據國際調研機構Gartner評估，到2020年，機器學習和深度神經網絡在被行業加以應用時，還能夠給半導體芯片廠商創造達100億美元的市場。人工智能將在更多的行業中滲透，許多的科技（互聯網）公司、尤其是那些明星公司沒有理由、也不應該繞開人工智能而發展。
而在日前，來自英國的圖形芯片設計大廠Imagination Technologies（後文簡稱Imagination）公司（如今已被中資機構峽谷橋成功收購）向業界推出了兩款全新的神經網絡內核PowerVR AX2185和PowerVR AX2145，這兩款神經網絡內核都是基於Imagination的神經網絡加速器NNA所用的PowerVR 2NX架構。PowerVR 2NX並不同於CPU、GPU的架構。PowerVR 2NX是Imagination專門為神經網絡算法而研發設計的一種可擴展性架構，支持16位到4位的位寬。PowerVR Series2NX可以保持相當高的推理精度，降低對帶寬、功耗的要求，能為移動和嵌入式平臺中的高效神經網絡推理提供硬件加速的能力。
PowerVR 2NX NNA可調精度和低精度實例
Russell James在Imagination擔任副總裁一職，主要負責PowerVR視覺和人工智能業務。Russell James就此向媒體說道："人工智能對數據的處理一直以來都主要在雲端執行，但由於延遲、個人隱私等問題以及日益增長的可擴展性需求，邊緣人工智能處理已變得非常必要。"而廠商要將人工智能引入到邊緣計算當中，首先就要解決設備在運行過程中的功耗、安全等問題。
Imagination設在中國區的市場和業務拓展總監柯川還把人工智能產業細分為了四個階段，目前人工智能產業正好進入到了第三階段的早期。柯川所說的四個階段依次是，當新的技術來臨時，有前沿的公司、院校等機構共同參與對技術的研究、論證，進而為之尋找產業化的可能性；在人工智能進入到應用研究的階段，公司、院校共同探討有該如何用新的技術解決實際的問題；人工智能產業進入到加速期；人工智能產業進入到成熟期，已經有了一個相對穩定的市場。
人工智能市場演進
值得補充的是，早在2017年9月，Imagination就曾向業界發佈了神經網絡加速器PowerVR Series2NX NNA，該款神經網絡加速器具有完整且獨立的IP內核，在單位面積上的效率、運算的性能和功耗等方面均比競爭對手的產品有非常大的優勢。當時，Imagination還向業界推出了兩款全新的GPU，這兩款GPU是PowerVR Series9XE和PowerVR Series9XM，比起前代GPU的圖形應用能力和技術均有大幅提升。
業界為什麼需要PowerVR Series2NX NNA硬件，Imagination先前面向業界給出了兩個案例。第一個案例，無人機飛行的速度超過150英里/小時，如果無人機沒有配備硬件加速，就需要有10到15米的防碰撞距離；如果無人家配備了PowerVR硬件NNA，不僅可在1米以內及時地避開物體，還可同時運行多個網絡，在避免碰撞的同時識別和跟蹤物體。第二個案例，移動設備對1000張照片進行搜索、排序時，帶有PowerVR NNA推理硬件的移動設備可在2秒的時間完成該任務，而採用高端GPU的移動設備執行完該任務則大概需要1分鐘。
當時，Imagination的PowerVR產品與技術營銷資深總監 Chris Longstaff向媒體談到："專門用於神經網絡加速的硬件將成為未來系統級芯片SoC的標準IP模塊，就如同CPU和GPU一樣。我們很高興率先向市場推出了完整的硬件加速器，能完全支持高精準度的靈活方式，使神經網絡能以最低的功耗和帶寬運行，並提供優於競爭對手方案的絕對性能與單位面積效率。我們提供的工具將能讓開發人員非常快速地啟用並執行其神經網絡，因此能讓Imagination快速地增加營收。"Imagination的市場傳播副總裁David Harold之前也表示："PowerVR 2NX NNA的邏輯比我們最小的GPU還要小，但是卻大大節省了功耗和帶寬，提高了可用性。"
據Imagination最近公佈的數據，PowerVR AX2185具有8個全寬度計算引擎，每個時鐘週期可處理2048個MAC（每秒4.1兆次運算），主要面向高端智能手機、智能監控和汽車市場中的圖像分類和駕駛輔助系統等應用，且能代表市場上單位面積（每平方毫米）的最高性能。而PowerVR AX2145則是專門面向對成本敏感的設備進行優化，以中檔智能手機、數字電視/機頂盒、智能相機和消費性安全市場中的圖像管理與基於視覺的應用為主。其精簡型的架構能夠為超低的帶寬系統提供高性能的神經網絡推理功能，從而支持設備製造商OEM和設計製造商ODM在芯片面積預算有限等制約條件下開展業務。
Russell James還向媒體表達了這樣的看法：當前，市場中三大主流的人工智能芯片架構，具體包括CPU/DSP/FPGA等通用型的處理器芯片、CPU/GPU+人工智能的加速器、定製化的ASIC專用芯片。這三大類人工智能芯片架構各有優點和缺點。各自所面向的應用可謂五花八門。第一類人工智能芯片適合性能要求和精度要求不太高的應用，如人臉識別；第二類人工智能芯片適合高性能應用，如智能手機、智能監控、自動駕駛等；第三類AISC專用芯片適合某些特定場景。
閱讀更多 潮流科技圈 的文章
