ST项目嵌入式人工智能愿景

[复制链接]

yumeii 发布时间：2019-12-26 14:59

技术帖
文章封面:	-
文章简介:	-

意法半导体（ST）打破沉默，在移动世界大会上讨论了该公司如何将机器学习视为嵌入式世界中“分布式智能”的关键，并展示了三种切实的AI解决方案。

巴塞罗那—正如预期的那样，在今年的世界移动通信大会上，人工智能是众人瞩目的焦点。Arm机器学习小组的副总裁，研究员兼总经理Jem Davies在接受EE Times采访时打趣道：“机器学习有点像跳蚤。每个人都有一个。”

在展会前已经提出机器学习计划的公司包括 Arm推出其Project Trillium，联发科P60，带有PentaG的Ceva以及初创公司GreenWaves的GAP8。

同时，意法半导体（STMicroelectronics）保持沉默，在公司周二（2月27日）的新闻发布会上讨论了该公司如何将机器学习视为嵌入式世界中“分布式智能”的关键。ST设想有一天，微型MCU网络将变得足够聪明，可以检测工厂车间机器的磨损或发现建筑物中的异常情况，而不必经常将感官数据报告给数据中心。

意法半导体在其展位上展示了三种有形的AI解决方案：一个神经网络转换器和名为STM32 CubeMX.AI的代码生成器，意法半导体自己的深度学习SoC（代号Orlando V1）和一个神经网络硬件加速器（目前正在使用FPGA开发）。最终可以集成到STM32微控制器中。

当被问及ST的嵌入式AI解决方案是否与Arm的Trillium项目合作开发时，ST总裁兼首席执行官Carlo Bozotti强调说：“没有。这些是ST内部开发的。”

与许多智能手机芯片供应商开发的AI加速器旨在与手机内部的CPU和GPU配合使用不同，ST致力于在连接的网状网络中部署的嵌入式处理器上设计机器学习解决方案。意法半导体集团副总裁杰拉德·克罗宁（Gerard Cronin）告诉《 EE Times》，意法半导体已经拥有可在任何STM32软件上运行的神经网络代码。他解释说，它的缺点是对于复杂/处理密集型应用程序，它的运行速度太慢。

为了加快机器学习速度，意法半导体正在设计AI特定的硬件和软件架构。意法半导体推出了其首款测试芯片，一种超节能高效的深度卷积神经网络（DCNN）SoC。它包含8个DCNN可重新配置的加速器和16个DSP。Bozotti声称，它采用28nm FD-SOI工艺制造，具有“超高能效”的特点。他将其描述为ST研发团队的一项重大成就。“这是一个真正的SoC，以0.5 TOPS的速度运行AlexNet，” Bozotti说。

由于该公司已经在进行后续工作，因此ST尚未决定是否将SoC照原样发布。但是，它在266MHz下每瓦运行2.9TOPS，可以用作ST的MCU的协处理器。

但是，意法半导体针对STM32的最终AI方案可能是在MCU内部集成神经网络硬件加速器。基于FPGA的演示表明，只需花费一小部分STM32 CPU负载，即可检测到红外摄像机所捕获的场景中有多少人。

为了应对市场对AI的渴望，Arm相信它已经建立了更好的捕鼠器，其CPU和GPU指令集扩展（专门用于机器学习）。ARM正在通过开放源代码许可证提供这些扩展，Davies说，许多公司已经在使用它们。

Arm计划在2018年中期推出所谓的可支持3TOPS的机器学习处理器。Davies强调说，这不是与Arm的CPU和GPU一起使用的硬件加速器。他说，它是一个独立的，功能强大且又节能的“机器学习处理器”。

戴维斯说：“我们有几个硬接线块来运行特定的神经网络，但这确实是一个可编程的AI处理器。无需动态调度。静态计划可以满足您的需求。”

当被问及这种AI处理器的目标市场时，戴维斯说：“对象检测，语音/消息传递和数字电视。”

与ST相似，Arm也看到了机器学习趋势从云转移到边缘设备。戴维斯说：“很简单，这是物理定律（太多的边缘设备），经济学定律（没人愿意为带宽付费），延迟定律（对时间要求严格的应用程序）和土地定律（保护隐私），”

作为领先的MCU供应商，ST在达成目标检测的愿景的同时，不会等待Arm推出独立的AI处理器。

联发科也不在等待Arm。在EE Times的一次采访中，联发科总裁Joe Chen告诉我们：“我们正在将NeuroPilot AI平台（桥接CPU，GPU和板载AI加速器）扩展到联发科技的其他消费类产品，包括数字电视。”

当被问及数字电视环境下的人工智能时，阿姆·戴维斯解释说，这一想法与华为如何使用其人工智能处理器麒麟970美化人像照片有些类似。他说：“这些DTV家伙正计划使用AI的功能来增强每个视频帧中的图像。” “他们非常渴望获得AI处理器的支持。”