- Advertisement -
首頁 標籤 DSP

DSP

- Advertisment -

Vsora推支援L4/L5自駕浮點運算IP方案

人工智慧(AI)、數位通訊和先進駕駛輔助系統(ADAS)應用的高性能矽智財知識產權(IP)解決方案供應商法商維數(Vsora),日前正式發布了其首款千兆浮點運算(PetaFLOPS)運算平台,可協助晶片供應商加速第四等級(L4)和第五等級(L5)自動駕駛汽車晶片設計。 Vsora是一家科技新創公司,在無線通訊的領域上,累積數十年數位訊號處理器(DSP)的設計經驗,包括最新一代行動通訊網路標準5G技術,其最新的DSP設計提供可程式化、可擴展、可利用軟體配置的多核設計,結合通訊DSP及AI加速的雙重功能,適用於自動駕駛晶片設計產業。 Vsora執行長兼創始人Khaled Maalej表示,很榮幸成為第一個在設計L4/L5自動駕駛汽車的晶片設計中提供良好運算能力、便攜性和經濟性的方案供應商,AD1028是公司提供的一系列平台中的首款產品,可為全球汽車製造商提供L4/L5等級功能的早期商業能力。 Vsora所推出的AD1028是一個IP核心架構,內嵌首個PetaFLOPS千兆浮點運算平台,借助於該高效能運算設計設計的低功耗晶片L4/L5控制單元,可大幅加速L4/L5自動駕駛汽車晶片設計產業縮短設計週期。 AD1028是一個可程式化解決方案,結合了自動駕駛所需要的數位訊號處理(DSP)以及機器學習(ML)功能,其採用強大的多核DSP和AI架構,毋須額外的DSP協同處理器及硬體加速器,並提供了軟體可程式化才能實現的靈活性。 當前的自駕車產業正面臨不少技術上的挑戰。在L4等級的自駕車中,駕駛仍得操控車輛,但在L5等級必須實現脫離人類控制的全自動駕駛能力,因此業界都在殫精竭慮,希望實現L4或L5自動駕駛的高速精準運算能力。 首先,車輛必須學習行駛過程中的各種環境特徵以自定行駛方案,這個過程稱為「感知」。這個過程需要使用最先進的DSP技術來處理感應器所收集的大量資訊,不僅包括雷達、光達、相機及超音波感應器的組合,也要配合全球導航衛星系統(GNSS)的數據、5G網絡訊號、蜂巢式車聯網通訊(Cellular Vehicle-to-Everything, C-V2X)的數據。 其次,在實際行駛中,車輛系統必須頻繁且快速地進行更新,以確保安全平穩地行駛,因為突發狀況可能隨時在一秒之內就會發生。 在處理收集到的資訊之前,必須對感測器數據進行快速過濾,以消除噪音和其他更多更複雜的干擾訊號,這就需要將先進的DSP演算法與AI結合使用,透過感​測​器​融合(Sensor Fusion)的過程,藉以整合資訊並過濾產生出乾淨正確的數據。 為了解決上述問題,Vsora設計了一種運算配置方式,通過共享的超高頻寬記憶體,使DSP及深層神經網路(DNN)得以加速交換數據並結合在一起,允許在感知階段即可同步進行前期訊號處理和AI演算法,並在規畫階段可立即採集到有效數據,同時透過大幅縮短數據往返於記憶體的路徑,明顯降低了延遲和功耗。 AD1028的模組架構非常適合L4/5自駕車所需強大運算的挑戰性。 AD1028具有1,028 TeraFLOPS 千兆浮點運算能力,運行頻率為2GHz,在Yolo-v3上處理處理800萬像素的影像僅需7毫秒(ms),處理Full HD影像則不超過1.6毫秒,研發人員無須更改演算法,即可自行配置訊號處理及AI演算法的處理架構。
0

