南安农业网
日期归档
金融理财 当前位置:首页 > 金融理财 > 正文

5位AI安防芯片创新者:我们的芯片路径和选择

2019-09-15 04: 22: 16雷锋网

“传统企业能在多大程度上开拓创新?”在许多业内人士眼中,这是人工智能安全芯片公司作为独立力量生存的关键。

业界普遍认为,如果AI芯片公司只是“略微领先”,那么它们将逐渐被传统企业所取代。

正是创新的力量决定了它们能走多远。 AI芯片计算能力的提高,架构创新,软硬件集成以及商业模式的探索都在混合并形成一个新的芯片生态系统。

最近,AI Nuggets还采访了许多具有不同创新路径的芯片公司。它们要么从优化芯片的计算和存储架构开始,要么选择进行软件和硬件集成,要么专注于相机中的ISP和编解码器芯片。

对于人工智能安全芯片要解决的主要问题和创新路径,企业有共同的理解和不同的选择和意见。

首先,AI安全芯片是系统级问题。除了AI加速模块之外,前端还包括ISP,编解码芯片等。安全芯片中其他模块的竞争力及其集成也是整个AI的核心问题?芯片。

其次,未来的趋势是系统级芯片是世界上最好的,而不是功能级芯片,而且AI芯片将被集成。

(观点:AI协处理器以其灵活性和效率而着称,并且可能继续存在集成的权衡。)

三,测量AI芯片,具体指标包括计算能力,价格,功耗,稳定性等。

第四,AI芯片,30%的硬件,70%的软件,软件和硬件集成是关键。

第五,当前终端AI芯片的性能瓶颈不在于计算能力,而在于存储。

第六,在计算架构中,与同构计算的“异构计算”不同,在多功能性和特异性之间实现折衷相对更好。

第七,在着陆安全中,现有AI芯片的主要问题是分化不明显,很容易陷入同质化竞争的陷阱。

八,芯片行业非常残酷,有两条规则:老板吃肉,第二个孩子喝汤,第三个,第四个可能找不到名字。

以下是AI Nuggets采访芯片公司的主要内容:

Touch View副总裁陈勇:核心,软件和硬件耦合是关键吗?

从全堆栈解决方案制造AI安全芯片,不仅是芯片,还有相对完整的软件生态系统来耦合芯片,使用户可以轻松,动态地部署满足其需求的解决方案。

另一点是芯片的功效。该芯片不仅可以提供计算能力,而且在满足应用计算能力要求的同时还消耗最少的能量。

我认为这两个方面对于AI安全芯片来说是最重要的。

制作芯片的隐形是让他们的算法和工程经验找到更好的耦合训练场,实现硬件和软件的协同优化,更好地实现前端感知。

以前,我们发现人工智能加速只是前端登陆应用的一个需求点。经过长时间抛光的AI加速芯片产品对于前端来说还不够好。

就像一条道路一样,AI芯片的集成就像沥青一样,但除了对道路的高要求外,还需要道路标志,道路标志和服务区域。这些在实际过程中无法获得。非常满意。

在芯片的具体研究中,我相信对于AI?安全芯片,由于多层神经网络的应用,如何在各种神经层中间实现高效的数据传输是一个难点。

另外,我们认为虽然在相机中,主控芯片非常强大。但AI协处理器具有独特的灵活性和效率,不能简单地由主芯片集成。多功能性和特异性之间的这种权衡将永远存在,这是AI协处理器存在的机会。

探测技术首席执行官陆勇:应该完成芯片的数据存储管理

安全字段的数据特征主要是由于需要实时处理大量连续图像数据流。

第一个是每秒处理帧速率越来越高,第二个是图像分辨率越高。在这两个方面,安全性都对边缘芯片提出了要求。

许多安全厂商使用Movidius的芯片来实现前端智能,但我们认为它不适合安全前端。然而,Movidius的普及恰恰说明了对边缘芯片的强劲需求。

我的观点是,要突破人工智能安全芯片的瓶颈,你不能简单地提高计算能力,但你必须做好数据存储管理。

在传统芯片中,采用了冯诺依曼架构。计算模块和存储单元是分开的,“记忆墙”问题非常严重。 AI依赖的算法是一个庞大而复杂的网络。存储的参数很多,需要进行大量的计算。它需要巨大的存储容量,高带宽和低延迟。许多AI初创芯片公司实际上都试图解决这个问题。

