广告

人工智能芯片在端侧的竞争热点:汽车电子和消费电子

2021-04-25 阅读:
目前,人工智能芯片架构百花齐放,云侧虽仍以 GPU 为主,芯片市场仍以英伟达为主导,但边缘侧和端侧智能芯片的发展竞争更为扩散,尤其是在端侧涌现出面向不同场景的芯片架构。 端侧多

目前,人工智能芯片架构百花齐放,云侧虽仍以 GPU 为主,芯片市场仍以英伟达为主导,但边缘侧和端侧智能芯片的发展竞争更为扩散,尤其是在端侧涌现出面向不同场景的芯片架构。vpMednc

端侧多元化应用催生大量创新探索,传统芯片企业和终端企业相对领先。 vpMednc

端侧智能芯片热点汽车电子和嵌入式消费电子

汽车电子和嵌入式消费电子是这一时期端侧智能芯片创新热点。 vpMednc

其中,2020 年英伟达和英特尔在汽车智能芯片方面持续位于领先位置,英伟达围绕自动驾驶 SoC Orin 芯片,与理想汽车、奔驰等多家车厂展开合作;吉利概念车则将搭载英特尔 EyeQ5 芯片;恩智浦、瑞萨和东芝等成熟汽车电子供应商,黑芝麻、地平线机器人等初创企业,以及特斯拉等汽车制造商积极研发自动驾驶汽车芯片,试图与英伟达和英特尔双巨头争夺市场份额。vpMednc

相比之下,端侧嵌入式消费电子类市场软硬件成本以及供应链准入门槛较低,大量初创企业以不同的细分赛道加入市场竞争。vpMednc

智能手机的神经网络加速芯片市场,仍以高通等传统移动芯片企业为主,初创企业主要集中在视觉和语音处理领域,包括异构智能NovuMind、 Syntiant 等。vpMednc

软件工具从基础计算向场景计算转变

围绕智能计算芯片的软件工具开始从基础计算向场景计算转变。vpMednc

早期, 以英伟达为代表的芯片企业不断构建以 CUDA 编程模型为核心的高性能算子库、通信算法、推理加速引擎等多层次基础软件工具生态。 vpMednc

当前,随着智能技术在传统行业中渗透的不断深入, 头部智能芯片企业开始构建面向差异化场景的软硬一体平台,实现底层芯片、编程框架、行业算法库、细分场景研发平台等全栈高效整合,试图培育多样化行业场景的计算生态、抢占细分市场。vpMednc

例如, 2020 年,英伟达围绕机器人和自动驾驶场景,打造 Jarvis 对话系统、 ISAAC 机器人等软硬一体计算平台,宝马公司使用英伟达 ISSAC 机器人平台、Jetson AGX Xavier 芯片平台以及 EGX 边缘计算机,开发包括导航、操控等五款机器人,依托深度神经网络实现感知环境、检测物体、自动导航等功能以改进物流工作流程。vpMednc

云、边、端成为算力供给的主要形态

多样化算力供给模式开始显现。目前,云、边、端成为算力供给的主要形态。vpMednc

云侧算力主要以云智能服务、公共智能超算中心和自建数据中心三类供给模式为主:vpMednc

  1. 亚马逊、阿里云等云计算企业以云智能服务模式向中小型企业及个人售卖 AI 算力资源和技术服务,是目前最为主流的供给模式;
  2. 公共智能超算中心逐步兴起,上海、深圳、重庆等多地开始投建公共智能超算中心,这类中心目前主要以政府主导建设为主,支撑本地企业、科研机构和高校的人工智能技术与应用创新,缓解地方企业及机构算力资源不足、成本较高等问题,推动区域人工智能产业的发展;
  3. 谷歌、脸书等头部企业通过自建专有智能计算集群的形式提升自身业务运行性能,部分企业根据业务特点研发人工智能专用芯片,试图大幅度降低算力成本。

与此同时,边缘与端侧计算模式成为热点:vpMednc

  • 英特尔、英伟达等硬件芯片企业加大边缘智能专用加速产品的布局力度,面向工业、交通等云边协同场景提供解决方案;
  • 寒武纪、地平线、云知声等企业聚焦面向视觉、语音等智能任务的端侧芯片研发,在无人机、可穿戴设备、智能摄像头等智能终端中已显现规模化应用态势。

 vpMednc

 vpMednc

责编:胡安vpMednc

 vpMednc

本文为EDN电子技术设计 原创文章,禁止转载。请尊重知识产权,违者本司保留追究责任的权利。
  • 微信扫一扫
    一键转发
  • 最前沿的电子设计资讯
    请关注“电子技术设计微信公众号”
  • 纯视觉方案的特斯拉FSD V9.0也是智障?热心网友亲测11种 扔掉毫米波雷达采用纯视觉方案的特斯拉FSD V9终于开始推送Beta版了,国外车主对新版FSD的评价颇高。然而,就在昨天,FSD V9.0 Beta“翻车”了:一位网友亲身测试却发现了11种失败场景,无法识别绿植、无法判断换道等。
  • 英伟达使用人工智能来提升 5nm 和 3nm 的自动化布局 由于复杂的设计规则,先进技术节点中的高质量标准单元布局自动化在当今的行业中仍然具有挑战性。强化学习 (RL) 用于解决布线过程中的设计规则违规问题,并提高单元放置的效率,从而使芯片更小,节省成本并提高性能。
  • 华为再招“天才少年”,最高年薪201万元,其中一位是本科 近日,华中科技大学又有2名毕业生入选华为“天才少年”。今年入选的廖明辉和武敏颜分别来自华中科技大学电信学院和计算机学院。廖明辉为应届博士毕业生,已拿到“天才少年”最高一档年薪201万元;武敏颜本科毕业,年薪也超百万元。
  • 人工智能的演进需要高适应性的推理平台 模型大小不断增长给现有架构带来了挑战
  • 芯耀辉软硬结合的智能DDR PHY训练技术 DDR接口速率越来越高,每一代产品都在挑战工艺的极限,对DDR PHY的训练要求也越来越严格。本文从新锐IP企业芯耀辉的角度,谈谈DDR PHY训练所面临的挑战,介绍芯耀辉DDR PHY训练的主要过程和优势,解释了芯耀辉如何解决DDR PHY训练中的问题。
  • 达摩院3个月打造“低碳版”万亿参数模型M6,怎么做到的? 据悉,相比此前英伟达使用 3072 A100 GPU 实现万亿参数、谷歌使用 2048 TPU 实现 1.6 万亿参数大模型,此次达摩院仅使用 480 卡 V100 32G GPU 就实现了万亿模型 M6,节省算力资源超 80%,且训练效率提升近 11 倍。不仅如此,达到这种惊人效果,从千亿到万亿参数规模,阿里只花了3个月时间……
广告
热门推荐
广告
广告
EE直播间
在线研讨会
广告
广告
面包芯语
广告
向右滑动:上一篇 向左滑动:下一篇 我知道了