感測/無線連接/AI高度結合 智慧物聯網萬事俱備

隨著無線感測與感測器技術演進,物聯網的應用逐漸落地,其中設備維護、無線網路連接、深度感測及人工智慧(AI)運算需求,皆是物聯網發展的重要技術。工業4.0透過自動化狀態監測(CbM)的即時預警,能確保產線上的設備正常運作,以及大型公共建設與交通系統安全。Wi-SUN千點組網則確保遠距傳輸的穩定性跟速度,而3D深度感測實現各項環境辨識與虛擬實境應用。最終加上人工智慧的運算助力,感測器的精準度便能顯著提升。 MEMS感測器高穩定/低成本助攻CbM 工業4.0時代,工廠走向智慧化、自動化,生產線上的機械手臂應用越來越多,但設備存在長時間使用後失效的風險,因此需要感測器即時預警生產線上的突發狀況,避免造成巨大損失。茂宣專業技術經理王浚睿(圖1)說明,以晶圓廠為例,設備失效最嚴重的狀況,可能是產線停工所導致千萬元的損失。此外,CbM也能應用在公共建設與交通工具,如橋梁、飛機、火車系統中,能夠避免意外發生。 圖1  茂宣專業技術經理王浚睿表示,MEMS感測器採用CMOS製程,具有產品的一致性佳,對於低頻訊號的反應回饋良好 CbM的振動量測在感測器的選擇上,常見壓電式(Piezo)或微機電系統(MEMS)兩種類型。Piezo是市場上目前比較常見的震動感測器,使用陶瓷材料設計的壓電元件,只能手工量產,所以產出有限且成本較高,在低頻訊號方面的反應較為遲鈍,並容易受到環境溫度影響而出現飄移。相較Piezo,MEMS感測器採用CMOS製程,具有產品的一致性佳,對於低頻訊號的反應回饋良好,且雜訊強度(Noise Density)低、不容易因為溫度變化飄移等優勢,可以做為震動感測的選項之一。例如亞德諾半導體(ADI)的ADXL系列MEMS感測器除了噪聲比較低,還具備無線模組,使得感測器的布建更方便。 建置MEMS感測器時,需考慮位置、連接方式、馬達以外的機件、尺寸四大面向。王浚睿解釋,位置方面,尋找震動源之前,須確定量測的位置正確。如果測量的位置跟震動源距離太遠,或是傳導的時候震動幅度已經遞減,量到的訊號就不夠精確。同時,感測器連接的方式很多,找到正確的感測器型號來連接待測物是一大重點。各型號的感測器頻率響應曲線不同,須依照感測器標注的最大測量頻率選擇適合的類型。接著,確定在機械結構中欲測量的部分,才能確認震動所造成的異音為高頻或低頻訊號。最後,感測器的尺寸應取決於整體的配重。感測器不能比待測物重,以免影響待測物本身的震動狀況。 藉由CbM的應用,正確建置的MEMS感測器能隨時感知生產線上的震動狀況,並在出現異常現象時即時預警,避免設備問題而影響產線運作。此外,CbM為交通系統與大型公共建設維持安全性,促進工廠安全及城市安全的維護工作朝向自動化發展。 Wi-SUN具遠距傳輸/高穿透特性 智慧城市的應用與物聯網息息相關,未來物聯網將有非常多結點布建到城市中,海量的連線需求需要高覆蓋、穩定的通訊系統支援。濎通科技行銷經理呂沐勳(圖2)觀察物聯網通訊的痛點,遠端更新是必要的功能之一,因為軟體不斷更新,如果裝置不具備遠端更新的功能,就需要靠人力個別更新,不符合成本效益。電池方面,使用電池發電的裝置,需要考慮電池壽命,如果電池更換得太過頻繁便會拉高成本。同時,有些通訊協定由廠商自行開發,因此發展新應用時,必須諮詢原先制定協議定的公司,才能擴大發展相關應用,顯得限制重重。 圖2 濎通科技行銷經理呂沐勳認為,Wi-Sun技術適合應用在智慧城市、智慧能源等領域                   面對大範圍的無線網路傳輸需求,呂沐勳認為,Mesh組網的Wi-SUN技術可以解決前述的物聯網通訊痛點,適合應用在智慧城市、智慧能源等領域,如東京電力公司已全面使用Wi-SUN智慧電表,取代NB-IoT電表。Mesh組網具自適應的網路系統,可以自動組網,當環境中增加新的節點,Mesh組網會自動連線。另外,因為Mesh組網具備自動修復功能,如果網路中增加新的建築物,切斷原本的組網路徑,Mesh組網便會透過別的節點重新連接,維持連線順暢。 看好Wi-SUN的特性,濎通科技提出Wi-SUN通訊方案,採用RF及PLC的雙模融合技術,設計出整合線傳輸PLC跟無線傳輸的單晶片,運用演算法自動切換,在無線連線中斷時執行有線傳輸,有線傳輸中斷時則改用無線連接,達到同時滿足快速且穩定的長距離傳輸效果。 