视觉和神经网络推动了对更强大芯片的需求

现在，在其第28年，“热芯片”会议是已知的，用于发布"大铁铁"，例如世界上一些最快的系统背后的电源和SPARC芯片。但是这些天，处理电力的需求来自新的地方。其中一个重要的是视觉处理，由照相机的扩散驱动；在汽车、电话和各种"事物；"中的新应用以及用于目标识别的神经网络的快速进展。所有这些都需要很多马力，在本周的会议上，有几家公司谈到了解决这一问题的不同方法。

也许最有新闻价值的是Nvidia的Parker宣布，它的下一代TEGRA处理器是一款具有自驱动功能的高级汽车。在采用3DFinFET晶体管的16nm工艺上通过铸造TSMC制造，Parker有两个CPU群集（两个NVIDIA的自定义64位丹佛2内核和四个现成ARMCortex-A57内核），是具有公司最新Pascal图形的第一个Telegra芯片。根据公司的博客文章，Parker能够在半精度(FP16)下1.5个触发器。在会议上，NVIDIA还显示了SPECint_2000基准测试的性能，与苹果A9x、高通Snapdragon820、三星ExyNOSM1和HiSiliconKirin935相比。

NVIDIA使用标准测试的结果表明，Parker可以超过一些最强大的移动处理器。(资料来源：NVIDIA)

但帕克不适合打电话。相反，它的目的是为下一代具有自动驾驶功能的车辆提供动力，它还包括一些专门的功能。它支持多达十几台摄像机，可以以每秒60帧的速度解码和编码4K视频，使用千兆位以太网-AVB将音频和视频流移动到汽车周围，为多达8台VMs提供完全的硬件虚拟化，以安全地处理多种汽车功能，并包括一个双CAN(控制器区域网络)接口，以连接到众多的电子控制单元。它也是NVIDIA的第一个汽车级(ISO-26262)SoC，具有弹性功能和一个在模上安全管理器.

今年早些时候，NVIDIA宣布了驱动PX2模块，该模块有两个ParkerSOC（12个CPU内核）和两个离散GPU，总共提供8个单精度（FP32）性能。为了让这一点，GeForceGTX1080，NVIDIA的速度最快的台式机图形卡，除了1,200美元的TanX之外，还有大约9个TerapsFP32。NVIDIA表示，超过80家客户正在使用驱动PX2模块开发自主驾驶功能，而沃尔沃则表示，他们将使用它来测试明年开始的两个自驾驶XC90SUV。

毫无疑问，驱动PX2是最强大的汽车系统之一。但其他公司声称，DSP（数字信号处理器）可以在GPU上使用几瓦或更多的电能。

Movie谈到需要在推理的边缘上进行更节能的处理，或者运行用于对象识别和其他任务的模型。"如果你有一辆自驾车，你就不能忍受为了处理而去云所需的延迟，"CTODavidMoloney说。在热芯片运动中，Movius演示了它在DJIPhantom4无人机中的微小的2个视觉处理单元，以及执行对象识别和同时定位和映射。联想最近宣布将在未来的VR产品中使用大量2，并且Flipr已将VPU添加到其热成像相机上。Movieius展示了在2014年imaGenet大赛中使用的22层深层神经网络的2个对比未识别GPU的性能和效率结果。

与GPU相比，根据Movius，当运行用于对象识别的神经网络时，大量2可以提供更高的性能。(资料来源：Movieius)

Ceva-XM4是一款高性能的视觉DSP，能够在TSMC的28nmHPM过程中达到1.5GHz的速度，设计用于监视摄像头、ADAS和自主驾驶等领域的嵌入式视觉和AI，增强现实，以及无人机。该公司声称，它的Ceva深度神经网络2(CDNN2)软件可以优化在流行的CAFFE或Tensorflow框架中构建的任何神经网络，使得它能够在DSP上运行。Ceva演示了运行Alexnet库的CevaXM-4，实时使用Milli瓦特的电源进行对象识别。像NVIDIA的Parker一样，XM-4认证用于汽车使用，而Ceva说，从RockChip、NovatekBrite、Inupluger等。

最新增加的Cadence的Tensilica视觉线处理器，VisionP6，提供了两到四倍的性能，在卷积神经网络上，由于额外的MACS（倍累积）支持半精度和单精度浮点（以及8位、16位和32位定点数据），并增强了内存并行性和数据移动。卡登斯演示了视觉P6识别交通标志，人和脸。今年早些时候在嵌入式视觉峰会上宣布，视觉P6将从10月开始提供。

TensilicaDSP的一个客户是Microsoft。在主旨演讲中，微软的尼克贝克首次展示了芯片的一些细节，这些芯片为"混合现实"应用提供全镜头耳机，例如3D设计、通信和协作、游戏、在线学习、产品修复和维护以及在线购物。除了运行Windows10的14nm英特尔原子樱桃轨迹处理器外，全息镜头还包括自定义全息处理单元(HPU1.0)传感器集线器、2GB内存和64GB闪存。该HPU在28nm的工艺上由TSMC制造，具有24个Ten硅DSP内核和8MB高速缓存，能够每秒处理1万亿浮点操作。Baker说，微软尝试将任务卸载到管芯上的GPU，或者使用CPU或图像信号处理器的阵列，但是它们都没有提供将可编程的x86CPU内核和固定功能硬件与DSP相结合的混合解决方案的性能。

在边缘运行神经网络时，数字信号处理器可以提供更好的每瓦性能。(资料来源：cadence)

NVIDIA的TeslaGPU用于服务器显著缩短了培训模式所需的时间，导致精度突破，但在推理方面仍有很多工作要做。自主车辆、无人机、增强现实和虚拟现实、视频监控以及其他智能设备都需要嵌入式处理器，这些嵌入式处理器可以处理大量的数据而不使用大量的电源。今年热芯片上提出的视觉处理技术表明，我们正在接近，在未来几年中，他们应该为一些令人兴奋的应用提供构建块。