AI是2017年IT產業的焦點議題,多數研究機構與產業都認為AI不但會與嵌入式系統整合,而且在部分應用中,具有AI功能的嵌入式設備將串聯成物聯網架構成為AIoT系統,而AIoT系統中,不僅上層的雲端平台會具有運算能力,終端的嵌入式設備,甚是設備中的元件,也都會有一定程度的AI設計,進而形成龐大商機,也因此目前各大晶片商都早已開始投入AI晶片的布局。
![](/news/2018/05/21/1512490770S.jpg) |
/news/2018/05/21/1512490770S.jpg |
AI晶片在嵌入式系統的應用相當廣,從數據中心、終端設備(智慧手機、平板電腦、穿戴式裝置…等)、垂直特定產業(製造、交通、醫療…等),都將是目標市場,投入的廠商也眾多,以架構來看,浮點運算、同步並行運算非常適用於人工智慧的深度學習神經網絡,因此具有這些特點的GPU,也成為這波AI熱潮的重要運算架構,在此趨勢中CPU也未缺席,尤其是Intel在2017年中分別推出獨立AI 加速器Movidius Neural Compute Stick與Myriad X視覺處理器(Vision Processing Unit;VPU),前者內建了Myriad 2視覺運算單元,可在1瓦電力下可完成每秒1000億次浮點運算,後者則是全球第1個配備神經運算引擎(Neural Compute Engine)的系統單晶片,可用於加速產品端的深度學習推理,除了兩家處理器大廠,Google也在2017年推出客製化的ASIC AI晶片TPU,專為機器學習設計,Google的TPU主要用於改善搜尋結果的相關性與提高Google街景服務地圖和導航功能正確度,由於TPU是專為特定用途設計的特殊規格邏輯 IC,只執行單一工作,所以速度更快,但缺點是成本較高。
除了GPU、CPU外,其他處理架構如FPGA、DSP等廠商,也都積極投入AI市場,而就發展來看,仍未看出那一類運算架構會成為市場主流,伺服器的應用目前仍以CPU為主,不過現在NVIDIA也開始跨入發展,至於終端嵌入式設備市場,無論是體積、功耗、價格,其市場需求都比伺服器更嚴苛,因此難度會更高,不同的應用會需要不同運算架構,因此未來處理器在嵌入式終端市場的應用將更為多元,不會出現一家寡占的狀況。