呂沐勳進一步說明,良好的物聯網通訊解決方案應具備三項特色,其一是無頻段授權/通訊費。以電信商營運的NB-IoT為例,在電信商的管理之下,每個節點都需要支付電信費用,導致傳輸成本較高。二則是具有長距離/高穿透/廣覆蓋,以及自動組網/自動修復功能,以濎通的VC7300為例,其優勢便在於可從地下2樓傳輸到地上6樓,滿足智慧電表的抄表需求。最後則是支援IPv6協定,才能讓每個節點都有身分認證,確保連線安全。 3D感測走入消費市場 感測技術與無線通訊的結合促使物聯網應用落地,而感測領域其中的一大趨勢即為3D感測。艾邁斯半導體台灣區總經理李定翰(圖3)提及,3D感測的應用越來越熱門,其發展主要聚焦在行動裝置、智慧家庭、工業自動化與自動駕駛四個面向。行動裝置上的應用演進最快,從過去以鏡頭為重心的設計,轉為加入距離測量、人臉辨識、虛擬實境遊戲、實境導航等功能。在安全驗證方面,智慧型手機及智慧建築的身分驗證不只透過指紋,更搭配臉部辨識提高安全性。同時隨著疫情出現戴口罩而難以辨識人臉的情境下,中國已研發出可以辨識戴口罩的臉部辨識系統。 圖3 艾邁斯半導體台灣區總經理李定翰指出,目前ToF的應用逐漸從iToF走向dToF 當3D感測應用在智慧家庭,以掃地機器人為例,過去的掃地機器人大多藉由放置虛擬牆或使用紅外線偵測決定移動路線。新一代放入ToF感測器的機器人,在清潔空間之前,會先行掃描環境,甚至搭配3D感測布建地圖,計算出最快速及省電的打掃路徑。如果將3D感測模組放入冰箱中,便能測量裡面的材積容量大小調整溫度,或者提出某些區塊的食物已經放超過一個禮拜的警示,達到省電與協助管理食材的效果。 李定翰表示,目前ToF的應用逐漸從iToF走向dToF。iToF的鏡頭有很多限制,在陽光下感測器很容易飽和,同時進行多工傳輸的路徑容易讓運算有問題。而dToF的量測則更為精確,可測量的距離也更遠。隨著電子元件及PVC的精確度、製程進步,dToF很快就會取代iToF,例如臉部辨識的變型,可以結合最新的dToF輔助演算。如線上購物廠商,為鞋子、衣服的尺寸數據建立資料庫,消費者只需要輸入身高、三圍,即可在網站上進行3D試穿模擬。 AI力助終端感測 除了3D感測,在AIoT市場,感測器的應用也開枝散葉,智慧醫療、智慧家庭、智慧城市、智慧農業,無處不見AI、IoT與感測器結合的應用。Arm應用工程總監徐達勇(圖4)舉例說明,醫療照護藉由生理感測預警疾病症狀;工業4.0藥品包裝產線,採用人工智慧視覺辨識,確認每個包裝內的藥品數量相同,或者透過震動感測確認工廠設備有無異常;農業中的蝦子養殖,運用AI影像辨識,確保蝦子的飼料不會因為過量而影響水質,也能隨時觀察蝦子的健康。 圖4 Arm應用工程總監徐達勇提及,Arm預估2020~2024年,每年AIoT裝置會有至少20%的成長 AI運算的位置分為雲端、本地及裝置三種,徐達勇指出,調查客戶希望AI運算的位置,53%的客戶青睞在裝置端運算,比較困難的特定需求再進行雲端運算。雲端運算雖然提供強大的算力,但是延遲問題、高頻寬需求、安全性跟隱私疑慮,促使多數客戶傾向選擇在裝置上運算。 雖然客戶偏好AI的終端運算,然而終端運算會面臨幾項挑戰。一是終端裝置的應用很重視使用者體驗,需要提高算力才能達到提高使用者體驗的目的。此外,終端裝置的設計重視成本控制,同時裝置電力來源多半是電池,因此低功耗也是設計重點。最後,不論選擇何種運算方式,隱私安全都是客戶重視的關鍵。對此,Arm近期設計的IP Cortex-M55便以加速AI運算為目標,特別加強DSP跟機器學習的運算能力。 如果採用通用處理器執行機器學習運算,相對的效能比較差,生產晶片的成本就會提高,所以此設計聚焦在DSP/機器學習的運算能力提升,並且提高處理器或能源的效率,達到降低功耗的目的。資安方面沿用Arm第8代MCU開始的TrustZone功能,處理器可以分成兩種執行模式,安全性比較敏感的內容就使用安全模式執行。 觀察AIoT的趨勢,徐達勇表示,Arm預估2020~2024年,每年AIoT裝置會有至少20%的成長,並且到年底之前,至少20%的終端裝置會具備機器學習功能。因此Arm專注AIoT的市場發展,IP瞄準AI終端裝置的效能需求設計,可望滿足未來不斷增加的市場需求。
0

