2020年第三届AI大会圆满成功，最新IP/芯片/方案/生态加速AI落地
来源:核芯产业观察发布时间:2020-07-111218浏览
询问 AI2020年7月10日，由全球电子科技领域专业媒体<电子发烧友> 举办的第三届2020年人工智能大会盛大开幕，受疫情影响，今年AI大会由线下改成了线上举办，<电子发烧友>隆重邀请到了来自Imagination、赛灵思、中科创达、Arm中国、英伟达、英特尔、Synopsys、研华等众多家优秀AI企业的专家来作精彩的演讲。
电子发烧友总经理张迎辉在致辞中表示，在过去三年的快速发展中，中国的人工智能产业，已经成为了全球AI最大的市场和最快速发展的市场。
人工智能技术发展一日千里，当我们去年还在为图像、视频、语音、声音AI识别的技术问题不断钻研创新的时候，今年人脸识别已经在疫情防护中迅速落地，发挥着重要的作用。可以说，曾经走在技术创新前沿的企业，今年已经在市场上获得了巨大的回报。
此外，2020年国家推出了新基建的经济刺激发展规划，人工智能无疑会是新基建领域的重要一环，AI产业也将迎来更高速的发展和更加光明的前景。
调研：我国AI目前处于哪个阶段？未来发展机遇在哪里？
我国AI目前处于哪个阶段？张慧娟表示，根据电子发烧友调研，有36.9%的行业人士认为，我国现阶段AI处于萌发阶段，各项技术都不成熟，有49.0%的人士认为，我国AI处于发展初期，关键技术较为成熟。少数人士认为我国AI技术较为成熟，其中有26.2%的人士认为产品化能力有待加强的占，有21.5%的人士认为应用仍处于浅层次阶段。也有17.4% 的人士认为，我国现阶段AI格局正在形成，抢占赛道阶段。
在AI的应用现状方面，各家公司产品主要涉及到的AI技术有语音识别、机器学习平台、深度学习、图像识别、AI硬件优化等。产品在消费电子、智能家居、机器人领域的应用占多数。张慧娟谈到，近两年，AI在智能车载、智能安防、智能医疗、智慧教育等领域的应用也非常被看好，另外，因为技术难度大，只有极少数公司能够做到，所以在云端训练、远端推理领域的应用占较少。
AI企业投入项目之后，存在很大的风险。根据调研，只有3% 的行业人士表示，参与项目之后，部署成功的概率能达到91%以上，而34% 的人士表示，成功概率在30%以下。在谈到项目失败的原因时，有60.4%的人士表示是产品应用市场与预期出现偏差，39.6%的人士表示是项目技术规格无法实现，35.6%的人士表示是配合不畅导致周期无法满足，还有23.5%的人士表示是项目资金出现问题。
张慧娟认为，虽然多数AI企业2019年的出货量同比增长放缓，整个行业的融资热情也有所降温。但从今年疫情期间，AI技术的加速落地，我们可以看到，AI产业还有很多的应用场景有待挖掘，也存在非常多的变局和机遇。
另外新基建也将给AI落地带来较大的拉动作用，不过AI企业还需要在算力、算法、产品形态与场景的精准匹配、安全、平台化服务能力及数据的获取/治理、软件平台各个方面优化提升和突破。
Imagination ：基于GPU与神经网络加速器的异构计算——兼顾算力效率与算法普适性的平台
异构计算技术从80年代中期产生，由于它能经济有效地获取高性能计算能力、可扩展性好、计算资源利用率高、发展潜力巨大，已成为并行/分布计算领域中的研究热点之一。目前Imagination 与很多业界伙伴，都致力于异构计算。
“Imagination 是一家IP公司，自己不生产芯片，主要是将授权给芯片客户，目前使用Imagination 授权IP的芯片出货量累计超110亿片，”时昕介绍道，“Imagination是全球唯一一家非美国的GPU IP核心专利持有公司，公司在移动端的GPU IP市场占有率接近40%，在汽车领域的GPU IP 市场占有率约为43%，Imagination的客户主要有苹果、联发科、TI、紫光展锐、三星、ST等等。”