我们的想法是我们不能采用通常的预先计算指令然后提供数据。我们应该从存储子系统的优化开始,并在存储之间的传输过程中计算数据。

这也可称为“基于存储器的计算”而不是“基于计算的存储器”。

目前,人工智能算法在芯片领域受到越来越多的关注,并且仍然很少有人尝试改进AI的结构。在那之后,记忆和计算的结合将是一个很好的方向。

华夏核心CEO李克珍:提高AI芯片的易用性

在当前的安全市场中,有许多前端AI加速器,但实际上它们仍然存在一些问题。

首先是价格过高。第二是可编程性不足。原装通用芯片CPU可以轻松编程,但AI加速模块中没有指令集,无法编程,需要手动调整。

安全领域也是如此。制造商通常认为它不是AI芯片的性能,但AI初创公司或传统制造商设计的加速器非常复杂,AI加速器很难使用。

通常,通用芯片难以加载并且具有高计算要求,并且AI专用芯片缺乏可编程性和灵活性。目前,更高度集成的Socs被用于集成不同的计算架构芯片,这需要多套编程程序,这很容易引起问题。这对安全芯片供应商来说也是一个问题,特别是在安全前端应用中。

业界目前乐观的一种方式是组合不同的芯片架构。这是“异构计算”。

异构计算的优势在于它实现了更好的适应性和灵活性,并在多功能性和特异性之间实现了折衷。它不仅可以有效地处理数据,还可以保证算法的及时更新和迭代。这也是我们正在探索的方向。

现在在安全、自动驾驶等边缘市场,对芯片的综合要求非常高。芯片需要处理的数据量大,性能、性价比、性能和功耗比也高。

但我们对这些新兴市场持乐观态度,因为边缘市场的需求非常大,与手机、云计算、个人电脑等已经成熟的市场相比,芯片制造商有了更多的创新和在新市场占据一席之地的机会。

新博电子CEO梁敏学:很多人工智能安全芯片都是同质的

对于人工智能安全芯片,我认为“芯片+算法”的集成是最重要的。对于一个特定的芯片,最重要的指标应该是价格和稳定性。

芯片是硬的,算法是软的。如何更好的结合两者,这就需要增强芯片对底层计算加速算法的适应性。

现有芯片存在的问题,从技术角度来说,对前端ai芯片的计算能力、存储能力的要求都非常重要,既需要改进算法,又需要改进芯片结构,例如,目前的算法带宽还比较大。

在具体应用方面,我认为AI安全芯片作为安全摄像头的协处理器,已经被主控芯片集成,所以单纯提供AI加速器并不占优势。

我们所做的是开发一个三位一体的芯片,具有编解码器、加密和AI功能,为相机提供安全的加密。这也是与我们其他芯片制造商不同的一点。

从行业角度看,现有人工智能芯片在安防行业应用的主要问题实际上是同质化。

许多人工智能芯片制造商生产的芯片差别不大。一方面,很多芯片不符合现有安防行业对前端人工智能芯片的要求,另一方面也容易陷入芯片同质化竞争。

根据目前的安全芯片结构,实际上已经存在垄断生态,有大型行业参与者,因此如何找到AI安全芯片的价值点,并实现差异化仍然是最困难的。

Everyone Intelligence首席执行官王海曾:遵循双重法,芯片产业非常残酷?

前两年AI芯片非常热。与此同时,“热”也使市场浮躁。去年,业界推出了十几款AI芯片。

但是在安全和芯片领域多年来,我们的观点并不是做单纯芯片,而是要做FusionOS可视化中间件的融合芯片,算法和系统,用于人卡比较。

在我看来,市场上可能只有一种主流产品。芯片行业非常残酷,有两法治,即老板吃肉,第二个孩子喝汤。第三和第四可能找不到名字。

总的来说,我对华为海思更加乐观。在安全视频芯片领域,有华为HiS等竞争对手,几乎没有机会做视觉智能芯片。这个事实很难改变。

以前,我们对这些芯片进行了比较,发现芯片从高端到低端系列,HiSilie的芯片布局齐全,通道声音很好,而且功能几乎比现有的AI芯片制造商更先进,优点很明显。两三年前,我们可以看到这个市场非常大,但我不知道谁可以运行它。现在,回顾过去,我们仍然觉得海思正在走高。

此外,虽然AI芯片领域一直在谈论创新,但事实上,真正的创新还没有到来。

该算法的基础架构,如TensorFlow和Caffee,几乎都基于外部架构。

在算法的底部,国家几乎仍然是空白。这涉及许多基本的数学问题。正如谷歌谈论张量计算芯片一样,人们发现用于卷积的张量计算模型与传统模型不同,因此有必要设计芯片器件以适应其模型,这是一种算法创新。谷歌也发明了像TensorFlow这样的主要架构。