Credo多款DSP光模組亮相 因應5G高速/頻寬需求

因應5G時代頻寬與傳輸速度等技術需求的革新,默升科技(Credo)日前針對資料中心應用及5G網路架構分別推出新品。其為資料中心網路平台推出的Dove系列,包含4款新品—Dove 100/150/200/400光通訊數位訊號處理器(DSP);而針對5G無線通訊網路中前傳/中傳光模組應用,則推出Seagull 50晶片,進一步滿足行動網路頻寬不斷攀升的需求。上述新品也同時於近期中國深圳國際光電博覽會(CIOE)對外發布。 Dove系列四款產品針對資料中心高速傳輸應用設計 650 Group創始人兼技術分析師Chris DePuy表示,有鑑於5G網路架構中無線接取(RAN)技術的更迭,使5G網路需要更多高頻寬的前傳及中傳連接;加上5G時代聯網裝置大量增加,需要於容量、傳輸速率及傳輸距離進一步提升的傳輸系統支援。另一方面,Credo架構副總裁錢浩立也進一步表示,雲端平台營運商與此同時也需要尋找可擴展頻寬,但又兼顧低成本/功耗的光模組方案,藉此滿足下一代資料中心頻寬擴展的需求。 針對資料中心需求,本次Credo推出的新一代Dove系列四款產品,除採用PAM4 DSP架構以大幅減少晶片尺寸外,也設計可插拔模組,於減少功耗的同時可提升光模組的性能;此外,該公司的DSP技術的處理及平衡技術可適時補償光傳輸損耗,如可維持連續CTLE及DFE/FFE接收平衡,同時也相容於IEEE標準,使產品具有互通性。 另一方面,現階段5G網路針對光模組的主要訴求為低成本,藉此推動DML雷射發射器於業界採用的普及,加速光學元件發展。此類設計需能夠支援前傳的工業級運作溫度範圍,以及中傳/回傳中需較長的傳輸距離,因此該公司針對5G無線通訊網路架構推出的Seagull 50 PAM4光通訊DSP可滿足上述需求,將光元件、溫度變化及光纖傳輸過程造成的損耗及非線性效應透過補償機制,進而實現穩定可靠的高性能,且適用於資料中心及5G無線/eCPRI前傳、中傳和回傳等應用。 Seagull 50屬於雙模DSP 650 Group創始人兼技術分析師Alan Weckel對此表示,由於100/200/400G已占目前資料中心連接網路市占率一半以上,且未來也將不斷成長,成為資料中心主流訴求速率。而雲端平台營運商也正同步部署更高密度的100G網路拓撲結構,並開始投資200/400G網路,以因應網路頻寬成長的需求。由此可見,隨著網路的傳輸速率不斷提升,網路的功率密度及可擴展性已然成為光模組及交換器設計中必不可缺的標準。
0

耐能採用Cadence IP 提升終端裝置邊緣AI運算效能

全球電子設計創新廠商益華電腦(Cadence)宣布,終端人工智慧解決方案廠商耐能智慧(Kneron)已將Cadence Tensilica Vision P6數位訊號處理器(DSP)整合到其專門針對人工智慧物聯網(AIoT)、智慧家庭、智慧監控、安全、機器人及工業控制應用的新一代晶片KL720中,此為運算力達1.4TOPS的AI系統單晶片。Tensilica P6 DSP展示了其在低功耗、高效能視覺DSP市場上的地位,在電腦視覺及類神經網路方面為耐能智慧提供了比上一代SoC快兩倍的效能,同時提供對終端AI至關重要的功耗效率。欲知有關Tensilica P6 DSP的詳情,請參考www.cadence.com/go/kneronp6。 耐能智慧在設計KL720時,為其客戶優先考慮了設計靈活性及可配置性,以利使用新平台時可完美的搭配AI開發及部署。Tensilica P6 DSP藉由其可擴展性的Xtensa架構和Xtensa類神經網路編譯器(XNNC),為耐能提供了可輕鬆適應最新終端演算法需求的靈活性及運算效率。 耐能智慧創辦人暨執行長劉峻誠表示,由於該公司的使命係實現AI無處不在的企業願景,因此,消除平台上的障礙並簡化其AI演算法部署,對該公司及客戶的成功均至關重要。Tensilica P6具有可應對最新AI挑戰的諸多運算能力。此外,Cadence的電子設計自動化全流程及支援服務,加快了IP整合並縮短了上市時間。 Tensilica P6 DSP作爲Cadence Tensilica AI IP產品線之一,支援Cadence的「智慧系統設計」策略以實現普及智慧,已在行動、擴增實境/虛擬實境(AR/VR)、AIoT、監控及汽車市場上,獲得諸多公司的採用。
0

