工業(yè)物聯(lián)網(wǎng)架構(gòu)師花了數(shù)年時(shí)間才得出結(jié)論，邊緣需要數(shù)據(jù)中心級(jí)的性能，以實(shí)現(xiàn)高效分析、提高安全性和降低網(wǎng)絡(luò)成本。在人工智能和機(jī)器學(xué)習(xí)領(lǐng)域，傳感器設(shè)備內(nèi)部或附近對(duì)高端處理能力的需求從一開始就很明顯。

考慮到即使是簡(jiǎn)單的自主機(jī)器（我知道這是矛盾的說法）也需要大量的計(jì)算能力來運(yùn)行神經(jīng)網(wǎng)絡(luò)來執(zhí)行障礙物檢測(cè)、識(shí)別和避免等功能。例如，京東和菜鳥等公司生產(chǎn)的自動(dòng)送貨車需要大約每秒 30 兆次運(yùn)算 （TOPS） 的處理性能，而雅馬哈正在開發(fā)的自動(dòng)駕駛檢查無人機(jī)需要大約 20 兆次運(yùn)算 （TOPS） 的處理性能。

當(dāng)然，這對(duì)嵌入式和工業(yè)工程師提出了一個(gè)經(jīng)典的設(shè)計(jì)挑戰(zhàn)：平衡每瓦性能。性能太低，應(yīng)用程序失敗。功耗太大，自主機(jī)器必須連接到持續(xù)的電源。

隨著NVIDIA 的 Jetson AGX Xavier 模塊的發(fā)布，這種情況正在改變。

服務(wù)器級(jí)性能，嵌入式功耗

Jetson AGX Xavier 核心的 Xavier SoC 包含大量異構(gòu)處理性能，適用于人工智能驅(qū)動(dòng)的機(jī)器人應(yīng)用程序，包括：

512 核 Volta GPU，帶有 64 個(gè) TensorCore

八核、64 位基于 Arm 的 Carmel CPU

雙 NVDLA（NVIDIA 深度學(xué)習(xí)加速器）引擎

雙 7 路 VLIW 視覺加速器引擎

這代表 Jetson AGX 模塊的性能高達(dá) 32 TOPS，尺寸為 87 mm x 100 mm。如上圖所示，該芯片還包括一個(gè) 256 位 LPDDR4X 接口，能夠以 137 GBps 的速度將數(shù)據(jù)傳輸?shù)侥K上的 16 GB DRAM，用于與 AI 工作負(fù)載相關(guān)的頻繁讀寫。

基本上，Jetson AGX Xavier 以嵌入式模塊形式提供服務(wù)器級(jí)性能。然而，同樣重要的是，該模塊的功耗僅為 10W，或與臺(tái)式風(fēng)扇差不多。用戶可將操作模式配置為 10W、15W 或 30W，NVIDIA 報(bào)告稱每瓦性能 （PPW） 的最佳點(diǎn)在 15W 左右。即使在那個(gè)水平（大約相當(dāng)于藍(lán)光播放器的功耗），Jetson AGX Xavier 在推理性能和能源效率方面也大大超過了其前身 Jetson TX2 和 Intel Core i7 + GTX 1070 顯卡。

Jetson AGX Xavier：引擎蓋下

Jetson AGX Xavier 的多項(xiàng)功能可實(shí)現(xiàn)這種類型的每瓦性能，從基礎(chǔ)芯片架構(gòu)開始。雖然 SoC 上的每個(gè)內(nèi)核都有自己的內(nèi)存，但內(nèi)存是離散 SoC 模塊之間的零內(nèi)存復(fù)制。雖然 AGX Xavier 模塊確實(shí)通過外部 16 GB LPDDR4X DRAM 提供共享內(nèi)存，但片上數(shù)據(jù)只是通過管道傳遞到必要的處理核心。

架構(gòu)的異構(gòu)性也提高了效率，因?yàn)楣ぷ髫?fù)載可以在最適合任務(wù)的架構(gòu)上執(zhí)行。這方面的一個(gè)例子是片上加速引擎，它可以卸載 Volta GPU，以便它可以專注于更復(fù)雜或用戶定義的任務(wù)。例如，在以 8 位分辨率推斷固定功能卷積神經(jīng)網(wǎng)絡(luò) （CNN） 時(shí)，NVDLA 引擎可提供高達(dá) 5 TOPS 的性能，以 16 位分辨率推斷 2.5 TFLOPS 時(shí)，功耗在 0.5W 和 1.5W 之間。

同時(shí)，Carmel CPU 內(nèi)核可以保留用于通用計(jì)算任務(wù)。

JetPack 簡(jiǎn)化了深度學(xué)習(xí)編程的復(fù)雜性

Jetson AGX 系列運(yùn)行 Linux，這在工業(yè)嵌入式系統(tǒng)中變得越來越普遍。許多希望利用 Jetson AGX Xavier 性能的工業(yè)和嵌入式開發(fā)人員可能不太熟悉的是對(duì) GPU 和/或深度學(xué)習(xí)加速器進(jìn)行編程。幸運(yùn)的是，NVIDIA JetPack 4.1.1 軟件開發(fā)套件 （SDK）在CUDA Toolkit中提供了一攬子 API、嵌入式庫以及與常用語言的集成，因此您無需了解如何編程 GPU對(duì) GPU 進(jìn)行編程。

最新JetPack版本中的一些軟件工具包括：

Linux For Tegra R31.0.1 （K4.9）

CUDA 工具包 10.0

cuDNN 7.3

張量RT 5.0 GA

OpenCV 3.3.1

OpenGL 4.6 / GLES 3.2

伏爾甘 1.1

多媒體 API R31.1

阿格斯 0.97 相機(jī) API

TensorRT 5.0 包中提供的 API 也簡(jiǎn)化了對(duì) DLA 進(jìn)行編程以執(zhí)行神經(jīng)網(wǎng)絡(luò)工作負(fù)載。例如，_setDeviceType（） 和 setDefaultDeviceType（） 命令可用于在 GPU 或任一 DLA 上執(zhí)行特定的神經(jīng)網(wǎng)絡(luò)層或?qū)樱?_allowGPUFallback（） 這樣的命令可讓工作負(fù)載在 DLA 不支持的情況下恢復(fù)到 GPU 。

此外，DeepStream 3.0 SDK 支持 Jetson AGX Xavier，該 SDK 利用 TensorRT、CUDA、多媒體和成像 API 來加速視頻分析應(yīng)用程序的開發(fā)。

當(dāng)然，低級(jí) CUDA 編程是另一種選擇。

審核編輯：郭婷