Imagination在AI领域投入大量的时间、金钱及人力，也取得了相当优秀的成绩，时昕表示，公司在人工智能领域研究了7年，投入费用超100万美元，已经申请/授权的人工智能专利超80项。
在会上，时昕重点介绍了Imagination灵活高效普适的异构平台NX-F及AI Synergy。NX-F神经网络边缘计算解决方案，具备高效神经网络支持的特点，引入了可编程性和浮点支持，包括计算优化GPGPU、PowerVR Rogue架构、基于多年的GPU计算经验等等。
据时昕介绍，PowerVR AI，是一个组合API，支持在GPU和NNA中互联互通，软件可以完美的支持安卓的开发，在安卓之外，也支持常见的Linxux、TensorFlow、PyTorch等等。
Imagination还与英国软件公司codeplay有合作，2019年10月23日，Imagination宣布，得益于全新优化的开源SYCL神经网络库，使用TensorFlow的开发人员将可以直接面向PowerVR图形处理器（GPU）进行开发。其首个版本在2019年提供商用。
赛灵思：着眼效率提升和与IoT技术融合，AI芯片优化三大路径
姚颂指出，AI需要芯片，芯片需要AI。由于神经网络的加入，深度学习成为AI产业的助推力。转折点出现在2012年，英伟达在2007年和2008年推出CUDA，GPU和CUDA让深度学习复兴，对后来的整个人工智能起到了决定性的意义。2012年，Google当时有两个大神，一个是吴文达老师，斯坦福教授，后来成为百度的首席科学家，还有Justin和吴恩达做了一个猫眼识别的项目，花费了1000台服务器，16,000个CPU是一个非常大型的分布式的计算系统。采用了两个GPU，这个算法把神经网络劈成了两半，分别放在两个GPU上，一起训练出来，极大的简化了整个计算系统的复杂度，把海量的数据用起来。把神经网络和深度学习的优势给体现出来。
在姚颂看来，数据、算力和算法三大因素共同驱动了人工智能的兴起。AI芯片的发展主要是关键性的应用推动。AI正在为越来越多的细分应用提供支持，不同的模型针对不同的应用类别，例如分类、目标检测、道路分割等主要采用卷积神经网络（CNN）。
哪些杀手级应用推动芯片的应用？姚颂认为，下一代技术主力发展是IoT和AI，IoT如果只做简单的连接，价值不大，如果赋予IoT一定AI能力，比如全家实现语音控制和语音交互，这些智慧生活体验带动应用的兴起。新零售、新制造、医疗领域也将成为AI市场的新增长点。
AI芯片的核心解决什么问题？姚颂认为，AI芯片主要解决的是带宽不足的问题，提高芯片的利用率。AI计算优化的三个维度，包括微架构设计、核心技术和算法压缩。AI芯片微架构设计的核心就是减少访存次数，芯片物理上的改进，采用的方法包括增大芯片尺寸，采用更多的晶体管，采用最新的制程和最高的带宽。
AI芯片近年来最大的进步非常大。姚颂分析说，清华大学高性能计算研究组的数据研究结果显示，从2019年到目前，ASIC产品已经出来，总体性能达到一个很好的指标，FPGA也在不断改进，，用数模混合方式做出来的AI芯片得到一些特别恐怖的新指标，目前离量产还有一段距离。
姚颂指出，AI芯片越专用，性能越好，设计难度越小。赛灵思的GPU是支持卷积神经网络，寒武纪是支持机器学习，AI芯片的需求确实差异很大。比如无线耳机的语音唤醒与识别需要AI芯片功耗低，成本低。自动驾驶需要的AI芯片低延迟、高可靠。
姚颂认为，生态与软件的重要性远远大于AI芯片本身。如果只有芯片和指令集，应用时就会产生很多问题。没有软件，开发者无法使用，没有生态，初学者根本没有办法看懂，学习成本很高，厂商不做板卡跟系统，工程师拿到你的AI芯片，最后做成产品也非常费劲。
中科创达：边缘计算推动边缘智能实现，5G与边缘智能融合前景看好