賽靈思發表首款20奈米FPGA 推進衛星和太空應用

自行調適與智慧運算廠商賽靈思(Xilinx,)日前推出首款20奈米航太規格FPGA,為衛星和太空應用提供全面的抗輻射性、超高傳輸量與頻寬效能。全新的20奈米抗輻射Kintex UltraScale XQRKU060 FPGA提供了真正的無限在軌(On-orbit)可重組能力,數位訊號處理(Digital Signal Processing, DSP)效能提升達10倍以上,使之成爲酬載(Payload)應用的理想選擇,同時在所有軌道上皆具有完全的抗輻射性。 XQRKU060亦將高效能機器學習首次帶上太空,它不僅支援TensorFlow和PyTorch等業界標準框架的多種機器學習開發工具,更透過完整的「處理與分析」解決方案,為太空中的即時機上處理提供神經網路推論加速。此外,XQRKU060具有可擴展精度和大型內建記憶體,能執行密集且節能的運算,並針對深度學習優化的INT8提供效能峰值每秒5.7兆次運算(Tera operations per second, TOPs),與上一代產品相比增加近25倍。        有賴於賽靈思在空間領域的優勢及高度成功的65奈米航太規格元件,此次為太空應用而推出的20奈米元件使航太工業的製程向前推進了三個世代。它顯著減小了元件尺寸、重量和耗能,並具有強大的抗輻射性。XQRKU060作爲一款具有航太規格彈性的元件,可以幫助客戶應對惡劣太空環境中各種短期和長期任務。        賽靈思航太航空與國防垂直市場行銷航太系統架構工程師Minal Sawant表示,賽靈思在開發尖端抗輻射技術並將其部署到可靠的航太規格解決方案方面具有悠久歷史。此次賽靈思推出全球最先進的航太處理節點,將鞏固公司在該領域的市場地位。20奈米抗輻射Kintex UltraScale FPGA正打破業界標準,並為滿足高頻寬酬載、太空探索和研究任務的高運算需求設立了全新基準。         XQRKU060是業界真正的無限在軌可重組解決方案,其在軌可重組能力結合即時機上處理與機器學習加速功能,使衛星可以即時更新、提供隨選視訊,並且在飛行中執行即時運算以處理複雜的演算法。此機器學習的功能適用於科學分析、物體偵測和圖像分類等各種問題。以雲層探測為例,不論是在太空中或地面上,XQRKU060都能提高處理效率並減少決策延遲。隨著各項協議和應用不斷演進,XQRKU060的自行調適運算架構允許無限制的在軌重組,讓客戶在衛星發射前,甚至是已經部署於軌道後,都能進行最即時的產品更新。         XQRKU060針對密集型節能運算進行優化,提供優異的DSP能力。它配備了2,760個UltraScale DSP slices,並能提供高達1.6 TeraMAC的訊號處理運算能力,與上一代產品相比增加了10倍以上,顯著提升浮點運算的效率。更高的空間中運算能力有賴於32個高速收發器(SerDes)的超高I/O頻寬,可以在高達12.5Gbps的速度下提供400Gbps的頻寬調配。         SEAKR首席技術長Paul Rutt表示,SEAKR已經與賽靈思合作長達15年,持續達成衆多頗具挑戰性的先進太空通訊應用任務目標。該公司已將具有12.5 Gbps...
0

貿澤供貨NXP兩款處理器 支援進階語音指令/臉部辨識應用

貿澤(Mouser)即日起供貨NXP Semiconductors的i.MX RT106L和i.MX RT106F分頻處理器。這是兩款專門針對特定解決方案設計的EdgeReady裝置,搭載高階的Arm Cortex-M7核心,運作時脈高達600 MHz,分別適用於在各種物聯網 (IoT) 和智慧型工業設計中執行進階的本地化語音指令動作和即時臉部辨識回應。 貿澤電子開售的i.MX RT106L分頻處理器能讓開發人員以輕鬆、低成本的方式將遠場本地化的指令語音控制功能加入到各種IoT、智慧型零售業和智慧型工業裝置之中。i.MX RT106L處理器採用NXP用於自動語音辨識的統包式解決方案組合,內含類比前端DSP、媒體播放器和串流器,以及用於本地化指令和喚醒詞的自動語音辨識引擎。本處理器整合於適用本地化語音控制的SLN-LOCAL-IOT解決方案,這套方案是全整合式的軟硬體解決方案,能讓OEM快速開發具備低延遲私人語音控制功能的產品。 貿澤供貨的NXP i.MX RT106F分頻處理器是特別針對臉部辨識應用所設計的。處理器隨附授權,能執行完整的NXP OASIS執行時期程式庫來進行臉部辨識,允許開發人員運用一整套的功能組合,包括攝影機驅動程式、臉部偵測、信賴度測量以及許多其他關鍵工具。此外,i.MX RT106F處理器還是適用臉部辨識的SLN-VIZN-IOT解決方案的核心。這套方案是一套完全獨立運作、開箱即用的軟硬體平臺,能大幅縮短臉部辨識裝置的上市時間。
0

