国产精品久久久aaaa,日日干夜夜操天天插,亚洲乱熟女香蕉一区二区三区少妇,99精品国产高清一区二区三区,国产成人精品一区二区色戒,久久久国产精品成人免费,亚洲精品毛片久久久久,99久久婷婷国产综合精品电影,国产一区二区三区任你鲁

0
  • 聊天消息
  • 系統消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發帖/加入社區
會員中心
創作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內不再提示

深度學習的火熱,GPU面臨嚴峻挑戰

454398 ? 來源:ST社區 ? 作者:ST社區 ? 2020-10-15 10:32 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

人工智能興起之后,安防行業就成為了人工智能技術最大的試驗田,也是落地的主要場景之一。

對于視頻監控行業來說,在GPU的CUBA模塊出現后(相關鏈接:為何GPU能在安防行業呼風喚雨?十幾年前這件事改變了安防前端格局),前端攝像機對GPU的依賴就越來越重,一臺攝像機能夠搭載什么樣的智能算法,算力又如何很大程度上取決于GPU的性能。

然而安防行業是一個場景化的行業,GPU再好也有著它的局限性。在AI發展的浪潮下,越來越多的安防企業選擇自研芯片來適應更細分的需求。

各個安防企業都鉚足力氣或自研或合作生產安防芯片,幾乎每隔幾天就能蹦出一條非GPU安防芯片問世的新聞,在這個勢頭下,不少人都在心里打鼓:“是否GPU的王朝就要結束了?”

隨著深度學習的火熱,GPU面臨嚴峻挑戰

王朝是否結束先按下不表,但從2019年全年智能安防芯片的產出來看,ASICFPGA表現優秀,更是有專家表示,在細分場景的深度學習方面安防芯片已經展現出了良好的發展趨勢,那么我們今年就來看一下2019年安防芯片得到了哪些發展機遇,又有哪些安防芯片表現出不俗的競爭力。

智慧安防需求多樣,AI安防芯片崛起契機來臨

在傳統的認知中,算法的深度學習都依賴GPU的CUBA模塊,根據吳恩達教授在2011的實驗結果表明,12顆英偉達GPU可以提供相當于2000顆CPU的深度學習性能。

但CPU作為圖像處理器時,設計初衷是為了應對圖像處理中的大規模并行計算。因此應用于深度學習時有明顯的局限性。

首先就是硬件結構完全由GPU廠商決定(主要是英偉達),其次是在深度學習方面,其效能遠低于ASIC及FPGA芯片。

通俗的講,采用GPU,你可以定制場景化的算法,但硬件性能以及發揮的效率完全是由英偉達決定,且算法的復雜程度還需要卡GPU的效能決定。

盡管GPU目前依靠其優秀的編程環境和頂尖的算力依舊穩坐AI芯片市場NO1的地位,但其他兩種芯片已呈現出后來居上之勢。

ASIC和FPGA在安防行業越來越得到重視

算力的優勢并不是憑空而來,傳統的GPU雖然在算力上占盡優勢,但存在嚴重的晶體管堆料的現象,導致其利用效率不高而且造成的功耗遠高于其他兩種芯片,對于以7X24小時運行的安防設備來說,這樣的功耗很難接受。

市場上雖然對這些缺點還算比較容忍,(畢竟客戶主要更關心算力)。但長此以往無異于飲鴆止渴。

在設計層面,由于摩爾定律的失效。7nm后制程升級越來越困難,GPU若想保持其算力優勢勢必還會走“堆料”的路子,在云端市場不斷發展的今天,這樣的市場越來越難以為繼。也導致不少安防廠商紛紛開發自己的ASIC和終端的FPGA市場。

由一家獨大,到如今隱隱的三分天下之勢,GPU確實該考慮如何更好的適應市場了。

激烈的安防芯片競爭

在AI芯片選擇方面,一般是有錢的選擇ASIC,早期過渡和追求性價比會選擇FPGA。

FPGA的是很多創業公司初期選擇的平臺,深鑒、寒武紀、地平線、比特大陸都先后使用過FPGA,商湯等視覺公司也應用過FPGA+GPU的解決方案,但當業務發展到一定程度后,都逐步開始轉向ASIC。

這是由于其芯片結構決定的,FPGA相比GPU功耗更低,相比ASIC具有更短的開發時間和更低的開發成本。

一句話總結就是方便、性價比高。且由于英特爾于2015年收購了最成功的的FPGA芯片廠商Altera(151億美元的天價,不得不說英特爾也是給CPU研發部門下了“死命令”),近年來不斷推出CPU+FPGA的組合給各個行業都帶來了前所未有的AI發展機遇。