这些在该国仍然是空白的。雷锋网雷锋网雷锋网

“传统企业能在多大程度上开拓创新?”在许多业内人士眼中,这是人工智能安全芯片公司作为独立力量生存的关键。

业界普遍认为,如果AI芯片公司只是“略微领先”,那么它们将逐渐被传统企业所取代。

正是创新的力量决定了它们能走多远。 AI芯片计算能力的提高,架构创新,软硬件集成以及商业模式的探索都在混合并形成一个新的芯片生态系统。

最近,AI Nuggets还采访了许多具有不同创新路径的芯片公司。它们要么从优化芯片的计算和存储架构开始,要么选择进行软件和硬件集成,要么专注于相机中的ISP和编解码器芯片。

对于人工智能安全芯片要解决的主要问题和创新路径,企业有共同的理解和不同的选择和意见。

首先,AI安全芯片是系统级问题。除了AI加速模块之外,前端还包括ISP,编解码芯片等。安全芯片中其他模块的竞争力及其集成也是整个AI的核心问题?芯片。

其次,未来的趋势是系统级芯片是世界上最好的,而不是功能级芯片,而且AI芯片将被集成。

(观点:AI协处理器以其灵活性和效率而着称,并且可能继续存在集成的权衡。)

三,测量AI芯片,具体指标包括计算能力,价格,功耗,稳定性等。

第四,AI芯片,30%的硬件,70%的软件,软件和硬件集成是关键。

第五,当前终端AI芯片的性能瓶颈不在于计算能力,而在于存储。

第六,在计算架构中,与同构计算的“异构计算”不同,在多功能性和特异性之间实现折衷相对更好。

第七,在着陆安全中,现有AI芯片的主要问题是分化不明显,很容易陷入同质化竞争的陷阱。

八,芯片行业非常残酷,有两条规则:老板吃肉,第二个孩子喝汤,第三个,第四个可能找不到名字。

以下是AI Nuggets采访芯片公司的主要内容:

Touch View副总裁陈勇:核心,软件和硬件耦合是关键吗?

从全堆栈解决方案制造AI安全芯片,不仅是芯片,还有相对完整的软件生态系统来耦合芯片,使用户可以轻松,动态地部署满足其需求的解决方案。

另一点是芯片的功效。该芯片不仅可以提供计算能力,而且在满足应用计算能力要求的同时还消耗最少的能量。

我认为这两个方面对于AI安全芯片来说是最重要的。

制作芯片的隐形是让他们的算法和工程经验找到更好的耦合训练场,实现硬件和软件的协同优化,更好地实现前端感知。

以前,我们发现人工智能加速只是前端登陆应用的一个需求点。经过长时间抛光的AI加速芯片产品对于前端来说还不够好。

像高速公路一样,AI芯片的集成似乎是铺设沥青,但除了对路面的高要求外,还有对道路标志,道路标志,服务区域的要求,这在实际中是不能很好地满足的。处理。

在芯片的具体研究中,我认为对于AI?安全芯片,由于多层神经网络的应用,如何在各种神经层之间实现高效的数据传输是一个难题。

另外,我们认为虽然在相机中,主控芯片非常强大。但AI协处理器具有独特的灵活性和效率,不能简单地由主控芯片集成。普遍性和特异性之间的这种权衡将永远存在,这也是AI协处理器的机会。

勘探科学与技术首席执行官陆勇:芯片数据存储管理应该是完美的

实际上,安全领域的数据特征主要在于需要对大量连续图像数据流进行实时处理。

首先,每秒帧速率越来越高,其次,图像分辨率越来越高。在这两个维度中,安全性需要边缘芯片。

许多安全厂商使用Movidius芯片来实现前端智能,但我们认为它不太适合安全前端。但Movidius的普及恰恰说明了市场对边缘芯片的强劲需求。

我的观点是,为了突破人工智能安全芯片的瓶颈,不仅要提高计算能力,还要做好数据存储管理。

在传统芯片中,采用冯诺依曼架构。计算模块和存储器单元是分开的。记忆墙的问题非常严重。依赖AI的算法是一个庞大而复杂的网络,它有许多参数需要存储并需要完成大量的计算。它需要巨大的存储容量,高带宽和低延迟内存访问能力。许多人工智能初创企业实际上都试图解决这个问题。