杨新辉的观察是，全球5G＋AI技术发展迅速，为IoT市场带来新机会，根据2020年IDC预测，5G智能终端的出货量会超过1亿台。纵观全球AI市场，德勤数据显示，到2020年人工智能在安防、金融、医疗等领域，边缘计算产品和应用逐步落地，营收可以达到2.4万亿美元的市场规模。2025年全球的互联网设备将超过250亿台连接，其中将可能有10%是通过5G网络产生的连接。
5G和AI未来将成为产业智能化的重要推手，考虑到5G网络具备可扩展能力和可靠性，更加灵活的无线网络，极大解决了连接安全和计算问题。在边缘计算和AI方向，边缘计算会有更多的感知和处理，机器视觉与人工智能将应用于无人驾驶，进行边缘的服务和数据的私有化，两者结合起来，将为整个的产业发展提供更强的动力。
杨新辉认为，5G网络部署带动通信带宽的增加和大数据的产生，整个市场对边际计算的需求日益强烈。5G时代，为了保证边缘计算产业和网络边缘计算的服务有效应对到落地场景，中科创达提供TurboX Edge Platform边缘智能平台，底层提供基于5G的通讯模组和边缘计算的芯片，为了加速开发者的产品落地，他们又推出了成熟的边缘计算的开发套件TurboX Edge Kit。
TurboX Edge Platform边缘智能平台采用层级化、模块化的设计理念以及容器化的部署方式，基础层包含核心计算模块（SOM）、操作系统内核、硬件驱动和开发套件；中间件层包含以人工智能、边缘计算、安全、人机交互为主的模块化组件；应用层包含各垂直行业端到端解决方案以及云服务，实现了边缘与云端的数据协同、控制协同、管理协同。目前，该平台已经广泛应用在智能工业、智能城市、智能零售、智能网联汽车、机器人等多个垂直行业。
Arm中国：AI芯片的发展与周易AIPU
Arm中国高级AI技术市场经理吴彤在分析当前AI处理器的演进时谈到，为了提高AI芯片的性能，AI芯片领域专用架构DSA逐渐兴起，DSA将弥补软硬件的性能鸿沟，将硬件架构进行定制并使其具备特定领域应用特征，使该领域的一系列应用任务都能高效执行。典型的DSA架构包括机器学习领域的神经网络处理器，图形图像/虚拟现实领域的图像处理器GPU，以及可编程网络交换机及接口。
他还列举了目前AI芯片六个典型架构，包括英伟达A100 GPU、谷歌TPU 3.0、Xilinx Versal ACAP、Intel Habana Gaudi、Graphcore IPU以及Cerebras WSE。而AI芯片的发展方向将取决于算法和生态等因素，深度学习算法需求以及从底层硬件到工具链、更高阶的库再到应用的生态也至关重要，此外Chiplet小芯片通过封装技术将芯片进行整合，也推动着AI芯片的发展。
去年，Arm中国发布周易AIPU是其自主研发的神经网络处理IP，具有创新架构、安全性和可扩展性。
据透露，首款采用周易AIPU的芯片全志科技语音芯片R329将于年内上市。吴彤指出，由于算法迭代快，AI芯片如何适配呢，周易提供很好的编程特性，可支持市面上主流算法的升级，此外周易的可扩展性可支持0.2TOP到几十TOPS算力的应用。从工具链到库、统一面向AI应用的API、支持所有主流AI框架以及丰富的AI应用构建的生态也成为周易AIPU能够快速从设计到量产的关键。
英伟达：Jetson平台助力边缘计算开发
JETSON平台已经聚集了50多万开发者，并且还在快速增长。JETSON在工业、物流、零售、医疗、农业、智慧城市等各行各业得到了广泛的应用。英伟达以强大的GPU而知名，然而在芯片的基出上，完善好用的工具链、SDK等的支持也令英伟达的芯片能够更方便的进入应用场景。
英伟达开发者关系总监李雨倩在演讲中表示，英伟达提供Tensor RT和Transfer learning工具，前者可支持多种算法模型平滑对接到英伟达的硬件，后者通过减枝、场景适配和新的层级，可对大型数据进行裁减，对场景增加数据集，以及预留部分通道拓展应用等等。
