眼爆科技

一颗小小的 AIoT 芯片,为何成了兵家必争之地?

时间:2019-08-14 14:30  编辑:眼爆科技

近年来,AIoT这一词汇渐渐活跃在人们的视野中。所谓的AIoT,即AI+IoT,意思是将人工智能技术与物联网技术相结合,形成新的一门融合学科。

伴随着人工智能技术的发展,传统物联网设备将趋向于智能化,从而形成AIoT人工智能物联网,使“万物互联”向“万物智联”进化。

当然,技术的发展与市场需求是密不可分的。人们面对智能化应用的需求越来越多,AIoT就面临着更加复杂的场景,人们需要为其提供更高效的计算以获得更快的响应。

值此背景下,AIoT芯片应运而生,在面向AIoT场景任务时,它比传统通用芯片在算力及功耗上的更加具备优势。

AIoT芯片是什么?

什么是AIoT芯片?众所周知,IoT设备与手机这类移动通讯设备是不一样的,IoT设备多种多样,面对的场景应用也不同,对AI算力的要求也有所差别。

现阶段尚未开发出能够跨设备形态存在的通用芯片架构。因此,只有从IoT的场景出发,设计定制化的芯片架构,才能在大幅提升性能的同时,降低功耗和成本。

同时满足AI算力以及跨设备形态的需求,这样的专用芯片,被称之为AIoT芯片。

实际上,AIoT芯片并不是一个独立的芯片个体,目前市场首批AIoT芯片几乎都是结合了CPU、GPU、FPGA和DSP等核心零部件组合而成。

不过青出于蓝而胜于蓝,AIoT芯片与传统芯片相比确实存在不少差别。

在这里我们以自动驾驶场景为例,介绍下AIoT芯片和传统芯片的区别:

从性能层面出发,当自动驾驶在遇到路面前方的红绿灯时,如果采用CPU进行运算,那么车辆可能已经产生了闯红灯等违章行为,因为运算速度太慢,还来不及反应。

如果采用GPU进行运算,运算速度会大幅增加,但同时也会产生巨大功耗,很有可能汽车确实在遇到红灯时停下了,可能不是因为红灯才停下,而是耗能都供给了GPU运算之用,已经没有多余的能耗继续前行了;相比之下,采用AIoT芯片不仅能大幅提升自动驾驶过程中的运算速度问题,还能减少能耗。

从工艺制造层面来说,AIoT芯片由于应用场景和AI算法相对确定,因此在硬件设计上要求更加专业化。

传统的CPU和GPU芯片采用基于指令流的冯诺依曼式计算架构和计算模式来运行,而AIoT芯片多采用类脑或仿脑的架构方式,能够突破内存墙的计算瓶颈。

因此,相较传统芯片而言,AI芯片可以利用更低的主频、更小的芯片面积,完成AI计算任务,实现成本、功耗、算力等多样化需求之间的完美平衡。

这些企业启动布局,抢占市场先机


  • 共5页:
  • 上一页
  • 1
  • 2
  • 3
  • 4
  • 5
  • 下一页




  • 上一篇:数据丨物联网技术驱动,互联网通信云市场蕴含千亿价值 下一篇:未来将在交通要道上泊车?破解停车难先走这步棋