AI 技術(shù)愈來愈受歡迎，在汽車、視覺處理和電信等領(lǐng)域的應(yīng)用也越來越多。目前，AI 正在通過實(shí)現(xiàn)眾多新功能來取代許多傳統(tǒng)算法，例如為智能手機(jī)攝像頭提供去噪和圖像穩(wěn)定功能。

在眾多實(shí)施 AI 的產(chǎn)品都將數(shù)據(jù)發(fā)送到云數(shù)據(jù)中心的同時(shí)，也凸顯出一些主要缺點(diǎn)：延遲增加、隱私風(fēng)險(xiǎn)以及需要互聯(lián)網(wǎng)連接。

設(shè)計(jì)人員希望創(chuàng)建一些 AI 系統(tǒng)，使其在通常采用電池供電的邊緣設(shè)備上運(yùn)行，但這也帶來了新的挑戰(zhàn)，既實(shí)現(xiàn)需求的性能和功能與功耗之間的平衡，尤其是在持續(xù)快速且越來越多的需要更多計(jì)算能力的情況下。

AI 處理挑戰(zhàn)

雖然眾多不同邊緣設(shè)備的要求都各不相同，但它們基本上都是為了最大程度地提高性能，降低功耗，并盡量減少所需的物理空間。設(shè)計(jì)工程師如何作出合適的權(quán)衡才能應(yīng)對(duì)這些挑戰(zhàn)？

現(xiàn)有 AI 處理器的性能往往受到帶寬限制，并且在將數(shù)據(jù)移入和移出外部?jī)?nèi)存時(shí)也會(huì)遇到瓶頸，導(dǎo)致系統(tǒng)利用率低，這也就意味著性能/功率數(shù)值（以 TOPS/Watt 為單位）受到限制。

另一個(gè)重要問題是如何提前計(jì)劃滿足未來需求。由于 AI 處理器芯片的部署周期通常較長(zhǎng)，因此 AI 解決方案必須能夠適應(yīng)未來的新要求，包括支持尚未定義的新神經(jīng)網(wǎng)絡(luò)。這意味著所有解決方案都必須足夠靈活、可擴(kuò)展，才能隨著性能需求的增加而提升。

AI 系統(tǒng)還必須安全，并且必須符合最高的質(zhì)量和安全標(biāo)準(zhǔn)，尤其是對(duì)于汽車應(yīng)用和其他人工智能系統(tǒng)可能涉及生命攸關(guān)的決策的應(yīng)用。例如，如果一位行人走到自動(dòng)駕駛汽車前面，留給司機(jī)的反應(yīng)時(shí)間是非常短的。

為了幫助克服這些挑戰(zhàn)，就需要一個(gè)全面的軟件工具鏈，簡(jiǎn)化客戶實(shí)施，減少開發(fā)時(shí)間。

AI 處理器逐步提升

讓我們以視覺機(jī)器學(xué)習(xí)為例，看看 AI 解決方案提供商如何應(yīng)對(duì)這些挑戰(zhàn)。

圖 1：NeuPro-M AI 處理器框圖，顯示內(nèi)存架構(gòu)

首先，如果我們考慮帶寬限制性能和內(nèi)存訪問權(quán)限問題，可以通過動(dòng)態(tài)配置的兩級(jí)內(nèi)存體系架構(gòu)來加以解決（參見圖 1）。這樣可以最大限度地降低與外部 SDRAM 進(jìn)行數(shù)據(jù)傳輸產(chǎn)生的功耗。通過以分層方式使用本地內(nèi)存資源，實(shí)現(xiàn) 90% 以上的利用率，防止協(xié)處理器和加速器出現(xiàn)“數(shù)據(jù)匱乏”情形，同時(shí)還可使每個(gè)引擎獨(dú)立處理。

優(yōu)化 AI 處理的另一種方法是通過使處理器架構(gòu)支持混合精度的神經(jīng)引擎。這種方法可以處理 2 到 16 位的數(shù)據(jù)，減少系統(tǒng)帶寬消耗，除此之外，還能按每個(gè)用例靈活運(yùn)行混合精度網(wǎng)絡(luò)。此外，當(dāng)數(shù)據(jù)從外部?jī)?nèi)存寫入或讀取時(shí)，數(shù)據(jù)壓縮之類的帶寬減少機(jī)制還能實(shí)時(shí)壓縮數(shù)據(jù)和權(quán)重。這種方法減少了所需的內(nèi)存帶寬，進(jìn)一步提高了性能，顯著降低了總功耗。

圖2：四引擎內(nèi)核細(xì)分

這是 CEVA 的 NeuPro-M AI 處理器采用的方法，是一種用于 AI/ML 推理工作負(fù)載的獨(dú)立異構(gòu)處理器架構(gòu)。以此解決方案為例，圖 2 顯示了如何在四 AI 引擎之間分割機(jī)器視覺應(yīng)用，在本案例中是對(duì)前方道路進(jìn)行車道檢測(cè)。圖像數(shù)據(jù)從外部?jī)?nèi)存或外部接口加載，然后分成四個(gè)拼圖，每個(gè)拼圖由不同的引擎處理。換句話說，每個(gè)引擎可以各自承擔(dān)一個(gè)子圖或不同的任務(wù)，例如物體檢測(cè)和車道識(shí)別，以便優(yōu)化特定應(yīng)用的性能。