同时，英伟达提供DEEPSTREAM和ISSAC WORKFLOW两款SDK。DEEPSTREAM SDK提供了一整套数据流分析工具包，透过智能视频分析（IVA）和多传感器的数据处理来感知情景和意识。
ISSAC SDK 是一个机器人软件开发工具包，ISSAC Robot Engine 方便在不同的平台上部署机器人应用，ISSAC GEMs集成了许多机器人感知导航算法模块，并且许多有GPU加速，给机器人开发提供便利。
JETSON系列共有四款芯片，包括JETSON NANO、TX2 series、AVIER NX、AGX XAVIER series，覆盖从0.5TFLOPS到32TOPS的算力需求。考虑到许多设备都受限于小尺寸和低功耗，为此英伟达推出了全新的Jetson Xavier NX，使用户能够在不增加设备尺寸或功耗的情况下，大幅提高AI性能。
JETSON产品系列作为人工智能的边缘计算平台，将以强大的生态体系带给更多场景的落地应用。
新思科技：边缘端AI的延迟、可靠性问题
边缘计算对半导需求的影响主要在五个方面，在整个网络基础架构中添加服务器架构；人工智能嵌入所有系统；低功耗服务SOC芯片的应用；低延迟网络的需求，低延迟处理要求。而边缘AI将刺激AR/VR、机器人、游戏等低延迟应用的爆发。
Synopsys新思科技IP产品方案销售总监钟香建在针对AI加速器SOC的发展时谈到，大部分的AI加速器采用了12nm和7nm工艺，其实是14nm工艺。它的系统框架中采用了LPDDR、HBM2e、PCIe5.0、CXL等接口，以满足芯片或DIE到DIE之间的高速传输需求。其中，PCIe 4.0和5.0提供了当今AI SOC中最常用的接口，实现了可靠和可信的连接。CXL提供从主机到加速器的低延迟、缓存一致性连接。PCIe Switch有助聚合芯片阵列。Synopsys是PCIe IP领域的领导者，现在提供PCIe Switch IP来实现定制的AI聚合，提高系统性能。
此外，新思ARC EV处理器IP可使用标量、矢量、NN引擎完成人工智能处理，LPDDR IP提供低功耗、低成本的存储方案，HBM2 IP提供高带宽和高能源效率的方案，实现以最小的功耗和低延迟实现内存的吞吐量要求等。
通过边缘计算和5G的新应用及服务预计将出现强劲增长。DesignWareIP正在解决所需的关键延迟、可靠性和性能改进。
英特尔：OpenVINO™工具包助力人工智能开发
人工智能正在改变每一个行业的体验和定义，在图像和语音识别领域，机器已经能够达到甚至超过人类的水平。随着用户对于人工智能延迟和性能要求的提升，边缘端的人工智能在今年获得了快速发展。边缘人工智能近年来在安防，智能城市，零售，制造和视频等行业领域都获得了广泛应用。
英特尔提供了人工智能应用开发的完整生态资源，首先开发者可以借助OpenVINO对已训练好的模型进行优化和异构部署；OpenVINO工具包是一项用于高性能深度学习推理的工具套件，借助OpenVINO可以更快更准确地将人工智能应用产品化，并从边缘到云基于英特尔架构来部署。同时该工具包使用了同一个API，可以实现一次编写，任意部署，因此可以大大降低人工智能应用迁移所需的开发工作量。已训练模型通过模型优化器（支持TensorFlow、Caffe等多种模型）转化成中间表示格式，再通过推理引擎部署在不同的英特尔架构上。
在测试与集成阶段，英特尔提供了Dev Cloud边缘开发云和物联网开发人员套件来加快产品落地，上市阶段也提供了边缘软件中心。若是目前手头没有配置好的OpenVINO开发环境或缺少相应的英特尔产品进行部署，就可以借助边缘开发云来快速部署和测试。Dev Cloud不仅提供了开发服务器、存储服务器，还拥有一系列不同边缘节点。而物联网开发人员套件中，既有即插即用的神经计算棒，也有基于酷睿处理器的多场景开发套件和加速卡。