即時/安全/可靠 邊緣運算執行高效機器學習

舉例來說,如ILSVRC影像分類競賽(圖1),在這場競賽中即是使用一種稱為機器學習(ML)的人工智慧─AlexNet早在2012年就贏得這場競賽,成為第一個使用深度神經網路和GPU來進行訓練的模型;而ResNet-152在2015年的影像分類競賽中亦擊敗人類。 圖1 影像分類中機器與人類的比較 電腦優於人類的其他範例還包含遊戲,表1中的範例是機器擊敗人類冠軍以及人類仍較優秀的非競賽情境。 機器學習無疑為智慧家庭、智慧零售、智慧工廠和智慧城市之類的應用情境帶來全新美好的必要功能,且現今各種企業都能利用這項技術。運用此技術的相關機器學習雲端服務供應商有亞馬遜(Amazon) AWS、SageMaker、微軟(Microsoft) Azure ML和Google Cloud ML,而這類機器學習雲端服務的成長都極為驚人。 邊緣執行ML流程簡化 直到最近,因為推出各種運算和儲存資源,機器學習的重心都集中在執行大量集中式電腦中心的雲端,其快速移轉至邊緣有以下幾個原因: .雲端處理、儲存空間與頻寬的成本無法將資料傳送到雲端,以執行人工智慧功能的決策。 .較完善的使用者體驗需要在邊緣進行快速的人工智慧功能決策。 .隱私權和安全性考量會限制在雲端中儲存的資料類型。 .提升可靠性。 以上這些因素讓邊緣無庸置疑成為機器學習處理許多應用的顯著位置。這也是半導體廠商推出運用專屬高效能機器學習加速器之應用處理器的原因之一,像恩智浦(NXP)的i.MX 8M Plus使用14nm FinFET製程技術,提供高效能與低功耗,並具備雙鏡頭ISP在內的各種新功能,可支援兩個低成本的HD相機感測器或一個4K相機感測器,以執行臉部、物件和手勢辨識的機器學習任務。其中也整合獨立800MHz Cortex-M7來支援即時任務與低功率、H.265和H.264的影片編碼和解碼、800MHz HiFi4 DSP,以及用於語音辨識的8PDM麥克風接口。工業物聯網功能包含Gigabit乙太網路與時效性網路(TSN)、兩個CAN-FD介面和ECC。 另一方面,資料科學家正為在邊緣上部署的資源限制裝置最佳化特定演算法,進而協助加速移轉到邊緣。MobileNet是由Google開發的影像分類演算法,著重在高準確度,同時又能大幅減少所需的運算資源數量。圖2中顯示處理過程中大幅減少的趨勢。從VGG-16模型到MobileNet v2模型的轉變讓在邊緣所需的運算數量減少50倍,協助在邊緣的資源限制硬體解決方案,執行複雜的機器學習處理。 圖2 針對邊緣最佳化的NN演算法 同樣地,使用行動電話在邊緣執行MobileNet v1比起在雲端中執行MobileNet v1的速度明顯更快,此差異的成因是將雲端網路延遲降到最低,而網路往返延遲的新增範圍可以輕易橫跨200毫秒到超過1.4秒(大幅延遲回應時間)。該演算法的目標是達低於100毫秒的回應,以即時向使用者顯示(圖3)。 圖3 在邊緣更快速的使用者體驗 以下是i.MX 8M Plus支援的應用程式,這些應用程式會在邊緣執行機器學習。如圖4所示,這些使用案例都需要特定層級的效能來判斷需要哪種層級的執行硬體。這就是應用處理器須具備專屬機器學習加速器的主因。 圖4 機器學習使用案例 因為上述原因,便可較易理解為何要在邊緣執行機器學習應用。然而,必須符合幾個額外需求才能順利完成部署: ・機器學習開發人員的生態系統─讓實作變得簡單。 ・硬體安全性─保證隱私權與安全性。 ・全新、創新的混合SoC架構─提供符合成本效益的解決方案。 ・可擴充和安全的邊緣部署─讓部署變得容易。 打造適用於機器學習部署的全面性生態系統 機器學習應用的重大突破需要結合設計與部署的生態系統來負責處理任務,這也是半導體業者打造創新邊緣智慧工具環境的原因,以恩智浦eIQ為例,該工具支援各種機器學習處理元件,包含Arm Cortex-A和Cortex-M處理器、圖形處理器(GPU)、DSP和機器學習加速器。eIQ機器學習軟體環境包含推論引擎和程式庫,兩者皆利用開放原始碼機器學習技術中的改善技術,像是TensorFlow Lite、OpenCV、CMSIS-NN和Arm NN;而針對較熱門的i.MX RT應用處理器,則透過適用於MCUXpresso和Yocto(Linux)的開發環境進行評估,為應用開發過程提供順暢的支援;在物件偵測和語音辨識中的範例應用程式中會隨附eIQ軟體,作為邊緣機器學習的起點(圖5)。 圖5 eIQ機器學習開發環境 確保邊緣安全性 邊緣的安全性至關重要,其所需的功能包含安全啟動信賴起點、晶片內建加密、安全布建、相互裝置驗證、安全裝置管理、OTA或無線安全更新與生命週期管理。為了支援這樣的安全性,半導體業者打造了可擴充的EdgeLock組合,其中包含安全元件、安全驗證器和應用處理器的嵌入式安全以及MCU。像是i.MX 8M Plus具備進階EdgeLock嵌入式安全系統(含資源網域控制器、信任區、HAB、加密啟動、使用RSA的公開金鑰加密與橢圓曲線演算法),其可為邊緣節點提供完整性、驗證確實性和隱私,並提供從邊緣到閘道和雲端的安全性。 AI/ML領域更迭不斷 加速人們生活便利性 人工智慧領域的變化步調正逐漸加快。如圖6來自「2018年人工智慧指數」和Monster.com所示的圖表呈現深度學習職缺方面的趨勢。 圖6 2015~2017年所需人工智慧技能的職缺成長 至於圖7則顯示在公司盈餘會議中提到人工智慧和機器學習的次數。 圖7 2007~2017年公司盈餘會議提到次數-IT公司 人工智慧與機器學習為電腦產業中帶來劇烈的改變,這樣的改變可使人們的生活更便利完善。新應用處理器如i.MX 8M...
0

