以AI技術最佳化的SoC今年將應用在行動與邊緣
IDC最新發布的《Worldwide Enabling Technologies and Semiconductors 2018–Top 10 Trends》報告指出2項由人工智慧（Artificial Intelligence；AI）驅動的關鍵趨勢：首先2018年將是AI在邊緣（edge）的肇始，其次以AI技術最佳化與整合的SoC解決方案將開始出現在行動與邊緣應用。隨著邊緣運算能力日益強大，將促成機器學習（Machine Learning；ML）大量應用于邊緣裝置。
根據Semiconductor Engineering報導，許多科技的大變革得以實現是由于半導體的重大創新，以及1970年代開始的微型化、制程良率改善、生產效率提升、工具進步所促成，在可預見的未來仍會是科技發展的重要基石。不過科技的大變革也可能是基于單純的觀點轉換。
人類日常生活中各種裝置，不僅能協助上網、傳送短信，更可提供全然不同的功能，包括為人類駕駛車輛、監測住家、提升人身與數據安全、理解人類。例如智慧型手機不僅只是可隨身攜帶的便利電話，廠商更將其設想為使用者可隨時隨地使用的運算裝置。不同的觀點讓邊緣運算能促成更有趣與更具挑戰性的應用。
全球連網裝置日增趨勢已成定局，預估數量將從80億增加至1兆，分布式運算（distributed computing）已開始成形，例如屬于邊緣裝置的Lumo Bodytech穿戴式裝置，2017年時已能執行ML軟件以最佳化配戴者的活動方式。而傳統的處理模式是在邊緣擷取數據，傳送至數據中心處理，再將結果回傳邊緣裝置，不僅費時且耗能。
隨著邊緣裝置的運算能力不斷提升，將可承擔各種ML應用與AI工作負載，為人類帶來極大價值。而將執行ML算法所需的適切運算能力建置于邊緣，則可提升處理效率與節約能源。IDC的研究報告指出，2018年供應商紛紛定位現有產品或增加新功能，以處理AI工作負載與編碼構架（programming framework）。
安謀（ARM）已最佳化其先進世代CPU與GPU的IP核心，以提升處理AI推論（AI-inferencing）的效率；Google、聯發科、高通（Qualcomm）、Rockchip等半導體供應商都已轉向將數位信號處理（DSP）核心整合至一般用途處理器或協同處理器，以加速處理電腦視覺等AI工作負載。
基于能耗、延遲（latency）與安全考察，AI相關工作負載也應移到邊緣。例如監視攝像機若能配備足夠運算能力，便能直接執行ML算法，過濾所擷取的大量圖像數據，僅將可疑數據上傳云端作進一步分析或觸發警示，即可避免直接將所有數據串流云端的耗時、浪費資源與數據安全疑慮。
而以人臉辨識解鎖智慧型手機，最合理的方式也是直接在要解鎖的智慧型手機上執行辨識算法。此外，智慧音響的語音辨識功能，若所有處理程序都能直接在裝置上完成，則執行效率更佳、無須依賴良好的網絡質量、數據安全更有保障。
IDC Market Perspective報告對2018年的市場趨勢預測還包括：車用半導體、車用電子的投資與整合將持續加溫，自駕車感測器技術與感測器融合將成趨勢；數據中心內的GPU將持續作為執行AI訓練的主力，NVIDIA占比最高，而超威（AMD）在2019年也將有所斬獲。
編輯：admin 最后修改時間：2018-04-21