成本低、重構靈活成為FPGA最大的競爭籌碼

且由于近兩年業界對于深度的學習能力大為推崇,在這方面具有優勢的FPGA無疑就成為了很多廠商的選擇。

相比性價比較高的FPGA,ASIC芯片無疑就彰顯了定制化芯片的霸氣。除了不能像FPGA那樣進行功能擴展和重構以外,ASIC芯片幾乎滿足了所有安防高端定制化的需求,在功耗、可靠性、體積方面優勢很大,尤其是在移動端,其高性能、低功耗的特點成為了眾多廠商的首選。

尤其是人工智能越來越深度化的當下,人們對于智能化深度的要求越來越高。相對應的芯片需要運行的算法也越來越復雜,這都要求芯片擁有一套專用的架構與其進行對應,而ASIC芯片完美地滿足了這一需求。

而ASIC應用的典型的代表就是知名的Alpha Go的大腦:谷歌研發的TPU芯片,其強大的深度學習能力和較低的功耗都讓業內艷羨。

據寒武紀發布的指令集指出,未來ASIC芯片將是AI芯片的核心。

不過研發ASIC芯片的一大難題就是其高昂的成本和較長的開發周期。目前,致力于研發AISC芯片的都是既擅長芯片研發又具備AI算法的行業巨頭,適用于已經具有一定規模且需求場景化定制需求的安防大廠。

除了這幾大類以外,目前安防行業還有云端芯片和類腦芯片具有強大的競爭力。

不過不管誰將在這場競爭中勝出,GPU在安防行業中的衰落或將成為現實,而在AI芯片的競爭當中誰又能拔得頭籌,這還要看他們具體和安防行業的適配程度。

智能芯片市場玩家可不止“御三家”

自研芯片的春天

2019年,我國安防芯片取得了很大的成就,不管是泛用性極廣的海思Hi3516CV500、昇騰系列、還是具有超高集成度的國科微GK7205/GK7205S、亦或是致力于智慧城市建設的地平線旭日1.0都向我們揭示了如今安防行業對于定制化AI芯片的渴求。

在新的一年里,隨著安防智能化的不斷深入,AI芯片行業競爭也會愈加激烈,但無論如何這對于中國安防的發展,都是多了一種選擇,也多了一份效能。

編輯:hfy

聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規問題,請聯系本站處理。 舉報投訴
  • FPGA
    +關注

    關注

    1660

    文章

    22412

    瀏覽量

    636287
  • asic
    +關注

    關注

    34

    文章

    1274

    瀏覽量

    124577
  • gpu
    gpu
    +關注

    關注

    28

    文章

    5194

    瀏覽量

    135438
  • 人工智能
    +關注

    關注

    1817

    文章

    50098

    瀏覽量

    265323
  • 安防芯片
    +關注

    關注

    1

    文章

    24

    瀏覽量

    16701
收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評論

    相關推薦
    熱點推薦

    芯片可靠性面臨哪些挑戰

    芯片可靠性是一門研究芯片如何在規定的時間和環境條件下保持正常功能的科學。它關注的核心不是芯片能否工作,而是能在高溫、高電壓、持續運行等壓力下穩定工作多久。隨著晶體管尺寸進入納米級別,芯片內部猶如一個承受著巨大電、熱、機械應力考驗的微觀世界,其可靠性面臨著原子尺度的根本性挑戰
    的頭像 發表于 01-20 15:32 ?293次閱讀
    芯片可靠性<b class='flag-5'>面臨</b>哪些<b class='flag-5'>挑戰</b>

    亞太地區AI數據中心可持續發展面臨重重挑戰

    當Chat GPT每秒“吞吐”數萬次請求、自動駕駛汽車毫秒級解析路況、AI大模型訓練一口“吞”掉百萬度電時,我們正親歷著一場由“算力浪潮”驅動的科技革命;與此同時,一個嚴峻的現實問題也浮出水面:強大的AI背后是對電力的極度渴求,算力增長與能源約束之間的矛盾已成為全球面臨
    的頭像 發表于 12-10 10:24 ?1101次閱讀
    亞太地區AI數據中心可持續發展<b class='flag-5'>面臨</b>重重<b class='flag-5'>挑戰</b>

    【團購】獨家全套珍藏!龍哥LabVIEW視覺深度學習實戰課(11大系列課程,共5000+分鐘)

    GPU加速訓練(可選) 雙軌教學:傳統視覺算法+深度學習方案全覆蓋 輕量化部署:8.6M超輕OCR模型,適合嵌入式設備集成 無監督學習:無需缺陷樣本即可訓練高精度檢測模型 持續更新:
    發表于 12-04 09:28

    【團購】獨家全套珍藏!龍哥LabVIEW視覺深度學習實戰課程(11大系列課程,共5000+分鐘)

    GPU加速訓練(可選) 雙軌教學:傳統視覺算法+深度學習方案全覆蓋 輕量化部署:8.6M超輕OCR模型,適合嵌入式設備集成 無監督學習:無需缺陷樣本即可訓練高精度檢測模型 持續更新:
    發表于 12-03 13:50

    如何深度學習機器視覺的應用場景

    深度學習視覺應用場景大全 工業制造領域 復雜缺陷檢測:處理傳統算法難以描述的非標準化缺陷模式 非標產品分類:對形狀、顏色、紋理多變的產品進行智能分類 外觀質量評估:基于學習的外觀質量標準判定 精密
    的頭像 發表于 11-27 10:19 ?220次閱讀

    AI芯片市場鏖戰,GPU與ASIC誰將占據主動?

