据国际调研机构Gartner评估，到2020年，机器学习和深度神经网络在被行业加以应用时，还能够给半导体芯片厂商创造达100亿美元的市场。人工智能将在更多的行业中渗透，许多的科技（互联网）公司、尤其是那些明星公司没有理由、也不应该绕开人工智能而发展。
而在日前，来自英国的图形芯片设计大厂Imagination Technologies（后文简称Imagination）公司（如今已被中资机构峡谷桥成功收购）向业界推出了两款全新的神经网络内核PowerVR AX2185和PowerVR AX2145，这两款神经网络内核都是基于Imagination的神经网络加速器NNA所用的PowerVR 2NX架构。PowerVR 2NX并不同于CPU、GPU的架构。PowerVR 2NX是Imagination专门为神经网络算法而研发设计的一种可扩展性架构，支持16位到4位的位宽。PowerVR Series2NX可以保持相当高的推理精度，降低对带宽、功耗的要求，能为移动和嵌入式平台中的高效神经网络推理提供硬件加速的能力。
PowerVR 2NX NNA可调精度和低精度实例
Russell James在Imagination担任副总裁一职，主要负责PowerVR视觉和人工智能业务。Russell James就此向媒体说道："人工智能对数据的处理一直以来都主要在云端执行，但由于延迟、个人隐私等问题以及日益增长的可扩展性需求，边缘人工智能处理已变得非常必要。"而厂商要将人工智能引入到边缘计算当中，首先就要解决设备在运行过程中的功耗、安全等问题。
Imagination设在中国区的市场和业务拓展总监柯川还把人工智能产业细分为了四个阶段，目前人工智能产业正好进入到了第三阶段的早期。柯川所说的四个阶段依次是，当新的技术来临时，有前沿的公司、院校等机构共同参与对技术的研究、论证，进而为之寻找产业化的可能性；在人工智能进入到应用研究的阶段，公司、院校共同探讨有该如何用新的技术解决实际的问题；人工智能产业进入到加速期；人工智能产业进入到成熟期，已经有了一个相对稳定的市场。
人工智能市场演进
值得补充的是，早在2017年9月，Imagination就曾向业界发布了神经网络加速器PowerVR Series2NX NNA，该款神经网络加速器具有完整且独立的IP内核，在单位面积上的效率、运算的性能和功耗等方面均比竞争对手的产品有非常大的优势。当时，Imagination还向业界推出了两款全新的GPU，这两款GPU是PowerVR Series9XE和PowerVR Series9XM，比起前代GPU的图形应用能力和技术均有大幅提升。
业界为什么需要PowerVR Series2NX NNA硬件，Imagination先前面向业界给出了两个案例。第一个案例，无人机飞行的速度超过150英里/小时，如果无人机没有配备硬件加速，就需要有10到15米的防碰撞距离；如果无人家配备了PowerVR硬件NNA，不仅可在1米以内及时地避开物体，还可同时运行多个网络，在避免碰撞的同时识别和跟踪物体。第二个案例，移动设备对1000张照片进行搜索、排序时，带有PowerVR NNA推理硬件的移动设备可在2秒的时间完成该任务，而采用高端GPU的移动设备执行完该任务则大概需要1分钟。
当时，Imagination的PowerVR产品与技术营销资深总监 Chris Longstaff向媒体谈到："专门用于神经网络加速的硬件将成为未来系统级芯片SoC的标准IP模块，就如同CPU和GPU一样。我们很高兴率先向市场推出了完整的硬件加速器，能完全支持高精准度的灵活方式，使神经网络能以最低的功耗和带宽运行，并提供优于竞争对手方案的绝对性能与单位面积效率。我们提供的工具将能让开发人员非常快速地启用并执行其神经网络，因此能让Imagination快速地增加营收。"Imagination的市场传播副总裁David Harold之前也表示："PowerVR 2NX NNA的逻辑比我们最小的GPU还要小，但是却大大节省了功耗和带宽，提高了可用性。"
据Imagination最近公布的数据，PowerVR AX2185具有8个全宽度计算引擎，每个时钟周期可处理2048个MAC（每秒4.1兆次运算），主要面向高端智能手机、智能监控和汽车市场中的图像分类和驾驶辅助系统等应用，且能代表市场上单位面积（每平方毫米）的最高性能。而PowerVR AX2145则是专门面向对成本敏感的设备进行优化，以中档智能手机、数字电视/机顶盒、智能相机和消费性安全市场中的图像管理与基于视觉的应用为主。其精简型的架构能够为超低的带宽系统提供高性能的神经网络推理功能，从而支持设备制造商OEM和设计制造商ODM在芯片面积预算有限等制约条件下开展业务。
Russell James还向媒体表达了这样的看法：当前，市场中三大主流的人工智能芯片架构，具体包括CPU/DSP/FPGA等通用型的处理器芯片、CPU/GPU+人工智能的加速器、定制化的ASIC专用芯片。这三大类人工智能芯片架构各有优点和缺点。各自所面向的应用可谓五花八门。第一类人工智能芯片适合性能要求和精度要求不太高的应用，如人脸识别；第二类人工智能芯片适合高性能应用，如智能手机、智能监控、自动驾驶等；第三类AISC专用芯片适合某些特定场景。
閱讀更多 潮流科技圈 的文章