每個(gè)引擎都有自己的片上 L1 內(nèi)存，以便最大程度地減少瓶頸或延遲。這也意味著，一旦配置好，AI 處理器就幾乎可以完全獨(dú)立地運(yùn)行了，并且在大多數(shù)情況下，可以運(yùn)行“從頭到尾”的“融合”操作流水線，完全無需訪問內(nèi)部?jī)?nèi)存且?guī)缀鹾苌僭L問外部?jī)?nèi)存。如此一來，AI 處理器將變得更加靈活，并有助于提高能效。

我們?cè)诒疚拈_始時(shí)討論的要求還包括提供面向未來的靈活解決方案。完全可編程的矢量處理單元 （VPU） 可以在同一引擎 L1 數(shù)據(jù)上與協(xié)處理器并行工作，確保新的神經(jīng)網(wǎng)絡(luò)拓?fù)湟攒浖绞教峁┲С?/p>

機(jī)器視覺優(yōu)化

有許多優(yōu)化可以提升特定 AI 應(yīng)用的性能。在視覺處理過程中，Winograd 轉(zhuǎn)換就屬于這種優(yōu)化之一。這是執(zhí)行卷積（例如傅里葉變換）的另一種高效方法，只需使用以前所需的 MAC（乘累加運(yùn)算）數(shù)量的一半。

對(duì)于 3x3 卷積層而言，Winograd 轉(zhuǎn)換可以將性能提高一倍，同時(shí)保持與原始卷積方法相同的精度。

另一個(gè)基本的優(yōu)化是使用稀疏化，即能夠忽略數(shù)據(jù)或權(quán)重中的零。通過避免乘以零，性能得到了改善，同時(shí)保持了準(zhǔn)確性。雖然某些處理器需要結(jié)構(gòu)化數(shù)據(jù)才能享受稀疏化帶來的好處，但使用完全支持非結(jié)構(gòu)化稀疏化的處理器可以獲得更好的結(jié)果。

通常，AI 系統(tǒng)需要將某些優(yōu)化功能或網(wǎng)絡(luò)固有操作（如 Winograd 轉(zhuǎn)換、稀疏機(jī)制、自關(guān)注操作和縮放）交給專門的引擎。這意味著需要先卸載數(shù)據(jù)，然后在處理后再重新加載數(shù)據(jù)，這樣一來就會(huì)增加延遲并降低性能。對(duì)比之下，更好的選擇就是將加速器直接連接到引擎本地共享 L1 內(nèi)存，或者在大多數(shù)情況下，進(jìn)行融合操作，即從一個(gè)協(xié)處理器到另一個(gè)協(xié)處理器的即時(shí)端到端處理，而不需要在執(zhí)行過程中訪問任何內(nèi)存。

這些優(yōu)化有多重要？圖 3 顯示，與 CEVA 的上一代 AI 處理器相比，單引擎 NPM11 內(nèi)核在典型的 ResNet50 實(shí)施中實(shí)現(xiàn)了性能提升。您可以看到，基本的、原生的操作實(shí)現(xiàn)了近五倍的性能提升。

添加 Winograd 轉(zhuǎn)換，然后添加稀疏引擎可以進(jìn)一步提高性能，最高可達(dá)上一代處理器的 9.3 倍。最后，對(duì)一些網(wǎng)絡(luò)層使用混合精度（8x8 和低分辨率 4x4）權(quán)重和激活，在可以忽略不計(jì)的精度損失的情況下，進(jìn)一步提高了性能--實(shí)現(xiàn)了比上一代處理器近15倍的性能提升，比原生處理快 2.9 倍。

圖 3：NPM11（單引擎內(nèi)核）性能改進(jìn)

結(jié)論

我們已經(jīng)看到了新內(nèi)存架構(gòu)和本地“負(fù)載平衡”控制實(shí)現(xiàn)（流水線處理對(duì)比連續(xù)處理相同數(shù)據(jù)），最大限度地減少外部訪問的情形，并充分利用了硬件，可以在不需要更多功耗的情況下提高性能，以及 Winograd 轉(zhuǎn)換和稀疏性等優(yōu)化進(jìn)一步提升性能的方法。

總而言之，現(xiàn)代 AI 處理器可以提供完全可編程的硬件/軟件開發(fā)環(huán)境，具有要求苛刻的邊緣 AI 應(yīng)用所需的性能、能效和靈活性，這使設(shè)計(jì)工程師能夠從其系統(tǒng)內(nèi)的有效AI實(shí)現(xiàn)中受益，而不會(huì)增加超出其便攜式邊緣設(shè)備預(yù)算的功耗。