來源：ST社區

GPU和NNA（神經網絡加速器）正在迅速成為AI應用的關鍵要素。隨著不同企業開始挖掘神經網絡在各種任務（比如自然語言處理、圖片分類）中的潛力，集成人工智能元素的產品數量正在穩步的增長。與此同時，對于這些任務的處理也正在從傳統的云端架構轉移到設備本身上來，嵌入式芯片中集成了專用的神經網絡加速器，可支持本地化AI處理。例如先進的駕駛輔助系統（ADAS）能夠實時監控前方道路，還有集成語音識別類功能的消費電子產品，比如虛擬助理?；谏窠浘W絡的AI應用正在多個細分市場不斷擴大。

Imagination公司的業務是為芯片設計提供必要的內核組件，我們在嵌入式圖形處理器（GPU）和神經網絡加速器（NNA）技術方面聞名，我們將這些技術授權給世界領先的芯片供應商。他們的產品被廣泛應用在多個產品和服務中，因此Imagination在市場上占有著獨特的位置，我們使得整個生態系統都能夠參與到AI的發展中來。

不可否認，AI在很多應用中都是至關重要的，但是也有很多的挑戰。其中之一就是協調好終端設備和云服務器之間的處理負載，將AI處理操作放在最佳的位置來完成。例如在消費者終端設備上進行本地化AI語音識別；對于“喚醒”指令或其他簡單指令，因為本地設備無法存儲龐大的知識數據庫，要利用這些數據就必須在云服務器中實現很大一部分AI處理操作。目前的情況是很多市場上銷售的產品都帶有AI功能，但實際上它們只是在本地進行簡單的模式匹配和識別，然后依賴云服務器完成進一步的AI處理。

這種情況將會逐漸改變，隨著芯片工藝技術變得更加普遍，嵌入式神經網絡加速器（NNA）將會變得幾乎和CPU一樣無處不在，這為在終端設備中提高人工智能處理能力創造了機會。例如我們希望看到智能安防攝像頭能夠熟練的監控特定事件，不再局限于簡單的錄像，使用終端設備AI功能來處理識別視野內的一些特征，比如道路上的車輛或人群中的面孔。這也會衍生一些其他功能，比如確定車輛的制造商和型號、或者是某些人獲得授權。輸入結果可能不是可識別的視頻內容，可能只是描述這些結果的原始數據。將人工智能嵌入到安防攝像頭中甚至可以減少不靠譜情況的發生從而降低成本，因為攝像頭內的AI功能可以識別正常行為與可疑行為之間的區別。

雖然人工智能的應用數量在不斷增加，但這并不意味著集成神經網特性的單個SoC是所有應用場景的發展方向。如果我們考慮讓人工智能涉及大部分細分市場，由于使用該技術的產品在加工要求上有很大的不同，自然會出現多樣化。分散的市場很難與通用的應用處理器一起結合使用，例如那些集成了NNA器件和GPU的處理器，事實上，“一刀切”的方式并不總是適用的。

雖然一些市場為SoC供應商提供了大量的機會，比如智能手機、汽車ADAS等，但是許多以使用AI為目標的市場需求量并不是很大。值得注意的是，一些產品可能需要人工智能來進行語音處理或圖像識別，但并非兩者都需要：智能照明系統供應商不太可能使用最初為智能手機而設計的SoC，僅僅是為了將人工智能引入到其應用中，這并不符合成本效益。解決這個問題的方法是創建專門的人工智能芯片，與主應用處理器一起作為配套芯片使用，這些器件可以承擔原來由主應用處理器上的NNA核心來處理的AI任務，這具有明顯的優勢：SoC供應商可以提供一系列具有不同性能水平的終端AI器件；此外，OEM廠商還可以根據他們的期望在特定應用中處理AI任務，提供多個選項來適當的擴展或縮減產品解決方案。

那么人工智能市場將走向何方？我預計人們對人工智能的興趣和需求都將繼續增長，事實上，支撐這一目標的技術不斷變得成熟。相反，幾乎可以肯定的是，人們會意識到人工智能并不是解決所有問題的答案，炒作現象可能會有所減弱，許多公司也會轉移注意力。他們將會利用人工智能的潛力來增強系統的能力，但是人工智能未必是這些系統的運行核心。

更進一步說，真正的人工智能——機器擁有意識，能夠基于認知推理作出決策——這還需要10年或更長的時間。這意味著云互連在未來很多年都將至關重要，它不僅能提供必要的大規模并行計算資源（可能是通過量子機器），還能提供巨大的數據存儲，人工智能依靠這些數據來理解周圍的世界。更高帶寬的通信技術有望在2019年問世，尤其是5G和802.11ax標準，因此相信云AI架構和互連帶寬都將相應擴大。

PowerVR Series2NX架構

對于真正處于前沿的人工智能，我們需要構想出創新的方法來提高晶體管在硅片上的封裝密度，同時使其既具有通過學習獲得知識的能力又具備所需的推理技能，從而設計全新的SoC器件。

Imagination公司希望為芯片供應商提供關鍵的核心技術，從而構建世界領先的人工智能解決方案。PowerVR GPU提供了高性能的GPU計算能力，用于處理AI中的可視化操作，比如圖像識別和排序、手勢識別驅動接口以及實時視頻分析等。PowerVR NNA（神經網絡加速器）是任何前沿人工智能解決方案的核心，為高級推理和邊緣數據處理提供必要的硬件加速。我們的GPU和NNA能夠為高性能的AI處理提供一切必要的技術并使硅芯片獲得優勢。

人工智能的未來正在變得清晰…但是當它完成某些任務花費的時間比我們預期的時間要長時大家不要感到驚訝。

審核編輯 黃昊宇