我们的想法是我们不能采用通常的预先计算指令然后提供数据。我们应该从存储子系统的优化开始,并在存储之间的传输过程中计算数据。

这也可称为“基于存储器的计算”而不是“基于计算的存储器”。

目前,人工智能算法在芯片领域受到越来越多的关注,并且仍然很少有人尝试改进AI的结构。在那之后,记忆和计算的结合将是一个很好的方向。

华夏核心CEO李克珍:提高AI芯片的易用性

在当前的安全市场中,有许多前端AI加速器,但实际上它们仍然存在一些问题。

首先是价格过高。第二是可编程性不足。原装通用芯片CPU可以轻松编程,但AI加速模块中没有指令集,无法编程,需要手动调整。

安全领域也是如此。制造商通常认为它不是AI芯片的性能,但AI初创公司或传统制造商设计的加速器非常复杂,AI加速器很难使用。

通常,通用芯片难以加载并且具有高计算要求,并且AI专用芯片缺乏可编程性和灵活性。目前,更高度集成的Socs被用于集成不同的计算架构芯片,这需要多套编程程序,这很容易引起问题。这对安全芯片供应商来说也是一个问题,特别是在安全前端应用中。

业界目前乐观的一种方式是组合不同的芯片架构。这是“异构计算”。

异构计算的优势在于它实现了更好的适应性和灵活性,并在多功能性和特异性之间实现了折衷。它不仅可以有效地处理数据,还可以保证算法的及时更新和迭代。这也是我们正在探索的方向。

现在处于安全,自动驾驶等边缘市场,对芯片的综合要求非常高。芯片需要处理的数据量很大,性能,性价比,性能和功耗比也很高。

但我们对这些新兴市场持乐观态度,因为边缘需求非常大,与手机,云计算,PC等已经成熟的市场相比,为芯片制造商提供了更多的创新和机会。新市场。

新博电子CEO梁民学:许多人工智能安全芯片都是同质的

对于AI安全芯片,我认为“芯片+算法”的集成是最重要的。对于特定芯片,最重要的指标应该是价格和稳定性。

芯片“硬”,算法“软”。如何更好地结合这两者,这需要增强芯片对底层计算加速算法的适应性。

现有芯片的问题,从技术角度来看,前端AI芯片的计算能力要求,存储问题非常重要,两者都需要通过算法和芯片架构来改进,例如,当前算法仍然是更多的带宽。

在具体应用方面,我认为AI安全芯片被用作安全摄像头中的协处理器,并且已经由主控芯片集成,因此简单地提供AI加速器并不占优势。

我们所做的是开发具有编解码器,加密和AI功能的三合一芯片,为相机提供安全加密。这也与我们的其他芯片制造商不同。

从行业角度来看,现有AI芯片在安全行业中应用的主要问题实际上是同质化。

许多AI芯片制造商生产的芯片差别不大。一方面,许多芯片不能满足现有安防行业对前端AI芯片的要求,另一方面,它们很容易陷入芯片同质化竞争中。

根据目前的安全芯片结构,实际上已经存在垄断生态,有大型行业参与者,因此如何找到AI安全芯片的价值点,并实现差异化仍然是最困难的。

Everyone Intelligence首席执行官王海曾:遵循双重法,芯片产业非常残酷?

前两年AI芯片非常热。与此同时,“热”也使市场浮躁。去年,业界推出了十几款AI芯片。

但是在安全和芯片领域多年来,我们的观点并不是做单纯芯片,而是要做FusionOS可视化中间件的融合芯片,算法和系统,用于人卡比较。

在我看来,市场上可能只有一种主流产品。芯片行业非常残酷,有两法治,即老板吃肉,第二个孩子喝汤。第三和第四可能找不到名字。

总的来说,我对华为海思更加乐观。在安全视频芯片领域,有华为HiS等竞争对手,几乎没有机会做视觉智能芯片。这个事实很难改变。

以前,我们对这些芯片进行了比较,发现芯片从高端到低端系列,HiSilie的芯片布局齐全,通道声音很好,而且功能几乎比现有的AI芯片制造商更先进,优点很明显。两三年前,我们可以看到这个市场非常大,但我不知道谁可以运行它。现在,回顾过去,我们仍然觉得海思正在走高。

此外,虽然AI芯片领域一直在谈论创新,但事实上,真正的创新还没有到来。

该算法的基础架构,如TensorFlow和Caffee,几乎都基于外部架构。

在算法的底部,中国几乎是空白。这涉及许多基本的数学问题。正如谷歌谈论张量计算芯片一样,人们发现卷积中使用的张量计算模型与传统模型不同,因此我们需要设计芯片设备以适应其模型,这是一种算法创新。谷歌也发明了像TensorFlow这样的主要架构。

这些在中国仍然是空白的。雷锋网雷锋网

北京幸运28



南安农业网 版权所有© www.zhuanhua6.net.cn 技术支持:南安农业网 | 网站地图