ArterisIP推動十五家芯片公司的人工智能和機器學習創(chuàng)新

互連 IP可以有效地快速整合數(shù)十個或數(shù)百個異構(gòu)神經(jīng)網(wǎng)絡硬件加速器

經(jīng)過實際驗證的商用系統(tǒng)芯片（SoC）互連IP的創(chuàng)新供應商ArterisIP今天宣布，在過去兩年中，有十五家公司已經(jīng)批準使用ArterisIP的FlexNoC互連（FlexNoC Interconnect）或者Ncore緩存一致互連IP（Ncore Cache Coherent Interconnect IP），作為新的人工智能（AI）和機器學習系統(tǒng)芯片的關鍵元件。

有九個ArterisIP的客戶公開宣布，它們已經(jīng)針對數(shù)據(jù)中心、汽車、消費類產(chǎn)品和移動應用，設計了或者正在開發(fā)機器學習和AI 系統(tǒng)芯片。這九家公司是：

一、Movidius (英特爾) –Myriad?超低功耗機器學習視覺處理器（VPU）

二、Mobileye (英特爾) – 自從2010年起，高級駕駛輔助系統(tǒng)（ADAS）EyeQ?3、EyeQ?4 和 EyeQ?5使用了多個異構(gòu)處理元件進行視覺處理和機器學習

三、恩智浦–多種ADAS和自主駕駛系統(tǒng)芯片在緩存一致性和功能安全機制的基礎上實現(xiàn)了機器學習

四、東芝(Toshiba)–在汽車ADAS 系統(tǒng)芯片中使用緩存一致性和功能安全機制

五、海思 (華為) – 自2013年起，包括含有神經(jīng)處理單元（NPU）的新型麒麟970移動AI處理器

六、Cambricon(寒武紀)–含有多個處理單元的神經(jīng)網(wǎng)絡處理器

七、Dream Chip Technologies –ADAS圖像傳感器處理器，其中含有多個數(shù)字信號處理器（DSP）和單指令多數(shù)據(jù)（SIMD）硬件加速器

八、Nextchip –含有多個處理器的視覺 ADAS系統(tǒng)芯片

九、Intellifusion(云天勵飛)–機器學習視覺智能，其中含有多個異構(gòu)片上硬件引擎

除了上述九家客戶已經(jīng)公開宣布之外，還有六家公司也在使用ArterisIP的產(chǎn)品來實現(xiàn)新的AI和機器學習硬件架構(gòu)。這六家公司是：

兩家針對自主駕駛的主要半導體和系統(tǒng)供應商

一家針對消費電子的主要半導體供應商

一家主要的自主飛行器供應商

一家在新型汽車傳感器技術方面領先的公司

一家在數(shù)據(jù)中心分析領域從事創(chuàng)新的公司

所有這些在創(chuàng)新方面領先的公司所設計的系統(tǒng)芯片，都用了多個異構(gòu)處理元件來加速機器學習和神經(jīng)網(wǎng)絡算法。每種系統(tǒng)芯片的片上互連都是針對具體的任務而配置的，各種系統(tǒng)芯片的架構(gòu)，都是在這個基礎上，根據(jù)目標市場的需要專門設計的。這些公司之所以都批淮使用ArterisIP互連技術，是因為：

它簡化了這些不同處理引擎在芯片上的整合，同時設計團隊可以精細調(diào)整電源管理和服務質(zhì)量（QoS）特性，例如路徑延遲和帶寬；

它支持系統(tǒng)中關鍵部分的緩存一致性，從而簡化了軟件開發(fā)并且支持定制的數(shù)據(jù)流處理。因而系統(tǒng)能夠在共享高速緩存中重復使用數(shù)據(jù)并利用本地累加功能，從而減少裸片面積并增大內(nèi)存帶寬，同時減少處理延遲和功耗；

保護傳輸中的數(shù)據(jù)和靜止數(shù)據(jù)，從而提高功能安全性診斷的覆蓋率，這樣大型超級計算機系統(tǒng)芯片能夠達到汽車ISO 26262規(guī)范的嚴格要求。

ArterisIP技術總監(jiān)Ty Garibay說：“要在商業(yè)上可行的系統(tǒng)中有效地實現(xiàn)機器學習和可視化計算，硬件團隊需要使用多種類型的硬件加速器來加速神經(jīng)網(wǎng)絡功能，而加速器的類型和數(shù)量則根據(jù)性能、功耗、面積及成本方面的要求。＂他表示，“ArterisIP的技術為這些團隊提供了將這些處理元件快速有效地整合到系統(tǒng)中的方法，確保他們能夠滿足進度安排和功能安全的要求?！?br />
ArterisIP總裁兼行政總監(jiān)K. Charles Janac說：“機器學習已經(jīng)成為我們高級互連IP的‘殺手锏＇，它所需要的服務質(zhì)量（QoS）、功耗和性能，與FlexNoC和Ncore互連所提供的功能是完全一致的。”他表示，“我們的團隊很高興能夠在推動新一代神經(jīng)網(wǎng)絡、機器學習和人工智能芯片方面起到關鍵的作用?！?/p>