AI潜力无穷挑战也重重英特尔提三大解决方向

受到日益增加的数据处理需求带动，人工智慧(AI)运算技术日新月异，英特尔(Intel)研究团队针对相关领域展开研究，探索能为边缘运算(Edge Computing)、网路和云端系统带来超高效能和低功耗的技巧，最近发布研究成果。
一般而言，在电力受到限制的边缘装置，部分应用程式(App)可接受低精度输出，类比二进位网路(BNN)则被视为更高精度、运算和记忆密集的AI演算法替代选择，但BNN因为较无法忍受变异和杂讯，通常预测的准确度较低。
英特尔开发了一种10奈米数位BNN晶片，宣称是一种可行的潜在解决方案。这款数位BNN晶片上植入10亿个激活函数和权重，每秒运算次数为617兆次，相较于先前的数位晶片运算密度高出2.8~135倍，能源效率则高出2.7倍。
相较于类比BNN晶片，数位晶片优点相对多，例如不会增加电晶体数量或电容器，因此不会降低运算区域的效率。取而代之的是，数位晶片内建161KB记忆体和执行单位(MEU)，以支援类似输出激活和比较操作等工作。数位晶片还有集中式控制器，用以协调来自4个记忆体库的数据，而且还连结8个MEU阵列(每个阵列有16个MEU)。
第二项研究成果为光线投射加速器。在即时定位和地图建构(SLAM)，加速器通常用于测距和路程规划，但这些晶片处理密集的SLAM工作时会显得相当吃力，例如精确的表面估计和3D场景重建等，这些工作都需要处理大量的即时视觉数据。
光线投射是针对低功耗边缘晶片执行密集SLAM的一种技术，英特尔研究人员结合光线投射技术，打造一款10奈米CMOS加速器，能投射多条光线来探测立体画素的位置。研究人员宣称，加速器投射的光线为320 x 240画素，每个影格平均延迟时间仅23.2毫秒。
英特尔还发布一款「事件驱动数据处理器」(event-driven visual data processing unit；EPU)，研究人员利用新颖的演算法指示AI加速晶片，仅以基于动作的「兴趣点」(regions of interest)处理视觉输入。EPU晶片支援每秒70影格的Full HD影片，以及类似事件侦测和分组的工作负载，并且将AI视觉硬体端对端能源效率提升5倍，吞吐量则增加4.3倍。
在每一个EPU时脉周期，名为「Eventifier」的演算法会将当前和先前的影格，以每16画素分批比较强度，另外还有一个模组会集合时间和空间的关联事件。此外，「Convlover」演算法则会跳过影格中不包含动作的区域，也能分析室内、室外、白天和黑夜的镜头。