    ,正圍繞性能、成本、靈活性等核心維度展開激烈角逐,各自憑借獨特優勢占據細分市場,同時也面臨著技術迭代與市場需求變革帶來的挑戰GPU憑借其與生俱來的并行計算基因,成
    的頭像 發表于 10-30 12:06 ?765次閱讀
    AI芯片市場鏖戰,<b class='flag-5'>GPU</b>與ASIC誰將占據主動?

    解碼綠電直連:破局實際應用中的三大核心挑戰

    綠電直連面臨著來自技術適配、市場環境、機制運行、政策法規等多維度的嚴峻挑戰,制約著其應用價值的充分釋放。深入剖析這些挑戰,既是破解當前發展瓶頸的關鍵,也是推動綠電直連高質量發展的前提。
    的頭像 發表于 09-27 15:46 ?678次閱讀
    解碼綠電直連:破局實際應用中的三大核心<b class='flag-5'>挑戰</b>

    工控一體機在軌道交通領域的應用解決方案面臨哪些挑戰

    在軌道交通領域,工控一體機扮演著關鍵角色,廣泛應用于自動售檢票系統、列車運行監控系統、智能調度系統以及車站設備控制系統等多個核心環節。然而,其在實際應用過程中面臨著諸多嚴峻挑戰。?
    的頭像 發表于 09-08 17:28 ?817次閱讀

    如何在Ray分布式計算框架下集成NVIDIA Nsight Systems進行GPU性能分析

    在大語言模型的強化學習訓練過程中,GPU 性能優化至關重要。隨著模型規模不斷擴大,如何高效地分析和優化 GPU 性能成為開發者面臨的主要挑戰
    的頭像 發表于 07-23 10:34 ?2400次閱讀
    如何在Ray分布式計算框架下集成NVIDIA Nsight Systems進行<b class='flag-5'>GPU</b>性能分析

    FOPLP工藝面臨挑戰

    FOPLP 技術目前仍面臨諸多挑戰,包括:芯片偏移、面板翹曲、RDL工藝能力、配套設備和材料、市場應用等方面。
    的頭像 發表于 07-21 10:19 ?1535次閱讀
    FOPLP工藝<b class='flag-5'>面臨</b>的<b class='flag-5'>挑戰</b>

    別讓 GPU 故障拖后腿,捷智算GPU維修室來救場!

    在AI浪潮洶涌的當下,GPU已然成為眾多企業與科研機構的核心生產力。從深度學習模型訓練,到影視渲染、復雜科學計算,GPU憑借強大并行計算能力,極大提升運算效率。然而,就像高速運轉的精密
    的頭像 發表于 07-17 18:56 ?1147次閱讀
    別讓 <b class='flag-5'>GPU</b> 故障拖后腿,捷智算<b class='flag-5'>GPU</b>維修室來救場!

    GPU架構深度解析

    GPU架構深度解析從圖形處理到通用計算的進化之路圖形處理單元(GPU),作為現代計算機中不可或缺的一部分,已經從最初的圖形渲染專用處理器,發展成為強大的并行計算引擎,廣泛應用于人工智能、科學計算
    的頭像 發表于 05-30 10:36 ?1854次閱讀
    <b class='flag-5'>GPU</b>架構<b class='flag-5'>深度</b>解析

    ARM Mali GPU 深度解讀

    ARM Mali GPU 深度解讀 ARM Mali 是 Arm 公司面向移動設備、嵌入式系統和基礎設施市場設計的圖形處理器(GPU)IP 核,憑借其異構計算架構、能效優化和生態協同,成為全球移動
    的頭像 發表于 05-29 10:12 ?4325次閱讀

    智慧路燈的推廣面臨哪些挑戰

    引言 在智慧城市建設的宏偉藍圖中,叁仟智慧路燈的推廣面臨哪些挑戰?叁仟智慧路燈作為重要的基礎設施,承載著提升城市照明智能化水平、實現多功能集成服務的使命。然而,盡管叁仟智慧路燈前景廣闊,在推廣過程中
    的頭像 發表于 03-27 17:02 ?706次閱讀

    如何排除深度學習工作臺上量化OpenVINO?的特定層?

    無法確定如何排除要在深度學習工作臺上量化OpenVINO?特定層
    發表于 03-06 07:31