以AI技术最佳化的SoC今年将应用在行动与边缘
IDC最新发布的《Worldwide Enabling Technologies and Semiconductors 2018–Top 10 Trends》报告指出2项由人工智慧（Artificial Intelligence；AI）驱动的关键趋势：首先2018年将是AI在边缘（edge）的肇始，其次以AI技术最佳化与整合的SoC解决方案将开始出现在行动与边缘应用。随着边缘运算能力日益强大，将促成机器学习（Machine Learning；ML）大量应用于边缘装置。
根据Semiconductor Engineering报导，许多科技的大变革得以实现是由于半导体的重大创新，以及1970年代开始的微型化、制程良率改善、生产效率提升、工具进步所促成，在可预见的未来仍会是科技发展的重要基石。不过科技的大变革也可能是基于单纯的观点转换。
人类日常生活中各种装置，不仅能协助上网、传送短信，更可提供全然不同的功能，包括为人类驾驶车辆、监测住家、提升人身与数据安全、理解人类。例如智慧型手机不仅只是可随身携带的便利电话，厂商更将其设想为使用者可随时随地使用的运算装置。不同的观点让边缘运算能促成更有趣与更具挑战性的应用。
全球连网装置日增趋势已成定局，预估数量将从80亿增加至1兆，分布式运算（distributed computing）已开始成形，例如属于边缘装置的Lumo Bodytech穿戴式装置，2017年时已能执行ML软件以最佳化配戴者的活动方式。而传统的处理模式是在边缘撷取数据，传送至数据中心处理，再将结果回传边缘装置，不仅费时且耗能。
随着边缘装置的运算能力不断提升，将可承担各种ML应用与AI工作负载，为人类带来极大价值。而将执行ML算法所需的适切运算能力建置于边缘，则可提升处理效率与节约能源。IDC的研究报告指出，2018年供应商纷纷定位现有产品或增加新功能，以处理AI工作负载与编码构架（programming framework）。
安谋（ARM）已最佳化其先进世代CPU与GPU的IP核心，以提升处理AI推论（AI-inferencing）的效率；Google、联发科、高通（Qualcomm）、Rockchip等半导体供应商都已转向将数位信号处理（DSP）核心整合至一般用途处理器或协同处理器，以加速处理电脑视觉等AI工作负载。
基于能耗、延迟（latency）与安全考察，AI相关工作负载也应移到边缘。例如监视摄像机若能配备足够运算能力，便能直接执行ML算法，过滤所撷取的大量图像数据，仅将可疑数据上传云端作进一步分析或触发警示，即可避免直接将所有数据串流云端的耗时、浪费资源与数据安全疑虑。
而以人脸辨识解锁智慧型手机，最合理的方式也是直接在要解锁的智慧型手机上执行辨识算法。此外，智慧音响的语音辨识功能，若所有处理程序都能直接在装置上完成，则执行效率更佳、无须依赖良好的网络质量、数据安全更有保障。
IDC Market Perspective报告对2018年的市场趋势预测还包括：车用半导体、车用电子的投资与整合将持续加温，自驾车感测器技术与感测器融合将成趋势；数据中心内的GPU将持续作为执行AI训练的主力，NVIDIA占比最高，而超威（AMD）在2019年也将有所斩获。
编辑：admin 最后修改时间：2018-04-21
