Arm最近發表了Project Trillium人工智慧(AI)平台,有可能被生態系統夥伴迅速採用,並且在各種解決方案之間發展出可供軟體社群利用的一致性。

市場研究機構Tirias Research認為,到2025年,有95%的新裝置或平台將會利用雲端的AI或是具備某種型態的原生機器學習;Arm並不是第一家提供AI解決方案的IP或半導體供應商,但身為產業界最大的處理器架構生態系統核心,該公司有一天可能會實現數以百億計的智慧裝置。

今日的雲端解決方案是利用繪圖處理器(GPUs)、FPGA與客製化晶片進行大規模佈署,而大多數裝置等級的解決方案是利用數位訊號處理器(DSPs)、專屬IP功能區塊或是客製化加速晶片;新一代的解決方案與公司如雨後春筍般崛起,Arm正跨足這個新戰場。

Project Trillium包括專門為佈署裝置上機器學習所設計的新系列處理器核心,在鎖定今日的推理功能之同時,該平台的目標還包括在未來提供某種程度的模型修正(model modification)。

Arm聲稱其處理器核心性能可達到3 TOPs/Watt,整體性能(8位元整數)超過4.6TOPs,進一步最佳化能達到4倍性能提升。Project Trillium核心一開始是以7奈米製程達到1.5W的目標功耗,這一系列核心能利用開放源碼軟體,以統一記憶體架構(unified memory architecture)與現有的Arm核心整合。

Project Trillium核心初始目標應用為智慧型手機與IP攝影機,特別是搭配Arm在國際消費性電子展(CES)期間發表的物件偵測(Object Detection)處理器,或是Arm的神經網路程式庫;長期來看,該系列核心有可能進軍任何一種行動裝置或嵌入式應用。Project Trillium系列IP預計在2018年中提供給生態系統夥伴,採用該IP的產品則應該是2019年問世。

令人遺憾,目前並沒有萬用機器學習解決方案,每一種新任務都會有各自的神經網路要求;這帶動了對新處理架構的需求,能跟著工作負載改變也能以倍數提升整體處理器性能。

時間尚早,Arm還未提供Project Trillium首批相關產品的細節,該公司剛剛加入一個已經有許多競爭對手的戰場,而這可能會是一場需要花費數十年時間才能在資料中心領域分出勝負的戰爭,在邊緣運算這個充滿挑戰的領域則需要更久時間。

編譯:Judith Cheng

(參考原文:Arm Extends AI to the Masses,by Jim McGregor;本文作者為Tirias Research社長)