IDC对人工智能边缘处理器的首个预测显示,2019年全球面向边缘系统的AI优化处理器出货量将达到3.401亿个,比2018年增长170.0%,到2023年出货量将达到15个,实现64.9%的五年复合年增长率(CAGR)。
人工智能的出现正在颠覆微处理器市场。虽然通用处理器和图形处理器单元(GPU)的开发,给体积更小、移动性更高、由电池供电的设备带来了巨大的计算能力,但这些处理器并不是神经网络推理解决方案的理想平台。与通用架构相比,AI优化的处理器带有独立的加速器和主机处理器,在处理器中集成了神经网络加速器,使得运行AI解决方案的性能要高通用架构。如今主要的提供商都在顺应这一趋势,开发能够解决满足这一新计算模式的解决方案,一些新兴处理器提供商也进入这个市场,其中包括一系列风投支持的半导体初创公司发布了新的IP和加速器。
随着人工智能解决方案在网络边缘不断扩展,以及人工智能工作负载不再局限于基本的系统优化任务,对于这种AI优化的处理器来说,市场机会越来越多。2018年运行AI的边缘系统中只有5.1%采用了优化的处理器。到2023年,这一比例预计将达到40.5%。到2023年,AI优化的处理器收入预计将达到404亿美元,复合年增长率为86.4%。
该预测中提到的边缘系统包括主要客户端,例如PC、手机、平板电脑;边缘基础设施网关和服务器;部署在企业、政府和家庭网络边缘的端点和物联网设备。边缘AI处理器的一些关键应用领域包括汽车高级驾驶员辅助系统(ADAS)、游戏系统、智能家居和视频监控,其他主要市场包括工业自动化、医疗设备、AR/VR设备、机器人和无人机等。
IDC赋能技术和半导体研究团队研究主管Michael J. Palma表示:“人工智能的成功在于部署到边缘的系统,在边缘位置,神经网络做出的即时决策是可以创造价值的,不受延迟和连接问题的限制,而这正是云解决方案所面对的一大挑战。边缘AI能否取得成功要取决于高效计算处理元件的开发,这些元件针对AI工作负载进行了优化,支持大多数边缘系统功率受限的特性。目前,离散加速器提供了最佳性能,但也增加了BOM成本,最终能否取得成功可能要取决于在主机处理器中AI优化处理元件的集成。”
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。