SiFive攜手CEVA開發邊緣AI矽晶片

CEVA與商用RISC-V處理器IP和矽晶片解决方案供應商SiFive日前宣布合作,將為終端市場設計和創建低功耗特定領域Edge AI處理器。兩家公司此次合作是SiFive DesignShare計畫的一部分,將以RISC-V CPU、CEVA的DSP核心、人工智慧處理器和軟體為中心,這些組件將被設計成一系列以終端市場為目標的SoC,而這些目標市場中的設備需具備可支援成像、筆電視覺、語音識別和感測器融合應用的終端設備神經網路推論能力。初期應對的終端市場包括智慧家庭、汽車、機器人、安全和監控、擴增實境、工業和物聯網。 CEVA全球銷售執行副總裁Issachar Ohana表示,CEVA與SiFive的合作使Edge AI SoC的創建可快速且專業依據工作負載而量身打造,同時還保留支援機器學習創新的靈活性。該公司DSP和人工智慧處理器,再加上CDNN機器學習軟體編譯器,使這些AI SoC能夠簡化在智慧設備中部署經過雲端訓練的人工智慧模型的工作,並為使用Edge AI功能者提供產品。 SiFive和CEVA開發一系列領域特定的可擴展Edge AI 處理器設計,在處理、功率效率和成本之間取得最佳的平衡,直接克服這些挑戰。 Edge AI SoC已獲得CEVA的CDNN深度神經網路機器學習軟體編譯器的支援,此一編譯器可為CEVA-XM視覺處理器、CEVA-BX音訊DSP和NeuPro 人工智慧處理器創建完全最佳化的運作時軟體(Runtime Software)。以大眾市場中嵌入式設備為目標的CDNN,將網路最佳化的量化演算法、資料流程管理以及經過全面最佳化的計算CNN和RNN庫納入整體解決方案中,進而可將經過雲端訓練的人工智慧模型部署在邊緣設備,以進行推論處理。CEVA還將為建基於CEVA-XM和NeuPro架構的合作夥伴和開發人員提供完整開發平台,以支援使用CDNN且以任何高級網路為目標的深度學習應用之開發,同時也針對音訊和語音預處理和後處理的工作量提供DSP工具和庫。
0

