系统和嵌入式系统的智能化工具。

许多业内人士都知道,半导体集成电路可以替代电子工程师的部分智力工作。过去设计一个电子时钟要了解计时原理、设计与调试计时电路,有了集成电路时钟芯片后,电子工程师只要在时钟芯片基础上添加人机交互界面即可。16位模/数转换曾经是国家级科研项目,有了16位模/数转换芯片之后,再也无人从事模/数转换的科学研究。最具说服力的是目前工科院校中模拟电路、数字电路课程内容的不断萎缩,以及大量模拟电路、数字电路专家岗位的丧失现象。

在通用计算智力仿真领域,20世纪70年代兴起了专家系统热潮,随后是形形色色的商品化软件(办公软件、科学计算/分析软件、管理软件、工程设计软件等)问世。这些商品化软件渗透到各行各业,代替人们的脑力劳动。当这些智力仿真成果铺天盖地而来时,人们不以为然。幸好有深蓝计算机“国际象棋大师”、沃森计算机“智力竞赛”、AlphaGo的“围棋大师”对人工智能的普及,让人们对人工智能有了初步的认识。

在嵌入式系统领域,微控制器以智力内核角色嵌入到工具中,实现人类工具的智能化革命。早期的工具智能化是传统电子系统的智能化改造,改造后的智能化工具代替了使用者的智力劳动。自动洗衣机代替了洗衣工的智力劳动,汽车故障自动检测系统免除了维修技师的智力劳动,智能手机多方面代替了人们生活中的智力劳动。在前沿科技领域,众多的智能化设备代替了科学家的智力劳动。

如今,在AlphaGo掀起的这股人工智能热潮中,引发了人们对机器人的众多遐想与议论。在这些遐想与议论中,人们应该意识到,我们已沉浸在一个人工智能的汪洋大海之中。多年来,人工智能彻底改变了我们的生活方式,改变了我们的世界观,只是我们往往浑然不知。

文章来源: 嵌入式资讯精选

围观 9
1083
订阅 RSS - 人工智能