为了解决性能限制、快速上市和异构部署的挑战，减少底层开发工作，英特尔也推出了边缘软件中心。该软件中心里包含了针对多应用的边缘洞见软件包，同时附带商用级别的参考示例，也和多个合作伙伴推出了经验证的边缘设备。
研华：基于Intel Movidius VPU及海思SoC的边缘AI解决方案
英特尔的OpenVINO支持四大硬件架构，CPU、GPU、FPGA和VPU，其中的VPU就是Movidius系列产品。研华目前采用的是英特尔于2019年第四季度发布的Intel® Movidius™ Myriad™ X VPU，芯片型号为MA2485，该芯片相对Myriad 2 VPU在深度神经网络上的性能高出10倍，算力达4TOPS，专用神经网络算力达1TOPS，而且拥有超低功率，不到4W。研华基于该芯片推出了一整套边缘AI解决方案，既有加速模块也有推理系统。
这其中AI VPU加速模块已量产的有VEGA-320、VEGA-330、VEGA-340，而VEGA-341是下一代，预计在今年Q3正式量产。
其中VEGA-320集成了MA2485芯片，接口为M.2 2230，主要应用于弱AI场景，比如交通/视频监控和信息亭/零售行业等；VEGA-330可集成1或2颗MA2485芯片，接口为mini PCIe，主要应用于工业级的AGV还有无人机/机器人领域；前两个加速模块都采用被动散热。VEGA-340是插卡式产品，可集成4或8颗MA2485，接口为PCIe x 4，采用主动散热，更适合医学影像和AOI这类强AI领域。VEGA-320和VEGA-330除了自带的标准散热器外，还可以选配效果更好的伴散热器。
在未加入AI VPU的情况下，测试的人脸识别案例平均每秒帧数为110，CPU负载在100%，能耗为27W。加入了VEGA-330之后，不仅提升了10FPS，还释放了50%的CPU负债。在额外加入硬件的情况下，反而将功耗降低了30%，功率达到18.9W。AGV：VEGA-330边缘 AI 推断模块（VPU * 2）集成到他的 AGV 购物车中。这使得 AGV 能够通过摄像机视觉进行自主导航，并执行障碍物检测，以避免在人机混合工作场所发生事故。
AI纺织品缺陷检查：通过带有八个Intel Movidius VPU的研华VEGA-340可在分布式织机上进行实时AI检查。控制系统可以根据检测结果立即做出反应，提高生产质量和效率。
在研华推出的边缘推理系统中，Ei-A100主要用于教育零售领域，而AIR-200更适合AGV场景，EPC-C301则主要用于工厂自动化和机械臂等复杂场景。EPC-C301带有4个USB3.2摄像头接口，和CAN2.0自动化控制接口，选用了无风扇散热设计。
机器手臂AI（视觉）升级：将传统机械手臂进行视觉定位升级，通过EPC-C301内置的VEGA-330边缘AI推断模块，帮助客户进行运动轨迹辅助判断。使用手臂前端的摄像机进行自主运动，精确导航。
除了基于英特尔VPU的AI方案，研华科技也针对海思的SoC推出了自己的一套边缘AI智能物联网网关方案。目前正在研发的EPC-R5770就采用了海思的Hi3531。这款海思的SoC在视频编码能力很强，支持8路1080P H.265/H.264编解码。除了多路接口外，还支持附加VEGA-330的模组。EPC-R5772尚在计划中，选用的还是HI3559，各项参数仍然待定。
本次人工智能大会的圆桌论坛环节，由电子发烧友产业分析师张慧娟主持，邀请到Imagination公司时昕、英伟达公司李雨倩以及研华科技的鞠剑等数位嘉宾，共同探讨了AI新周期的新挑战，AI如何走向规模和普惠的话题。
声明：本文由电子发烧友原创，转载请注明以上来源。
新闻来源：核芯产业观察，文中所述为作者独立观点，不代表icspec立场。更多精彩资讯请下载icspec App。如对本稿件有异议，请联系微信客服specltkj。