聯發科偕Orange推智慧音響 鞏固龍頭寶座

聯發科技日前宣布攜手法國電信大廠Orange,將該公司語音助理裝置(VAD)處理平台MT8516用於最新亮相的Djingo智慧音響中。預計本次合作將使聯發科拓展其智慧語音應用版圖,鞏固龍頭寶座。 聯發科日前宣布聯手法國電信商Orange推出Djingo智慧音響。 聯發科技資深副總經理暨智慧裝置事業群總經理游人傑表示,聯發科技為智慧家庭系統提供智慧語音助理晶片解決方案,該晶片組可大幅提高產品性能和功效,為Djingo智慧音響及其他各款語音助理裝置帶來良好AI功能。 Djingo智慧音響由製造商Arcadyan及軟體整合商SoftAtHome合作開發,藉由MT8516平台的功能,Djingo虛擬助理可支援先進人工智慧及自然語言處理功能,使此迷你音響提供使用者優質對話介面。 MT8516平台結合Wi-Fi(2.4GHz 802.11 bgn)及藍牙、內建射頻單晶片,並整合四核、64位元Arm Cortex-A35 MPCore,運作頻率可達1.3GHz;除原始NAND支援外,亦具彈性儲存支援能力,包含LPDDR2、LPDDR3、DDR3、DDR3L及DDR4,以因應不同平台需求。 該平台節能高效,多種連結介面使音效裝置及麥克風陣列處理發揮良好性能;平台可有效簡化晶片設計並減少平台尺寸,實現產品更小及更高效的設計;同時PowerAQ工具提供簡易操作的介面,用於訊號流程設計及音頻參數調整,因此無需安裝數位訊號處理器(DSP)便可減少成本並加快設計流程。 聯發科於語音助理市場市占率穩坐第一。 Orange專案總監Jean-Pierre Combe表示,Djingo智慧音響將提供使用者享有Orange及其他合作夥伴優質音控服務。雙方合作使消費者透過Djingo更輕易操控OrangeTV、智慧家居、電話通訊及多項服務。 目前消費者日漸依賴語音裝置以增加生活便利性,根據Juniper Research數據指出,當今全球語音助理裝置已超過32億5千萬台。聯發科旗下語音助理晶片目前已獲市面上多種語音助理產品採用,包括亞馬遜智慧音箱 Echo Dot、Fire TV Stick 4K、Google語音助理、阿里巴巴等都有聯發科技的晶片在其中,為語音助理裝置全球市占率第一的晶片提供者。如今再與法國電信大廠Orange合作,打入其Djingo智慧音響供應鏈,可望更進一步鞏固該公司在語音助理市場的龍頭寶座。
0

CEVA/SiFive攜手搶攻Edge AI市場

為拓展邊緣運算市場版圖,SiFive/CEVA宣布攜手合作,將以RISC-V CPU、CEVA的DSP核心、人工智慧處理器和軟體為中心,結合雙方的IP和設計優勢,可為智慧家庭、汽車、機器人、安全、擴增實境、工業和物聯網等大量的終端市場開發Edge AI SoC;而本次雙方的合作同時也是SiFive DesignShare計畫的一部分。 CEVA全球銷售執行副總裁Issachar Ohana表示,CEVA與SiFive的合作使Edge AI SoC的創建可快速且專業地依據工作負載而量身打造,同時還保留了支援機器學習創新靈活性。透過該公司的DSP和人工智慧處理器,再加上CDNN機器學習軟體編譯器,使這些人工智慧SoC能夠簡化雲端訓練模型的工作,並為任何希望使用Edge AI功能的消費者提供引人注目的產品。 SiFive/CEVA攜手布局邊緣AI市場。 如今終端設備的處理工作量愈來愈大,這些設備需具備可支援影像、視覺運算、語音識別和感測器融合等神經網路推論能力,因此,在終端設備上添加可進行機器學習處理的SoC已成為主流,以實現智慧家庭、安全監控、汽車、物聯網等應用。 然而,由於安全、隱私和延遲方面的考量,建基於雲端的人工智慧推論不適用於許多這一類的設備,為此,SiFive和CEVA攜手開發一系列領域特定的可擴展Edge AI處理器,在處理、功率效率和成本之間取得更佳的平衡。Edge AI SoC已獲得CEVA旗下CDNN深度神經網路機器學習軟體編譯器的支援,此一編譯器可為CEVA-XM視覺處理器、CEVA-BX音訊DSP和NeuPro 人工智慧處理器創建最佳化的運行時軟體(Runtime Software)。 值得一提的是,CEVA和SiFive的合作也是基於SiFive DesignShare計畫。SiFive DesignShare IP計畫可提供簡化的流程,且其靈活性和選擇性可通過更簡單的原型製作,並且降低談判契約和許可協議的複雜性,沒有法律上的繁文縟節,也不需要預付款,讓產品能更快上市。 SiFive總裁兼執行長Naveed Sherwani指出,要滿足人工智慧模型的快速發展以及對低功耗、低延遲和高性能的要求,就需要一種靈活和可擴展的IP和SoC設計方法,而這正是CEVA / SiFive聯合的產品組合所能提供的。如此一來可縮短產品的上市時間,同時降低設備製造商生產功能強大且具有差異性產品的進入障礙。
0
- Advertisement -
- Advertisement -

最新文章

- Advertisement -

熱門文章

- Advertisement -

編輯推薦

- Advertisement -